基于近红外光谱技术的杏叶含水率反演研究

为实现杏树叶片含水率数据的准确获取，对新疆南疆杏树的节水灌溉提供科学指导，本研究使用近红外光谱技术对杏树叶片含水率进行预测。采集1 000～1 800 nm范围内‘小白杏’叶片的光谱数据，使用多元散射校正（MSC）、标准正态变量变换（SNV）、均值中心化（MC）、归一化处理（Nor）4种方法对原始光谱进行预处理，采用竞争性自适应重加权算法（CARS）及随机蛙跳算法（RF）获取特征波段，分别建立基于不同预处理方法的全波段及特征波段的偏最小二乘回归（PLSR）和BP神经网络预测模型。结果表明MSC为最佳预处理方法，最佳预测模型为MSC-CARS-BP神经网络模型，所建模型预测相关系数Rp为0.986，预测均方根误差RMSEP为0.404，剩余预测偏差RPD为6.09，模型具有较好的预测能力，因此近红外光谱技术可以用于杏树叶片含水率的快速检测。     

付里叶变换近红外漫反射光谱定量分析的可行性研究

本文将近代数学统计方法应用于近红外光谱定量分析的研究。分析了NIRDRSA基础研究的必要性,应用方差分析对谷物样品近红外光谱各种条件测量结果进行统计分析,得到近红外光谱定量分析过程中光谱数据预处理的最佳方法;采用导数光谱及导数比预处理方法定量分析将有更好的分析结果。     

近红外光谱技术检测灵武长枣果肉硬度和贮藏时间

利用近红外光谱(400～1 000 nm)系统采集140个灵武长枣样本的光谱信息,采用不同方法预处理原始光谱数据,优选出最佳预处理方法。分别建立竞争性自适应加权算法(CARS)和连续投影算法(SPA)提取特征变量的果肉硬度偏最小二乘回归(PLSR)预测模型,并利用原始光谱建立灵武长枣贮藏时间的偏最小二乘判别(PLS-DA)模型。结果表明,去趋势法(Detrend)为最优预处理方法;建立的Detrend-CARS-PLSR模型效果较好,果肉平均硬度校正集和预测集模型相关系数均为0. 868;果肉最大硬度校正集和预测集模型相关系数分别为0. 914、0. 849。建立的贮藏时间PLS-DA判别模型的校正集判别准确率为98%,预测集判别准确率为99%。说明,采用近红外光谱技术对灵武长枣贮藏过程中长枣果肉硬度和贮藏时间的快速预测具有可行性。     

基于反射率、吸光度和Kubelka-Munk光谱数据的黄桃早期损伤程度检测

为提高黄桃损伤程度无损检测识别的准确率，采集健康和不同损伤程度黄桃（Amygdalus persica）的反射光谱（R）、吸收光谱（A）、Kubelka-Munk光谱（K-M），并基于反射光谱、吸收光谱、Kubelka-Munk光谱等原始光谱和RAW、BOC、DT、SG、SNV等预处理方法后的光谱建立偏最小二乘判别分析（partial least squares discriminant analysis,PLS-DA）、极限梯度提升（extreme gradient boosting,XGBoost）和随机森林（random forest,RF）模型，比较3种模型检测效果，选出正确率较高模型并构建其特征波长下的模型，并对结果再次进行比较。结果显示，基于3种原始光谱和SG预处理后光谱的RF模型判别效果较优，整体准确率均达到了90.00%以上。利用竞争性自适应重加权（CARS）和无信息变量消除（UVE）算法对3种原始光谱和SG预处理后的光谱进行波长筛选，并再次建立RF模型。结果显示，A-RAW-CARS-RF模型和K-M-SG-CARS-RF模型相比于全光谱下的RF模型判别效果得到了改善...     

基于支持向量机的近红外光谱技术鉴别掺假牛肉

【目的】利用近红外光谱技术对掺入鸭肉的掺假牛肉进行判别研究,为实现掺假牛肉的快速、准确检测提供参考。【方法】市购冷冻储存的牛里脊肉和鸭肉,在牛里脊肉糜中掺入质量分数为0,5%,10%,15%,20%,25%的鸭肉糜(对应m(鸭肉糜)∶m(牛肉糜)分别为0∶20,1∶19,2∶18,3∶17,4∶16和5∶15),制备供试牛肉和掺假牛肉,采用近红外漫反射方式在波数为10 000~4 000cm-1时采集牛里脊肉、掺假牛里脊肉和鸭肉的近红外光谱,对原始光谱经多元散射校正(Multiplicative scatter correction,MSC)、标准正态变量变换(Standard normal variate transformation,SNV)、面积归一化(Area normalization)、15点平滑处理和一阶导数处理等方法预处理后,对所建支持向量机(nu-SVM)判别模型的预测效果进行比较。【结果】经MSC预处理后所建的牛里脊肉、掺假牛里脊肉和鸭肉的nu-SVM判别模型判别性能稳定,对建模集的正确判别率为97.09%,对检验集的正确判别率为94.00%。【结论】近红外光谱技术结合MSC预处理后所建的nu-SVM模型可用于掺杂鸭肉的牛里脊肉的鉴别。     

