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。     

基于拉曼光谱的润滑油掺假波段筛选研究

假冒伪劣润滑油对机械设备的正常运转具有严重的影响,这里提出基于不同基底的拉曼光谱对润滑油掺假定量鉴别方法.研究结果表明:采用拉曼光谱对润滑油掺假样品进行校正模型建立,模型的校正相关系数均大于0.948,能很好地对验证集进行预测.结合间隔偏最小二乘(iPLS)和遗传算法(GA)对建模变量进行筛选,最终通过iPLS和 GA分别选出了1148~1484cm-1波段和185个波数点分别作为校正模型的输入变量.采用昆仑天歌掺假美孚润滑油作为特征波段筛选验证,建模结果达到很好的预期效果,大大缩减了建模的计算量,能为润滑油掺假判别分析仪器开发方面提供一定的理论指导.     

不同近红外光谱仪在茶叶品质检测中的应用研究

分别应用NIRSystems 6500和InfraXact Lab两种不同型号近红外光谱仪对茶叶中茶多酚和咖啡碱含量进行定标建模,确定了在改进偏最小二乘法定标技术下的最优光谱数据预处理方式,分别建立了茶多酚和咖啡碱的优化定标模型.NIRSystems 6500和InfraXact Lab两种型号近红外光谱仪所建立茶多酚的最优定标模型目标函数f值分别为96.07%和95.96%,咖啡碱的最优模型目标函数f值分别为95.32%和91.47%,定标效果良好.利用验证集样本对模型进行了检验,茶多酚和咖啡碱的预测相对分析误差(RPD)均大于3.结果表明,两种仪器所得到的模型定标效果均良好,预测精度高,都可用于实际检测.NIRSystems 6500型近红外光谱仪的定标效果和稳定性优于InfraXact Lab型近红外光谱仪.     

农药混配中氧乐果含量的分析方法

对氧乐果和三唑酮混合农药制剂中的氧乐果的分离、分析方法进行了研究。结果表明,在采用以适当展开剂的薄层法分离样品以后,以化法氧化、间接碘量法测定氧乐果有效成分含量是有效、可靠和简便的分析测定方法。该方法精密度良好,ｓ为０．０８３,ＲＳＤ为０．３１％,对氧乐果回收率的测定结果为９８．９３％～１００．１４％。     

基于近红外光谱无损检测的水果品质定量分析与预测

针对近红外光谱原理、检测技术及特点,利用近红外光谱检测漫反射技术在水果品质检测方法上的定量分析进行了深入系统研究.在光谱数据预处理上平滑和导数法最常见.建立模型以偏最小二乘法较常见.以遗传算法结合偏最小二乘法、小波分析结合偏最小二乘法等为代表的建模方法,其测量精度有所提高.模型优劣评价指标主要以相关系数(R)、校正集标准偏差(RMSEC)和预测集标准偏差(RMSEP)等参数决定.最后对相关研究进行展望.     

近红外光谱仪测定东北民猪眼肌肌肉组分的研究

试验旨在探讨近红外仪光谱仪应用于测定猪眼肌肉质指标分析的可行性.利用TQ Analyst分析软件采用偏最小二乘回归(PLS)方法建立蛋白质、水分、粗脂肪和脂肪酸含量的定量检测模型.结果表明,蛋白质的相关系数达到0.98、SD/RMSEP达到3.9;水份的相关系数达到0.97、SD/RMSEP达到3.67;肌内脂肪的相关系数达到0.96、SD/RMSEP达到3.75;脂肪酸中C18:2相关系数达0.92、SD/RMSEP达到3.27,PUFA相关系数达0.92、SD/RMSEP达到3.65.结果表明,采用近红外光谱法能同时检测猪眼肌中蛋白质、水份、肌内脂肪和脂肪酸含量,检测误差小、结果准确可靠,与化学分析方法无明显差异且重现性好,可应用于猪眼肌肉组分指标快速定量检测.     

