基于相思树NIR数据理论模型的软件设计

根据朗伯—比尔定律所建立的近红外光谱数据相思树综纤维素含量的预测模型公式,采用Java语言开发了利用近红外光谱数据来预测木材化学成分含量的web版软件V1.0。首先对近红外光谱数据进行预处理和分组,然后使用拟合方法建立了许多非线性子模型,列出每个吸光值及其所对应的子模型当中的系数参数,采用Java5.0语言将以上数据和模型公式编译成软件。该软件使用方便,操作简单,预测结果准确度高(如综纤维素测量值与预测值之间的相关系数为0.935 2),为木材纸浆性能分析提供了可靠的依据和可操作的方法,并有望用于其他树种的化学成分预测。     

粗皮桉木材气干密度测定方法比较研究

以我国粗皮桉人工林木材为试验材料,分别采用中国国家标准(GB/T 1933-2009)的直接测量法、X线密度仪和SilviScan木材材性快速测定仪对粗皮桉木材的气干密度进行了测定。结果表明,采用直接测量法、X线密度仪和SilviScan得到的粗皮桉木材试样的气干密度值之间有很好的相关性,并用近红外光谱方法对这些木材密度进行了快速预测,预测效果较好。该研究结果可为将来木材密度快速测定方法的研究和粗皮桉木材的科学合理利用提供依据。     

蒙古栎木材MOR与MOE的近红外光谱预测模型分析

蒙古栎是重要的结构用材,对其抗弯强度(MOR)与抗弯弹性模量(MOE)进行快速准确的无损检测是具有工程应用价值的科学问题。为实现蒙古栎木材MOR与MOE的快速无损检测,以900~1 700 nm的便携式近红外光谱仪为检测手段,提出一阶导数与S-G卷积平滑处理相结合的数据预处理方法,采用木材径切面与弦切面2个切面近红外光谱的平均值作为建模数据,利用Isomap-PLS算法建立预测模型估计木材的MOR、MOE。试验采用135个300 mm20 mm20 mm的无疵小试样为样本,其中90个组成校正集,45个组成预测集。结果表明:一阶导数处理能够消除光谱背景平缓区域干扰,S-G卷积处理能滤除高频噪声;采用径切面与弦切面光谱的平均值,比采用单一切面建模效果好,校正相关系数大,校正标准误差小;Isomap-PLS模型优于PLS、iPLS、MWPLS、CSMWPLS、BiPLS、LLE-PLS模型,MOR预测相关系数为0.89,预测标准误差(SEP)为11.43,相对分析误差(RPD)为2.552.5;MOE预测相关系数为0.88,SEP为2.73,RPD为2.582.5。可见,所建近红外模型可以完成蒙古栎无疵木材快速有效的无损检测。      

用多模型方法预测相思树苯醇抽提物含量

相思树是一种速生纸浆材,苯醇抽提物含量对木材的制浆得率有一定影响。近红外光谱分析技术能对木材的化学成分含量进行低成本快速检测。多模型方法是一种预测效果好且易于掌握的近红外光谱分析建模方法,已被用于建立相思树、毛白杨和欧美杨某些化学成分含量的近红外光谱预测模型,取得较好的建模效果。先用多模型方法建立了相思树苯醇抽提物含量和Klason木质素含量的近红外光谱分析模型。结果表明Klason木质素含量的预测效果优于苯醇抽提物含量的预测效果。然后在多模型方法的基础上,用预测误差较小的Klason木质素含量优化构建了苯醇抽提物含量的预测模型,使苯醇抽提物含量的预测效果得到改进。模型的拟合优度从0.792 8提升到0.827 1,预测值与实验值之间的相关系数从0.907 4提升到0.922 5。不同于已有的多模型方法,在优化建模时并不要求所使用的两种化学成分含量之间具有近似线性关系。还对优化构建的苯醇抽提物含量预测模型,通过减少每个子模型中待定常数的个数,增强了模型的稳定性,进一步改进了模型的预测效果。随着这方面研究工作的增多,未来该建模方法有希望应用于某些预测效果一般的化学成分含量,使这些化学成分含量的近红外光谱分析效果得到改进。     

