苏北滨海土壤碳酸钙含量反射光谱估算研究

土壤属性的快速、精确测定是实现现代精细农业的基础。本研究分析了江苏省北部滨海土壤的属性特征以及碳酸钙的可见-近红外反射光谱特征,探讨利用可见-近红外光谱估算滨海土壤碳酸钙含量的可行性,比较不同光谱反射率数据集、不同预处理方法以及不同建模方法定量反演的优劣。结果表明:(1)苏北滨海土壤有机质含量较低、碳酸钙含量较高,其光谱曲线在2 340 nm处有较明显的碳酸钙吸收特征;(2)滨海土壤碳酸钙含量与土壤的可见-近红外波段反射率呈正相关,且碳酸钙含量高低对于土壤的近红外波段反射率的影响高于可见光波段;(3)可见-近红外反射光谱可用于估算滨海土壤碳酸钙含量。就建模结果而言,381~2 459 nm波段反射光谱数据集、log(1/R)预处理、偏最小二乘回归三者结合的效果比较理想。     

可见/近红外光谱结合遗传算法无损检测牛肉pH值

为了实现牛肉在整个货架期内(4℃环境)pH值的无损快速检测,该文采用可见/近红外光谱技术并结合遗传算法(GA,genetic algorithm),搭建了可见/近红外光谱检测系统,采集储藏在4℃下1～18d的120个牛肉样品400～1700nm范围的光谱,用不同预处理方法处理,并分别建立全波段光谱和经过遗传算法提取有效光谱的预测牛肉pH值的多元线性回归(MLR,multiple linear regression)模型、偏最小二乘回归(PLSR,partial least-squares regression)模型和最小二乘支持向量机(LS-SVM,least square-support vector machine)模型。结果表明,多元散射校正(MSC,multiplicatives catter correction)结合Savitzky-Golay(SG)平滑为最佳预处理方法,遗传算法提取光谱后所建模型的预测精度均高于全波段光谱所建模型,其中LS-SVM为最佳预测模型,其预测相关系数和标准差分别为0.935和0.111,相比全波段LS-SVM模型预测,精度得到了提高。研究表明可见/近红外光谱技术结合遗传算法所建LS-SVM预测模型能够实现4℃下牛肉整个货架期内pH值的无损快速检测。该研究为进一步开发实用的牛肉pH值无损快速检测设备提供依据。     

荧光猝灭法检测猕猴桃中氯吡脲的净化剂配方优化研究

为了寻求检测猕猴桃中氯吡脲时样品预处理的净化剂配方最佳组合,以N-丙基乙二胺(PSA)、弗罗里硅土(Florisil)、烷基-硅胶(C₁₈)为净化剂,采用Design-Expert中的混料设计研究3种净化剂的不同组合对猕猴桃中杂质和氯吡脲的影响,建立净化率和保留率与净化剂配比的回归模型,优化最佳工艺参数。结果表明,建立的净化率和保留率的二次多项回归模型均显著(p <0.05),可用于净化剂对猕猴桃中氯吡脲影响的预测和分析;净化剂的最优配方为PSA (32%)、Florisil (25%)、 C₁₈(44%)。在该配方下,对含有不同浓度氯吡脲的猕猴桃提取液进行净化处理,净化率和保留率最低分别可达89.02%、 92.48%。该配方可用于猕猴桃样品的净化处理,对提高猕猴桃中氯吡脲残留量的检测水平具有重要意义。     

基于可见-近红外光谱的滩羊肉多品质指标无损检测

针对近红外光谱技术在生鲜肉品质检测中预测模型适用范围窄、检测指标单一、模型稳定性差、难以有效应用于生产检测等问题,本研究采集不同月龄宁夏滩羊宰后3个时期4个部位肉的可见-近红外光谱信息,测定色泽、pH值、蒸煮损失、剪切力以及蛋白质、粗脂肪和水分含量,利用2个波段(370~1 050 nm、900~1 700 nm)的光谱数据分别构建各个指标的偏最小二乘回归(PLSR)预测模型以实现滩羊肉多品质指标同步无损检测。结果表明,两波段中各品质指标的PLSR预测模型相关系数(R)均大于0.80,第二波段中水分含量PLSR模型预测集R可达0.941;两波段中各品质指标预测模型的性能较好,其中370~1 050 nm波段的光谱数据对样品色泽参数预测效果更好。综上所述,可见-近红外光谱技术可实现滩羊肉7个品质指标的快速无损检测。本研究结果为滩羊肉品质控制和滩羊屠宰加工企业优质特色产品的生产提供了技术支撑。     

