皇冠梨糖度可见/近红外光谱在线检测模型传递研究

在水果内部品质检测分级实际生产中往往存在多通道测量,由于仪器不同或加工精度不同而存在多通道间检测模型不具通用性问题,应用多种模型传递方法研究了在线检测条件下两个不同可见/近红外光谱仪间的皇冠梨糖度预测模型传递及预测比较分析。结果表明:从仪器的光谱数据经直接校正算法(DS)和基于平均光谱差值校正的DS算法(MSSC-DS)转换后用于主仪器所建模型的预测结果相对较好,预测均方根误差小于0.5°Brix,可以满足实际生产。但通过模型转换后的预测结果均比利用从仪器数据直接建模的预测结果要差(预测均方根误差为0.381°Brix),因而在实际生产中,需要从成本和分级精度的要求来考虑选择建模的方式。     

基于模拟退火波长优化的草莓坚实度近红外光谱检测

为提高近红外光谱技术检测草莓坚实度模型的精度和鲁棒性,研究了一种基于模拟退火算法的波长优选方法,并找到一种与该算法配套的光谱预处理方法.利用光谱仪和物性仪分别采集草莓样品近红外漫反射光谱和坚实度数据,并采用标准正交变换、多元散射校正、一阶导数、二阶导数等方法对原始光谱进行预处理;最后,利用模拟退火算法优选与草莓坚实度高度相关的波数点变量,结合偏最小二乘法建立草莓坚实度预测模型.结果表明:经过标准正交变换预处理后,采用模拟退火算法优选出24个波数点,在主成分数为5时,建立的偏最小二乘模型具有最佳预测效果,模型校正集样本相关系数rc为0.934 2,校正均方根误差为0.665 N/cm2;预测样本相关系数rp为0.919 7,预测均方根误差为0.673 N/cm2.研究表明:模拟退火算法可以提高近红外模型预测草莓坚实度的精度和鲁棒性,并降低预测模型复杂度.     

基于模拟退火波长优化的草莓坚实度近红外光谱检测

为提高近红外光谱技术检测草莓坚实度模型的精度和鲁棒性,研究了一种基于模拟退火算法的波长优选方法,并找到一种与该算法配套的光谱预处理方法。利用光谱仪和物性仪分别采集草莓样品近红外漫反射光谱和坚实度数据,并采用标准正交变换、多元散射校正、一阶导数、二阶导数等方法对原始光谱进行预处理;最后,利用模拟退火算法优选与草莓坚实度高度相关的波数点变量,结合偏最小二乘法建立草莓坚实度预测模型。结果表明：经过标准正交变换预处理后,采用模拟退火算法优选出24个波数点,在主成分数为5时,建立的偏最小二乘模型具有最佳预测效果,模型校正集样本相关系数rc为0.9342,校正均方根误差为0.665N/cm2;预测样本相关系数rp为0.9197,预测均方根误差为0.673N/cm2。研究表明：模拟退火算法可以提高近红外模型预测草莓坚实度的精度和鲁棒性,并降低预测模型复杂度。     

鲜枣可溶性固形物可见/近红外光谱检测建模方法比较

对采摘于一枣园的180个壶瓶枣样本,随机分成150个样本校正集和30个样本预测集。用FieldSpec3光谱仪采集光谱,并进行多元散射校正(MSC)预处理,之后分别利用连续投影算法(SPA)和逐步回归法(SRA)提取特征波长,并结合光谱理论分析确定,再分别基于偏最小二乘法(PLS)和最小二乘-支持向量机(LS-SVM)建立壶瓶枣可溶性固形物含量预测的简化模型和全波段模型。结果表明,全波段PLS模型预测的相关系数和预测均方根误差分别为0.887 4和1.088 9,预测效果最好;建立的MSC-SPA-PLS模型预测的相关系数和均方根误差分别为0.799 0和1.407 8,建立的MSC-SRA-PLS模型预测的相关系数和均方根误差分别为0.822 4和1.3851,与全波段的MSC-PLS相比,精度均降低;建立的MSC-SPA-LS-SVM模型预测的相关系数和均方根误差分别为0.796 3和1.145 8,与全波段的MSC-LS-SVM相比,精度提高;建立的MSC-SRA-LS-SVM模型预测精度很低,不适用。     