便携式近红外光谱仪检测红松籽中的水分含量

为了建立红松籽水分无损、快速检测,采用便携式近红外光谱仪在波长范围900~1 700 nm对红松籽的光谱信息进行采集和分析,建立红松籽水分的近红外预测模型。利用多种预处理方法优化模型,同时采用反向间隔偏最小二乘法、无信息变量消除法实现特征波段的选取。结果表明,带壳红松籽光谱经矢量归一化预处理后构建的模型最优,松仁光谱经一阶导数预处理后构建的模型最优;波段筛选能够优化模型质量,其中反向间隔偏最小二乘法的筛选结果最优,其带壳红松籽和松仁水分模型校正集相关系数分别为0.864 1和0.907 8,验证集均方根误差分别为1.041 7和0.833 8。结果表明,经过优化后,模型的效果较好,能够实现红松籽水分无损检测,为带壳坚果的在线检测提供技术参考。     

奶粉中三聚氰胺含量的NIR检测技术

以奶粉为原料,采用偏最小二乘法(PLS)建立奶粉中添加的三聚氰胺含量的预测模型,旨在利用近红外分析方法无损、快速、准确的特点,探究其在奶粉掺假识别中应用的可行性。结果表明:大梯度模型覆盖范围广,模型参数Rc为0.9997,Rp为0.9996,RMSEP为0.245,RMSEC为0.275,RMSEC/RMSEP为1.122,模型线性关系良好,预测值与实际值拟合良好,在较大浓度情况下可以应用于未知样品中三聚氰胺含量的检测;小梯度预测模型受仪器检测限的影响,Rc为0.9991,Rp为1.0000,虽然线性关系良好,但是模型参数RMSEP为0.176,RMSEC为0.0275,RMSEC/RMSEP为0.156,预测值与实际值的拟合情况不理想,无法实现三聚氰胺含量的精确预测,实际应用中具有一定的局限性,但可以对其是否掺假正确定性。     

基于样本挑选和不同偏最小二乘方法的近红外光谱玉米淀粉组分校正模型的研究

[目的]获得精度高、鲁棒性强的玉米近红外光谱淀粉组分检测模型。[方法]用一阶导数和Savitzky．Golay平滑对玉米1300～2298nlTl近红外光谱进行预处理,而后分别以RS（random sampling）、KS（Kennard Stone）、Duplex、SPXY（sample set partitioning based on joint x-y distance）方法选取最佳校正集样本集合,最后分别用PLS（Partial Least Squares）、iPLS（intervalPLS）和siPLS（synergy interval PLS）方法建立校正模型。[结果]采用sPXY方法选取有代表性的校正集合样本,以siPLS方法所建立的近红外光谱玉米淀粉组分校正模型最优,校正样本集合中r为0．9917,RMSECV为n1073,预测样本集合中r达到了0．9944,RMSEP为0．0814。[结论]SPXY-siPLS方法建立的近红外光谱玉米淀粉组分校正模型,不但可以减小参与建模的数据规模．而且缩短了运算时间．预测能力和精度也均得到提高。     

基于高光谱成像的枇杷果实品质检测

采用高光谱成像技术(HSI)在可见/近红外(363～1 026 nm)区域检测枇杷果实的可溶性固形物(SSC)和硬度,并判断其成熟度,以实现枇杷果实品质的无损检测和分级分选.利用蒙特卡洛法(MC)剔除异常样本,基于联合X-Y距离(SPXY)进行建模集和预测集样本的划分,再采用竞争性自适应权重采样算法(CARS)和连续投影算法(SPA)选取特征波长,与全波段光谱(FS)比较,分别建立偏最小二乘回归(PLSR)模型.结果显示,CARS-PLSR模型更优,CARS提取的SSC特征波长和硬度特征波长分别占总波长的8.52%和5.36%,枇杷果实中SSC和硬度的建模集相关系数R_c分别为0.981 7,0.970 7,预测集相关系数R_p分别为0.918 5,0.742 3,说明CARS能有效地对光谱进行降维,简化了数据处理过程.枇杷果实SSC和硬度的变化与果实成熟度显著相关,建立判别偏最小二乘法(DPLS)成熟度预测模型,预测集总识别准确率为89.29%.由此说明,高光谱成像技术可对枇杷品质进行有效检测,为枇杷果实的无损检测和分级分选提供了理论依据.     

