不同成熟时期骏枣糖度近红外光谱模型的建立

该研究对采摘于新疆阿克苏十团枣园的9月、10月、11月份3个月的骏枣进行了近红外光谱测定和总糖测定。结果表明,阿克苏骏枣总糖含量的测定采用PLS所建模型预测效果最佳,但最佳预处理方法不同;白熟期骏枣糖含量的最佳模型是经一阶导数处理后对骏枣糖度预测效果最优,校正相关(Rc)为0.985 8,RM-SEC为0.650,RMSEP为2.01,预测相关系数(RP)为0.903 4;脆熟期、完熟期骏枣糖含量的最佳模型都是经二阶微分处理后对骏枣糖度预测效果最优,校正相关系数(Rc)分别0.961 3、0.972 4,RMSEC分别为0.801、1.30,RMSEP分别为0.944 2、1.000 0,预测相关系数(RP)分别为2.90、1.56。该试验所建近红外PLS校正模型具有较好的稳定性,能满足红枣总糖含量的检测要求。     

南疆骏枣叶片含水量的近红外光谱检测研究

[目的]建立南疆骏枣叶片含水量的快速、无损的检测模型。[方法]选取73片完好、无损的骏枣叶片,运用NIR检测骏枣叶片含水量的重要指标。通过3种不同的光谱预处理方法进行预处理,建立骏枣叶片含水量的PLS检测模型。[结果]在预测骏枣叶片含水量的PLS模型中,最好的组合是原始光谱+MSC+PLS,相关系数(R)由原始的0.673 1提高到0.874 6,预测精度(Precision)由0.950 7提高到0.957 8,预测残差平方和(PRESS)由0.028 4降低到0.017 7,预测标准偏差(RMSEP)由0.037 7降低到0.029 7。[结论]应用NIR技术不仅对南疆骏枣叶片含水量的快速、无损检测具有可行性,同时还对其他农作物叶片水分、叶绿素、氮含量光谱预处理检测具有一定的借鉴意义。     

基于光纤光谱技术的南疆骏枣温度定量模型研究

样品温度对定量模型的精确度有一定的影响.该研究利用光纤光谱技术对不同温度的100个骏枣进行了分析,选择预处理方法为SNV建立的偏最小二乘法(PLS)骏枣温度定量模型.结果表明,骏枣在23℃温度下建立的模型预测能力较强,相关系数(R)为0.85367,校正标准偏差(RMSEC)为0.62,预测标准偏差(RM?SEP)为2.62.由此可见,利用光纤光谱技术研究骏枣温度定量模型的预测是可行的.     

采后葡萄可溶性固形物含量的高光谱成像检测研究

提出一种应用高光谱成像技术检测葡萄可溶性固形物含量的方法。使用高光谱成像系统采集葡萄漫反射光谱,在500~1 000 nm光谱,采用多元散射校正(MSC)、标准正态变换(SNV)进行光程校正,结合一阶微分(1-Der)、二阶微分(2-Der)、Savitzky-Golay(S-G)平滑方法及其组合对原始光谱进行预处理,建立可溶性固形物含量的偏最小二乘法(PLS)和逐步多元线性回归(SMLR)模型。结果表明:采用PLS和SMLR建模方法均取得较好的预测效果。采用经过MSC、1-Der和S-G平滑相结合预处理后的光谱建立PLS预测模型,校正集的相关系数Rc为0.979 1,RMSEC为0.265,预测集的相关系数Rp为0.962 0,RMSEP为0.372;采用原始光谱、1-Der和SG平滑相结合预处理后的光谱建立SMLR预测模型,校正集的相关系数Rc为0.967 8,RMSEC为0.327,预测集的相关系数Rp为0.947 2,RMSEP为0.394。以上表明,基于高光谱成像技术可以实现采后葡萄可溶性固形物含量的准确无损检测。     

近红外光谱结合ANN法快速测定水稻叶片氮含量

应用近红外(NlR)光谱和误差反传人工神经网络(BP-ANN)方法建立了水稻叶片氮素含量的定量分析模型.首先对近红外光谱进行Savitzky-Golay求导处理,然后通过相关系数法选择波长范围,采用偏最小二来回归PLS降维并输入BP-ANN建立校正模型,用验证样品对校正模型进行验证.结果表明:BP-ANN最佳模型的预测...     

