基于BiPLS-SPA优选近红外光谱的木材基本密度预测——以柞木为例

以柞木为研究对象,以900~1 700 nm的近红外光谱仪获取木材表面近红外光谱数据,对89个柞木样本进行检测,其中58个组成校正集,31个为预测集。首先,采集样本径切面光谱数据,并利用SG平滑对光谱数据进行预处理;然后,利用反向区间偏最小二乘(Bi PLS)选出均方根误差最小的波长区间组合;再利用连续投影算法(SPA)进一步选择出波长特征;最后,以优选出的波长特征作为输入,建立偏最小二乘法回归模型,确定出木材基本密度与近红外光谱之间的联系。Bi PLS算法将光谱划分区间划分为10时,均方根误差最小,其最佳区间组合为[3 5 6 7 9],变量个数由全光谱117个降至59个;应用SPA算法二次降维,变量个数降至6个,降低变量信息的冗余,减少了变量个数,提高了建模的速度和效率。Bi PLS-SPA模型较PLS、i PLS、Bi PLS、SPA-PLS具有更高的相关系数,更小的均方根误差,柞木基本密度预测相关系数为0.925,预测均方根误差为0.010 4,相对分析误差为2.83。     

基于近红外漫反射光谱的多品种桃可溶性固形物的无损检测

【目的】研究基于近红外漫反射光谱的多品种桃可溶性固形物含量的无损检测技术。【方法】在获得3个不同品种桃近红外漫反射光谱的基础上,采用多元散射校正(MSC)方法处理原始光谱,以SPXY算法划分样品集,分别建立了可溶性固形物含量的偏最小二乘回归(PLSR)、极限学习机(ELM)和最小二乘支持向量机(LSSVM)预测模型,并比较和评价了移动窗口偏最小二乘法(MWPLS)和连续投影算法(SPA)优选有效特征波长对于简化模型运算量、改善模型预测性能的影响。【结果】虽然全光谱可以获得较好的识别效果,但是模型比较复杂;MWPLS与SPA优选的有效特征波长均能有效地减少建模变量并简化模型,但MWPLS在提高建模效率和改善模型预测精度方面有更明显的优势;PLSR、ELM与LSSVM模型都取得了较理想的预测结果,其中PLSR方法较适用于全光谱建模分析;MWPLS-ELM模型对样品集中桃可溶性固形物含量的预测性能最好,其校正相关系数、校正均方根误差、预测相关系数和预测均方根误差分别为0.991,0.397,0.983和0.497。【结论】近红外漫反射技术可用于多品种桃可溶性固形物含量的准确、无损检测,也为其他品种果品的内部品质指标快速、无损检测提供了技术借鉴。     

基于可见-近红外光谱的砂糖橘总酸无损检测

以砂糖橘为对象,建立基于可见-近红外光谱的砂糖橘总酸含量的无损检测方法。试验采集170个完整砂糖橘的500～2 500nm漫反射光谱,然后采用滴定法测定总酸含量。采用Sym8小波变换对光谱进行去噪预处理,并采用连续投影算法(successive projections algorithm,SPA)结合间隔偏最小二乘法(interval partialleast squares,iPLS)优选波长,最终建立BPNN和偏最小二乘法(partial least squares method,PLS)总酸预测模型。结果表明:砂糖橘光谱的小波去噪方法产生的信噪比均值SNR=175.291 1,去噪信号与原始信号间的均方根误差均值RMSE=0.000 13,性能优于常规去噪方法。SPA与iPLS相结合构成的反向偏最小二乘法(back-ward interval partial least squares,BiPLS)_SPA波长选择法能将光谱变量从2 001个压缩到14个,能简化模型并提高建模精度和稳定性。BPNN模型具有更好的非线性映射能力,基于这14个变量的BPNN总酸预测模型的预测相关系数Rp=0.867,预测均方根误差RMSEP=0.061 6,性能优于线性的PLS模型。     

Nondestructive test of total acidity in 'shatangju' (Citrus reticulatablanco) with near-infrared spectroscopy

