共查询到20条相似文献,搜索用时 78 毫秒
1.
近红外光谱及高光谱技术在茶叶上的应用 总被引:2,自引:0,他引:2
光谱技术作为一种绿色、快速、高效、准确的无损检测技术,在茶叶及茶制品的理化检测、品质评价等方面显现出较大的应用潜力。综述了近红外光谱及高光谱技术在茶叶理化成分定量分析,茶叶种类、产地及品种的判别以及茶叶等级判别等方面的应用和研究进展,同时对该技术在茶叶上的应用前景进行展望。 相似文献
2.
3.
4.
5.
6.
近红外光谱分析技术在茶叶品质属性甄别中的应用 总被引:5,自引:0,他引:5
茶叶品质属性的快速准确甄别是当前茶叶行业亟待解决的一个重要课题.利用近红外光谱分析技术,结合不同的化学计量学方法(偏最小二乘法、标准法),对茶叶进行快速无损检测,从而判定类别.结果表明,基于提取的茶叶近红外光谱数据,利用偏最小二乘法(PLS)的甄别效果优于标准法,可以直观地将59个来自不同产地、品种和加工工艺的茶叶样品进行准确的分类判定. 相似文献
7.
利用近红外光谱技术识别不同类别的茶叶 总被引:4,自引:1,他引:4
以龙井、碧螺春、祁红和铁观音4种中国名茶为对象,研究了采用近红外光谱结合K最近邻法(KNN)模式识别方法对茶叶进行识别与分类的可行性.选取6500~5500 cm-1(1538~1818 nm)波数范围内的光谱,通过标准正态变量变换(SNV)预处理后,利用KNN的模式识别方法建立识别模型.结果表明,4主成分因子建立的KNN判别模型最佳,模型对训练集与预测集中样本的识别率都达到100%.该结论为快速准确识别茶叶提供了一种新思路. 相似文献
8.
9.
10.
对近红外光谱在果蔬成分测定和品质分析中的研究近况进行了综述,简单介绍了近红外光谱的基本原理,以及近红外光谱的统计学分析方法和现代检测技术等,并对其最新研究进行了展望。 相似文献
11.
以81份来自西双版纳、普洱市、临沧市3个不同产地的普洱茶样本为研究对象,其中校正集54份,验证集27份,利用近红外光谱采集单个普洱茶样本在1 100~2 498 nm的光谱数据,分别采用主成分聚类分析法和判别分析法建立普洱茶产地识别定性分析模型。结果表明,2种分析模型的校正集正确识别率均大于90%,可用于普洱茶产地的识别。其中,基于判别分析方法建立的判别分析模型效果更好,其校正集和验证集的识别正确率达到98.15%和100%,更适用于普洱茶产地的识别。应用近红外光谱技术可快速、无损识别普洱茶产地,为普洱茶产地检测提供参考。 相似文献
12.
无损检测技术作为一门新兴的综合性应用学科,大致可分为光学检测法、声学检测法、视觉检测法和电磁学检测法.基于光学原理的无损检测技术——近红外检测技术由于其高效、快速的特点,已经广泛应用于果蔬品质的无损检测.综述近红外检测技术在水果品质检测方面的国内外研究进展,并展望该技术的发展前景. 相似文献
13.
基于近红外光谱技术的恩施玉露茶保存年份的快速无损鉴别 总被引:1,自引:0,他引:1
为快速、准确、无损鉴别恩施玉露茶的保存年份,扫描在良好条件下连续保存5a(2010-2014年)的100个恩施玉露茶,获得其近红外光谱,对光谱进行预处理,然后结合主成分分析法(PCA)和最小二乘支持向量机法(LS-SVM)建立绿茶保存年份的近红外光谱预测模型。结果表明,前3个主成分的累计贡献率为99.99%,验证集模型的决定系数(R2)为0.971 7,验证均方差(RMSEP)为0.255 0。初步实现了市售绿茶保存年份的快速鉴别,该方法也为其他茶类保存年份的判别提供参考。 相似文献
14.
为了实现对茶园土壤酸碱状况量化判别,以7个省份茶园313份土壤为材料,以酸碱度(pH表示)值在4.5~5.5的范围为最适宜茶树生长区间,将pH值划分为4.5,4.5~5.5和5.5 3个范围,提出了将近红外光谱信息与贝叶斯(Bayes)判别相结合进行定性判别酸碱状况是否适合茶树正常生长。在此基础上,采用多元线性回归(multiple linear regression,MLR)定量预测pH值。通过一阶导数(first derivative,1stDer)对光谱预处理,通过逐步判别分析(stepwise discriminant analysis)优选20条特征光谱,基于特征光谱数据结合Bayes判别构建定性判别模型,再通过MLR构建pH值的定量预测模型。结果表明,采用本研究的方法和构建的模型对茶园土壤酸碱状况总体准确判别率达83.54%,pH值预测相关系数均在0.9286以上,预测精度较高。证明运用该方法能实现对茶园土壤酸碱状况快速预测。 相似文献
15.
为快速测定人工林杨木的综纤维素含量,按国家标准测定了42 个杨木木材样品的综纤维素含量,并用近红 外光谱仪测定相应的光谱。在350 ~ 2 500、1 300 ~ 2 050、2 050 ~ 2 500 nm 3 个不同的光谱区域,采用未处理、 Baseline、一阶导数、二阶导数等光谱预处理方法,再用PLS1、PLS2、PCR 3 种不同建模方法建立相应的校正模型与 交互验证模型。结果表明:当光谱区域为1 300 ~2 050 nm、光谱数据未进行预处理、采用PLS1 的建模方法、主成分 数为8 时,建立的校正模型有最佳预测效果;采用建立的模型对未参与建模的样本进行预测,预测结果与实测结果 间的相关系数为0.818 8。 相似文献
16.