基于高光谱图像技术的沙梨无损检测

为探讨基于高光谱图像技术对沙梨糖度无损检测的可行性,采集80个沙梨样本在400～1 000 nm内的高光谱图像数据及其对应的糖度,采用变量标准化、多元散射校正(MSC)、平滑滤波、基线校正等方法对原始光谱数据进行预处理,发现MSC预处理效果最佳,再通过无信息变量消除法对MSC预处理后的光谱数据进行压缩,最后分别建立BP神经网络和PLS沙梨糖度预测模型.结果表明:无信息变量消除法将光谱变量压缩到234个,有效减少了建模的输入变量,建立的PLS预测模型和BP神经网络的预测相关系数均在0.85以上,而PLS预测模型的相关系数为0.9508,均方根误差为0.268,优于BP神经网络模型.     

通过距离匹配法对224团骏枣与10团骏枣聚类分析的研究

和田224团骏枣与阿克苏10团骏枣在价格上有明显的差别,快速准确的识别二者有很大的实际意义。应用距离匹配法对和田224团骏枣与阿克苏10团骏枣进行聚类分析,预处理方法采用归一化,基线校正和Savitzky-Golay卷积求导法(13点平滑,3点差分宽度),并利用马氏距离剔除异常样本。研究结果表明:和田224团骏枣与阿克苏10团骏枣在水分含量、总糖含量和总酸含量上有明显区别。预测效果最好的是总酸波段的聚类分析模型,其次是水分波段的聚类分析模型,最后是总糖波段的聚类分析模型。在分类效果上,聚类分析模型更适用阿克苏10团骏枣,所以阿克苏10团骏枣比和田224团骏枣效果好。结论:利用距离匹配法对和田骏枣与阿克苏骏枣进行产地的鉴别是可行的,该法对考察南疆红枣的产地鉴别有一定的参考价值。     

基于近红外光谱技术的红枣水分无损检测

目的 基于近红外光谱技术的红枣水分无损检测,为红枣水分含量模型建立提供科学依据。方法 以塔里木大学园艺试验站红枣资源圃中的脆熟期馒馒枣和保德油枣的果实为试材,采用传统烘干法测定枣果实水分含量,并通过近红外光谱分析仪进行枣水分无损检测。对2个品种样本光谱进行样本集划分并使用预处理的方法Savitzky-Golay平滑法和偏最小二乘回归分析法(PLS)。结果 建立了含水量定量检测分析模型。共获得212个样本,馒馒枣和保德油枣分别为100和112个,2个品种随机校正模型为75和84个,验证模型分别为25和28个,用外部证实法建立样品校正模型和验证模型。建立光谱模型将试验组分别分为红枣含水量校正模型和验证模型。所建2种红枣水分检测模型中SEC(校正集标准偏差)值分别为1.01%和1.29%;SEP(预测标准偏差)值为1.65%和1.41%,2种红枣的校正集与验证集交互相关系数分别为0.878和0.883。结论 以S-G平滑法对光谱数据预处理,以偏最小二乘进行回归分析(PLS)。建立含水量定量检测分析模型对红枣进行水分检测,水分真实值和预测值的交互相关系数均高于0.850。2个品种校正模型和验证模型差异较小均在0.5%左右,建立了红枣近红外光谱和水分含量之间的对应关系。     

基于近红外光谱的骏枣病虫害与风沙损伤检测

为新疆南疆地区的骏枣种植设计一种基于近红外光谱分析的无损病虫害与风沙损伤检测技术。首先,采集大量骏枣的近红外光谱,采用遗传算法从全部近红外光谱中选择一部分最优的光谱特征;然后,使用二次判别分析模型对选择的光谱特征进行训练;最后,通过支持向量机对骏枣进行病虫害分析;基于新疆南疆第一师阿拉尔市十四团-数字枣园示范基地的骏枣测试本技术的性能。结果表明,本技术对骏枣的病虫害与风沙损伤检测均具有较高的检测准确率,并具有较高的实用价值。     