毛竹、杉木木质素的近红外光谱法快速分析

该文用近红外光谱法对毛竹和杉木的木质素含量进行了快速测定.首先依据常规湿化学方法测定了54个毛竹和48个杉木样品的木质素含量,用近红外光谱仪采集相应的光谱,对原始光谱进行平滑预处理和二阶微分处理后,用偏最小二乘法和完全交互验证方式建立了相应的校正模型和预测模型.结果表明,毛竹和杉木木质素含量预测模型的相关系数R分别为0·97和0·90;预测标准误差SEP分别为0·65和0·28·将毛竹和杉木样品混合,建立的混合分析模型,R为0·98,SEP为0·83·结果表明,近红外光谱法可以快速预测杉木和毛竹中的木质素含量.     

基于近红外光谱技术预测两种进口材气干密度

为了建立进口材气干密度近红外光谱校正模型，实现对进口材气干密度的快速预测，以进口阔叶材桃花心木和针叶材辐射松两种木材为研究对象，测定其气干密度真值结合近红外光谱技术，采用偏最小二乘法（PLS）在全波段（350～2 500 nm）建立两个材种的气干密度相应的校正模型，并采用外部验证，最终建立两种木材的气干密度的预测模型。结果表明：桃花心木木材的气干密度范围为0.433～0.840 g·cm^-3，辐射松的为0.260～0.600 g·cm^-3；不同方法建立的桃花心木木材气干密度近红外光谱校正模型相关参数均好于辐射松的；校正模型的外部验证表明，桃花心木木材气干密度预测模型精度较高，相关系数达到0.90，而辐射松木材气干密度预测模型相关系数为0.75。总之，进口阔叶材桃花心木木材的平均气干密度比针叶材辐射松的大。相较于针叶材辐射松，建立的阔叶材桃花心木木材气干密度预测模型更能较精准的预测其密度真值。     

毛白杨近红外光谱数据建立综纤维素含量数学模型

建立一种基于朗伯—比尔(Lambert-Beer)定律可预测毛白杨杂交子代综纤维素含量的数学模型,即先对近红外光谱数据预处理,并将光谱数据按波长进行分组,建立众多非线性子数学模型,最后通过加权平均值公式给出综纤维素含量的预测模型。其预测值之间的相关系数r=0.945 5,平均相对误差为0.006 0,模型的拟合优度R2=0.894 0。此模型可作为一种预测毛白杨综纤维素含量的方法,也有益于今后纸浆性能预测。     

基于近红外光谱法预测杨木的综纤维素含量

为快速测定人工林杨木的综纤维素含量,按国家标准测定了42 个杨木木材样品的综纤维素含量,并用近红 外光谱仪测定相应的光谱。在350 ~ 2 500、1 300 ~ 2 050、2 050 ~ 2 500 nm 3 个不同的光谱区域,采用未处理、 Baseline、一阶导数、二阶导数等光谱预处理方法,再用PLS1、PLS2、PCR 3 种不同建模方法建立相应的校正模型与 交互验证模型。结果表明:当光谱区域为1 300 ~2 050 nm、光谱数据未进行预处理、采用PLS1 的建模方法、主成分 数为8 时,建立的校正模型有最佳预测效果;采用建立的模型对未参与建模的样本进行预测,预测结果与实测结果 间的相关系数为0.818 8。      

基于可见/近红外光谱西葫芦硬度的无损检测模型的建立

利用近红外光谱(350～2 500 nm)系统采集180个西葫芦样本的光谱数据,运用多种预处理方法对原始光谱数据进行处理,建立西葫芦果肉硬度的PCR、SMLR和PLSR预测模型;并通过对不同的建模模型进行分析,对西葫芦硬度进行快速检测,实现可见/近红外光谱技术对西葫芦的硬度品质在线无损检测。结果表明,经过卷积平滑法和标准正态变换(S-G+SNV)处理建立的PLSR硬度预测模型效果最好,校正集相关系数为0.979,预测集相关系数为0.976;验证模型结果预测相关系数为0.886,预测均方根误差为0.126。运用可见/近红外光谱技术对西葫芦硬度指标的预测研究具有可行性,研究结果可为今后在线快速无损检测果蔬硬度提供理论依据。     

