基于 SPA-RBF神经网络的小麦蛋白质含量无损检测

传统半微量凯氏法测量小麦蛋白质含量繁琐费时,应用近红外光谱分析技术结合SPA-RBF神经网络对小麦蛋白质含量进行快速、无损检测.采用SPXY算法划分校正集和预测集样本,运用连续投影算法(SPA)对一阶微分和SNV预处理后的光谱数据提取敏感波点作为RBF神经网络的输入,建立小麦蛋白质含量的SPA-RBF神经网络校正模型.模型的预测均方根误差和预测相关系数可达到0.26576和0.975,预测效果较好,基本上可以完成粮食储备和食品加工行业对小麦及其制品品质的划分以及育种上的前期世代筛选.研究表明:近红外光谱技术结合SPA-RBF神经网络可实现对小麦蛋白质含量的检测,满足现代农业发展对小麦无损、实时、大量检测的需要.     

南丰蜜橘可溶性固形物近红外光检测研究

利用可见近红外光谱检测技术,对南丰蜜橘可溶性固形物含量的无损检测进行了相关研究。在350￣1800nm波段,应用偏最小二乘法对经过预处理的光谱进行建模分析。对89个建模样品的建模结果是,建模相关系数和均方差分别为0.955和0.018%;对30个未参与建模样品预测结果是,预测相关系数为0.946,均方差为0.018%。从实验结果可知,可见近红外光谱检测技术对南丰蜜橘可溶性固形物含量的无损检测是可行的。     

基于高光谱成像技术快速无损测定花生中水分含量

花生中水分含量的高低直接影响花生及其制品的贮藏期,而现有的测定方法存在步骤多、时间长等问题。试验利用高光谱成像技术对花生中水分含量进行快速无损检测分析。通过采集120个花生样品的图像信息,从校正后的图像中提取花生目标区域的平均光谱作为花生光谱信息进行分析;同时,优选最佳的光谱预处理方法和建模方法建立花生中水分含量全波段模型,在此基础上利用回归系数法,确定重要波长并建立模型。结果表明,二阶导数(2nd-der)偏最小二乘法(PLS)全波段模型预测水分含量能力最佳,校正集和预测集的相关系数分别为0.91和0.84,标准偏差分别为0.28和0.38;回归系数法确定的14个波长所建简化模型的性能与全波段相当,校正集和预测集的相关系数分别为0.82和0.81,标准偏差分别为0.39和0.43。因此,高光谱成像技术可以快速无损测定花生中水分含量,其具有快速运算特点的重要波长模型可以更加方便地应用于花生加工产业中。     

利用VIS/NIR反射光谱快速检测柿饼加工中水分含量

水分是柿饼的重要组成成分,也是影响柿饼制作过程的重要因素。利用可见/近红外反射光谱对柿饼制作过程中的水分含量进行检测。首先,获取柿饼在不同加工阶段的可见/近红外反射光谱(400～1 000 nm),采用烘干法测定柿饼水分含量。然后,对光谱进行Mean smoothing (MS)平滑、多元散射校正(MSC)和一阶导数(1-D)预处理。最后,对不同预处理光谱,结合样本水分含量,使用Samples set partitioning based on joint x-y distance (SPXY)方法划分校正集和验证集,基于SPA方法选择特征波长,建立多元线性回归(MLR)预测模型。结果表明,反射光谱经过MS处理后,确定的9个最优波长组合建立水分检测模型的预测结果最好:预测相关系数(Rp)为0.969 0,预测标准残差(SEP)为3.472 9%,可见/近红外反射光谱技术可以较好地预测柿饼制作过程中的的水分含量。研究可为柿饼加工过程中的品质快速检测提供一定的技术支撑。     