基于近红外光谱法的水稻秸秆可溶性糖快速检测

采集并制备不同地域、不同品种的水稻秸秆样本288个,根据浓度梯度法,按照31的比例划分校正集与验证集。采用蒽酮硫酸比色法测定试验样本中可溶性糖含量,并采集在近红外全波段(10 000~4 000cm-1)范围内样本的近红外光谱信息。采用多元散射校正(MSC)、标准正态变量变换(SNV)、导数、S-G平滑及其组合方法对光谱进行预处理,分别运用逐步多元线性回归(SMLR)、偏最小二乘回归(PLS)和主成分回归(PCR)化学计量学算法,建立基于近红外光谱的逐步多元线性回归(SMLR)、偏最小二乘回归(PLS)和主成分回归(PCR)定量分析模型。通过比较分析,对光谱进行一阶导数预处理,建立的PLS模型效果最优,校正集实测值与预测值之间的决定系数R2C达到0.880 6,交互验证决定系数(R2CV)和验证集决定系数(R2V)分别为0.771 1、0.857 8,均方根差RMSEC、RMSECV、RMSEP分别为0.318%、0.440%、0.404%,校正集相对分析误差(RPDC)和验证集相对分析误差(RPDV)均大于2.5。结果表明,采用近红外光谱法建立的PLS模型基本可以实现水稻秸秆中可溶性糖含量的快速检测。     

气象因子对南疆地区骏枣果实品质的影响

为了了解新疆南疆地区气象因子对骏枣果实品质的影响,分析了2015-2016年南疆地区阿克苏、和田及库尔勒三个地区的温度、日照量、降雨量、相对湿度和风速等气象数据,研究了气候变化情况对骏枣果实品质的作用规律。通过对比两年内12项气象因子对单果重、Vc和可溶性总糖含量等骏枣果实品质的影响,发现南疆气候条件对骏枣果实品质有明显影响,不同品质指标的气象影响因子有所不同。结果表明对骏枣品质的关键指标（单果重、蛋白质、Vc和可溶性总糖含量）影响较大的气象因子分别为平均气温、平均最高温度、日照时数和降水量。其中Vc和可溶性总糖受空气平均最低温度的影响最明显。     

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。     

基于透射光谱技术的温州蜜柑含水率检测

利用可见/近红外光谱透射技术检测温州蜜柑含水率。采用微分处理(differential processing,SD)、多元散射校正(multivariate scattering correction,MSC)、标准正态变换(standard normal variate,SNV)、SG卷积平滑以及标准化等预处理方法比较建立的偏最小二乘回归模型(partial least squares regression,PLS)的拟合准确度,并确定最佳预处理方法,同时采用竞争性自适应重加权采样算法(competitive adaptive reweighted sampling algorithm,CARS)提取特征波长,以此建立基于柑橘含水率的PLS模型、BP神经网络模型和最小二乘支持向量机模型(least squares support vector machine,LSSVM)。结果显示,使用经过SNV预处理后的光谱进行CARS筛选得到的359个波长建立的LSSVM模型预测效果最佳,校正集的相关系数和均方根误差分别为0.937 5和0.008 6,验证集相关系数和均方根误差分别为0.831...     

基于高光谱成像的蓝莓内部品质检测特征波长选择方法研究

为了实现蓝莓内部品质快速、准确检测,采用高光谱成像技术对蓝莓的糖度和硬度多指标同时进行检测研究。提出多阶段特征波长选择方法,即采用连续投影法(SPA)和逐步多元线性回归(SMLR)等特征波长选择方法同时将糖度和硬度的特征波长选择出来。通过高光谱成像系统(400~1000nm)采集了200幅蓝莓图像,首先对高光谱图像进行多元散射校正、标准正态变量变换和Savitzky-Golay平滑等光谱预处理,选取最优的预处理方法。然后利用SPA或者SMLR选择出糖度的几个特征波长,在此基础上再利用SPA或者SMLR选择出硬度的几个特征波长,从而形成四个特征波长选择方法 (SPA-SPA、SMLR-SMLR、SPA-SMLR和SMLR-SPA),采用4种多阶段特征波长选择方法提取同时反映蓝莓糖度和硬度的特征波长的组合。最后以全波长光谱信息(FS)和4种多阶段特征波长选择方法得出的光谱信息作为BP神经网络模型的输入矢量,建立了蓝莓糖度和硬度的预测模型。结果表明:Savitzky-Golay平滑为最优的预处理方法 ,结合BP神经网络,采用SPA-SPA多阶段特征波长选择方法所得的预测性能最优,糖度校正集的相关系数(Rc)和校正均方根误差(RMSEC)分别达到0.959和0.318°Brix,硬度校正集的相关系数(Rc)和校正均方根误差(RMSEC)分别达到0.956和0.153°Brix。糖度预测集的相关系数(Rp)和预测均方根误差(RMSEP)分别达到0.952和0.391°Brix,硬度预测集的相关系数(Rp)和预测均方根误差(RMSEP)分别达到0.953和0.234°Brix。该研究表明,应用高光谱成像技术可以对蓝莓糖度和硬度多指标同时进行检测研究,所获得的特征波长可为开发多光谱成像的蓝莓品质检测和分级系统提供参考。     