基于近红外光谱的果树残枝纤维组分含量分析

【目的】研究运用近红外光谱技术结合化学计量学实现快速检测新疆南疆果树残枝中纤维素、半纤维素和木质素含量。【方法】以150个从新疆南疆各地采集的果树残枝样本为材料,利用近红外光谱技术结合偏最小二乘法（PLS）,采用不同的预处理和特征波段筛选方法优化各纤维组分含量的预测模型。【结果】SG卷积平滑法预处理结合竞争性自适应权重取样法（CARS）优选特征波段建立的3种纤维组分近红外检测模型效果最优,相关系数r分别为0.950 3、0.948 7和0.937 1,决定系数R²分别为0.900 8、0.896 5和0.875 1,校正标准偏差RMSEC分别为0.007 0、0.005 4和0.005 1,预测标准偏差RMSEP分别为0.011 8、0.008 9和0.008 8。【结论】采用近红外光谱技术能够实现新疆南疆果树残枝纤维素、半纤维素和木质素三组分的快速定量检测。     

近红外光谱技术在线快速检测复烤片烟化学成分应用研究

[目的]实现打叶复烤生产过程中片烟化学成分的在线快速检测。[方法]采集2010年、2011年和2014年具有代表性的烟叶样品的在线近红外光谱,采用主成分马氏距离法和基于蒙特卡洛采样的奇异样本识别方法剔出异常光谱和化学异常样品,建立并优化复烤片烟6种化学成分(总植物碱、总糖、还原糖、总氮、钾和氯)的在线近红外分析模型。[结果]利用偏最小二乘方法建立的定量模型,其决定系数R2均在81%以上。通过模型外部检验发现,样本的近红外预测值与参考值的结果较为一致,氯的平均绝对误差小于0.1%,其他组分的平均相对误差小于5%。[结论]利用在线定量分析模型,可以实现复烤片烟化学成分的在线检测,为后期烟叶醇化、质量评价和配方设计提供数据支撑。     

利用近红外光谱技术预测杉木力学性质

利用三点弯曲实验方法测定了155个杉木样品的抗弯弹性模量和抗弯强度,并用近红外光谱仪采集其径切面和横切面的近红外漫反射光谱,以2/3的试样(103个)作为校正集建立抗弯弹性模量和抗弯强度的偏最小二乘法校正模型,以1/3的试样(52个)作为预测集对模型进行验证.结果表明,切面对模型预测效果的影响比较小,且与光谱区域的选择有关.对于可见近红外全波段光谱(350～2 500 nm)利用径切面比利用横切面光谱建立的力学性质模型的预测效果略好,对于短波光谱(780～1 050 nm)利用横切面比利用径切面光谱建立的模型的预测效果略好;降低波谱范围后,利用横切面短波近红外光谱建立的力学性质校正模型的效果与全波谱模型相比差异较小;利用径切面和横切面2个切面可见近红外全波段光谱、利用横切面短波光谱分别建立的杉木力学性质的校正模型,其预测相对分析误差在1.51～1.90之间,表明利用近红外光谱技术预测杉木木材的力学性质的能力属普通,可用之作为初步的检测工具.     

基于近红外光谱不同波段的红松木材含水率预测分析

运用近红外光谱技术结合偏最小二乘法(PLS),对所采集光谱进行一阶导数和二阶导数处理,并对未处理原始光谱、一阶导数处理光谱和二阶导数处理光谱分别在7个不同波段范围内建立红松含水率预测模型.结果表明红松样本近红外光谱经一阶导数处理,波段在1 000～2 100nm范围内所建模型最优,其校正集相关性系数为0.992 5,校...     