基于可见/近红外光谱谱区有效波长的梨品种鉴别

基于最小二乘支持向量机(LS-SVM)建模方法,提出应用梨在可见/近红外光谱谱区的有效波长(EW)进行其品种鉴别的新方法.用210个样本作为建模定标集,30个样本进行预测.根据偏最小二乘法分析载荷图和回归系数图选择鉴别梨品种的有效波长,并建立EW与最小二乘支持向量机相结合的EW-LS-SVM模型,同时与应用逆反馈人工神经网络(BP-ANN)建立的EW-BP-ANN模型进行判别准确率的比较.结果表明,应用LS-SVM和BP-ANN建立的模型对建模样本和预测集样本的判别准确率分别为100％和93.3％.研究表明,应用EW-LS-SVM模型进行梨品种鉴别是可行的.     

基于可见/近红外光谱的牛肉品质无损检测系统改进

含水率、颜色和pH值是牛肉的重要品质指标,近年来可见/近红外光谱因其成本低、快速无损等特点被广泛应用于肉品检测中。针对现有探头采集样品面积过小、代表性差等问题,利用高效的环形光源对双通道可见/近红外光谱系统进行改进,建立了一种高效、稳定的双通道可见近红外光谱系统。首先,基于多次采集生鲜牛肉样品获得400~2450nm波段的有效光谱数据,对改进前反射探头和环形探头的性能进行了对比分析,发现环形探头的稳定性更有优势,在整个波段的变异系数均小于10%。然后利用改进后探头组成的系统采集了61块生鲜牛肉样品的可见/近红外光谱数据。采用了无处理、SG平滑、哈尔变换、一阶导数、二阶导数、标准正态变换、多元散射校正、去趋势化以及各方法组合等方法对光谱数据进行预处理。利用第1波段数据建立颜色参数L*、 a* 、b*的偏最小二乘模型,分别利用第1波段数据、第2波段数据和双波段数据（双波段简单拼接）建立含水率和pH值的PLSR模型并进行了对比。结果发现：第1波段的数据无需经过预处理,即可对颜色参数L*、 a* 、b*取得较好的预测结果,其PLSR模型验证集相关系数和标准误差分别为0.9603、0.9616、0.9367和1.3332、1.1844、0.6553;对于含水率和pH值,无论光谱数据是否经过预处理,第1波段数据的建模效果要好于第2波段数据,但是经过预处理的双波段数据（400~2450nm波段）能够取得更好的预测结果,其PLSR模型验证集相关系数和标准误差分别为0.9541、0.8716和0.5475、0.1272。结果证明,基于高效环形探头的双通道可见近红外光谱系统建立的牛肉多品质参数预测模型,可实现准确、无损、快速检测,获得比较稳定的检测结果。     

猪肉肌内脂肪含量的可见/近红外光谱在线检测

研究基于可见/近红外光谱分析技术的新鲜猪肉肌内脂肪含量在线检测。实验样本为208份背最长肌,实验时样品以0.25m/s的速度运动,采集可见/近红外漫反射光谱,进行小波消噪处理后,结合不同的光谱预处理方法建立肌内脂肪含量的偏最小二乘回归模型。研究发现采用db6小波在6层分解后以极大极小原理选择阈值进行消噪效果较好;消噪的光谱直接建立的PLSR模型预测性能较差,经过多元散射校正、变量标准化及微分等预处理均能提高模型的预测性能;变量标准化结合一阶微分预处理后建立的模型性能最佳,校正集相关系数为0.892、验证集相关系数为0.834、校正集均方根误差为0.090、预测集均方根误差为0.080。结果表明可见/近红外光谱可用于肌内脂肪含量的在线检测,但模型相对分析误差最高为1.738,模型的精度和稳定性仍需进一步提高。     

基于多元校正法的香梨糖度可见/近红外光谱检测

应用可见/近红外光谱透射技术结合多元校正法探讨了样品在不同温度条件(5、10、15、20℃)下香梨糖度的快速无损检测。在波长500~900nm范围内,用逐步多元线性回归(SMLR)、偏最小二乘法(PLS)、最小二乘支持向量机(LS-SVM1、LS-SVM2)和遗传算法-偏最小二乘法(GA-PLS)等多种多元校正法进行了建模预测比较研究。预测结果从优到差依次为LS-SVM2、LS-SVM1、GA-PLS、PLS、SMLR。     

桑蚕鲜茧干壳量的可见/近红外光谱无损检测

选择Savitzky-Golay平滑作为光谱数据的预处理方法,根据偏最小二乘模型的回归系数进行有效波长的选取,最终筛选出了桑蚕鲜茧干壳量指标在可见/近红外光谱谱区的7个有效波长,并结合多元线性回归建立干壳量的检测模型.该模型运算简单且检测精度较高,预测决定系数和剩余预测偏差分别为0.7587和2.0464,是应用可见/近红外光谱检测桑蚕鲜茧干壳量的理想模型.     