基于近红外光谱苗期玉米叶片叶绿素含量的无损检测方法

试验以42片未经处理的苗期玉米叶片为试材,采用近红外光谱检测技术和SNV+Detrending的预处理方法,应用偏最小二乘回归分析方法建立定量分析模型,通过测定近红外光谱图,研究3 300~10 000 cm-1范围内苗期玉米叶片的光谱特性。结果表明,测定苗期玉米叶片叶绿素含量的决定系数R2为0.989,残差均方根RMSE为0.047,采用近红外光谱快速检测苗期玉米叶片叶绿素含量是可行的。     

连续小波变换下红外光谱法定量分析水溶液成分的算法研究

由于纯水独特的吸光度光谱特性,常见的定量分析方法 对水溶液的吸光度光谱进行定量分析时,效果并不理想,误差较大,稳定性不高.在迭代最小二乘算法的基础上,结合连续小波变换理论,提出了一种改进的处理水溶液定量分析问题的算法.该算法利用了连续小波变换多尺度提高光谱的分辨率的特性,有效地提高了利用物质的吸光度光谱,对水溶液定量分...     

便捷式近红外光谱仪在土壤养分中的预测研究

采集位于云南省昆明、安宁、弥勒3个地区的350份土壤样品,利用便携式近红外光谱仪进行光谱的扫描并构建全氮、全钾、全磷和有机质4项养分的近红外预测模型。结果表明,在950～1 650 nm,不同地区的土壤样品光谱的轮廓较为接近;全氮、全磷、有机质的最佳预处理方法为一阶导数,全钾的最佳预处理方法为标准正态变量变换(SNV),光谱数据经过预处理后可提高模型的预测能力,并降低模型的复杂度;在土壤养分的PLS预测模型中,全氮、全钾、全磷和有机质的决定系数(R²)分别为0.789 9、0.910 8、0.947 0和0.833 6,RPD值分别为2.108、2.903、3.938和2.238,模型的拟合效果和预测能力均较好,基于便携式近红外光谱分析技术能实现对土壤养分含量的预测。     

不同类型茅苍术组培过程中蔗糖含量的无菌动态检测

为比较不同类型茅苍术的生长潜能,用近红外光谱分析技术对不同型茅苍术组培苗培养基中蔗糖含量进行无菌动态检测.选取67个培养基,通过不同的预处理和统计分析,建立培养基中糖含量预测的光谱模型.定期对移栽不同品种茅苍术的培养基进行光谱采集,用模型进行预测,分析不同类型茅苍术在生长过程中对糖的吸收利用情况.结果表明,缺刻型茅苍术在接种15 d后就消耗了约75%的蔗糖,为自养器官的建成提供物质基础.提示缺刻型茅苍术组培苗的生理机能优于长披针型和短披针型,为茅苍术的育种提供参考.     

氧乐果在小麦上的消解动态及最终残留量研究

通过田间试验和气相色谱分析,研究了氧乐果在小麦不同部位的残留消解动态和最终残留量。结果表明,氧乐果在麦叶和麦穗中的消解动态没有明显差异,半衰期分别为1.8 d和2.1 d;在麦秆中消解较快,半衰期为1.3 d。最终残留量的测定结果表明,在正常使用条件下,无论是推荐药量还是2倍推荐药量,都会对小麦不同部位造成残毒污染,麦穗中最高残留量可达2.102 8 mg.kg-1,最低达0.060 8 mg.kg-1。     

稻米直链淀粉含量近红外检测模型的建立

以147份南方籼稻品种或组合的稻米为供试材料,利用偏最小二乘法(PLS),通过不同波长和不同预处方式建立稻米直链淀粉含量的近红外分析模型。结果表明:全谱段(950～1 650 nm)建模效果最好,其相关系数(R)、预测标准差(SEP)、校准标准差(SEC)分别为0.947 7,1.162 3、0.700 2;采用多元散射校正法(MSC)法对全谱图进行预处理的效果较好,优化后的模型相关系数(R)、预测标准差(SEP)、校准标准差(SEC)分别为0.981 9、0.100 9、0.6831,其相对分析误差(PRD)为3.6;将稻米直链淀粉含量的近红外光谱预测值与化学值进行配对T检验,P=0.3560.05(置信区间为95%),表明近红外光谱法与化学分析法得到的检测结果无显著差异,即应用近红外光谱快速检测稻米直链淀粉含量是可行的。     

