基于近红外光谱与随机青蛙算法的褐变板栗识别

为了实现板栗Castanea mollissima的快速自动分选,研究了基于近红外光谱技术的褐变板栗无损检测方法。首先采用Antaris Ⅱ傅里叶变换近红外光谱仪获取70个正常板栗和110个褐变板栗的近红外光谱（1 000.00～2 500.00 nm）,比较了不同光谱预处理方法对褐变板栗识别的影响,随后采用一种新的变量选择方法即随机青蛙算法（random frog）提取与板栗褐变相关的特征波长变量,最后基于特征波长建立和比较了褐变板栗识别的偏最小二乘?鄄线性判别分析模型（PLS-LDA）和最小二乘-支持向量机（LS-SVM）模型。结果显示:经标准正态变量变换（SNV）预处理和随机青蛙算法优选的23个特征波长所建LS-SVM模型的性能最优,该模型对测试集的敏感性、特异性和识别正确率分别为0.92,1.00和95.00%。随机青蛙算法可以有效筛选重要的特征变量,不仅能简化模型,而且可以提高识别准确率和识别速度。图4表3参22     

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。     

基于近红外光谱的库尔勒香梨等级判别模型研究

以库尔勒香梨的含糖量作为研究和检测指标,使用便携式近红外光谱仪采集香梨样本光谱数据,采用一阶差分、二阶差分、标准正态变量变换(SNV)、多元散射校正(MSC)等预处理方法对原始光谱进行预处理分析,研究香梨糖分的近红外光谱响应,并使用相关系数法提取12个特征波长变量,根据库尔勒香梨标准,以糖度特征光谱数据作为参数,利用最近邻域法(KNN)、支持向量机(SVM)、随机森林(RF)方法建立库尔勒香梨等级判别模型。结果表明,KNN模型的分类结果优于其它两种预测模型,可用于构建基于近红外光谱的库尔勒香梨等级评判模型。MSC+KNN处理方法可用于构建库尔勒香梨等级评判模型,为进一步研究库尔勒香梨等级评判的便携式检测装置提供理论参考。     

利用近红外光谱技术识别不同类别的茶叶

以龙井、碧螺春、祁红和铁观音4种中国名茶为对象,研究了采用近红外光谱结合K最近邻法(KNN)模式识别方法对茶叶进行识别与分类的可行性.选取6500～5500 cm-1(1538～1818 nm)波数范围内的光谱,通过标准正态变量变换(SNV)预处理后,利用KNN的模式识别方法建立识别模型.结果表明,4主成分因子建立的KNN判别模型最佳,模型对训练集与预测集中样本的识别率都达到100%.该结论为快速准确识别茶叶提供了一种新思路.     

基于偏最小二乘法和深度学习的近红外糖度预测

为准确预测苹果糖度,基于傅里叶变换近红外光谱、偏最小二乘法和深度学习技术,建立了不同的苹果糖度预测模型.使用傅里叶变换近红外光谱仪和折光仪采集160个苹果的光谱与糖度信息,建立不同光谱预处理方法的偏最小二乘法(Partial least square,PLS)模型,通过常用的竞争性自适应重加权算法减少PLS模型计算量,...     

利用近红外光谱法对烟叶氮钾含量的快速测定

探讨了近红外光谱法无损快速测定烟叶氮钾含量的可行性,利用傅里叶变换近红外光谱仪测定建模集（104个）和检验集（40个）烟叶样品的近红外光谱,采用偏最小二乘法（PLS）把测得的烟叶光谱值与常规化学分析法测得的全氮和全钾数值拟合建立定标模型,经分析得出：预测模型分析氮的相关系数（R）为0.951,预测标准差（RMSEP）0.301;钾的相关系数（R）为0.928,预测标准差（RMSEP）为0.278。近红外法测定结果与常规方法已有较好的相关性,能为今后快速诊断烟叶的营养状况提供新技术。     

基于近红外光谱的番茄黄化曲叶病抗病性识别研究

使用传统的聚合酶链反应技术检测番茄(Lycopersicon esculentum Mill.)植株是否有黄化曲叶病的抗病基因,进而确定植株是否具有抗病性;采集鉴定后的植株叶片的近红外漫反射光谱,采用多种方法对原始光谱进行预处理,并将不同预处理后的数据以及原始光谱作为输入,利用支持向量机建立抗病性的识别模型。采用标准正态变量变换和去趋势算法预处理后所建立的模型对预测集的识别准确率可以达到96.153 8%。表明通过近红外光谱技术可以识别番茄植株对黄化曲叶病是否具有抗病性。     