AOTF-NIR快速检测田间生长烟叶中主要化学成分

应用AOTF-NIR(AOTF-近红外光谱分析技术)建立田间生长烟叶中5种化学成分的快速无损检测方法。以182个样品组成校正集标准样品,采用偏最小二乘回归法建立了近红外光谱信息与各成分含量之间的关联定量校正数学模型,并对30个验证集样品进行预测。预测结果表明:烟碱、总氮、总糖、还原糖、钾的平均预测相对误差分别为3.73%、3.89%、3.78%、2.88%、4.37%。对验证集样品的原始化学值和预测值进行成对数据t测验,检测结果显示,差异不显著,说明建立的数学模型是可用的,该方法分析结果准确可靠,重现性好,方便无损。可用于快速定量检测田间生长烟叶中的烟碱、还原糖、总糖、总氮、钾。     

近红外光谱法检测鸡、鱼肉加热终点温度

【目的】在肉制品生产中,加热终点温度（endpoint temperature,EPT）是控制食源性疾病的关键因素。现有的EPT检测方法诸多,如酶活性测定法,凝血试验和聚丙烯酰胺凝胶电泳（SDS-PAGE电泳）法等,但普遍存在耗时、样品处理繁杂等不足。采用近红外光谱（near-infrared spectroscopy,NIR）结合偏最小二乘法（partial least squares,PLS）检测鸡、鱼肉加热终点温度,为研究近红外光谱法检测肉类EPT的可行性提供参考。【方法】分别将肉样以1℃·min^-1的升温速率进行9个不同温度的加热处理（50、55、60、65、70、75、80、85和90℃）,当达到终点温度时,迅速取出,冰水冷却到4℃。冷却后的肉样和释放的肉汁同时放到均质机中,均质1 min,绞碎成肉糜状。均质后的肉样存放于4℃的冰箱中,共制得144个样品（鸡、鱼肉样品数分别为77和67）。在近红外光谱仪上,采用硫化铅（PbS）检测器和旋转样品池,每个样品连续采集光谱3次,在11 000-4 000 cm^-1波数范围内,以8 cm^-1的分辨率扫描64次。将所采集的鸡、鱼肉的光谱数据分别随机分为校正集（样品总数108,其中鸡肉样58,鱼肉样50）和检验集（样品总数36,其中鸡肉样19,鱼肉样17）,校正集用于校正模型的建立,检验集用于检验模型的预测能力。在建立模型时,采用标准正则变换、一阶微分和Norris Derivative滤波平滑（N-D）3种方法结合对原始光谱进行处理,采用内部交叉验证均方差（cross-validation mean square error,RMSECV）确定主成分数,利用模型对检验集样品的预测均方差（prediction mean square error,RMSEP）、预测值与实测值间的相关系数r及预测标准差σ考察模型的预测性能。【结果】采用校正集的内部交叉验证均方差（RMSECV）确定鸡肉、鱼肉的主成分数分别为9和11,此时校正集的RMSECV值最小,分别为1.59%和0.96%;所得校正模型的预测温度与实际加热温度之间的相关系数分别为0.9844和0.9936;由所建模型对检验集样品的检验结果可看出,实际加热温度与近红外模型预测的加热温度具有很高的相关性,预测值的相关系数r分别为0.9966和0.9832;预测均方差RMSEP分别为3.02%和2.94%;预测标准差σ为0.97和1.63。【结论】本研究所建模型具有很好的预测性能,近红外光谱用于肉制品EPT检测具有很大潜力。     

牛肉近红外光谱的地域及饲养期特征分析

 【目的】探讨利用近红外光谱分析技术区分不同地域来源和饲养期牛肉的可行性,为牛肉产地溯源和产地确证等监管措施提供分析方法和理论依据。【方法】利用近红外光谱仪测定在内蒙古太仆寺旗、陕西杨凌区、河南南阳市实施的人为迁徙饲养模型试验中的18头肉牛肌肉样品的光谱,结合饲料和饲养方式,比较地域和饲养期样品之间的光谱特征差异,并利用主成分分析比较样品的空间分布。【结果】牛肉样品近红外光谱特征与地域、饲料种类和饲养方式等因子密切相关;同一地域不同饲养期和同一饲养期不同地域牛肉的近红外光谱特征均有显著差异;利用主成分分析能将不同地域来源和饲养期样品区分开。【结论】地域和饲养期对牛肉近红外光谱均有显著影响,进行牛肉产地溯源和产地确证时必须考虑地域和饲养期等因子;近红外光谱分析技术用于区分不同地域来源和饲养期的牛肉是可行的。     