赣南脐橙叶片SPAD值可见近红外光谱无损检测

为了提供果树精准肥水管理参考数据,进行了果树叶片SPAD值近红外光谱无损检测研究。采用反射方式,采集100片赣南脐橙叶片的可见近红外光谱;利用移动窗口偏最小二乘法结合遗传算法、连续投影算法筛选光谱变量,并建立偏最小二乘回归校正模型。采用移动窗口偏最小二乘法和连续投影算法组合筛选的39个光谱变量建立的校正模型预测结果最优,模型预测相关系数为0.898,模型预测SPAD值均方根误差为2.116。试验表明,应用可见近红外反射光谱技术结合化学计量学算法进行赣南脐橙叶片SPAD值无损检测是可行的。     

基于梨枣轻微损伤的可见/近红外光谱判别研究

利用可见/近红外光谱技术对梨枣轻微损伤的分类判别建模方法进行研究。分别采用PLS-LDA(线性)和LS-SVM(非线性)建立判别模型,分析比较不同预处理方式和建模波段对模型精度的影响。结果表明:经9点平滑预处理后的短波近红外(780~1100nm)PLS-LDA模型判别效果最佳,校正集和预测集的正确识别率分别达到97.8%和96.7%。     

基于可见/近红外光谱技术的板栗产地识别

采用可见/近红外光谱分析技术对河北和安徽两个产地的板栗进行检测分级,获得板栗样品在600～1100 nm波长区间的可见/近红外光谱,采用偏最小二乘判别分析(PLSDA)进行建模,比较不同预处理方法和波长范围对PLSDA模型精度的影响.结果 显示,不同预处理方法对模型性能影响较大,一阶导数预处理在全波长范围所建PLSDA...     

可见/近红外光谱结合软化指标快速判定沙果货架期

基于可见/近红外光谱技术探讨利用软化指标对不同货架期沙果进行分类的可行性。以SNV为最优预处理结合PLS建立软化指标模型,经优化后其校正和预测模型的决定系数R2分别为0.847和 0.813。证实软化指标与光谱数据之间存在很高的相关性,可以以软化为指标对不同货架期的沙果进行分类。分别采用非线性的LS-SVM和线性的PLS-LDA建立分类模型,结果表明：利用LS-SVM所建模型得到的效果要优于PLS-LDA模型,其正确识别率和正确拒识率都达到了94%。     

基于可见-近红外光谱的鲜食葡萄成熟品质关键指标检测

酚类物质是评价葡萄成熟品质的重要指标,本文利用可见-近红外光谱技术结合化学计量学定量分析方法对葡萄皮总酚、籽总酚、皮单宁和籽单宁含量开展了无损检测研究。通过手持式可见-近红外光谱仪采集巨玫瑰葡萄波长400～1 029 nm范围内的漫反射光谱,采用SPXY算法将其划分为校正集和预测集,结合标准正态变换(Standard normal variate, SNV)、多元散射校正(Multiplicative scatter correction, MSC)、一阶导数(First derivative, 1D)、二阶导数(Second derivative, 2D)、Savitzky-Golay卷积平滑(Savitzky-Golay smoothing,SG)和Savitzky-Golay卷积平滑+一阶导数(SG+1D)6种预处理方法以及偏最小二乘回归(Partial least squares regression, PLSR)、支持向量机回归(Support vector machine regression, SVR)和卷积神经网络(Convolutional neural networ...     

