湿加松16种黄酮总含量近红外预测模型的建立

在950～1650 nm的光谱范围内,使用DA2700型近红外光谱仪采集了110个湿加松Pinus elliottii × P.caribaea松针粉末样本的光谱数据。结合实际测定值,采用偏最小二乘(PLS)回归法并选择最佳光谱预处理方法和最佳主成分数,建立湿加松松针组织16种黄酮物质总含量的快速预测模型。结果表明:采用一阶导数(FD)与滤波拟合(SG)相结合法对光谱数据进行预处理且当主成分数为10时,可得最优模型。其校正集相关系数(R_c)和交互验证集相关系数(R_v)分别为0.852 1和0.705 9。校正集均方根误差(RMSEC)和交互验证集均方根误差(RMSEV)分别为6.361 0和9.150 9。外部验证集测定值和模型预测值之间的相关系数为0.8537。综合表明所建模型预测精度高、可靠性强,可用于湿加松松针组织16种黄酮物质总含量的预测。     

湿加松针叶儿茶素和表儿茶素总量近红外光谱预测模型的建立

[目的]松针为松科植物松属植物的针形叶,其含有丰富的营养成分和化学活性物质,其中含有的黄酮类物质儿茶素和表儿茶素具有抗氧化、抗癌、抑菌、抗心血管疾病等作用,在食品、医学等领域研究广泛.利用近红外光谱技术建立一种准确、快速、高效测定湿加松针叶儿茶素(Catechin)和表儿茶素(L-Epicatechin)总量的模型,为...     

近红外光谱法快速预测栓皮栎木材密度可行性研究

采用偏最小二乘法(PLS),建立近红外光谱快速预测栓皮栎木材气干密度的方法。以来自4棵栓皮栎木材不同径向部位的131个样品为研究对象,按GB/T1933—2009《木材密度测定方法》测定气干密度,并采集其近红外光谱,结果显示采用横切面光谱建立的模型效果最佳。通过梯度法选择多个建模样本集建立了多个PLS模型,模型的校正及预测相关系数均大于0.9。研究表明近红外光谱法快速预测栓皮栎木材气干密度具有可行性。     

湿地松木材近红外光谱与其结晶度的相关性

对湿地松木材近红外光谱与X射线衍射法测定的木材结晶度之间的相关性进行分析,并结合近红外光谱分析技术的基本理论,探讨降低光谱范围和选择相关光谱信息对近红外光谱预测木材结晶度的影响.结果表明:1)降低参与建模的近红外光谱范围仍然可以得到比较理想的近红外光谱模型与预测结果,当选用2 000～2 500 nm区域的光谱建立模型时,预测值与实测值的相关系数r达到0.943;2)当选择光谱范围更小但与木材纤维素吸收峰密切相关的光谱数据(1 400～1 660 nm或2 020～2 250 nm)进行建模时,模型的预测效果并未降低(r＞0.947),甚至仅采用7个光谱数据也可以得到比较理想的预测结果,预测相关系数r可达到0.930,说明采用更少的但与木材纤维素吸收峰密切相关的光谱信息,所建立的预测模型仍可得到比较理想的预测效果,这将有利于低成本、便携式近红外光谱仪的开发.     

近红外光谱技术在农产品品质分析中的应用

主要介绍近红外光谱在农产品品质分析中的一些应用.作为一种简单、快速、无损的检测手段,重点列举了近红外光谱在农业和食品分析中的成功应用实例,推动近红外光谱技术在我国农业科技和生产中的应用.     