以砂糖橘为对象,建立基于可见-近红外光谱的砂糖橘总酸含量的无损检测方法.试验采集170个完整砂糖橘的500～2500nm漫反射光谱,然后采用滴定法测定总酸含量.采用Sym8小波变换对光谱进行去噪预处理,并采用连续投影算法(successive projections algorithm,SPA)结合间隔偏最小二乘法(interval partialleast squares,iPLS)优选波长,最终建立BPNN和偏最小二乘法(partial least squares method,PLS)总酸预测模型.结果表明:砂糖橘光谱的小波去噪方法产生的信噪比均值SNR=175.2911,去噪信号与原始信号间的均方根误差均值RMSE=0.00013,性能优于常规去噪方法.SPA与iPLS相结合构成的反向偏最小二乘法(back-ward interval partial least squares,BiPLS)_SPA波长选择法能将光谱变量从2001个压缩到14个,能简化模型并提高建模精度和稳定性.BPNN模型具有更好的非线性映射能力,基于这14个变量的BPNN总酸预测模型的预测相关系数Rp=0.867,预测均方根误差RMSEP=0.0616,性能优于线性的PLS模型.     

不同波长选择方法在土壤有机质含量检测中对比研究

由于近红外光谱数据的多重共线性,特征波长选择一直是近红外光谱分析技术的重要研究内容。以108个土壤样本光谱数据和土壤有机质(SOM)含量为研究对象,以连续投影算法（SPA）、间隔偏最小二乘法（IPLS）、竞争自适应重加权采样法（CARS）三种典型的特征波长选择算法进行近红外光谱波长选择和土壤有机质含量建模。研究结果表明,基于上述三种方法提取的特征波长所建立的模型预测能力均优于全谱模型。其中,基于SPA算法的MLR预测模型精度最优,预测集相关系数（Rp）和均方根误差（RMSEP）分别为0970 2和1.214 4,模型参数只有6个。因此,SPA-MLR可以有效地应用近红外光谱的建模,并且简化模型的复杂度,提高模型的计算效率。     

基于 BiP LS－SP A优选近红外光谱的木材基本密度预测1）--以柞木为例

以柞木为研究对象,以900～1700 nm的近红外光谱仪获取木材表面近红外光谱数据,对89个柞木样本进行检测,其中58个组成校正集,31个为预测集。首先,采集样本径切面光谱数据,并利用SG平滑对光谱数据进行预处理;然后,利用反向区间偏最小二乘（ BiPLS）选出均方根误差最小的波长区间组合;再利用连续投影算法（ SPA）进一步选择出波长特征;最后,以优选出的波长特征作为输入,建立偏最小二乘法回归模型,确定出木材基本密度与近红外光谱之间的联系。 BiPLS算法将光谱划分区间划分为10时,均方根误差最小,其最佳区间组合为[35679],变量个数由全光谱117个降至59个;应用SPA算法二次降维,变量个数降至6个,降低变量信息的冗余,减少了变量个数,提高了建模的速度和效率。 BiPLS－SPA模型较PLS、iPLS、BiPLS、SPA－PLS具有更高的相关系数,更小的均方根误差,柞木基本密度预测相关系数为0．925,预测均方根误差为0．0104,相对分析误差为2．83。     

基于近红外光谱的烟叶烘烤过程质体色素实时监测

质体色素的降解变化是烟叶香气物质形成的基础之一.为解决烟叶烘烤调制过程中质体色素无法快速准确测定的问题,基于近红外光谱技术(NIRS)的优势,利用竞争自适应重加权釆样法(CARS)进行光谱特征波长选择,并结合偏最小二乘法(PLS)构建了烟叶烘烤过程叶绿素和类胡萝卜素含量的动态变化模型.结果表明,CARS-PLS模型能获得较全谱偏最小二乘(PLS)、连续投影偏最小二乘(SPA-PLS)、遗传算法偏最小二乘(GA-PLS)及蒙托卡洛无信息变量删除偏最小二乘(MC-UVE-PLS)更好的模型性能,其烟叶叶绿素和类胡萝卜素模型预测相关系数分别为0.924、0.908,预测均方根误差分别为0.789、0.321μg/cm2,模型能满足实时定量分析的需要.因此,采用NIRS技术结合CARS-PLS能快速准确测定烘烤过程烟叶质体色素的变化,可为烟叶密集烘烤调控提供参考依据.     