基于可见/近红外光谱的牡丹叶片花青素含量预测

以开花初期不同品种牡丹叶片为研究对象,分析叶片花青素含量与反射光谱之间的相关关系,分别建立基于单波长、不同植被指数、相关系数大于0.52的可见光波段的叶片花青素含量预测模型。研究结果表明,牡丹叶片反射光谱与花青素含量的最大相关系数位于544 nm;以544 nm波长反射率及花青素反射指数(ARI)、调整花青素反射指数(MARI)为自变量建立的预测模型可以用于牡丹叶片花青素含量预测;以偏最小二乘回归(PLSR)构建的牡丹叶片花青素含量预测模型的建模和验模R2分别为0.873和0.811,RMSE为0.068μmol/g,RPD为2.352,是预测牡丹叶片花青素含量的最优模型。     

果实坚实度检测系统设计

利用冲击摆法,采用电涡流传感器对摆位移进行检测,通过JKU-12数据采集卡进行信号调理,基于LabVIEW开发环境,设计了果实坚实度检测系统.整个系统在WinXP SP2和LahVIEW8.2中文试用版环境下调试成功.该系统能够准确记录探针刺入果实的详细过程.实践证明,系统稳定可靠,为果实坚实度指标检测和分析提供了良好的技术手段.     

基于近红外光谱的香蕉品质检测方法研究

研究提出了近红外光谱技术无损检测香蕉品质指标的新方法。采用The Unscramble 9.7分析软件,建立了香蕉糖度、坚实度和粘度的预测模型。根据定标集样品常规方法测定结果和所扫描得到的香蕉未剥皮和剥皮的光谱信号间的拟合关系,采用偏最小二乘法建立香蕉糖度、坚实度和粘度的定标模型,并用未参与定标的一组样品作为预测集对模型进行检验。未剥皮香蕉的糖度、坚实度和粘度的预测决定系数分别为0.94,0.95,0.93,剥皮香蕉的糖度、坚实度和粘度的预测决定系数分别为0.92,0.97,0.95,预测精度较高。结果表明,香蕉皮对其的影响不大,近红外光谱技术可应用于未剥皮香蕉品质检测,实现了香蕉品质的快速、无损检测,为香蕉品质的无损检测提供了理论依据。     

利用可见―近红外光谱术无损检测牛奶中的三聚氰胺

初步探讨了利用可见―近红外光谱术检测牛奶中三聚氰胺的可行性及方法。通过往牛奶中掺入不同浓度三聚氰胺的方法,制备了165个样品,三聚氰胺浓度为0~1000ppm。利用光纤光谱仪采集样本的可见―近红外光谱,其光谱范围为350~1800nm。然后分别采用最小二乘法(PLS)、区间偏最小二乘法(IPLS)及联合区间偏最小二乘法(SIPLS)建立预测模型。比较实验结果表明:把光谱分为10个子区间,通过SIPLS方法,选出3个光谱子区间(4、7、9)联合建立的预测模型最优,其校正集和预测集得相关系数分别为0.9981和0.9946,校正集和预测集的均方根误差分别为0.1942和0.3299。因此,可见近红外光谱术结合联合区间偏最小二乘法能无损、快速的检测牛奶中的三聚氰胺。     

基于可见-近红外光谱技术的果蔬品质检测方法

可见-近红外光谱技术利用波长在380～2 500 nm的电磁波获取果蔬中有机分子含氢基团的特征信息,根据样品对不同波长光的吸收信息,实现果蔬的外部、内部缺陷及营养成分定性、定量分析,是目前主流的果蔬内外部品质快速无损检测技术。综述了目前基于吸光度谱和能量谱对果蔬营养物质含量定量分析及缺陷定性分析,所使用的检测模型和变量筛选模型及其检测准确性,为相关研究人员选择高效准确的检测模型提供技术支撑。     

绿茶杀青叶料含水率可见-近红外光谱检测

为实现绿茶杀青叶料含水率的快速无损检测,基于可见-近红外光谱分析建立含水率的预测模型。使用FieldSpec 3型便携式地物光谱仪,采集192个杀青叶料样品的漫反射光谱信息,基于X-Y共生距离的样本划分算法SPXY,确定144个样本的校正集和48个样本的预测集。进行一阶微分和移动平滑滤波预处理后,采用相关系数法优选出11个特征波段,建立了含水率检测的偏最小二乘回归、主成分回归、人工神经网络及其组合的模型。结果表明,选用5个主成分的偏最小二乘回归模型最佳,其校正和预测模型的相关系数分别为0.990和0.819,均方根误差分别为0.011和0.037,预测含水率的平均相对误差为3.30%。