基于近红外光谱的土壤全氮含量估算模型

土壤全氮是诊断土壤肥力水平和指导作物精确施肥所需的重要信息,建立土壤全氮的近红外光谱估测模型并对建模波段进行优化选择对于土壤养分信息快速获取和精确农业发展具有重要意义。该研究以中国中、东部地区5种主要类型土壤为研究对象,利用近红外光谱仪采集土壤样品的光谱信息,结合近红外区域分子振动特点选取全谱、合频、一倍频、二倍频和N-H基团及其组合的8个波段,采用多元散射校正等多种预处理方法组合进行处理,结合偏最小二乘法(PLS)对每个波谱区域进行定标建模。结果表明,利用4000～5500cm-1波谱区域结合附加散射校正处理过的原始光谱建立的模型精度表现最好,其内部互验证决定系数达到0.90,均方根误差为0.16。经不同类型土壤的观测资料检验,模型验证决定系数为0.91,均方根误差为0.15,相对分析误差RPD为3.40,表明模型具有极好的预测能力。因此,利用近红外光谱可以实现土壤全氮的快速估测,且以合频波段(4000～5500cm-1)为建模区域可以得到更好的预测效果。     

可见/近红外光谱技术无损检测果实坚实度的研究

该研究的目的是建立可见/近红外光谱与梨果实坚实度之间的数学模型,评价可见/近红外光谱技术无损测量梨果实坚实度的应用价值.在可见/近红外光谱区域(350～1800nm),试验对比分析了不同测量部位、不同光谱预处理方法和不同校正建模算法的梨果实坚实度校正模型.结果表明:赤道部位吸光度一阶微分光谱的偏最小二乘回归所建梨果实坚实度校正模型的预测性能较优,其校正和预测相关系数分别为0.8779和0.8087,校正和预测均方误差分别为1.0804N和1.4455N.研究表明:可见/近红外光谱技术无损检测梨果实坚实度是可行的.     

近红外光谱联合CARS-PLS-LDA的山茶油检测

为了寻找快速判别山茶油掺假的检测方法,本研究利用近红外光谱技术对掺杂大豆没油山茶油进行掺假检测研究.试验在350～1 800 nm波段范围内采集样本的透射光谱,利用CARS方法筛选重要的波长变量,应用偏最小二乘-线性判别分析(PLS-LDA)建立山茶油掺假的判别模型,并与未经变量优选的判别模型进行比较.结果表明,近红外光谱技术联合CARS-PLS-LDA方法可以有效判别纯山茶油和掺假山茶油,校正集、预测集及独立样本组样本的判别正确率、灵敏度及特异性均为100％.CARS-PLS-LDA判别模型性能优于未经变量优选的判别模型,表明CARS方法可以有效筛选重要波长变量,能简化判别模型及提高判别模型的稳定性和判别精度.本研究可为山茶油掺假快速检测提供理论依据.     

基于可见-近红外反射光谱的油区农田土壤石油烃含量估测研究

利用可见-近红外光谱技术,研究油区农田土壤在颗粒为2mm、0.25 mm和0.15 mm时的光谱(原始、一阶微分、连续统去除、多次散射校正)反射率与石油烃含量变化的关系,建立并利用偏最小二乘回归模型估测了石油烃含量.结果表明:原始、连续统去除、多次散射校正光谱的反射率对石油烃含量变化的响应在350 ～ 600 nm最敏感(P＜0.05),一阶微分光谱的敏感波段为2 280 nm(|r|=0.81,P＜0.01);光谱预处理能明显提高石油烃含量的估测精度,但土壤研磨对估测精度的影响因光谱预处理方法而异.基于可见-近红外光谱技术,本研究确立了估测油区农田土壤石油烃含量的颗粒粒径(2 mm)和光谱预处理方法(一阶微分),实现了石油烃含量的快速、有效估测,探索了一种可替代传统分析技术的新方法.     

