基于近红外光谱技术的灵芝提取物掺假定量快速无损检测研究

为了探索快速测定灵芝提取物掺假(淀粉)含量的方法,采用近红外光谱扫描掺杂0%、5%、10%、20%、40%、60%、80%淀粉的灵芝提取物,对其光谱进行预处理和波段选择,并结合偏最小二乘法(PLS)建立灵芝提取物掺假定量快速无损检测方法。结果表明,使用多元散射校正(MSC)预处理方法,波数范围8 000~7 500、6 000~5 500和5 000~4 000cm~(-1),主因子数为8时,建立的偏最小二乘法模型的校正决定系数(R_(cal))、校正均方根差(RMSECV)、验证决定系数(R_(val))和验证均方根差(RMSEP)分别为0.9962、0.0249、0.9960和0.0241。运用该模型对验证集样品进行预测并统计分析,可知预测值与实际掺假值之间无显著差异。本研究为灵芝功能食品市场检测提供了方法基础。     

基于高光谱图像光谱与纹理信息的枸杞多糖及总糖含量检测

为利用高光谱图像技术实现枸杞多糖及总糖含量的快速无损检测,采用主成分分析对原始高光谱图像进行处理,选取前3个主成分图像,根据其在全波段下的权重系数选取5个特征波长并提取对应图像的平均光谱值,提取主成分图像及特征波长图像的纹理特征,利用偏最小二乘回归分别建立基于不同特征参量的预测模型。结果表明,单独利用特征光谱或图像数据,预测结果不理想;将特征光谱与纹理数据组合后,预测模型的校正集结果明显提高,但预测集结果偏低。因此,为提高预测结果准确性,对所有特征按照与两指标的相关程度进行筛选,优化后特征构建的检测模型具有最佳预测结果:R_(C(多糖))~2=0.9604,R_(P(多糖))~2=0.8961;R_(C(总糖))~2=0.9657,R_(P(总糖))~2=0.8670。由此可见,基于高光谱图像光谱与纹理信息检测枸杞多糖和总糖含量是可行的,根据相关系数筛选最适宜的特征提高了模型的预测性能,同时减少了计算的复杂性。本研究结果为枸杞整体品质的快速无损检测提供了重要参考。     

基于机器视觉和近红外光谱技术的杏干品质无损检测

干果品质直接影响其市场销售。该研究以杏干为对象探讨用机器视觉和近红外光谱技术快速无损检测干果内外品质的方法。拍摄杏干4个不同位置的彩色图像,用基于区域骨架化的填充法分割杏干,提取每种角度下的面积。从100个正常杏干样本中随机挑选75个为校正集,25个为预测集,用多元线性回归对杏干的实际质量和4个面的面积建模,得到校正集和预测集相关系数分别为0.9374和0.9307,杏干质量分级的准确率为90%。提出用基于平均灰度的区域增长法提取杏干缺陷,缺陷检测的准确率为84.5%。采用SNV对杏干近红外光谱进行预处理,然后分别采用偏最小二乘法(PLS)、向后区间偏最小二乘法(biPLS)及联合区间偏最小二乘法(siPLS)建立杏干糖度预测模型。结果表明,当全光谱范围被划分为22个子区间,优选出区间[17、2、3、9、20、13、7、18、15、11、6],主因子数为10时建立的biPLS糖度模型性能最好。其校正集相关系数和校正均方根误差分别为0.8983和1.23,预测集相关系数和预测均方根误差分别为0.8814和1.46。研究表明,机器视觉结合近红外光谱技术能对杏干内外品质进行综合检测,也可为其他干果的品质检测提供借鉴。     