不同预处理模式识别下的近红外绿豆产地溯源研究

采用傅里叶变换近红外漫反射光谱仪测定来自吉林省白城市、黑龙江泰来县、黑龙江杜尔伯特蒙古自治县、山东省泗水县绿豆共120份样品的近红外光谱,分别采用一阶导数+9点平滑、标准正态变换（SNV）、多元散射矫正（MSC）、矢量归一化+MSC四种光谱预处理方法,建立偏最小二乘判别模型（PLS-DA）,分析不同预处理方法对模型稳定性的影响,结果得出：原始光谱模型判别率为62.5%,一阶导数+9点平滑预处理模型判别率为65%,SNV预处理模型判别率为65%,MSC预处理模型判别率为82.5%,矢量归一化+MSC预处理模型判别率为90%。因此,采用矢量归一化+MSC预处理方法对绿豆产地判别的准确率最高。     

火炬松针叶儿茶素含量近红外预测模型的建立

【目的】建立火炬松针叶儿茶素含量近红外预测模型,为选育高生物活性成分火炬松良种奠定基础。【方法】以102个火炬松单株的针叶为试验材料,利用液相色谱 质谱联用技术（LC-MS）测定其儿茶素含量。使用近红外成分分析仪采集样品的近红外光谱信息,对采集的光谱信息采用不同的方式（一阶导数（FD）、标准正态变量转换法(SNV)、平滑算法、乘积分散校正法（MSC）和标准化预处理以及FD+SNV、MSC+FD）进行预处理,结合偏最小二乘法建立回归模型,比较不同预处理方法建立的回归模型参数,选择最佳光谱预处理方法,建立火炬松针叶儿茶素含量近红外预测模型,并对模型的预测准确性进行验证。【结果】FD+SNV为最佳的近红外光谱信息预处理方法;建立了火炬松针叶儿茶素含量的近红外预测模型,该模型的主成分数为14,校正集相关系数（R_C）为0.969 6,校正集均方根误差（RMSE_C）为1.308 4,交互验证集相关系数（R_V）为0.817 1,交互验证集均方根误差（RMSE_V）为3.105 2。经过外部验证,验证集火炬松针叶样品的儿茶素含量实测值与预测值有显著相关性（R=0.880 7）。【结论】建立了火炬松针叶儿茶素含量近红外预测模型,该模型可以准确、高效地预测火炬松针叶的儿茶素含量。     

近红外漫反射光谱云芝提取物快速掺假识别研究

为探索准确识别云芝提取物掺假(糊精)的方法,采用近红外漫反射光谱技术,对不同产地云芝提取物及掺假样品进行定性识别研究。在12 500~4 000 cm-1波段范围,采集样品的光谱,应用偏最小二乘判别法(PLS-DA)建立云芝提取物掺假识别模型。通过Kolmogorov-Smirnov法检验模型中云芝提取物分类变量值的分布规律,从而建立识别云芝提取物的最佳阈值区间,以实现对云芝提取物的掺假研究。结果表明,使用一阶导数(FD)和多元散射校正(MSC)的预处理方法,在主因子数为2,以及分别设置云芝提取物及掺假样品的分类变量为1、0时,云芝提取物的分类变量值服从正态分布,其最佳阈值区间为0.54~1.28(包含0.54和1.28)。建立偏最小二乘判别(PLS-DA)模型,对验证集样品进行识别,正确率可达100%。因此,该方法可较好地对云芝提取物进行掺假识别,同时为云芝提取物掺假识别模型的界限值确立、建立最佳阈值区间提供理论依据和方法。     

基于近红外光谱的果树残枝纤维组分含量分析

【目的】研究运用近红外光谱技术结合化学计量学实现快速检测新疆南疆果树残枝中纤维素、半纤维素和木质素含量。【方法】以150个从新疆南疆各地采集的果树残枝样本为材料,利用近红外光谱技术结合偏最小二乘法（PLS）,采用不同的预处理和特征波段筛选方法优化各纤维组分含量的预测模型。【结果】SG卷积平滑法预处理结合竞争性自适应权重取样法（CARS）优选特征波段建立的3种纤维组分近红外检测模型效果最优,相关系数r分别为0.950 3、0.948 7和0.937 1,决定系数R²分别为0.900 8、0.896 5和0.875 1,校正标准偏差RMSEC分别为0.007 0、0.005 4和0.005 1,预测标准偏差RMSEP分别为0.011 8、0.008 9和0.008 8。【结论】采用近红外光谱技术能够实现新疆南疆果树残枝纤维素、半纤维素和木质素三组分的快速定量检测。     