蛋壳品质的近红外光谱检测分析

蛋壳品质对蛋品孵化、贮存和运输均有重要影响。为了探索近红外光谱技术快速检测蛋壳品质的方法,该文在鸡蛋蛋壳品质指标相关性分析的基础上进行了蛋壳品质的近红外光谱检测分析,研究比较了不同建模方法、不同光谱预处理方法和不同波段范围对预测结果的影响。结果表明：在5段特征波长范围内建立的经过多元散射校正的偏最小二乘回归（PLSR,partial least squares regression）模型对蛋壳强度的预测结果最好,相关系数r为0.86,校正、预测均方根误差分别为4.42、7.53 N;同时蛋壳百分比（蛋壳质量/蛋质量）的PLSR模型的相关系数r为0.92,校正、预测误差分别为0.313%、0.529%;蛋壳厚度的PLSR模型的相关系数r为0.81,校正、预测误差分别为0.0176、0.0234 mm。研究结果表明应用近红外光谱技术预测蛋壳品质是可行的,为蛋壳品质的快速无损检测提供了一种新的方法。     

基于可见光近红外光谱的南疆荒漠土壤有机质反演研究

有机质含量是土壤肥力评价的重要依据,快速监测南疆大面积分布的荒漠土壤有机质含量,可为后备耕地资源的合理开发与利用提供重要数字依据。通过野外采样与室内光谱及有机质含量测定,获取了240个荒漠土样的有机质含量与可见光近红外光谱数据。在此基础上,分析了不同有机质含量土样的光谱特征、有机质与光谱数据的相关性,并采用多种数据处理方式构建了反演模型。研究结果表明,不同有机质含量的土样在反射率和曲线形态上均存在一定的差异,土壤有机质在400~842 nm波段与反射率具有较高的相关性,相关系数最大值-0.32位于588 nm波段,反射率经连续统去除处理后相关性得到了明显提升,达极显著相关水平波段数量明显增加,尤其在797~1330 nm、1852~1872 nm、2155~2338 nm波段的改善效果显著,连续统去除的最大相关系数0.55位于86 4 nm波段。不同建模方法的精度对比结果表明偏最小二乘法(PLSR)具有最高的建模精度,在7种不同数据处理方式的PLSR模型中,以SG平滑+峰值归一化+正交信号校正(SGS+MAN+OSC)处理模式下的建模集的决定系数(R~2)最高、均方根误差(RMSE)最低,分别为0.81和0.98;该模型预测集的R~2、RMSE、残余预测偏差(RPD)分别为0.76、0.99和2.01,表明该模型具有较好的预测能力,可推荐为南疆荒漠土壤有机质的光谱定量反演模型。     

基于高光谱的叶片滞尘量估测模型

为探索建立叶片滞尘量高光谱估测模型,利用光谱仪和电子分析天平采集了北京市区杨树叶片高光谱数据和滞尘量数据,研究了叶片光谱特征与滞尘量间的关系,并建立了基于光谱参数的叶片滞尘量估测模型。研究结果表明:近红外波段(730~1 000 nm)光谱反射率与叶片滞尘量呈现明显的线性相关性,各波段相关系数均高于0.7,绿光区波段反射率对叶片滞尘的影响不敏感;三边参数中仅红边幅值、红边面积与叶片滞尘量达到显著相关;基于多元线性回归、主成分回归、偏最小二乘回归建立的模型均具有较强的预测能力,其中以偏最小二乘回归为模型构建方法,以749、644、514 nm波段的光谱反射率值,红边幅值,红边面积,924、1 010 nm波段组成的归一化指数,713、725 nm波段组成的差值指数,749、644 nm波段组成的归一化植被指数为自变量建立的模型估测精度最好,其建模和预测的决定系数分别达到0.734和0.731,预测均方根误差为0.311。该研究为促进高光谱技术在大气降尘监测中的应用提供参考。     

基于漫反射光谱的茶园土壤硝态氮检测

该文研究了充分利用土壤漫反射光谱在可见-近红外波段的有效信息,研究快速准确检测土壤硝态氮含量的新方法。试验选取89个风干土壤样本,经粉碎过直径1 mm筛孔后,使用 FieldSpec 3便携式光谱仪（光谱波长范围：400～2 500 nm）,获取其漫反射光谱。检查各土样的原始光谱的有效性并进行平均,经偏最小二乘法partial least squares（PLS）聚类分析后,选取其中的63个样本构成校正集建立模型,10个样本构成预测集进行模型验证。通过一阶微分与滑动平均滤波相结合的预处理方法,用15个主成分建立的主成分+神经网络模型为最好,其校正模型的回判相关系数为0.9908,均方根误差（RMSEC）为1.4528,预测模型的相关系数为0.7179。研究结果表明,利用可见-近红外光谱技术可以准确地检测茶园土壤硝态氮含量。     

