基于可见/近红外光谱技术的板栗产地识别

采用可见/近红外光谱分析技术对河北和安徽两个产地的板栗进行检测分级,获得板栗样品在600～1100 nm波长区间的可见/近红外光谱,采用偏最小二乘判别分析(PLSDA)进行建模,比较不同预处理方法和波长范围对PLSDA模型精度的影响.结果 显示,不同预处理方法对模型性能影响较大,一阶导数预处理在全波长范围所建PLSDA...     

稻谷千粒质量近红外光谱预测模型的波长选择方法

为研究波长选择方法对稻谷千粒质量近红外光谱分析(NIRS)模型预测能力的影响,用偏最小二乘法(PLS),在600~1 100 nm的波长区间,建立稻谷千粒质量的全光谱近红外光谱预测模型,得到模型的内部交叉验证系数为0.714,外部验证决定系数为0.659,内部交叉验证误差和预测误差分别为1.809和1.756。采用相关系数法、互信息法、逐步回归法、无信息变量消除方法、遗传算法和间隔偏最小二乘法对建模波长区间进行选择和优化,再以同样的方法建立稻谷千粒质量NIRS预测模型。结果显示,通过波长选择和优化后,不仅参与建模的波长显著减少,而且所建模型的内部交叉验证和外部验证决定系数均有所增大,交叉验证误差和预测误差均有所减小。其中,采用遗传算法进行波长选择后,所建模型的内部交叉验证和外部验证决定系数最大,分别为0.729和0.710,交叉验证误差和预测误差则分别降低了9.50%和5.72%,是6种方法中最优的。表明经过波长选择后,可以提高稻谷千粒质量近红外光谱预测模型的预测能力。     

近红外光谱云计算分析系统构架与实现

传统的近红外光谱分析系统是单机版,建模工作难度大。为了在近红外光谱分析中实现对现有光谱模型资源共享,提出利用云计算中心的高性能服务器代替单机版的主机,然后在云服务器上开发近红外光谱软件分析系统,并详细分析了近红外光谱云分析系统的构架与设计步骤。该系统可以实现近红外光谱数据的预处理、定量分析、定性分析以及光谱模型查找和光谱模型转移等功能。最后以潲水油近红外光谱定性鉴别为例,分析比较了单机版和基于云计算的近红外光谱分析结果。在近红外光谱云分析系统中,对预测集58个样品进行判别,总体鉴别正确率为86.21%,这一结果与在单机环境下的分析结果完全一致。实验结果表明近红外光谱云分析系统具有成本低、建模方便、接入方式灵活、可实现资源共享和远程访问等优点。     

近红外玉米品种鉴别系统预处理和波长选择方

以7个品种玉米籽粒的鉴别系统为研究对象,对比研究了6种预处理方法和波长选择对模型鉴别能力的影响.结果表明,在被比较的6种预处理方法中,一阶导数方法能够使模型有更好的鉴别性能.使用一阶导数预处理和全光谱区的模型平均正确识别率和正确拒识率最高,分别为98.6%和98%,有5个品种的模型的正确识别率和正确拒识率都达到了100%.波长选择对一阶导数模型没有明显作用,但能使标准正态变量变换和矢量归一化模型鉴别准确度得到较大提高.     

基于近红外光谱分析法的奶粉品质快速检测

选择11个品牌的10多种配方奶粉,共80个样品,使用PDA型近红外光谱仪采集奶粉漫反射光谱,波长范围1 089～2 219 nm.对光谱进行了SNV、软阈小波消噪及一阶微分预处理,通过比较主成分在不同波长上的权重分布,选择不同波段建立校正模型和进行预测精度分析.结果表明,奶粉的蛋白质和脂肪的近红外光谱信息主要分布于1 100～1 400 nm和1 800～2 200 nm波段内,采用小波消除原始光谱的噪声能提高校正模型的稳定性和预测精度,可以利用PDA型近红外光谱快速检测多品牌、多类型配方奶粉中蛋白、脂肪含量.     

基于近红外光谱分析法的奶粉品质快速检

选择11个品牌的10多种配方奶粉,共80个样品,使用PDA型近红外光谱仪采集奶粉漫反射光谱,波长范围1089～2219nm。对光谱进行了SNV、软阈小波消噪及一阶微分预处理,通过比较主成分在不同波长上的权重分布,选择不同波段建立校正模型和进行预测精度分析。结果表明,奶粉的蛋白质和脂肪的近红外光谱信息主要分布于1100～1400nm和1800～2200nm波段内,采用小波消除原始光谱的噪声能提高校正模型的稳定性和预测精度,可以利用PDA型近红外光谱快速检测多品牌、多类型配方奶粉中蛋白、脂肪含量。     

霉变板栗的近红外光谱和神经网络方法判

利用近红外光谱检测了带壳板栗的品质.在波数为12000～4000cm-1范围内采用近红外漫反射法采集了合格板栗和霉变板栗的光谱,用6种光谱预处理方法分析数据,比较了板栗近红外光谱在不同预处理方法下所建模型的识别率.试验结果表明经矢量归一化预处理所建模型识别效果最好,对预测集中的合格板栗、表面霉变板栗、内部霉变板栗的预测正确率分别为94.74%、94.44%、92.31%.     