基于高光谱成像技术的鲜烟叶叶位识别方法

为实现鲜烟叶叶位的快速无损识别,以不同着生部位烟叶为研究对象,应用高光谱成像技术,构建基于特征光谱的鲜烟叶叶位判别模型。首先,利用标准正态变换（SNV）、二阶导数（2ND）、SavitzkyGolay卷积平滑（SG）和多元散射校正（MSC）4种光谱预处理方法对烟叶原始高光谱数据进行处理,然后采用预处理后的全波段光谱数据和特征波段光谱数据,构建基于支持向量机（SVM）、偏最小二乘判别分析（PLS-DA）和反向传播神经网络（BPNN）的鲜烟叶叶位识别模型。结果表明：采用SG滤波预处理和BPNN所构建的模型识别效果最好,训练集和预测集的预测准确率分别为91.15%和90.63%。此外,利用竞争性自适应重加权算法（CARS）所筛选的特征波长所建立的BPNN模型最优,训练集和预测集的预测准确率达到了93.23%和92.19%。表明利用高光谱成像技术判别鲜烟叶所属部位是可行的,可以实现鲜烟叶所属部位快速、无损检测。     

数据挖掘技术在入侵检测系统中的应用研究

介绍了入侵检测系统和数据挖掘的有关概念,比较了误用检测与异常检测方法的优缺点,探讨了数据挖掘技术在入侵检测系统中的应用,提出系统的体系结构,并分析了系统的工作流程及其特点。     

毒鼠强检测方法研究进展

毒鼠强是剧毒鼠药,其毒性大约是氟乙酰胺的3~30倍,氰化钾的100倍。毒鼠强的滥用严重威胁着人们的生命和健康,其检测对确定人或动物的中毒原因及中毒抢救等具有十分重要的意义。文章对疑为毒鼠强中毒时样品的采集和处理以及毒鼠强的检测方法进行了阐述。     

松材线虫的快速检测

从形态学检测、化学生化检测、分子生物学检测3个方面,对现行的松材线虫的快速检测技术进行了综述。     

浅谈计算机网络入侵检测

本文介绍了计算机网络入侵检测的概念和入侵检测的步骤,重点分析了入侵检测的分类、入侵检测技术及存在的主要问题,最后介绍了入侵检测的发展方向.     

无损检测技术在种子质量检验上的应用研究进展

无损检测技术是近年来兴起的有别于有损检测方法的高新技术,因具备不破坏被检样品、检测速度更快、少污染、自动化等优势得到了快速的发展,并且已广泛应用于农牧、食品、化工、石化、制药、烟草等诸多领域,随着我国农作物育种单位的不断扩张、育成品种数目不断剧增,种子质量检验工作也愈发复杂和繁重,无损检测技术就成为目前种子质量检验的一个重要发展趋势。本文分别综述了种子质量的几种无损检测方法的技术原理、研究现状和发展趋势,在此基础上对各种检测技术的应用前景进行了展望和预测。     

植物线虫分子检测方法的研究进展

植物线虫是农作物的重要病原物之一,对农林作物危害巨大,甚至可造成灾难性的损失。文章介绍了核酸分子杂交技术、基于PCR的检测技术、基因芯片检测技术的原理和特点及其在植物线虫检测方面的应用,为植物线虫快速准确检测提供方法。     

色谱检测技术在农产品检测中的应用探析

近些年来,城乡居民整体的生活水准都获得了全面提升,更多人转而关注了最根本的 饮食安全。这是由于,饮食安全直接关系着居民本身的健康乃至生命,对此不应当加以忽视。相 比来看,液相色谱法具备独特的技术优势,因此更加适合运用于多种多样的食品检测。未来在实 践中,与液相色谱有关的各项检测手段还会获得改进,因此体现为良好的推广前景。     

猪肉品质无损检测研究进展

猪肉是我国消费量最大的肉品,其品质关系国民生活质量、营养水平及饮食安全,受到质量管理者和肉制品工业的重视.无损检测技术是猪肉品质检测和监控体系的关键技术.论文介绍了国外近10年来猪肉品质无损检测技术的研究情况,包括以肉品声学特性为基础的超声波检测,以光学特性为基础的图像和光谱检测技术,以及电子鼻、核磁共振等技术.研究表明利用上述技术可实现对活猪、猪肉胴体、猪肉脂肪组织等检测对象的一个或多个品质指标进行快速准确的检测.同时指出开展实时检测、屠宰与生产加工过程中复杂环境下的在线检测、活体品质与生长状态的检测,以及融合多种无损检测技术实施不同阶段、不同角度全面检测是猪肉品质检测的发展趋势.     

植原体病害的检测方法研究进展

综述植原体病害的主要检测方法,即电子显微镜检测法、组织化学技术检测法、血清学检测法、核酸杂交检测法、PCR检测法。     

网络安全的关键技术—入侵检测

全面介绍了入侵检测技术，并给出了入侵检测系统的分类方法，对国际先进的技术和研究系统进行了评价和介绍，总结了入侵检测技术面临的各种问题，对未来发展方向进行了展望。