猕猴桃品质光谱无损检测技术研究进展

光谱无损检测技术正越来越广泛地应用在水果内部品质检测中。该文从猕猴桃光谱特性差异及光谱无损检测技术影响因素对比分析等方面出发,对目前光谱分析技术在猕猴桃品质检测中应用的研究现状进行综述。分析了猕猴桃与其它水果光谱吸收特性和散射特性的差异以及不同温度、硬度、成熟度、部位及生长期管理措施对猕猴桃光谱特性的差异。对猕猴桃样品采集、光谱检测及数据处理等方面的不同方法进行了对比分析。指出采用500～2500 nm的可见光及近红外光谱对不同产地、不同生长环境和管理条件、不同储藏期、不同成熟度猕猴桃的果肉颜色、硬度、干物质含量、可溶性固形物含量、含糖量以及水果密度等内部品质进行检测是可行的。数据处理和定标模型建立方面的研究正在从传统多元回归和数值优化方法到包括人工神经网络技术、遗传算法、小波分析和自组织理论等先进数据分析技术的非线性模式识别方向发展。今后研究重点应进一步提高定标模型预测可靠性、通用性和实用性,建议今后对不同猕猴桃品种及不同仪器之间定标模型的通用性、猕猴桃在运动条件下的光谱检测技术等方面进行研究。     

基于可见-近红外光谱与化学属性的土壤来源地判别

土壤是一种重要的法庭痕迹科学证据,可提供有价值的信息,在案件侦破和法庭审理中发挥关键作用。对于一个未知的土样,怎样确定其来源地,是一个值得研究的问题。分别从跨省和省内两种尺度,基于黑龙江、安徽和江苏三个省市的土壤可见-近红外波段光谱以及土壤化学数据,采用随机森林模型对土壤样本的来源地进行判别,比较了不同土壤测定数据集及其组合方案的判别效果,并分析了土壤化学属性和光谱数据在来源地判别中的相对重要性,以判别正确的样点占总样点数作为验证精度进行评价。结果发现:跨省尺度下,光谱主成分和化学数据结合建模判别验证精度最佳,为0.92;土壤光谱测量所需样品量少,当土壤物证材料量少,化学数据难以获取时,光谱主成分和吸收峰结合建模验证精度最高,为0.82。省内尺度下,依旧是光谱主成分和化学数据结合建模精度最佳,为0.83;在化学数据难以获取时,仅利用光谱主成分与吸收峰也取得了相当的精度(0.82),可见在省内尺度,可以利用光谱来替代化学数据进行建模判别。计算两种尺度下判别因子的重要性发现,跨省尺度下,影响模型判别的化学数据主要是土壤中的全钾、全磷,光谱数据主要是光谱第一主成分以及350～600 nm与1 800～2 100 nm波段的吸收峰;省内化学数据主要是全磷,光谱数据主要是第七主成分与1 300～1 600 nm以及2 100～2 200 nm波段的吸收峰。这表明,利用土壤可见-近红外光谱与化学数据可以有效地判别土壤的来源地。当模型的样点空间分布范围有差异时,可以考虑利用不同的判别因子建模和多个指标来评估判别结果。     

基于可见/近红外光谱的菠萝水心病无损检测

水心病近年严重危害菠萝产业,探究一种菠萝水心病的无损检测方法对保证上市果品、指导采后处理、促进产业提升具有重要意义。该研究采用自行搭建的菠萝可见/近红外光谱无损智能检测平台,考虑实际应用成本与效果,搭载覆盖不同波段（400～1 100、900～1 700和400～1 700 nm）的检测器对菠萝样本进行采样,随后人工标定水心病发生程度。研究结果表明,3种不同光谱波段对菠萝水心程度检测的较优方法均为：采用全波段进行多项式平滑（Savitzky Golay,SG）处理,再进行标准正态变量校正（Standard Normal Variate,SNV）,最后结合概率神经网络（Probabilistic Neural Network,PNN）建模识别。其中,400～1 100 nm所建模型对菠萝水心病训练集的回判正确率为98.51%,对验证集的检测正确率为91.18%;900～1 700 nm所建模型对菠萝水心病训练集的回判正确率为100%,对验证集的检测正确率为62%;400～ 1 700 nm所建模型对菠萝水心病训练集的回判正确率为100%,对验证集的检测正确率为91.18%。主成分分析（Principal Component Analysis,PCA）和偏最小二乘回归（Partial Least Squares Regression,PLSR）分析结果均显示,采用400～ 1 700 nm能轻微提升400～1 100 nm的检测效果。综合考虑实际应用成本与效果,实际应用建议采用400～1 100 nm光谱结合SG + SNV + PNN对菠萝水心病进行识别。研究结果证明可见/近红外光谱技术可为菠萝水心病无损、快速、智能检测提供有效的解决方案,为相关领域提供参考。     