基于四方对称光源透射光谱的脐橙可溶性固形物检测

提高利用可见-近红外(Vis-NIR)透射光谱检测脐橙内部物质含量的准确性在生产实际中具有重要意义。该研究利用特制的可见-近红外透射光谱测量装置采集了199个福本脐橙果蒂向上、水平、向下3种位置的透射光谱,比较了多元散射校正(multivariate scattering correction, MSC)、标准正态变量变换(standard normal variate transformation, SNV)、一阶导数和二阶导数预处理的效果,并采用效果最好的一阶导数对透射光谱进行预处理。在此基础上,结合后向区间偏最小二乘法(backward interval partial least squares, BiPLS)优选特征波段,竞争性自适应重加权采样(competitive adaptive re-weightedsampling,CARS)挑选特征变量建立了基于果蒂向上、水平、向下3种位置各自的透射光谱以及3种位置的平均光谱和加权光谱的可溶性固形物(soluble solid content, SSC)的偏最小二乘(partial least squares, PLS)模型。在果蒂向上、水平、向下3种位置各自的透射光谱建立的PLS模型中,基于果蒂水平位置透射光谱的PLS模型最优,校正相关系数为0.914,校正均方根误差为0.380,预测相关系数为0.924,预测均方根误差为0.404。基于果蒂向上、水平、向下3种位置平均透射光谱和加权透射光谱建立的PLS模型均取得了较好的预测结果,预测相关系数均大于0.91,预测均方根误差均小于0.43。该研究可以为脐橙内部物质含量在线检测装备的研制提供参考。     

基于冠层光谱的锦橙叶片磷素营养监测研究

以盆栽蓬安100号锦橙施肥调控试验为基础,利用田间冠层光谱信息探索建立植株磷素营养监测技术与方法。通过采集蓬安100号锦橙95个单株样本的冠层光谱信息和室内检测分析叶片磷含量,随机选取76个作为建模样本,19个为检验样本,运用多种光谱预处理方法和偏最小二乘法(Partial least square method,PLS)及内部交叉验证方法建立校正模型与模型检验。结果表明,经多种光谱预处理方法的建模结果比较,冠层原始反射光谱经二阶求导和SNV处理后建立的蓬安100号锦橙叶片磷含量冠层光谱监测模型预测能力和稳健性最佳,其主成分数4个,能表达全波段63%的信息;校正模型相关系数为0.90,偏差Bias=2.45E-10,且RMSEC和RMSEP均最小。模型检验预测的决定系数R2=0.85。因此,利用二阶导数及标准归一化(Standard normal variate transformation,SNV)预处理的田间冠层光谱信息快速无损监测蓬安100号锦橙叶片磷含量具有一定的可行性。     

基于近红外光声光谱的土壤有机质含量定量建模方法

该研究的目的在于应用近红外光声光谱技术结合不同的定量分析方法实现5种不同类型土壤有机质含量的快速估测。对中国中、东部地区5种不同类型土壤风干样本进行光谱扫描,经过多元散射校正、一阶导数、二阶导数及平滑等预处理后,应用逐步多元回归(SMLR)、主成分分析(PCR)、偏最小二乘法(PLS)和偏最小二乘法-反向传播神经网络(PLS-BPNN)等方法建立土壤有机质含量的定量估测模型。结果显示,不同预处理方法对所建土壤有机质含量估测模型的预测精度有较大影响,总体表现为多元散射校正+Norris一阶导数>多元散射校正>Norris一阶导数>标准正态化>Norris二阶导数>吸光度>Savitzky-Golay平滑后一阶导数>Savitzky-Golay平滑后二阶导数。对于4种不同建模方法,均以多元散射校正+Norris一阶导数滤波平滑后的光谱建模精度最高,其中采用PLS-BPNN方法建模效果最好,其次是PLS、SMLR和PCR。采用PLS-BPNN建立有机质校正模型具有极高的预测精度,建模决定系数和均方根偏差分别为0.97和1.88,模型测试决定系数和均方根偏差分别为0.97和1.72。因此,基于多元散射校正+Norris一阶导数光谱建立的PLS-BPNN模型可能是土壤有机质含量估测建模的最优方法。     