基于吸收、透射和反射光谱预测水稻叶绿素含量研究

选择基于吸收率和透射率的叶绿素含量定量反演波段组合,构建叶绿素含量光谱估测模型寻找基于吸收、透射和反射光谱预测叶绿素含量的波段。以3个水稻品种临稻11,圣稻13和阳光200为材料,进行田间实验。比较水稻叶片吸收、反射及透射光谱曲线和一阶导数光谱曲线,发现440、480、630nm和681nm为叶绿素吸收峰的实际发生波段位置,其中630nm波段处的叶片光谱吸收率(A)、透射率(T)和反射率(R)之间相关性最好。比较三者之间的相关性,吸收率与透射率的相关性最强。630nm波段处的叶片光谱吸收率、透射率和反射率与叶绿素含量之间的相关性均达到极显著水平。回归分析表明基于440、480nm和681nm3个波段光谱吸收率线性模型,440、480nm和630nm3个波段光谱透射率线性模型估测叶绿素a含量,480、630nm和681nm3个波段光谱透射率线性模型估测叶绿素b含量,与单独使用630nm光谱变量估测叶绿素含量比较,在4个生育期估测精度均有显著提高,其中以叶绿素a和叶绿素总量的估测效果最好。     

基于近红外光谱的冷藏期番茄果实质地定量分析模型

以番茄样本为研究对象,建立基于近红外光谱的冷藏期果实质地定量分析模型。采用SPXY方法对样本集进行划分,经过不同光谱预处理方法比较后,在780~2 500,920~2 500,1 100~2 500 nm 3个波段范围内建立番茄果实质地定量偏最小二乘回归模型,根据相关系数以及预测标准差(RMSEP)分析得出最优模型。结果得出780~2 500 nm波段预测效果最佳,果肉平均硬度预测集相关系数为0.761,RMSEP为0.173;果皮破裂力预测集相关系数为0.809,RMSEP为0.820;果皮脆度预测集相关系数为0.803,RMSEP为0.831;果皮韧性预测集相关系数为0.764,RMSEP为0.427;预测集相关系数均达到0.760以上,RMSEP均小于0.850,模型效果比较好。结果表明,番茄果实质地的近红外无损检测可行,果实质地与近红外漫反射光谱具有显著相关性。     

近红外叶片水分无损检测系统设计与试验

玉米叶片水分含量是玉米生长过程中的重要生理指标，近红外线水分仪能够有效检测玉米叶片含水率。传统近红外水分仪存在功耗大、成本高等不足，为此使用1450 nm的红外二极管作为光源，设计基于STM32的便携式近红外玉米叶片水分无损检测系统。首先设计检测系统，包括光源电路、信号调理电路、STM32最小系统、电源电路等。然后对近红外水分仪进行水分标定，采集叶片吸收光和叶片实际水分含量，建立光吸收率与叶片含水率的线性拟合函数，并将拟合函数写入STM32小型系统。最后对水分检测仪进行测试，测量并实时显示叶片含水率。对玉米叶片的试验结果表明，光吸收率和叶片含水率耦合模型建模集相关系数Rc为0.8019,RMSEC为0.51，测试集最大测量误差1.80%，测量误差平均值为0.964%，可以满足农业生产要求。搭建的系统具有检测速度快、体积小、低成本的优点，可为研究近红外的光谱检测仪器提供理论参考和技术支持。     

基于多视角反射光谱的冬小麦冠层叶片氮素营养监测研究

通过2个蛋白质含量不同的冬小麦品种和4个氮素水平的试验,研究传感器在垂直冬小麦垄平面上,冠层不同观测角度的反射光谱与叶片氮素营养的关系,改进小麦冠层氮素光谱诊断的理论与方法。结果表明,在本试验选择的7种植被指数光谱特征参量中,2个小麦品种均表现为比值植被指数（RVI[670,890]）与冠层叶片氮素含量（CLNC）相关性最高;不同视角的RVI与冠层叶片氮素含量关系中,0°、30°和90°的相关性最高;利用0°、30°和90°的RVI与CLNC进行模型拟合,其模型的决定系数是0°﹥30°﹥90°;在建立的0°模型中,京411小麦模型RMSE为0.2915,预测准确率为90.2%,中优9507模型RMSE为0.3827,预测准确率为87.2%。本研究证明改变反射光谱观测角度,能够提高冠层叶片氮素含量的光谱预测精度,不同小麦品种其光谱特征与冠层叶片氮素含量关系不同,在应用中要根据不同的小麦品种建立相应的模型。     