粗皮桉木材力学性质的近红外光谱方法预测

以人工林粗皮桉木材为研究对象,采用常规力学测试方法和近红外光谱方法对其无疵小试样力学性质进行研究。用近红外光谱仪采集试样表面的近红外光谱,对采集的近红外漫反射光谱进行导数预处理并对不同波段光谱建立校正模型,以1/3试样作为预测集对校正模型进行验证。结果表明:二阶导数预处理、350～25000nm全光谱波段、径切面和弦切面平均光谱值对粗皮桉木材力学性质模型预测效果最好。抗弯弹性模量和抗弯强度、顺纹抗压强度的实测值与近红外光谱方法的预测值存在较好的相关性,相关系数均大于0.88,相对分析误差大于2.0,表明利用近红外光谱方法预测人工林粗皮桉木材力学性质效果较好。     

近红外光谱快速预测乙酰化木材的增重率

采用近红外光谱技术对乙酰化大青杨和樟子松木材的增重率进行快速预测。在近红外波长780～2500 nm范围内,利用偏最小二乘法( PLS)建立木材横切面原始光谱及不同预处理(一阶导数、二阶导数、归一化处理和消噪)光谱乙酰化木材增重率数学模型,并进行比较分析。结果表明：乙酰化大青杨和樟子松木材分别选用归一化处理光谱和消噪光谱建立的增重率校正模型预测效果较好,预测模型相关系数( R)分别为0.90和0.70,预测标准差(RMSEP)分别为1.0072和1.3012,其中乙酰化大青杨木材增重率预测模型实测能力较佳,表明利用木材横切面近红外光谱建立的数学模型可以实现乙酰化木材增重率的快速预测。     

基于近红外光谱波段优选的针叶木材基本密度估测模型的优化研究

【目的】木材基本密度在木材质量等级评定中具有重要作用,是木材分流及精细化利用的重要依据。【方法】以东北林区典型针叶树种为研究对象,结合近红外光谱技术,构建红松、落叶松、云冷杉木材基本密度近红外估测模型,分析比较了不同波段优选算法并进行了模型优化。研究采用竞争性自适应重加权法(CARS)、无信息变量消除法(UVE)和间隔偏最小二乘法(iPLS)对木材近红外光谱波段进行优化,基于卷积平滑算法对近红外光谱数据进行预处理,结合偏最小二乘法(PLS)建立针叶木材基本密度估测模型。依据相关系数(R)、均方根误差(RMSEC)等模型参数对模型效果进行评价,对比分析确定最佳波段优选方法,得到最优针叶木材基本密度近红外估测模型。【结果】利用CARS、UVE、i PLS的波段优化方法对近红外光谱波段的筛选,可以起到优化针叶木材基本密度模型的作用,减少参与建模的近红外光谱的波段变量数,明显提升模型的运算速度,使得模型准确度更高、稳定性更好;利用间隔偏最小二乘法结合偏最小二乘法(iPLS-PLS)进行波段优选的针叶木材基本密度模型效果最好,其模型校正相关系数为0.938 0,校正均方根误差为0.021 8,验证相关系数为0.8959,验证均方根误差为0.028 0。【结论】基于波段优选及模型优化构建东北林区典型针叶树种基本密度近红外估测模型,可以有效提高运算速度及估测精度,实现针叶材基本密度的快速、准确、无损估测,为针叶木材材性研究和森林培育提供了理论依据与技术支撑,有利于进一步实现木材的高效节约与精细化利用。     

基于偏最小二乘法的近红外光谱测定八角中反式茴香脑和莽草酸

采用偏最小二乘法(PLS)建立八角中反式茴香脑和莽草酸含量的近红外光谱定量分析模型。利用近红外光谱技术采集八角粉末的近红外光谱图(NIR),以高效液相色谱法测定的八角中反式茴香脑和莽草酸质量分数作为参考值，经过光谱处理软件将近红外光谱图与质量分数参考值进行关联，反式茴香脑的定量分析模型采用二阶导数作为预处理方法，以7 502～5 446.2和4 601.5～4 246.7 cm^-1为波数范围，维数为10;莽草酸的定量分析模型采用一阶导数加直线减法作为预处理方法，以7 502～6 098.1和5 450.1～4 597.6 cm^-1为波数范围，维数为8。结果表明：建立的八角中反式茴香脑和莽草酸含量的快速无损定量检测模型的决定系数(R²)分别为90.86%和93.13%,校正集的内部交叉检验均方根误差(RMSECV)分别为0.158和0.285,验证集的均方根误差(RMSRP)分别是0.068 7和0.171,配对T检验P值分别为0.761和0.194,均大于0.05,测量值与参考值偏差较小，建立的模型能较准确地测定八角中反...     