两种稻谷胶稠度测定方法的比较分析

为探索快速准确检测稻谷胶稠度的方法,本研究通过近红外漫反射红外光谱技术(NIRDRS)和傅里叶变换中红外漫反射红外光谱技术(FTIRDRS)结合偏最小二乘法(PLS),分别建立107个稻谷样品的胶稠度快速测定红外模型,而后利用区间偏最小二乘法(iPLS)及反向区间偏最小二乘法(BiPLS)对模型进行优化,得到较优的胶稠度测定分析通用模型。结果表明,DRIFTS原始光谱经7点平滑预处理和BiPLS优化,得到最佳模型的交互验证系数(R²)、交叉验证均方差(RMSECV)、预测均方差(RMSEP)及相对分析误差(RPD)分别为0.965 81、4.79、4.73及2.66。最佳近红外漫反射光谱模型是经多元散射校正(MSC)预处理、BiPLS优化后建立的,其R²、RMSECV、RMSEP及RPD分别为 0.964 58、4.35、3.68及3.42。10组外部验证性试验中NIRDRS模型的平均相对误差为1.93%,FTIRDRS模型的平均相对误差为2.60%,表明两种方法均对稻谷胶稠度含量有较强的预测能力和良好的预测效果,均有替代传统国标法测定稻谷胶稠度的潜力。     

霉变稻谷脂肪酸含量的光谱检测模型构建与优化分析

为了实现霉变稻谷脂肪酸含量无损、快速检测,该文研究应用可见/近红外光谱技术检测霉变稻谷的脂肪酸含量。考虑到直接选用霉变稻谷可见/近红外光谱数据构建脂肪酸含量预测模型存在建模费时、预测失准等问题,研究提出了霉变稻谷脂肪酸含量的可见/近红外优化校正模型。研究中通过光谱-理化值共生距离(sample set partitioning based on joint xy distance,SPXY)算法结合偏最小二乘法初步分析了不同校正集样本预测霉变稻谷脂肪酸含量的差异;利用连续投影算法(SPA)提取了反映霉变稻谷脂肪酸含量变化的特征波段;采用偏最小二乘法(partial least square,PLS)和多元线性回归法(multivariable linear regression,MLR)分别建立了基于特征波段光谱反射值的霉变稻谷脂肪酸含量预测模型,并对比分析了采用SPXY样本集划分的模型预测效果。结果表明:采用SPXY法筛选出的65个校正集样本分布与初始校正集相近,脂肪酸含量变化范围为18.55~127.26 mg,其标准差为32.39;SPA算法最终从256个全光谱波段中优选出9个特征波段,实现了光谱数据的压缩;分别建立的SPXY-SPA-PLSR模型和SPXY-SPA-MLR模型预测霉变稻谷脂肪酸含量相关系数RP为0.922 1和0.915 9,预测均方根误差RMSEP为13.889 3和14.261 0;SPXY筛选校正集所构建模型预测精度与初始校正集所建模型相当,但校正集样本数量减少为初始校正集的41%,运算时长缩短为初始样本集的32%,提高了模型的校正速度。     