【目的】建立牛奶中尿素氮的快速、无损检测方法,为牛奶中尿素氮的快速检测提供支持。【方法】对200个牛奶样品进行近红外扫描,并用多功能乳制品分析仪对牛奶样品中尿素氮的含量进行测定;剔除20个异常样品后,得到由180个牛奶样品组成的得分样品,将得分样品分为定标集(144个)和验证集(36个),将正交试验设计与主成分回归法(PCR)、偏最小二乘法(PLS)、改进偏最小二乘法(MPLS)3种定量校正方法和多种光谱预处理方法结合,建立牛奶中尿素氮的近红外检测模型,利用目标函数法对模型预测效果进行评定。【结果】建立了定量检测牛奶中尿素氮的最优模型,其定标相关系数(R2)和定标标准差(SEC)分别为0.986 4和0.238 4。用验证集对所建模型进行验证,其校正相关系数(RSQ)和预测标准差(SEP)分别为0.976 0和0.360 0。利用所有得分样品对预测结果进行监控,并绘制尿素氮测定值与模型预测值的线性相关曲线,相关系数r2为0.980 5。【结论】利用近红外光谱法建立的尿素氮定量检测最优模型具有很好的适用性和准确性,可用于牛奶尿素氮的快速定量检测。 相似文献
17.
在不破坏青砖茶样品的前提下,将近红外光谱技术与标准变量变换、一阶导数、二阶导数光谱等预处理方法和遗传算法相结合,剔除部分噪声信息和精准筛选最佳光谱信息数据点后,应用偏最小二乘法建立青砖茶茶汤品质预测模型。筛选的最佳光谱预处理方法为:标准变量变换+二阶导数,遗传算法筛选得到28个最佳建模光谱数据点;最佳偏最小二乘法模型对验证集样品的预测均方根误差为0.372 6,预测集决定系数为0.975 2;对未知茶汤品质的预测均方根误差为0.392 7,预测集决定系数0.970 2。结果表明,在青砖茶茶汤品质得分(73~93分)范围内,应用近红外光谱技术结合遗传算法和偏最小二乘法实现了对青砖茶茶汤品质的快速、准确评价。 相似文献
18.
近红外光谱法快速测定甘蔗蔗汁蔗糖分 总被引:6,自引:0,他引:6
本试验应用傅立叶变换近红外光谱透射技术快速定量分析甘蔗蔗汁蔗糖分。利用内部交叉证实和自动优化功能对预测数学模型进行优化 ,得到蔗汁蔗糖分预测数学模型的决定系数为99.4 1% ,均方差为 0 .2 14;蔗汁蔗糖分近红外分析结果的准确度是可接受的。对近红外光谱技术在甘蔗科研和生产中的应用前景进行了讨论 相似文献
19.
基于近红外光谱技术的成年橡胶树叶片氮素含量检测 总被引:1,自引:0,他引:1
为了快速并无损地检测成年橡胶树叶片的氮素含量,使用近红外光谱检测技术获取叶片的光谱数据,采用多元散射校正(MSC)对光谱数据预处理后,使用SPA(连续投影算法)提取光谱数据的有效波长,PCA(主成分分析法)提取光谱数据主成分,然后分别将提取的光谱数据特征值输入到线性回归模型PLS(偏最小二乘回归)、非线性回归模型BPNN(BP神经网络)和LSSVM(最小二乘支持向量机)中,得到6个现有主流模型:PCA-BPNN、PCA-PLS、PCA-LSSVM、SPA-BPNN、SPA-PLS和SPA-LSSVM。用这6个模型去预测实验样本数据,经比较发现SPA-LSSVM模型对于该组实验样本的预测效果最好,其预测相关系数Rp和预测残差均方根RMSEP分别为0.9253和0.1190。因此对于成年橡胶树氮素含量的光谱快速检测,SPA-LSSVM算法模型的性能更为突出,有较好的应用潜力。 相似文献
20.
基于近红外光谱技术的茶鲜叶海拔高度判别模型建立 总被引:1,自引:0,他引:1
以不同海拔高度的茶鲜叶为研究对象,扫描获取其近红外光谱(NIRS)并筛选特征光谱区间后,分别应用逐步多元线性回归法(SMLR)、主成分回归法(PCR)和联合区间偏最小二乘法(Si-PLS)建立茶鲜叶海拔高度预测模型。结果表明,在5 542.41~6 888.48cm-1区间内,对原始光谱进行一阶导数+3点Norris平滑预处理后,建立的SMLR模型预测集相关系数和预测均方差分别为0.800 5和0.486;在4 929.16~6 965.62cm-1区间内,当主成分数为3时,对原始光谱进行一阶导数+3点Norris平滑预处理后,建立的PCR模型预测集相关系数和预测均方差分别为0.803 6和0.472;当将光谱划分为18个子区间、因子数为13时,选用[5 8 11 17]4个子区间建立的Si-PLS模型预测集相关系数和预测均方差分别为0.944 3和0.295。经比较,Si-PLS模型预测结果最佳。 相似文献