基于近红外光谱技术的成年橡胶树叶片氮素含量检测

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。     

基于近红外光谱多种预处理的胡杨叶片含水量预测对比

通过比较5种不同光谱预处理方法（MSC、SNV、VN、一阶导数、二阶导数）提取胡杨叶片近红外光谱信息,分别采用遗传算法(GA)和连续投影算法(SPA)筛选特征波段,建立并比较偏最小二乘回归(PLS)模型对水分含量的预测效果,研究了胡杨叶片水分含量与叶片光谱信息的关系。结果表明,基于5种预处理方法使用SPA-PLS回归模型预测的相关系数R分别为0.764 4、0.869 79、0.806 01、0.779 93、0.816 8;预测均方根误差(RMSEP)分别为0.017 87、0.014 491、0.018 547、0.020 228、0.018 089;所选取的特征波段个数分别为11、20、24、18、18,较GA-PLS选取的特征波段数少,且预测效果普遍优于GA-PLS,其中基于SNV的预测结果最好。研究表明,基于近红外光谱数据,SPA算法相比于GA算法具有更好的选择特征波长能力,并且SPA-PLS算法的回归预测结果普遍优于GA-PLS,采用SNV-SPA-PLS方法可实现胡杨叶片水分含量的快速检测。     

近红外光谱技术结合PLS和SPA检测鲜冬枣表面农药残留量的方法

以喷洒不同浓度毒死蜱的鲜冬枣为研究对象,研究近红外光谱技术结合偏最小二乘法(PLS)和连续投影算法(SPA)检测鲜冬枣表面农药残留的方法。运用AntarisⅡ近红外光谱仪对喷洒不同浓度的毒死蜱的鲜冬枣样品进行扫描,首先建立全波段PLS模型,然后应用SPA提取特征波长,作为PLS的输入变量,建立SPA-PLS模型,将全波段PLS模型和SPA-PLS模型进行比较。经SPA提取5个特征波长建立的模型,使用变量数仅占全波段的0.32%,但建立的冬枣表面农药残留模型的准确度和精度优于全波段所建立的模型。近红外光谱技术结合SPA和PLS建立鲜冬枣表面不同浓度毒死蜱农药残留的模型是可行的,同时SPA算法简化模型复杂度,提高模型精度及稳定性。     

基于机器视觉和近红外光谱的壶瓶枣无损检测

以壶瓶枣为对象探讨用机器视觉和近红外光谱技术检测壶瓶枣内外品质。通过图像处理技术获取壶瓶枣投影面的边缘提取图像,然后使用最小外接矩形法求得图像的像素点个数,以此求得壶瓶枣投影面的面积。采用MSC对壶瓶枣近红外光谱进行预处理,然后分别采用偏最小二乘法(PLS)、主成分回归(PCR)和偏最小二成支持向量机(LS-SVM)3种建模方式对壶瓶枣可溶性固形物的含量进行预测。结果表明,使用LS-SVM模型获得了最优的预测结果,其预测集的相关系数和均方根误差分别为0.9901和0.328。研究表明,机器视觉结合近红外光谱技术能对壶瓶枣内外品质进行综合检测。     

基于可见近红外光谱的不同建模方法对河套蜜瓜糖度检测精度的影响

以126个金红宝河套蜜瓜为研究对象,采用Maya 2000 pro便携式光谱仪获取蜜瓜在400～1 100 nm波段内的可见近红外光谱信息,研究传统建模方法[偏最小二乘法(PLS)、主成分回归(PCR)、逐步多元线性回归(SMLR)]和新型网络算法[误差反传人工神经网络(BP-ANN)、最小二乘支持向量机(LS-SVM)]对糖度模型精度和预测结果的影响。结果表明,在利用传统建模方法建立的蜜瓜糖度模型中,PLS算法所建模型的效果较佳,模型更稳定,尤其在光谱经多元散射校正(MSC)和一阶微分处理后,所建模型的相关系数为0.844,校正均方根偏差为0.844,预测均方根偏差为0.978;在采用新型网络算法建立的模型中,当选择LS-SVM算法,且参数c=0.500 0,g=0.353 55时,经MSC和一阶微分处理后的光谱和糖度的建模和预测结果最好,均方根偏差为0.97。研究结果可为检测河套蜜瓜糖度的可见近红外光谱建模方法的选择提供理论依据。     