基于多光谱成像技术的小麦品种快速无损鉴定

为了研究多光谱成像技术对小麦品种快速无损鉴定的可行性,采用VideometerLab 多光谱图像采集设备对5 个小麦品种共500 个样品在405~970 nm波段内的进行多光谱图像信息进行采集,获取其光谱、颜色和形态特征。利用主成分分析对5 个小麦品种进行定性鉴别,同时,基于光谱特征和光谱图像特征分别比较了神经网络、支持向量机和随机森林3 种模型的鉴定效果。结果显示：利用19 个光谱特征值建立的模型中,BPNN识别模型效果最佳,其建模集和预测集的识别率分别为100%和91.25%。融合19 个光谱特征和6 个图像特征所建立的模型中,BPNN识别模型效果最佳,其建模集和预测集的识别率分别达到了100%和98.4%。结果表明,基于BPNN的多光谱特征融合能够有效的提高小麦品种鉴定效率,为小麦品种的快速无损检测提供了一个新途径。     

基于近红外透射光谱分析技术的小麦蛋白质含量测定

近红外分析技术具有快速、简便、准确、非破坏性的优点,为小麦品质检测提供了一个新的技术手段。笔者首先对光谱数据进行移动窗口平均平滑和马氏距离筛选,在以上光谱预处理基础上,建立了小麦籽粒蛋白的偏最小二乘校正模型。仿真试验结果表明：该模型能够较准确地预测小麦蛋白质的含量,预测相关系数、预测均方误差和平均相对误差分别为0.9809、0.1130、1.973%。与用原始数据所建校正模型相比,预测效果显著提高。     

棉子油分近红外光谱测定技术研究

以近红外光谱分析技术无损、快速和高效等优点,建立棉籽油分含量的近红外分析模型,进行棉籽油分快速大批测定,提高分析水平和效率。218份陆地棉的脱绒光籽为定标样品,通过不同的光谱数学预处理和光谱反射方式,优化棉子含油量近红外光谱法所建立的回归方程。结果表明,采用(2,4,4,1)光谱数学预处理和散射校正(SNV)得到的回归方程效果最好,回归决定系数(RSQ=0.9773)和验证决定系数(1-VR=0.9646)最高,回归标准误差(SEC=0.6977)和交互验证标准误差(SECV=0.8714)最小。对30份验证样品的化学测定值和近红外光谱预测值相关系数高达0.9882,平均偏差0.65%,回归标方程具有很好的预测效果,可以在实践中应用。长江流域棉花杂交种棉子含油量平均值为28.05%,含油量在26.50%~30.05%区间的品种居多,具有很大的改良潜力。     

花生籽仁蛋白质含量近红外光谱模型的建立

采用近红外漫反射光谱非破坏性分析,结合偏最小二乘法,以河北省地方花生品种为研究对象建立了花生籽仁蛋白质含量的近红外光谱模型。结果表明,对原始光谱数据采用一阶导数+变量标准化处理的方法建立的模型其校正或预测效果最佳。该模型的校正集和验证集决定系数分别为0.9245和0.9018,校正标准误和预测标准误分别为0.3601和0.4153。用该模型对16个未参与建模的花生品种进行了预测,结果表明该模型具有很好的预测能力,可以用于花生品种蛋白质含量的快速检测。     

应用近红外反射光谱法整粒测定小样品油菜籽含油量的研究

以完整油菜籽为样品,通过光谱预处理和回归统计方法来优化油菜籽含油量的近红外反射光谱法所建立回归方程,同时采用三种不同用量的样品杯进行近红外扫描分析.结果表明,光谱预处理对较正结果影响较大,不同光谱数学处理以3级导数处理较好,综合考虑定标组和检验组的效果,采用"2,3,3,1"、 "2,6,6,1"和"3,3,3,1"的三种处理组合较好     

基于近红外光谱与SIMCA和PLS-DA的水稻品种鉴别

以垦粳5号、垦粳6号、垦粳9号和鸿育001-1共4个水稻品种为研究对象,采用近红外光谱技术分别结合SIMCA和偏最小二乘法判别分析法（PLS-DA）对4个水稻品种进行鉴别。采用SIMCA分类法,实现了4个水稻品种100%的区分;采用PLS-DA方法对校正样本建立判别模型,其校正集结果和参考值之间的相关系数最小值为0.95,验证集结果与参考值之间的相关系数最小值为0.94,对验证集中4个水稻品种的识别率为100%。试验结果表明,应用近红外光谱技术结合SIMCA分类法和PLS-DA法均可实现对水稻品种的快速鉴别。     