结合SPA和PLS法提高冬小麦冠层全氮高光谱估算的精确度

【目的】 冠层高光谱全波段信息可以在小麦拔节期快速无损地估算叶片的氮含量。本研究结合连续投影算法 (SPA) 和偏最小二乘 (PLS) 技术,筛选了冬小麦拔节期冠层光谱对叶片氮含量的敏感特征波段,以期为冬小麦关键生育期氮素含量的遥感估算提供理论依据和技术支持。 【方法】 以陕西关中地区2015—2016年冬小麦小区试验为基础,基于连续投影算法 (SPA) 提取冬小麦叶片全氮含量的冠层光谱敏感波段,并结合偏最小二乘 (PLS) 回归法建立基于敏感特征波段的冬小麦拔节期叶片氮含量估算模型。 【结果】 SPA算法从冬小麦338～2510 nm的冠层光谱中优选出了1985 nm、2474 nm、1751 nm、1916 nm、2507 nm、1955 nm、2465 nm和344 nm共计8个叶片全氮含量的敏感特征波段,波段数目下降了98.9%,有效降低了光谱信息的冗余;基于敏感特征波段构建的叶片氮含量偏最小二乘回归模型的决定系数和均方根误差分别为0.82和0.28,模型验证方程的决定系数和均方根误差分别为0.84和0.21,模型的相对预测偏差大于2,具有较高的精度和良好的预测能力。 【结论】 与常用植被指数的叶片氮含量估算模型相比,连续投影算法 (SPA) 结合偏最小二乘 (PLS) 方法的叶片氮含量估算精度更高,稳定性更强,可以作为冬小麦拔节期叶片氮含量的高光谱估算方法。      

基于近红外光谱的土壤全氮含量估算模型

土壤全氮是诊断土壤肥力水平和指导作物精确施肥所需的重要信息,建立土壤全氮的近红外光谱估测模型并对建模波段进行优化选择对于土壤养分信息快速获取和精确农业发展具有重要意义。该研究以中国中、东部地区5种主要类型土壤为研究对象,利用近红外光谱仪采集土壤样品的光谱信息,结合近红外区域分子振动特点选取全谱、合频、一倍频、二倍频和N-H基团及其组合的8个波段,采用多元散射校正等多种预处理方法组合进行处理,结合偏最小二乘法(PLS)对每个波谱区域进行定标建模。结果表明,利用4000～5500cm-1波谱区域结合附加散射校正处理过的原始光谱建立的模型精度表现最好,其内部互验证决定系数达到0.90,均方根误差为0.16。经不同类型土壤的观测资料检验,模型验证决定系数为0.91,均方根误差为0.15,相对分析误差RPD为3.40,表明模型具有极好的预测能力。因此,利用近红外光谱可以实现土壤全氮的快速估测,且以合频波段(4000～5500cm-1)为建模区域可以得到更好的预测效果。     

基于dbiPLS-SPA变量筛选的固态发酵湿度近红外光谱检测

为了提高基于近红外光谱技术的固态发酵关键过程参数——湿度快速检测的精度和稳定性,研究采用动态反向区间偏最小二乘（dbiPLS）法结合连续投影算法（SPA）进行最佳光谱子区间和特征组合变量的筛选,通过交互验证法确定偏最小二乘（PLS）模型的主成分因子数,并以预测均方根误差（RMSEP）和相关系数（Rp）作为模型的评价标准。试验结果显示,最佳dbiPLS-SPA模型筛选的组合变量个数为8,其RMSEP和Rp分别为1.1795%（质量分数）和0.9430。试验结果表明,dbiPLS-SPA是一个有效的波长组合变量筛选方法,可简化模型结构、增强模型精度和稳健性。     

分提橄榄油中主要脂肪酸成分傅里叶变换红外光谱法测量（英）

为了测量从橄榄油中分提的高、低熔点油脂的脂肪酸成分,在4 000～600 cm-1 的范围测量了31个含有不同脂肪酸成分植物油的傅里叶变换红外光谱,用于建立偏最小二乘（PLS）回归分析校正模型。在油脂的傅里叶变换红外光谱变量和脂肪酸组成变量之间建立了交叉验证的PLS校正模型。为了校正油酸和亚油酸含量,在4?000～600 cm-1 的频率范围,经平滑,二阶导数,规范化处理的红外光谱获得了最好的交叉验证校正模型和最佳的预测结果。PLS校正模型预测结果表明,与高熔点橄榄油（油酸,72.29%,亚油酸,9.98%）相比,低熔点橄榄油含有较高的油酸含量和亚油酸含量（油酸,77.46%,亚油酸,12.51%）,预测的结果与气相色谱测量的结果有很好的一致性。建立的PLS校正模型预测橄榄油的不饱和脂肪酸含量具有较好的相关性。该研究为分提油脂质量的判别评价提供了便捷的方法。     