均匀设计和偏最小二乘方法在一步合成μ-氧代双铁卟啉中的应用

报道了一种以芳基卟吩和铁盐为原料大批量合成μ-氧代双铁卟啉的一步合成新方法,并以对氯四苯基卟吩Tp-ClPPH2和FeCl2·4H2O合成μ-氧代对氯四苯基双铁卟啉(Tp-ClPPFe)2O为例,采用均匀设计并结合偏最小二乘方法优化了(Tp-ClPPFe)2O的合成条件.当DMF为35 mL,FeCl2·4H2O用量为0.3 g,加入FeCl2·4H2O后反应20 min,NaOH用量为0.35 g,加入NaOH后反应30 min,可获得94.08%的(Tp-ClPPFe)2O.偏最小二乘回归结果表明,在考察范围内,反应条件对反应影响的大小为FeCl2·4H2O用量＞加入FeCl2·4H2O反应时间＞NaOH用量＞加入NaOH后反应时间＞Tp-ClPPH2浓度.     

基于宽波段数据定量反演土壤有机质含量的研究

定量分析了北京顺义、通州区土壤高光谱反射特征,利用资源三号、高分一号、高分二号传感器的光谱响应函数,结合高光谱数据生成相应宽波段模拟数据;将土壤光谱数据、拟合宽波段数据分别与实测土壤有机质含量开展相关性分析,提取并筛选敏感波段,利用偏最小二乘法建立基于高光谱数据的土壤有机质含量预测模型;依据宽波段模拟数据和实测土壤有机质含量的相关性,提取并筛选敏感波段,建立土壤有机质含量预测模型。结果表明,在基于土壤高光谱数据建立的土壤有机质含量预测模型中,以对数的一阶微分为最优,其R和RMSE分别为0.697和0.195,偏最小二乘法得到的反演土壤有机质含量的模型是可靠的;在基于模拟宽波段构建的土壤有机质含量估测模型中,以高分一号的拟合精度最高,R和RMSE分别为0.334和0.240;受室外不可控因素的影响,模拟宽波段数据在估测北方地区土壤有机质含量方面仍需进一步研究。     

利用模拟宽波段数据定量反演关中平原土壤有机质含量研究

[目的]以陕西杨凌示范区耕层土壤为对象,通过采集、测定耕层土壤的有机质含量,并结合野外相应高光谱数据和光谱响应函数,利用模拟宽波段数据估测土壤有机质含量。[方法]通过分析土壤有机质含量与光谱间的内在关系,筛选敏感波段,构建估测土壤有机质含量模型;以宽波段波段响应函数、土壤高光谱数据为基础,通过模拟宽波段数据,构建估测土壤有机质含量模型;通过高光谱与模拟宽波段数据的对比分析,研究基于宽波段遥感数据定量估测土壤有机质含量的可行性。[结果]基于宽波段数据估测土壤有机质的精度相对较高。[结论]利用宽波段数据估测土壤土壤有机质含量具有可行性,2%并非利用光谱数据估测土壤有机质含量的下限。     

基于可见/近红外漫反射光谱的土壤有机质含量估算方法研究

为研究不同土壤颗粒粒径对可见/近红外光谱分析技术在土壤有机质含量快速检测应用中的影响,获取粒径为0.169～2 mm和＜0.169 mm的2种土壤样本(各53个)的可见/近红外光谱(325～1075 nm),分别建立各自的主成分-反向传播神经网络(PCA-BPNN)、最小二乘-支持向量机(LS-SVM)和偏最小二乘法(PLS)土壤有机质含量检测模型.结果表明:当土壤粒径为0.169～2 mm时,所建立模型的土壤有机质含量预测相关系数r均在0.84以上,且预测均方根误差(RMSEP)都在0.20以下;而当土壤粒径＜0.169 mm时,所建立模型的预测相关系数r均不超过0.71.而RMSEP都在0.23以上;对于相同粒径的土壤,PLS模型对土壤有机质含量的预测效果优于LS-SVM和PCA-BPNN模型.说明不同土壤颗粒粒径会显著影响可见/近红外光谱对于土壤有机质含量的预测结果.