不同型号便携式光谱仪间木质素近红外光谱分析模型传递研究

应用便携式近红外光谱仪快速检测制浆材时,如果能实现同系列不同型号仪器之间分析模型共享,将极大降低仪器建模和维护成本。为实现混合木材木质素含量的近红外分析模型从1台主机向2台不同型号从机的模型传递,收集了5种常见制浆材的82个原木样品,经粉碎预处理后分别在3台便携式光谱仪上采集其近红外光谱信号,采用差谱、光谱的平均差异和光谱间的欧氏距离等方法,定量表征了仪器间的信号差异,分析并讨论了差异产生的原因。利用偏最小二乘回归建立了样品主机近红外光谱与木质素含量的关联模型,再分别采用斜率截距、直接校正和典型相关分析算法进行主机与两台从机间的模型传递,比较了模型传递前后预测精度。结果表明,便携式光谱仪间的差异多为非线性,且不同型号从机光谱仪间差异更为复杂。尽管主机向同型号的从机模型传递效果更优,但经直接校正算法和典型相关分析算法传递后两台不同型号从机预测相关系数均大于0.98、预测相对标准偏差均大于3、预测标准偏差均小于1.1%,可实现木材木质素含量的近红外光谱分析模型在3台便携式光谱仪间的传递。该研究结果对于不同型号便携式光谱仪分析模型共享具有重要意义。     

四种算法用于近红外测定制浆材材性的对比研究

采集了常见制浆材(桉木、相思木及杨木)样品的近红外光谱,测定了样品的基本密度、综纤维素、木质素和苯醇抽出物含量,用人为控制水分的方法测定了样品的水分含量。对原始光谱进行预处理后,分别运用偏最小二乘法(PLS)、LASSO算法、支持向量机法(SVR)和人工神经网络法(BP-ANN)建立基本密度、水分含量、综纤维素、木质素和苯醇抽出物含量的预测模型。对预测模型进行独立验证,结果显示:LASSO算法建立的基本密度和综纤维素模型性能最优,其预测均方根误差(RMSEP)分别为0.006 3 g/cm~3和0.49%,绝对偏差(AD)范围分别为-0.008 8~0.009 6 g/cm~3和-0.85%~0.87%;PLS建立的水分含量模型及苯醇抽出物模型最优,RMSEP值分别为1.21%和0.24%,AD范围分别为-1.99%~2.03%和-0.35%~0.38%;SVR建立的木质素模型最优,RMSEP值为0.43%,AD范围为-0.76%~0.74%,均满足制浆造纸工业中对误差的要求。     

小波变换在提高油菜籽脂肪酸近红外分析精度中的应用

利用小波变换预处理结合偏最小二乘回归建立光谱定量分析模型,比较其与传统建模结果的差异。采用db4小波9层分解光谱,保留部分中间层细节系数,其他细节系数软阈值处理,低频逼近系数舍去处理,最后重构光谱用于建模。结果表明,该方法与传统误差校正方法相比,具有预处理简单,预测精度高的优点。