宁夏玉米营养成分近红外分析模型建立与应用

研究采集宁夏区内各市县(固原、海原、同心、中卫、中宁、永宁、平罗)抽取玉米样品120批,用近红外分析仪扫描定标样品集获得玉米近红外光谱图,利用偏最小二乘法建立模型,并分别经过无预处理、均值中心化、标准正态变量转换、一阶导数、标准正态变量转换结合去趋势校正(SNV+D)预处理光谱,获得水分、粗蛋白、粗脂肪、粗纤维预测模型,分别是经过MC、SNV+D、SNV+D、SNV+D光谱预处理后效果最好。预测决定系数R² _p分别为0.951、0.976、0.728、0.897,相对分析误差RPD除粗脂肪为2.62外,其他均大于3的近红外预测模型,通过预测模型验证集验证后,并对模型预测值与实测值进行U检验,结果为差异不显著(P>0.05)。该近红外预测模型对玉米中水分、粗蛋白、粗纤维具有较佳预测效果,粗脂肪的预测精度有待进一步提高。     

紫色土光谱特征及其碱解氮的预测研究

文章分析探索了应用可见近红外光谱技术快速、高效、便捷测定土壤营养参数的可能性。采集蓬莱镇组紫色土样本，比对分析了不同肥力水平、土壤厚度和土壤粒径条件下采集土壤光谱对可见近红外光谱特征的影响，筛选出不同厚度、粒径土壤条件下的碱解氮含量预测模型。研究结果表明，土壤样本厚度为30mm时具有最大的光谱反射率，建立的氮含量预测模型效果最佳，校正集和验证集的相关系数分别为0.84和0.83，均方根误差分别为1.79和1.87。土样粒径在0.25-0.85mm时氮含量的预测效果最佳，校正集和验证集的相关系数均超过0.8，且均方根误差较小；但当土样粒径<0.25mm时，氮含量预测模型效果明显下降。采用20目（<0.85mm）过筛、30mm厚度土壤样本采集可见近红外光谱和偏最小二乘法（PLS）模型预测，可以实现对蓬莱镇组紫色土碱解氮含量的较好光谱预测。     

近红外多组分分析中异常样本识别方法

近红外光谱分析中,异常样本的存在严重影响定标模型的预测性能和适配性。基于 X / Y 联合的ODXY异常样本识别和剔除方法,提出并证明了一种专用于多组分分析的MODXY异常样本识别方法。实验采用80组玉米近红外光谱数据,利用不同异常样本识别方法剔除异常样本后建立玉米含水率、含油率、蛋白质含量和淀粉含量4种组分的偏最小二乘预测模型,采用预测均方差和决定系数作为评价指标比较所建模型的性能,检验MODXY方法在多组分分析中的异常样本识别能力。实验结果表明：在近红外多组分分析中,MODXY方法在大多数情况下具有更好的异常样本识别能力;MODXY方法和ODXY方法均有一定的适用范围,它们更适合于相应组分化学值的相对标准偏差较大的情况。     

Predicting moisture content and density distribution of Scots pine by microwave scanning of sawn timber

This study was carried out to investigate the possibility of calibrating a prediction model for the moisture content and density distribution of Scots pine (Pinus sylvestris) using microwave sensors. The material was initially of green moisture content and was thereafter dried in several steps to zero moisture content. At each step, all the pieces were weighed, scanned with a microwave sensor (Satimo 9,4GHz), and computed tomography (CT)-scanned with a medical CT scanner (Siemens Somatom AR.T.). The output variables from the microwave sensor were used as predictors, and CT images that correlated with known moisture content were used as response variables. Multivariate models to predict average moisture content and density were calibrated using the partial least squares (PLS) regression. The models for average moisture content and density were applied at the pixel level, and the distribution was visualized. The results show that it is possible to predict both moisture content distribution and density distribution with high accuracy using microwave sensors.     

冬小麦生育早期长势反演模型通用性研究

分析了生育早期(返青期、拔节前期、拔节后期)各阶段的冠层叶片光谱特性与叶绿素含量的关系,基于单波段反射率构建了一元预测模型,同样基于植被指数构建了多元叶绿素含量的反演模型,对两类建模方法构建的叶绿素含量预测模型进行了同生长阶段预测(SPV)和后续生长阶段的交叉预测(CPV),比较了模型的预测效果,得出了构建冬小麦生育早期冠层叶片叶绿素含量的通用预测模型的建模策略。研究结果表明:以返青期冠层叶片单波段反射率构建的一元反演模型,具有一定的模型通用性,能够较为准确的预测拔节前期的叶片叶绿素含量。利用偏最小二乘原理构建多元反演模型具有良好的通用性和较强的鲁棒性,能够较好地反演冬小麦生育早期冠层叶片叶绿素含量。而以MPRI、NDVI、RVI为组合构建的多元模型兼具通用性和简练性,可以作为多元预测模型构建的参考组合。     