近红外光谱建模异常样品剔除准则与方法

介绍了近红外光谱PCR／PLS建模时，训练集中异常样品的危害，以及剔除异常样品常用的基于预测浓度残差准则。针对剔除异常样品的“一审”法具有将非异常样品错误地当作异常样品的局限性，提出了一种“二审”法，采用“回收”算子，使最终模型保留了更多的样品，使模型更具有代表性和稳定性，进一步提高通过近红外光谱模型进行农产品品质检测的精度。     

光谱预处理在农产品近红外模型优化中的应用研究

在农产品品质的近红外光谱分析中,光谱预处理方法的选择直接影响所建品质模型的稳健性和准确性.为此,使用132个小麦样品的近红外光谱集为例,分别对于原始光谱集和添加不同比例高斯白噪声的光谱集建模,比较了几种常见的光谱预处理方法(小波消噪、光程校正、导数、基于遗传算法的谱区挑选、正交信号校正)对建模的影响.从实例中得出:在光谱信号较好的前提下,谱区挑选是首选的预处理方法;矢量归一化预处理能够比较有效地去除高斯白噪声;在噪声较大的情况下,预处理方法组合明显提高了模型的质量,但是组合顺序还有待于进一步研究.     

基于变量选择的小麦粗蛋白含量近红外光谱检测

小麦粗蛋白含量是其品质评价的重要指标,为探讨基于选择的短波近红外光谱变量定量判别小麦籽粒粗蛋白的可能性,采集了52份小麦籽粒样本,用湿化学方法分析其粗蛋白含量,获取其900~1700nm波段的光谱,进而利用该光谱进行预处理方法的优化研究及小麦籽粒蛋白敏感变量的优选研究,以偏最小二乘的方法建立了基于短波近红外光谱的小麦籽粒蛋白定量模型。结果表明：多元散射校正和小波变换结合是短波近红外光谱定量判别小麦籽粒粗蛋白含量较优的预处理方法;利用200次竞争性自适应重加权变量优选的统计结果,优选出1028、1158、1199、1367、1407、1445、1478、1494、1550、1584、1661、1686nm 12个变量为小麦籽粒蛋白敏感变量,占全谱的2%,该方法可稳定、高效地优选光谱变量,降低水分对模型的影响;结合预处理优化及变量优选建立偏最小二乘模型,模型预测决定系数和预测均方差分别为0.961和0.369。可见优选的短波近红外光谱变量可用于定量判别小麦籽粒粗蛋白含量。     

基于随机森林的鱼粉蛋白近红外定量分析

基于近红外(NIR)光谱技术,采用随机森林(RF)回归方法测定饲料鱼粉的蛋白含量。考虑到RF模型的随机性,通过调试决策树数量(ntree)和分裂变量数目(nsv)来进行模型优选;利用基尼系数(G)的下降量来判断近红外波长变量的建模重要性,进而为鱼粉蛋白的NIR分析优选信息波长,以提高NIR定量分析精度。根据统计学原理,选择具有较低计算复杂度的等效最优模型。优选的RF模型构建471个决策树,需要随机的103个波长变量进行树节点分裂,同时通过计算节点分裂前后G的平均下降量来选择52个近红外信息波长进行定标校正,得到等效最优的校正模型,校正均方根偏差和校正相关系数分别为3.970%和0.943;经过独立的预测集样品对最优RF模型进行检验,预测均方根偏差为5.271%,预测相关系数为0.906,说明RF回归结合G系数的波长优选能够有效地提高NIR光谱应用于鱼粉蛋白定量的预测能力。     

鱼粉、豆粕样本-样本二维相关近红外光谱判别

为了探讨利用二维相关近红外光谱法快速判别鱼粉和豆粕饲料原料的可行性,共收集了52个鱼粉、60个豆粕样品,其中34个鱼粉和40个豆粕样品作为定标集,其余18个鱼粉和20个豆粕样品作为独立验证集,用Spectrum400型近红外光谱仪扫描获取光谱,并对其特征峰进行解析.采用样本-样本二维相关分析方法定性判别鱼粉、豆粕,当预处理方法为一阶导数时,判断正确率为100％.与偏最小二乘判别分析方法相比,二者均可正确检测鱼粉、豆粕,其中二维相关方法的建模及验证算法简单、计算量小、运算速度快.     