SPA-PLS和GA-PLS算法预测胡杨叶片含水量的对比

采用Savit Zky-Golay一阶导数法,分析叶片含水量对近红外光谱吸收谱的影响特征,建立综合利用多波段信息的作物叶片含水量预测模型。通过使用一阶导数法对胡杨叶片近红外光谱信息进行预处理,然后分别采用连续投影算法(SPA)和遗传算法(GA)筛选特征波长,建立并比较偏最小二乘回归(PLS)模型对含水量的预测效果,研究胡杨叶片含水量与叶片光谱信息的关系。试验结果发现,经过一阶导数预处理的光谱数据建模预测结果要优于原始光谱,并且SPA-PLS算法的回归预测结果要优于GA-PLS算法,其中基于一阶导数光谱使用SPA-PLS和GA-PLS算法的建模预测评价指标RMSPCV、RMSEP、Precision、r分别是0. 026 633、0. 014 391、0. 981 23、0. 793 63和0. 033 348、0. 019 726、0. 975 13、0. 758 38,预测变量数分别是18、29个。说明基于一阶导数光谱使用SPA-PLS算法可实现胡杨叶片含水量信息的准确估测,数据优化筛选是可行的,有效提高了测量精度,减少了建模变量。     

基于便携式近红外光谱仪检测梨可溶性固形物

探索采用便携式近红外光谱仪,利用不同光谱预处理算法及波长优选法建立检测模型检测梨可溶性固形物含量(SSC)的可行性。比较了一阶导数(1st)、二阶导数(2nd)、多元散射校正(MSC)、标准正态变量变换(SNV)等9种预处理方法进行PLS建模的效果,确定最佳预处理方法。用相关系数法、无信息变量消除法(UVE)、向后区间偏最小二乘法(biPLS)和向后区间偏最小二乘法结合遗传算法(biPLS+GA)优选波长,用偏最小二乘法(PLS)建立梨SSC的定标模型,根据各个模型的校正集和预测集的相关系数(r)和交互验证均方根误差(RMSECV)、预测均方根误差(RMSEP)评价定标模型的精度和稳定性。结果表明:经过SNV预处理后的建模效果最好,校正集和预测集的相关系数r分别为0.890 8和0.868 9,RMSECV和RMSEP分别为0.592 5和0.630 8;相较于其他3种波长优选法,biPLS+GA方法不仅优选的波长数少,而且所建模型的预测效果更好,校正集和预测集的相关系数分别为0.887 9和0.891 0,RMSECV和RMSEP分别为0.599 9和0.571 3。     

基于PCR和PLS的沙棘汁品种近红外光谱研究

建立可见-近红外漫反射光谱与沙棘汁品种之间的数学模型,以评价可见-近红外漫反射光谱技术快速检测沙棘汁品种。采用美国ASD公司的FieldSpec3光谱仪对三种不同品种的沙棘汁进行光谱分析,各获取30个样本的光谱数据,对原始光谱进行一阶微分和二阶微分预处理,并利用偏最小二乘法(PLS)数学校正方法对三种不同预处理的光谱数据建模。结果表明,采用二阶微分预处理数据,应用PLS方法建模较好,其校正模型相关系数为0.9992,均方根误差为0.0317;采用主成分回归(PCR)和偏最小二乘法(PLS),对沙棘汁的二阶微分数据进行分析比较,结果也表明,基于二阶微分数据,应用PLS方法建模较为理想,其预测集的相关系数为0.9988,所测预测样本的均方根误差为0.0392。近红外光谱可作为一种快速、有效的无损检测方法来识别沙棘汁的品种。     

遗传算法结合区间偏最小二乘法在草莓酸度近红外光谱检测的研究

为探索近红外漫反射光谱技术快速无损检测草莓酸度的新方法,共采集了100颗草莓漫反射近红外光谱数据(波长范围1 000～1 800 nm).通过采用标准正交变换(SNV)对原始光谱进行预处理后,将全光谱分为10个子区间,通过样本交互验证法优化每个子区间的最佳主成分数并计算区间对应的交互验证均方根误差(RMSECV),得到第4个子区间(共 80个特征波长)对应的预测均方根误差最小.采用遗传算法对第4子区间内的波数点进一步优选出1 483,1 482,1 485,1 460 nm 4个波数点,用这4个波长的光谱信息建立的草莓近红外酸度模型预测集相关系数为 0.937 5,预测集均方根误差为 0.072.结果表明:间隔偏最小二乘法结合遗传算法能筛选出最优波长并能减少建模所用变量,提高检测精度,保证模型的稳健性.     