基于近红外光谱的腐皮镰孢菌侵染香蕉过程表征研究

香蕉在采后贮运过程极易受致病菌侵染腐烂,实现香蕉果实(以下简称蕉果)致病菌侵染程度的判别有利于潜在染病果实的及时检出和采取科学的防控措施.以腐皮镰孢菌(Fusarium solani)侵染的蕉果为对象,通过采集致病菌侵染不同阶段的蕉果的近红外光谱(930～1 650 nm)数据,基于全波段数据,对比不同光谱预处理方法对模型的影响后,分别建立了基于原始光谱的主成分-支持向量机判别模型(Principal component analysis-support vector machine classification, PCA-SVM)与偏最小二乘判别(Partial least squares discriminant analysis, PLSDA)模型,均取得了较好的判别效果,其验证集的判别准确率分别为83.33%和76.67%.利用竞争自适应重加权采样(Competitive adaptive reweighted sampling, CARS)算法进一步筛选出10个特征波长变量(1 117.5、1 140.7、1 146.4、1 255.5、1 284.0、1 312.5、1 403.2、1 493.2、1 498.8和1 621.5nm),分别应用SVM与PLSDA建立了基于特征波长的致病菌侵染程度判别模型,CARS-SVM模型判别效果优于CARS-PLSDA模型,训练集与验证集判别准确率分别为84.78%和78.57%.结果表明,近红外光谱技术可较好地用于判别香蕉病菌侵染过程与程度.     

Quantitative analysis of minerals and electric conductivity of red grape homogenates by near infrared reflectance spectroscopy

The use of near infrared (NIR) reflectance spectroscopy to measure the concentration of minerals and electric conductivity (EC) in red grape homogenates was investigated. Wine grape samples (n = 209) from two vintages, representing a wide range of varieties and regions were analysed by Inductively Coupled Plasma Optical Emission Spectrometry (ICPOES) for the concentrations of calcium (Ca), potassium (K), magnesium (Mg), phosphorus (P), sulphur (S), iron (Fe), and manganese (Mn) and scanned in reflectance in a NIR instrument (400-2500 nm). The spectra were pre-processed using multiple scatter correction (MSC) before developing the calibration models using partial least squares (PLS) regression and cross validation. Coefficients of determination in cross validation (R²) and the standard errors of cross validation (SECV) obtained were for Fe (0.60 and 1.49 mg kg⁻¹), Mn (0.71 and 0.41 mg kg⁻¹), Ca (0.75 and 60.89 mg kg⁻¹), Mg (0.84 and 12.93 mg kg⁻¹), K (0.78 and 285.34 mg kg⁻¹), P (0.70 and 40.19 mg kg⁻¹), S (0.88 and 14.45 mg kg⁻¹) and EC (0.87 and 7.66 mS). The results showed that Mg, S and EC in grape berries might be measured by NIR reflectance spectroscopy.     

水稻蛋白质含量NIR模型适配范围的研究

【目的】比较不同类型样品建立水稻蛋白质近红外模型的效果和适配范围。【方法】通过对178份来自“II-32B/岳早籼6号”的重组自交系和496份水稻品种的近红外反射光谱的比较分析，选择其中59个株系和76份品种作为建模样品，采用偏最小二乘法建立基于品种、重组自交系和混合样品的3个蛋白质含量回归模型。【结果】经模型内部交叉验证和对模型外部重组自交系和品种样品的验证结果的比较分析，发现基于分离群体的模型因蛋白质含量范围较窄，样品来源较单一，适应范围仅局限于本群体内样品蛋白质含量预测，而品种和混合模型对群体和品种样品都表现出良好的适应能力，交叉验证决定系数大于0.90，外部验证决定系数大于0.89, 本试验可为近红外建模的样本集选择提供良好的指导意义。【结论】不同类型样品对建模效果有显著影响，品种模型和混合模型的适配范围显著大于群体模型，研究结果不能支持用背景变异较小的样品建立较高精度回归模型的设想。