冬枣氮素含量预测模型中特征波长选择方法的应用

为了提高近红外光谱法快速测定枣叶氮含量的准确性和鲁棒性。采用偏最小二乘法建立了冬枣叶片氮含量近红外光谱模型。模型的相关系数为0.799,均方根误差为0.055。整个光谱区域包含了许多与冬枣氮含量无关的光谱变量。冗余信息的存在降低了模型的预测性能。所以采用间隔偏最小二乘(IPLS)结合遗传算法和模拟退火算法来选择冬枣叶片氮含量的特征波长。用凯氏定氮法测定冬枣叶样品的氮含量。试验选用15棵枣树,每棵树5个叶片作为试验对象。用于光谱测量的仪器是ASD光谱仪,测试仪在350~2 500 nm波长范围内,光谱分辨率为1 nm。在数据采集前使用了白板进行校正(标准白板反射系数为1),每个样品测量了5次,取平均值作为样品的相对反射率。遗传算法结合间隔偏最小二乘法选取的4个特征波长为685,689,781,783 nm。根据这4个波长,建立了冬枣叶片氮含量近红外光谱模型。模型预测相关系数为0.9175,预测均方根误差为0.063。利用模拟退火算法,建立了7个波长的冬枣叶片氮含量的近红外光谱模型。模型的相关系数为0.9301,均方根误差为0.052。因此,近红外光谱结合光谱选择方法的特点,可以有效地提高模型的精度,使模型更实用。但光谱选择方法的特点并不普遍。基于单波长变量选择的模型更为敏感,更适用于均匀采样。基于波长间隔选择的模型抗干扰能力相对较强,但更适合于不均匀采样。因此,基于状态与模型相结合的特征选择可以更好地应用于模型。     

非线性算法在近红外预测木材密度中的应用研究

研究基于近红外光谱技术的木材密度预测。运用基于高斯核变换的非线性偏最小二乘法建立密度预测模型,并且对所建模型的评价参数进行了对比分析。结果表明该方法建立的预测模型能对样品的密度进行有效预测。研究表明样品近红外光谱信息与样品的实际密度值之间不是单纯的线性关系,非线性模型可以更好地表征二者之间的关系。     

基于近红外光谱技术的保水剂吸水倍率快速测定新方法

[目的]基于近红外光谱技术,研究保水剂吸水倍率的快速测定新方法。[方法]通过近红外光谱技术结合偏最小二乘法,对9种聚丙烯酰胺型保水剂的吸水倍率进行研究.[结果]保水剂样品光谱数据采用一阶导数法预处理后,应用PLS法建模预测效果最佳。真值与预测值的决定系数达99．55％,模型预测准确率都在96％以上,可应用于生产实践。[结论]应用近红外光谱技术结合PLS法可以准确预测出保水剂的吸水倍率,是一种快速、无损、环保的新方法。     

基于近红外漫反射光谱的规模化奶牛场粪水氮磷定量分析及模型构建

为建立规模化奶牛场粪水中氮磷含量现场快速检测方法,以实现准确预测的同时替代常规监测程序,选取23家天津市典型种养结合模式的规模化奶牛场,围绕粪水处理全过程环节依次开展样品采集、实验室常规化学检测、近红外漫反射光谱采集,并进行主成分分析和偏最小二乘分析,建立多种动态复合影响因素条件下的全局、全程快速检测定量分析模型。结果表明:主成分分析不仅反映出同一奶牛场粪水有机组分随处理环节的变化,而且也反映出不同奶牛场粪水样品的差异性,以及在粪水处理过程中各因素对后续模型的影响程度。建立的全过程环节定量分析模型对总氮含量预测结果与实际含量的线性拟合相关系数R为0.96,预测均方根误差RMSEP为187.80;对总磷含量预测结果与实际含量的线性拟合相关系数R为0.91,预测均方根误差RMSEP为3.59。建立的全局定量分析模型对总氮含量预测结果与实际含量的线性拟合相关系数R为0.96,预测均方根误差RMSEP为238.59;总磷含量预测结果与实际含量的线性拟合相关系数R为0.91,预测均方根误差RMSEP为6.56。研究表明,基于近红外漫反射光谱和偏最小二乘法对规模化奶牛场粪水处理全过程环节粪水样品中氮、磷含量进行定量分析是可行的;纵向模型比横向模型能提供更好的预测结果;近红外漫反射光谱技术可实时、快速、高效地对规模化奶牛场粪水处理全过程总氮和总磷进行跟踪和监控。