近红外光谱结合特征变量筛选方法测定茶汤中的氨基酸含量

采用透射方式获取茶汤的近红外光谱,利用特征变量筛选方法从茶汤的近红外光谱中提取氨基酸光谱信息,建立茶汤中氨基酸含量的快速检测模型.分别利用间隔偏最小二乘法(iPLS)和联合区间偏最小二乘法(siPLS)从茶汤的近红外光谱中提取微弱的氨基酸信息,建立其近红外光谱定量分析模型.结果表明,利用两种方法筛选的特征变量都避开了水的强吸收峰影响,但利用siPLS方法建立的模型性能明显好于iPLS的.最优的siPLS模型对校正集样本的相关系数为0.912,交互验证均方根误差为0.185;用预测集中独立样本检验模型性能,其相关系数为0.887,预测均方根误差为0.202.研究结果可为液体茶饮料中的成分实时快速检测提供参考.     

近红外漫反射光谱结合CARS-PLS规模化奶牛场粪便总氮定量分析模型的建立

将近红外漫反射光谱技术与CARS-PLS相结合,建立一种规模化奶牛场粪污治理过程中全环节粪便中总氮含量的快速检测方法。采集111个粪污治理全过程环节粪便样品的近红外漫反射光谱,利用间隔偏最小二乘法(iPLS)、联合偏最小二乘法(siPLS)和竞争自适应重加权抽样法(CARS)进行建模变量选择。全波长建模的相关系数(R)为0.928,预测均方根误差(RMSEP)为0.161 3%;iPLS变量选择后的相关系数为0.926,RMSEP为0.151 4%;siPLS变量选择后的相关系数为0.928,RMSEP为0.149 1%;CARS变量选择后的相关系数为0.981,RMSEP为0.084 1%。上述结果表明:通过变量选择可以良好地提升模型的预测精度,而3种变量选择方法中通过CARS法进行建模变量的选择可以更大地降低预测误差,提高预测精度。该研究为开发现场便捷式近红外光谱仪器提供了理论基础。     

基于GA-LSSVM的苹果糖度近红外光谱检测

【目的】结合遗传算法和最小二乘支持向量机(GA-LSSVM),优化苹果糖度近红外光谱检测的数学模型,提高模型的检测精度和稳定性。【方法】在GA-LSSVM模型建立过程中,采用遗传算法自动获取最小二乘支持向量机的最优参数。【结果】相比于偏最小二乘法(PLS)、传统最小二乘支持向量机(LSSVM)和遗传偏最小二乘法(GA-PLS)数学模型,GA-LSSVM法建立的模型预测效果最优,模型的相关系数为0.94,预测均方根误差为0.32°Brix。【结论】GA和LSSVM相结合的优化方法在提高苹果糖度近红外光谱检测精度和稳定性方面是可行的。     

食醋总酸和还原糖含量近红外光谱检测模型的优化研究

【目的】采用近红外光谱(Near-infrared spectroscopy,NIRS)分析技术对食醋中的总酸和还原糖进行快速定量分析,为食醋品质的检测提供技术支持。【方法】用近红外透射光谱法采集食醋的光谱信息,用Savitzky-Go-lay一阶导数和小波导数(Wavelet derivative,WD)对采集到的食醋光谱进行预处理,采用连续投影算法(Successiveprojections algorithm,SPA)的波长筛选方法对食醋的总酸以及还原糖定量分析模型进行优化。【结果】食醋光谱经小波导数预处理和基于SPA的波长优选后,总酸和还原糖含量分析精度得以提高,模型得到简化。总酸的预测均方根误差(Root mean square error of prediction,RMSEP)由0.282降低为0.227,预测相关系数(Correlation coefficientof prediction,Rp)由0.965提高到0.977,建模变量由680个精简为51个;还原糖的RMSEP由0.627降低为0.606,预测相关系数Rp由0.996提高至0.997,建模变量精简为50个。【结论】利用近红外光谱分析技术结合小波导数和SPA分析方法,可用于食醋品质的定量分析,为食醋品质的快速检测提供了一种可行的方法。