基于红外光谱对2种常涉案木材的比较与分析

通过傅里叶红外光谱技术(FTIR)和近红外光谱技术(NIR),对木材宏观、微观构造相近,性质差距较大的甘巴豆(Koompassia malaccensis)和马达加斯加铁木豆(Swartzia madagascariensis)木材,进行红外光谱和近红外光谱数据测定。结果表明,2种木材的红外光谱图谱在指纹区(1 800～400/cm)存在6个明显差异特征,是区别2种木材的重要特征;近红外光谱中在波长300～1 326 nm之间,2种木材原始光谱图差异明显。通过对2种木材的比较和分析,可为鉴别木材种类、维护木材市场秩序提供依据。     

基于偏最小二乘法的近红外光谱定量分析模型测定八角茴香中莽草酸含量

采用偏最小二乘法(PLS)建立测定八角茴香中莽草酸含量的近红外(NIR)光谱定量分析模型.应用多种光谱预处理方法分别对八角茴香固体粉末样品的NIR光谱进行预处理,并采用预处理后的光谱建立定量分析模型,每个模型均经过选择最有效的光谱区域和最适主因子数进行优化.经过比较各个模型的内部交互验证均方根误差(RMSECV)和交互验证预测值与真实值间的相关系数(RV),外部预测均方根误差(RMSEP),选取最优的模型,结果表明定量分析模型稳健性好和测定精度高,在中药有效成分定量分析方面有很好的应用前景.     

基于近红外光谱分析技术的桉木纤维施胶量高低快速判别

【目的】基于近红外光谱分析技术,判别纤维板生产过程中施胶量高低,为施胶工艺阶段提供技术支撑。【方法】以桉木纤维为研究对象,以脲醛树脂胶黏剂施胶量高低为判别指标,对同一批桉木纤维,控制含水率5%左右,建立施胶量为无(0%)、低(3%)、中(12%)、高(20%) 4种类别的近红外光谱偏最小二乘法回归模型(PLS),采用PLS-DA法判别施胶量高低,探究光谱采集方式(施胶纤维运动或静态状态)、施胶后纤维陈放时间对模型判别准确性的影响。【结果】1)随着施胶量增加,近红外光谱吸光度增大,PCA分析可区分无、低、中、高4种施胶量类别的桉木纤维; PLS-DA法能够建立相关性好、准确性高的近红外光谱模型,对未知样品的判别正确率达100%; 2)静态或动态光谱采集方式不会影响模型建立,对未知样品的判别正确率达100%;施胶后纤维陈放时间对近红外光谱影响很大,施胶后长时间陈放的纤维几乎不能正确判别施胶量高低。【结论】不同施胶量桉木纤维对近红外光谱的吸光度不同,PLS-DA法可准确判别桉木纤维施胶量高低;样品处于静止或运动状态均不影响模型建立和判别的准确性,可为在线识别纤维施胶量提供一定思路。     

近红外光谱检测技术及其在木材工业中的应用

对近红外光谱技术在国内外的发展现状进行了总结,并就近红外光谱技术在木材工业中的几项重点应用做了说明,预测了近红外光谱技术的发展前景。     

近红外光谱结合回归分析预测法判别木材的生物腐朽

利用近红外光谱结合多变量回归分析中常用的主成分回归(PCR)和偏最小二乘法回归(PLSR)分析预测法来判别木材的生物腐朽,并与前期采用的SIMCA和PLS-DA 2种判别方法进行对比分析.结果表明:1)应用近红外光谱结合多变量回归分析方法对校正集样本建立的判别模型,其校正及验证结果与标准值的相关性很高,相关系数均大于0.95,SEC和SEP都很低(0.07 ～0.20),利用模型对未参与建模的样本进行检测,发现2个模型对未腐朽、白腐和褐腐3种类型样本的判别准确率均为100％(偏差都小于0.27);2)对于相同样本集的判别效果,PLSR法比PCR法的判别效果好,且二者都比采用SIMCA法的效果好,并都与PLS-DA法的判别结果相近,说明利用近红外光谱结合回归分析预测法能有效地检测木材的生物腐朽,并对生物腐朽的类型进行准确判别.     