基于可见/近红外反射光谱的梨树叶片钾含量的快速测定研究

利用可见/近红外反射光谱定量分析技术对梨树鲜叶钾素含量进行快速测定研究。对150个梨树叶片样本进行光谱扫描,其中120个做建模集,30个做验证集。通过对样品的可见/近红外光谱进行多种预处理,并建立钾素预测模型,探讨了可见/近红外光谱数据预处理对预测精度的影响。结果表明,通过原始光谱与S-G(3)平滑相结合的预处理方法,用17个主成分建立的偏最小二乘法模型最好,其交叉验证集和预测集模型的决定系数(R2)分别为0.722 7和0.679 1,交叉验证均方根误差(RMSECV)为1.171,预测的平均相对误差为6.81%,能高效、快速地预测梨树叶片钾素含量,为梨树钾素快速测定提供了新的手段。     

基于近红外光谱的烤烟烟叶自动分组方法

为了探索烤烟烟叶收购质量的无损检测技术,提出了一种基于近红外光谱技术快速鉴别烟叶分组（部位、颜色）的方法。分析了近红外光谱技术应用于完整烤烟烟叶质量评价的可行性,用不同波段范围、不同光谱预处理方法（多元散射校正MSC、标准正态变量变换SNV、微分光谱）和不同主成分因子数分别对烟叶部位和颜色分类结果的影响进行了对比分析,分别建立了烟叶部位和颜色的定性判别模型。结果表明：用判别分析（discrimant analysis,DA）方法在1?101～2?395?nm范围结合原始光谱建立的DA判别模型最优,该方法对烟叶部位、烟叶颜色的校正集分类正确率均达100%,预测集分类正确率分别达到98.57%和97.14%。说明所提出的方法具有很好的分组作用,近红外光谱技术为烤烟烟叶收购质量等级评价提供了一种新方法。     

基于实验室高光谱数据的大围山森林土壤氧化铁全量反演

氧化铁是土壤中含铁矿物的主体,是土壤发育和土壤分类最明显和最有用的指标之一。本文以湖南省大围山森林土壤为研究对象,通过实验室化学成分测定和光谱采集,在光谱预处理及组合变换基础上,采用相关性分析筛选土壤氧化铁全量的敏感波段,并分别建立多元逐步回归和偏最小二乘回归反演模型。结果表明:不同土壤光谱曲线趋势基本一致,均形似陡坎,且在420～580 nm波段,土壤氧化铁全量与光谱反射率呈负相关关系;不同的光谱数据变换方式可以提高光谱与氧化铁全量的相关性,Savitzky-Golay(S-G)平滑和去包络线相结合优于其他预处理方法;土壤氧化铁全量的特征波段主要为392、427、529、523、549、559、565、570、994和1040nm,偏最小二乘回归模型比多元逐步回归模型具有更好的稳定性,适合于快速估算红黄壤区森林土壤氧化铁全量。     

近红外光谱检测苹果可溶性固形物

该文目的是通过静态和在线两种方式的对比试验,研究苹果可溶性固形物近红外光谱静态和在线检测的差异。分别在静态（600～950 nm）和在线（600.02～950.92 nm）2种检测方式下,采用间隔偏最小二乘法,寻找苹果可溶性固形物的特征波段,建立了苹果可溶性固形物近红外光谱检测用数学模型,并进行对比分析。试验结果为：与静态检测模型相比,在线检测模型性能稍弱,模型预测相关系数为0.78,预测均方根误差为1.04oBirx。试验结果表明：近红外光谱在线检测苹果可溶性固形物的精度不理想。     

基于可见–近红外光谱的水稻土全磷反演研究

采用PLSR偏最小二乘法回归结合留一法交叉验证,利用长期定位试验田以及直湖港小流域面上的水稻土土壤样本建立最优模型,研究了不同光谱预处理方式对水稻土全磷可见-近红外高光谱反演精度的影响,探索水稻土全磷光谱反演的可行性;并结合简单相关系数法以及PLSR模型回归系数法分析了水稻土全磷光谱反演的重要波段。结果表明,光谱预处理方法对土壤全磷反演精度的影响不大;基于PLSR建立的水稻土全磷光谱反演模型的校正决定系数达0.85,交叉验证决定系数为0.70,RPD为1.8,有较好的模型精度;440~740 nm为土壤全磷光谱反演的重要波段。利用PLSR对水稻土全磷进行光谱预测是可行的。