基于近红外光谱的核桃仁品种快速分类方法

采用傅里叶变换近红外光谱仪,采集了4个不同品种的200份核桃仁样本的近红外漫反射光谱,建立了核桃仁品种分类模型。光谱范围为3 800~9 600 cm -1 ,预处理方法采用多元散射校正法和标准正态化方法;通过主成分分析法优选出5个主成分因子,光谱信息累计贡献率达到99.21%;采用随机抽取法建立建模集和验证集,以主成分因子为输入变量,建立了基于支持向量机分类模型,并采用网格搜索法对RBF核函数参数 λ和δ 进行寻优。分析结果表明,建立的核桃仁分类识别模型对4个核桃仁品种的总体正确识别率达到96%,为核桃仁品种的快速无损识别提供了一种可行的方法。     

受损苹果颜色和组织的近红外光谱特性

通过对富士苹果的正常部位和损伤部位的组织观察、近红外光谱的测量分析以及颜色的测量，认为与秦冠和黄香蕉苹果相比，富士苹果受损后，在1h内表面色差最小；损伤部位吸光度基本上是沿着正常部位的变化趋势而变化；760～960nm范围内的波长可以用于表面损伤苹果的检测；富士苹果损伤部位的吸光度随时间变化关系符合方程Y=αX^b。     

基于近红外光谱的活性米品质检测研究

选取105份具有代表性的活性米样品,研究光谱范围在918~1 045nm内12个波长点的近红外反射光谱与其品质的相关性。利用近红外光谱技术和多元线性回归、主成分回归和偏最小二乘法3种校正方法对活性米中γ-氨基丁酸、水分、蛋白质、淀粉、明度值、红度值及黄度值进行定量分析;选出最优校正模型,模型的预测决定系数分别为0.903、0.964、0.953、0.951、0.949、0.961、0.916,预测标准偏差分别为0.598、1.367、1.367、2.688、0.996、50.144、0.952。研究结果表明:应用近红外光谱技术检测活性米品质是可行性的。     

不同饲料原料日粮纤维水平的近红外测定方法

分别针对中性洗涤纤维（NDF）和酸性洗涤纤维（ADF）2个日粮纤维水平评价指标,开展适用于不同饲料原料的NDF和ADF近红外综合预测方法研究。收集包括玉米干酒糟及其可溶物、大豆皮、小麦麸、苜蓿草颗粒、喷浆玉米皮和甜菜粕共6种饲料原料,共计327个样品。按照Van Soest滤袋法测定每个样品的NDF和ADF,获取参考值,并进行统计学分析。利用傅里叶变换近红外光谱仪采集样品的近红外漫反射光谱。选择偏最小二乘法,结合导数处理、多元散射校正和变量标准化等不同的光谱预处理方法,构建定标模型。结果表明：6种饲料原料的NDF和ADF分布范围分别在21.20%~65.28%和6.40%~48.31%,洗涤纤维含量覆盖范围广。NDF近红外快速预测模型：最优预处理方法为二阶导数,模型验证集决定系数为0.963,预测标准误差为1.82,相对分析误差为5.2。ADF近红外快速预测模型：最优预处理方法为一阶导数结合变量标准化,验证集决定系数为0.985,预测标准误差为1. 63,相对分析误差为8.23。本研究表明基于近红外光谱这种无损分析技术,可构建适用于多种纤维类饲料原料的日粮纤维水平快速预测模型,该方法可为饲料工厂快速检测洗涤纤维、精细调控饲料中纤维水平提供有效的技术保障。     

基于数据约束的植物叶柄三维形态交互建模方法

提出了一种基于真实数据并保持原始参数不变的植物叶柄器官建模方法。首先通过叶柄长度、叶柄半径参数建立柄的三维模型,并加入表面绒毛的模拟以增强真实感;为了丰富模型的形态,提出了基于交互的形态调整方法,该方法以关节链及逆向运动学为基础,辅以误差补偿算法,使交互调整过程中模型的原始参数(长度、半径)保持不变。试验结果表明,该方法可以快速、灵活地构建出叶柄器官的三维形态,具有较好的真实感效果,且变形过程中参数的变化很小。     

饲料中动物源性成分显微近红外光谱检测分析

探讨了应用显微近红外光谱分析技术检测饲料中动物源性成分的可行性.利用12个动物源性成分饲料样品和14个植物源性成分饲料样品建立偏最小二乘定标模型,数学预处理方法为导数+多元散射校正,利用平均光谱来优化模型实现数据压缩,模型的决定系数、交互验证标准差分别为0.969、0.090.4个配合饲料样品作为外部验证未出现误判.结果表明显微近红外光谱分析技术可用于检测饲料中动物源性成分.