快速检测木材微纤丝角的近红外光谱分析技术

介绍了一种新的测量木材微纤丝角的无损检测技术--近红外光谱分析,并详细阐述了测量时木材样品的选择及制备,测量工作包括X射线衍射和近红外光谱采集、多变量数据分析与模型建立的方法及步骤.证明了近红外光谱分析技术可以用于快速准确地预测木材的微纤丝角.     

基于小波模极大值的木材近红外光谱去噪

将光谱一阶导数与小波变换相结合,对杉木木材近红外光谱数据进行预处理,采用db3小波对光谱数据进行4尺度分解,在各分解尺度上根据信号和噪声的不同传播特性.保留信号的模极大值,去除噪声的模极大值.结果表明:光谱导数 小波变换模极大值能够有效消除光谱噪声和各种因素干扰,并很好保留了光谱信号特征,使光谱信噪比有了较大提高.     

N、P肥对湿加松幼苗生长效应的研究

通过盆栽试验,采用尿素、过磷酸钙各4个水平共8个处理,研究N、P肥对湿加松幼苗的生长效应.结果表明,尿素和过磷酸钙均对湿加松生长有显著影响;各处理对湿加松地径生长的影响在9-12月差异显著,N-1处理地径最大,P-2处理次之;各处理对冠幅生长的影响在7-11月有显著差异,7月以N-2处理冠幅最大,8-11月则以P-2处理最大;各处理对苗高生长的影响差异不显著.对湿加松苗木生物量和植株N、P含量的分析表明,施用一定量的尿素、过磷酸钙可改善植株的养分状况,过量施用则不利于N、P的正常吸收;湿加松苗木最佳施肥组合是每株施尿素6g＋过磷酸钙30 g＋氯化钾15 g.     

近红外技术在土壤化学组分预测中的应用研究综述

近红外光谱分析技术是一种无损、快速和高效的现代分析技术,在土壤科学领域已有越来越广泛和深入的应用.本文对近红外技术的原理、测定过程、技术特点及其在土壤化学组分快速预测方面的研究进展进行总结,并指出近红外光谱分析技术在土壤科学领域现存的不足和未来的发展前景.     

桉树叶片水分状态的近红外光谱检测

【目的】探索近红外光谱(NIRS)分析技术在赤桉和细叶桉群体叶片水分状态相关生理指标快速检测中应用的可行性。【方法】选取赤桉7个种源21个家系和细叶桉5个种源26个家系的幼苗,每家系选20株苗木植于等规格塑料盆中,对其按平均日蒸发量的100%,70%,50%,30%和0%5个等级进行控水。控水处理60天后,每家系每控水处理选择3株幼苗,测量其顶端第2对完全展开叶片的相对含水量(RWC)和水势(Ψw),用手持式近红外仪采集对应叶片的近红外光谱信息,持续测量18天。【结果】利用近红外光谱技术检测赤桉和细叶桉叶片RWC和Ψw的结果显示,与赤桉和细叶桉水分性状关系最密切的近红外光谱区为1 860~1 960 nm。但经二阶导数处理后的近红外光谱则显示,样本叶片RWC和Ψw在近红外全光谱区间存在多个变异峰值。用于预测叶片Ψw建立的偏最小二乘法(PLS)模型的决定系数R2和均方根误差RMSE分别为0.92和0.25,预测叶片RWC的PLS模型的R2和RMSE分别为0.84和1.31。【结论】对于桉树叶片水分状态生理性状的预测建模应选取近红外全谱段光谱信息,近红外光谱技术可为桉树群体的水分状态检测提供极大便利。     

近红外光谱分析技术在木本油料检测中的应用

近红外光谱作为一种快速、准确、操作简单、成本低、不损坏样本、可同时检测多种组分的分析技术,在木本油料检测分析中具有巨大的发展潜力。本文介绍了近红外光谱分析技术的原理,重点阐述了近年来近红外光谱分析技术在木本油料果实和产品物性指标检测中的研究进展,分析了其存在的不足,旨在推进近红外光谱分析技术在木本油料领域的发展。