猕猴桃糖度傅里叶变换近红外光谱无损检测

研究傅里叶漫反射近红外光谱技术在猕猴桃糖度无损检测中的应用。在近红外区域(4 000~12 000cm-1)利用偏最小二乘法(PLS)建立猕猴桃糖度与近红外光谱(NIR)的定量分析数学模型,并对不同果园、不同贮藏期、不同质量的样品所建立的糖度预测模型进行对比分析。结果表明,近红外漫反射光谱与猕猴桃糖度含量之间呈显著的线性相关,模型决定系数(R2)可达到93.65%,预测标准差RMSEP(Root Mean SquareError of Prediction)可达0.656;而且随着建模样品量及成分含量梯度的增大,预测模型通用性提高,而准确性降低。因此,建立近红外定量分析模型时,样品组成和性质应该覆盖分析样品的组成和性质的整个变化范围,以更好地满足实际应用的需要。     

基于光谱技术识别不同农药污染脐橙的研究

用遗传算法(Genetic Algorithm,GA)搜寻可识别被不同农药污染脐橙的可见/近红外光谱的最佳特征光谱区间及波长,并建立了支持向量机(Support Vector Machines,SVM)定性分析模型.实验供试农药为灭多威、氰戊菊酯和氧乐果3种.通过GA来搜寻整个波段范围(460～1 800 nm),将得到的9个最佳特征光谱区间所包含的波长(共318个)作为SVM建模的输入变量,对识别被3种农药污染脐橙的准确率为100%.并继续应用GA优化,得到71个特征波长,此时建立的SVM模型的识别准确率为99.57%.虽然识别的准确率有所下降,但是模型的复杂程度得到了很大的优化,其输入变量减少到71个.实验结果表明利用可见/近红外光谱技术结合SVM方法可以有效识别被不同农药污染的脐橙.     

近红外漫反射光谱技术测定砀山梨糖度的初步试验研究

应用傅里叶变换近红外漫反射技术快速获取梨子的近红外光谱信息,建立了光谱吸光度与梨子表面碰伤部位的糖度、梨子表面完好部位的糖度的相关关系,发现梨子表面碰伤以后的相关性比完好时要好得多,表明利用近红外光谱技术在全波长范围内无损检测梨子的糖度是可行且可靠的。     

基于计算机视觉的花生品质分级检测研究

【目的】建立能够对花生进行品质分级的计算机视觉无损检测方法。【方法】同步拍摄和扫描11类品质,每类品质100颗和100宗,每宗100颗不同等级的花生籽粒的正反面图像;参照国家标准量化花生品质籽粒的11个限制性检测项目,设计花生规格和品质等级的判别方法;测量每个籽粒的形态、纹理、颜色共3大类54个外观特征,采用主分量分析(PCA)进行特征优化,构建并比较BP神经网络(ANN)和支持向量机(SVM)品质检测模型;分别应用Matlab和Spss工具软件实现检测过程和对结果进行统计分析。【结果】前16个主分量的SVM模型,能够鉴别95%以上的不完善粒、霉变、杂质、异品种等不同品质的籽粒,与人工检测结果吻合度达到了93%,对100宗待检样品进行检测,规格和等级检测完全正确率达到了92%。【结论】研究结果为花生的品质分级检测提供了比较系统全面的量化标准和检测方法,该方法可推广应用于花生品质鉴别、分级筛选加工和商品分级定价等领域。     

近红外光谱技术在测定纯茶油中棕榈油掺入量中的应用

采用偏最小二乘法(PLS)建立了近红外光谱定量检测模型,以定量分析油茶籽油中掺入的棕榈油成分.通过交互验证和外部检验,考察所建模型的可靠性.结果显示:样品不需要任何光谱预处理,直接进行10 000～4 000 cm-1范围内的近红外透反射光谱扫描;建立的PLS模型相关系数为0.999 9,训练集的交叉验证均方根误差(R...     