小麦种子发芽率近红外定量分析模型的优化

The backward interval partial least squares (BiPLS) and the synergy interval partial least squares (SiPLS) were applied to select the characteristic spectral regions representing the germination rate of 84 wheat seeds and build the near infrared (NIR) quantitative analysis model of wheat seed germination rate.Results from comparison showed that the models built by two variable selection methods had better predictive ability than full-spectral partial least squares(PLS) model.The optimal model was obtained by SiPLS with the calibration and prediction correlation coefficient(R) at 0.902 and 0.967 respectively, and ratio of performance to standard deviate (RPD) at 3.75.Based on this, the physical chemistry significance of characteristic spectral regions was analyzed.The characteristic spectral of wheat seed germination rate contained characteristic peaks of water, protein, starch, fiber, which were the internal nutrients of the seed that influence the germination ability, thus explaining the mechanism of measuring wheat seed germination rate using NIR to a certain extent.     

基于小波变换的番茄总糖近红外无损检测

分别采用小波消噪、常数偏移消除等11种光谱预处理方法,对番茄总糖含量（质量分数）的近红外光谱进行预处理,通过偏最小二乘法定量校正模型预测值比较得出,小波消噪是适合番茄近红外光谱的最佳预处理方法,小波消噪的总糖质量分数近红外光谱优选区域为11 998.9～6 097.8 cm-1和4 601.3～4 246.5 cm-1,在此光谱区内建立的番茄总糖质量分数偏最小二乘法模型预测值与实测值的相关系数为0.930,内部交叉验证均方差为0.466%,校正标准差为0.469%,预测标准差为0.260%。试验结果表明：小波消噪后建立的近红外光谱模型能准确地对番茄总糖含量进行快速无损检测。     

小麦种子发芽率近红外定量分析模型的优化（英文）

The backward interval partial least squares(Bi PLS)and the synergy interval partial least squares(Si PLS)were applied to select the characteristic spectral regions representing the germination rate of 84 wheat seeds and build the near infrared(NIR)quantitative analysis model of wheat seed germination rate.Results from comparison showed that the models built by two variable selection methods had better predictive ability than full-spectral partial least squares(PLS)model.The optimal model was obtained by Si PLS with the calibration and prediction correlation coefficient(R)at 0.902 and 0.967 respectively,and ratio of performance to standard deviate(RPD)at 3.75.Based on this,the physical chemistry significance of characteristic spectral regions was analyzed.The characteristic spectral of wheat seed germination rate contained characteristic peaks of water,protein,starch,fiber,which were the internal nutrients of the seed that influence the germination ability,thus explaining the mechanism of measuring wheat seed germination rate using NIR to a certain extent.     

基于实验室高光谱数据的大围山森林土壤氧化铁全量反演

氧化铁是土壤中含铁矿物的主体,是土壤发育和土壤分类最明显和最有用的指标之一。本文以湖南省大围山森林土壤为研究对象,通过实验室化学成分测定和光谱采集,在光谱预处理及组合变换基础上,采用相关性分析筛选土壤氧化铁全量的敏感波段,并分别建立多元逐步回归和偏最小二乘回归反演模型。结果表明:不同土壤光谱曲线趋势基本一致,均形似陡坎,且在420～580 nm波段,土壤氧化铁全量与光谱反射率呈负相关关系;不同的光谱数据变换方式可以提高光谱与氧化铁全量的相关性,Savitzky-Golay(S-G)平滑和去包络线相结合优于其他预处理方法;土壤氧化铁全量的特征波段主要为392、427、529、523、549、559、565、570、994和1040nm,偏最小二乘回归模型比多元逐步回归模型具有更好的稳定性,适合于快速估算红黄壤区森林土壤氧化铁全量。     

