红松籽中脂肪的近红外光谱快速检测研究

采用近红外光谱分析方法对红松籽脂肪进行定量分析,建立红松籽脂肪的快速检测方法,利用多种预处理方法优化模型,同时采用间隔偏最小二乘法、反向间隔偏最小二乘法、无信息变量消除法实现特征波段的选取。结果表明,红松籽样本光谱经矢量归一化预处理后建立的模型最佳;波段优选能够提高模型质量,其中反向间隔偏最小二乘法的筛选结果最优,其红松籽脂肪模型校正集相关系数为0.889 2,验证集均方根误差为0.765 1。由此可知,经过优化后,模型的预测性能较好,实现了红松籽脂肪快速、无损检测。     

便携式近红外光谱仪检测红松籽中的水分含量

为了建立红松籽水分无损、快速检测,采用便携式近红外光谱仪在波长范围900~1 700 nm对红松籽的光谱信息进行采集和分析,建立红松籽水分的近红外预测模型。利用多种预处理方法优化模型,同时采用反向间隔偏最小二乘法、无信息变量消除法实现特征波段的选取。结果表明,带壳红松籽光谱经矢量归一化预处理后构建的模型最优,松仁光谱经一阶导数预处理后构建的模型最优;波段筛选能够优化模型质量,其中反向间隔偏最小二乘法的筛选结果最优,其带壳红松籽和松仁水分模型校正集相关系数分别为0.864 1和0.907 8,验证集均方根误差分别为1.041 7和0.833 8。结果表明,经过优化后,模型的效果较好,能够实现红松籽水分无损检测,为带壳坚果的在线检测提供技术参考。     

红松仁脂肪的近红外光谱定量检测

为实现红松仁脂肪无损、简便检测,利用近红外光谱分析技术对红松仁脂肪进行定量分析,用偏最小二乘法构建去壳红松仁脂肪定量分析模型,采用多种预处理方法优化模型,并且利用间隔偏最小二乘法、反向间隔偏最小二乘法、无信息变量消除法进行特征波段的筛选。结果表明,红松仁光谱经一阶导数预处理后建立的模型最佳;波段优选可以提升模型质量,其中反向间隔偏最小二乘法的筛选结果最佳,其松仁脂肪模型校正集相关系数为0.911 4,验证集相关系数为0.882 0,验证集均方根误差为0.646 8。可见,经过优化后,模型的预测性能较好,实现了去壳红松仁脂肪的快速、无损检测。     

非晶态木质纳米纤维素机械特性的建模

为提高对以木纤维为填充材料的复合材料的理解和性能分析,对木质纳米纤维素中的非晶态结构进行分子建模与拉伸变形仿真研究.通过对纳米纤维素非晶态结构进行周期性边界条件建模,在能量最小化和热平衡后,基于ReaxFF力场用开源代码程序LAMMPS对模型进行拉伸变形仿真,模拟原子间的相互作用,对其数据结果采用MATLAB进行后处理分析,并采用可视化开源软件Atomeye对变形过程进行监控.通过所建模型仿真研究数据,可以计算得到木质纳米纤维素纳观尺度的机械特性,求得纳观结构中应力一应变曲线,将其同实验数据相比较,用于预测材料宏观尺度各特性以及本构关系.该研究为今后分析高分子聚合物和纤维素的纳米微观界面相容性打下基础,能更好地理解高分子纤维聚合材料的力学性能.     

流形学习在红松籽仁蛋白质含量近红外检测中的应用

为研究检测红松籽仁蛋白质含量的近红外光谱分析技术，在用变量标准化校正+一阶导数+小波变换对原始光谱进行预处理的基础上，分别运用主成分分析、改进型局部线性嵌入、局部切空间对齐、黑塞特征映射进行光谱数据的降维处理，分别构建偏最小二乘、岭回归、支持向量回归、极度梯度提升数学模型。结果表明，改进型局部线性嵌入+支持向量回归法建立的参数优化模型质量最佳。其降维方法优化参数为：维度取4,邻域数取50;验证集均方差均值为0.568 1,验证集皮尔逊相关系数均值达0.940 8。可见，模型的预测结果是可靠的，能够实现对红松籽仁蛋白质含量的无损、准确检测。