基于NIR高光谱成像技术的番茄叶片叶绿素含量检测

利用近红外高光谱成像技术对番茄叶片叶绿素含量的无损检测进行初步探讨。通过高光谱成像系统(900～1 700 nm)采集了192个番茄叶片图像,基于偏最小二乘回归模型(PLSR)对光谱进行样本集划分,对原始光谱与Kubelka-Munk函数曲线及多种光谱预处理的偏最小二乘回归模型进行对比分析,优选出多元散射校正(MSC)为预处理方法。采用5种方法提取特征波长,并根据特征波长建立偏最小二乘回归、多元线性回归(MLR)、主成分回归(PCR)3种模型的叶片叶绿素含量预测模型。结果表明,建立无信息变量消除法(UVE)挑选特征波长的偏最小二乘回归模型最优,其预测集的相关系数(R_P)为0.8495,均方根误差(RMSEP)为4.3375。因此,利用近红外高光谱成像技术提取特征波长进行叶绿素含量检测是可行的,同时也为今后番茄品质在线检测提供了理论依据。     

结合WT预处理的近红外光谱PLS算法预测鲜枣糖度

[目的]研究结合WT预处理的近红外光谱PLS算法模型预测鲜枣糖度的方法。[方法]用S-G、MSC、FD、SD、WT和WT＋MSC 6种预处理法,SMLR、PCR和PLS 3种算法模型,对60个鲜枣样品的近红外光谱数据进行预处理、糖度预测和建模精度分析,建立最佳算法的数学模型。[结果]在鲜枣糖度近红外光谱预处理阶段引进小波变换方法去除导数光谱噪声,得到了很好的去噪效果。不同的小波函数、分解尺度使消噪的结果有所不同。与常见的光谱预处理法相比,在选用db4-3小波函数、默认阈值情况下,采用WT＋MSC预处理及建模算法为PLS时所建立的模型最好,其相关系数R为0.919 02,校正集标准差RMSEC为0.863,预测集标准差RMSEP为1.71。[结论]结合小波变换预处理的PLS算法模型可有效预测鲜枣糖度,改善模型的预测精度。     

应用近红外光谱和小波网络构建的木材基本密度预测模型

以柞木为研究对象,将120个样本以2∶1的比例分为校正集和预测集,80个校正集,40个预测集;使用900~1 700 nm的近红外光谱仪,获取样本径切面的近红外光谱数据;采用蒙特卡洛采样法剔除奇异样本,采用多元散射校正和S-G平滑对光谱数据进行预处理,消除光谱漂移、表面散射和噪声的影响;通过Bi PLS-SPA算法对特征波长进行提取,构建小波神经网络模型,预测柞木基本密度;将建模方法与常用的偏最小二乘(PLS)和BP神经网络进行了对比,验证小波网络的有效性。结果表明:小波神经网络对预测集样本验证结果更好,相关系数为0.968,预测均方根误差为0.014 4。     

基于漫反射光纤光谱检测红枣水分和总糖含量

水分和总糖含量会影响红枣的等级规格,也是评价其内部品质的重要指标。为实现无损检测红枣内部品质,拟设计1套基于漫反射光纤光谱的检测系统。通过采集红枣的漫反射光谱,采用预处理方法对光谱进行预处理,并用偏最小二乘法(PLS)建立水分校正模型,得到校正相关系数为0.743 0;采用偏最小二乘法建立总糖校正模型的校正相关系数为0.903 0。研究表明,利用该光纤光谱检测系统建立的定量检测模型能够实现对红枣的总糖进行较高精度的定量检测,对水分的检测精度较低,有待于进一步提高。研究结果为红枣内部品质无损检测装置的硬件及软件设计提供了理论依据。     

土壤养分对骏枣品质的影响及其光谱预测研究

研究土壤养分与骏枣品质之间的相关性,是骏枣科学合理施肥、改善品质的基本依据。通过同步采集土壤与骏枣果实样品,室内化学分析土壤养分、骏枣品质指标,研究了土壤全氮、全磷、全钾、有机质、p H、速效磷、速效钾对骏枣总糖、总酸的影响。结果表明:骏枣果实品质与土壤养分存在显著性相关关系,其中总糖含量与土壤中速效钾和有机质含量成显著正相关,相关系数R分别为0.830 3和0.811 4。土壤光谱能较好的预测土壤养分,相关系数R在0.78~0.89之间。     

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。