基于骨蛋白拉曼光谱特异性的肉骨粉种属鉴别方法

为了快速检测肉骨粉的种属来源,该研究开发了一种简便、可靠、科学、高效的肉骨粉种属鉴别方法。以87个肉骨粉(猪,鸡,牛和羊肉骨粉)为研究对象,利用拉曼光谱技术,结合化学计量学方法,建立了基于骨蛋白拉曼光谱特性的肉骨粉种属鉴别分析方法与模型。研究结果表明:根据偏最小二乘判别分析(PartialLeastSquaresDiscriminant Analysis,PLS-DA)模型,发现鸡和哺乳动物(猪,牛和羊)肉骨粉主要在1 659、2 930、2 852、1 246和1 455 cm-1附近的特征谱带具有差异性;猪和反刍动物(牛和羊)肉骨粉主要是在2 852、1 659和1 246 cm-1附近的特征谱带具有差异性;牛和羊肉骨粉主要是在878、853、2 930、2 852、1 246、1 455和1 659 cm-1附近的特征谱带具有差异性,并且PLS-DA模型鉴别肉骨粉的灵敏度和特异度均大于93.8%。研究结果可以丰富肉骨粉种属鉴别方法体系以及为开发便携式拉曼光谱仪提供参考。     

傅立叶变换中红外光谱估测水稻叶片氮素含量的研究

通过不同氮素水平的水稻田间试验,在分析测定了水稻叶片叶绿素、氮素等农学参数后,采用傅立叶中红外光谱仪测定了水稻孕穗期叶片干样的透射光谱,利用协同偏最小二乘算法（siPLS）分析选取了傅立叶变换红外光谱估测水稻氮素含量的敏感波段及其组合。结果表明,其最优主成分数是9个,最佳估测建模的波段组合分别为1350.89～1586.57, 1587.53～1822.40 和 3709.41～3943.72 cm-1;建立的水稻氮素预测模型的精度较高,交互验证均方根误差（RMSECV）和预测均方根误差（RMSEP）分别为0.1538和0.1933,预测值与化学分析获得的叶片总氮浓度之间的交互相关系数和独立检验相关系数分别为0.9393和0.6649,高于中红外光谱指数NFS和NFSA的预测精度。说明利用傅立叶红外光谱作为水稻氮含量的诊断技术是可能的,值得进一步验证和完善。     

青砖茶压制压力优化及GCG近红外快速检测模型建立

青砖茶压制压力的选择至关重要,为探求压力与青砖茶品质及内含成分间的相互关系,并尝试对关键成分进行快速预测。以青砖茶为研究对象,设置了5个等级的压力值,通过感官审评和相关关系法分析了最佳压力值与品质和内含成分间的相关关系;应用标准变量变换、多元散射校正、一阶导数和二阶导数及组合方法进行降噪处理,应用反向区间偏最小二乘法筛选特征光谱区间并进行主成分分析,将主成分分别输入到3种信息传递函数的jump connection nets结构人工神经网络中建立定量分析模型。结果表明,最佳压力值为18MPa;关键内含成分为:没食子儿茶素没食子酸酯(Gallocatechin Gallate,GCG)(P<0.05);最佳预处理方法:多元散射校正+一阶导数组合方法;特征光谱区间:9 734.9~10 000,8 924.9~9 191.1,5 368.9~5 638.8,7 011.9~7 281.9,6 190.4~6 460.4,4 821.2~5 091.2,9 194.9~9 461.1,7 559.6~7 829.6,5 916.5~6 186.5 cm^-1,前3个主成分累积贡献率为97.82%,以应用tanh传递函数建立的GCG人工神经网络模型结果最佳(Rp^2=0.980,RMSEP=0.027),并有较好的实际应用效果(Rp^2=0.948,RMSEP=0.041)。研究结果为其它重量规格青砖茶产品的研发和品质的快速检测奠定了理论基础。