近红外光谱无损检测石榴中花色苷含量研究

以全国不同地区的97个石榴为样本,研究近红外光谱无损检测石榴中花色苷的含量,探讨了不同数据处理和回归方法对建模效果的影响。结果表明,对原始光谱进行一阶微分、标准多元离散校正法处理后,采用偏最小二乘法建立的石榴花色苷含量预测模型,预测偏差为0.148,预测标准差(SEP)为1.47,相关系数为0.829,模型预测良好,说明近红外光谱无损检测石榴的品质是可行的。     

中红外光谱技术在土壤环境研究中的进展综述

土壤是农林业生产的基础,高效、全面地获取土壤信息对于土壤管理意义重大。由于土壤有机组分较为复杂,采用传统的化学分析方法难以全面地获取土壤有机组分信息。中红外光谱(MIR)分析技术作为一种无损、实时、高通量的分析手段,具备高效、准确地获取土壤有机环境信息的能力,可为土壤环境监测、数字制图、农林业生产提供大量基础数据,有助于实现土壤环境实时监测和农林业信息化。笔者简述了中红外光谱技术获取土壤环境光谱信息的检测过程和光谱数据处理方法,综述了近年来国内外学者在土壤中红外光谱特征提取、影响因素等方面的研究进展,并针对该技术深入研究土壤学的意义及未来的发展方向进行了讨论。     

淀粉的红外光谱及其二维相关红外光谱的分析鉴定

旨在采用傅里叶变换红外光谱(FTIR)、去卷积光谱、二阶导数光谱以及二维相关红外光谱,区分鉴别3种淀粉样品。对原始光谱1200~900cm-1波数段进行傅里叶去卷积处理,计算能反映淀粉分子有序程度的1050/1020cm-1峰强度比值;对其指纹区(1700~800cm-1)做二阶导数处理。结果红外光谱显示3种淀粉原始光谱吸收峰非常相似,仅在吸收峰强度和峰位上有微小差异。发现3种淀粉颗粒有序结构的相对含量由多到少排序依次为莲藕淀粉、马铃薯淀粉、红薯淀粉。另外,3种淀粉样品在1607~1487cm-1波数段以及1468、1187、1055、931cm-1波数处二阶导数谱差异明显。并且,由3种淀粉样品的2D-IR光谱得知：在1150~1500cm-1以及860~1200cm-1波段内,不同淀粉光谱自动峰位置和强度显著不同。应用红外光谱、去卷积光谱、二阶导数光谱以及二维相关红外光谱技术不仅可以提供淀粉的分子振动信息,还可以对不同的淀粉进行很好的区分。因此红外光谱法对于分类鉴别不同种类的淀粉是一种快速、准确、有效的方法。     

近红外光谱技术在乳品分析中应用的研究进展

近红外光谱技术作为一种新型的绿色分析技术,正越来越广泛应用于食品领域。阐述了近红外光谱技术的基本原理、分析过程及特点,从牛奶、乳制品的检测和鉴别等方面综述了国内外近红外光谱技术的最新研究进展。对目前研究中存在的问题进行了分析,同时对进一步的研究进行了展望。     

Application and Progress in Cancer Analysis by FTIR Spectroscopy

The research progress and the application of FTIR spectroscopy on diagnosing cancer are reviewed. The cancer is one of the tallest diseases of the rate of human beings. At present, its diagnosis primarily depends on the pathology one. The process of pathology diagnosis is bother and often suffers the influence of the artificial factors. Along with the rapid development of FTIR spectroscopy and its correlative technique, the FTIR spectroscopy has been applied not only to studying the structure of big biologic molecules like protein or nucleic acid, but also to studying more and more complicated system like cells and tissues. The research expresses that FTIR spectroscopy can open out the characteristics of tissues of cancer from the molecular level, and it is very possible that FTIR will be a quantitative instrument of diagnosing cancer.