光谱预处理对近红外光谱无损检测番茄可溶性固形物含量的影响

为了探索适合近红外光谱无损检测番茄可溶性固形物含量的光谱预处理方法,比较了平均光谱和10种光谱预处理方法对偏最小二乘法建模效果的影响,常数偏移消除预处理后的光谱,所建偏最小二乘法校正模型的预测值和实测值的相关系数为0.954,校正标准差为0.321%,最能代表番茄可溶性固形物含量信息的光谱区为11998.9～5449.8cm-1和4601.3～4246.5cm-1.结果表明常数偏移消除是近红外光谱无损检测番茄可溶性同形物含量的有效预处理方法.     

核桃和花生傅里叶变换红外光谱分析

[目的]研究核桃和花生的傅里叶变换红外光谱,为鉴别不同产地的核桃和花生提供科学手段。[方法]利用傅里叶变换红外光谱法研究了核桃和花生、6个不同产地核桃的红外光谱特性,对它们的红外光谱进行了分析鉴别。[结果]核桃和花生、不同产地核桃的红外光谱的峰形和峰位基本相同,但在一些特征吸收峰上的吸光度值比方面存在差异。对于核桃和花生,吸光度值比A1746/A1653都大于1;而A1099/A1653核桃略大于1,花生小于1。根据吸光度值比A1746/A1653、A1099/A1653的差异可以区分6个产地的核桃。各样品的红外光谱主要特征吸收峰吸光度值比的差异,说明它们所含主要物质基本相同,但不同样品的主要物质含量有差异。[结论]红外光谱方法可用于鉴别核桃和花生、不同产地的核桃,具有方便、快速的优点。     

近红外光谱技术对红木家具的鉴别

[目的]建立一种快速鉴别一些易混淆的珍稀红木家具的方法。[方法]选择奥氏黄檀、刺猬紫檀、大果紫檀和非洲紫檀4种珍稀木材制作的红木家具,使用便携式光谱仪采集光谱,并进行预处理,建立初始模型。采用不同特征波长提取方法,提取有效信息后,利用SIMCA、PLS-DA建立红木鉴别模型。[结果]不同树种谱线形状类似,近红外光谱吸收强度不同。4种家具在SIMCA的校正集和验证集中的识别率均在92%以上,拒绝率高于98%;PLS-DA模型中识别率和拒绝率成效显著。[结论]采用近红外光谱对红木家具类别进行鉴别是可行的。     

无损检测技术及其在果品质量安全检测中的应用

无损检测技术是近年来发展起来的高科技检测技术,广泛应用于农产品质量安全分析领域。本文综述了近红外光谱检测技术、高光谱成像技术、X射线检测技术、激光诱导荧光技术和生物传感器法等主要无损检测技术的进展及其在果品农药残留、重金属污染、微生物污染及病害等品质安全检测中的应用情况,并对其前景进行了展望。     

基于近红外光谱法的水稻秸秆可溶性糖快速检测

采集并制备不同地域、不同品种的水稻秸秆样本288个,根据浓度梯度法,按照31的比例划分校正集与验证集。采用蒽酮硫酸比色法测定试验样本中可溶性糖含量,并采集在近红外全波段(10 000~4 000cm-1)范围内样本的近红外光谱信息。采用多元散射校正(MSC)、标准正态变量变换(SNV)、导数、S-G平滑及其组合方法对光谱进行预处理,分别运用逐步多元线性回归(SMLR)、偏最小二乘回归(PLS)和主成分回归(PCR)化学计量学算法,建立基于近红外光谱的逐步多元线性回归(SMLR)、偏最小二乘回归(PLS)和主成分回归(PCR)定量分析模型。通过比较分析,对光谱进行一阶导数预处理,建立的PLS模型效果最优,校正集实测值与预测值之间的决定系数R2C达到0.880 6,交互验证决定系数(R2CV)和验证集决定系数(R2V)分别为0.771 1、0.857 8,均方根差RMSEC、RMSECV、RMSEP分别为0.318%、0.440%、0.404%,校正集相对分析误差(RPDC)和验证集相对分析误差(RPDV)均大于2.5。结果表明,采用近红外光谱法建立的PLS模型基本可以实现水稻秸秆中可溶性糖含量的快速检测。     

基于近红外光谱法快速检测藜麦纤维含量

[目的]探索一种快速测定完整藜麦籽粒纤维含量的方法。[方法]采集100个藜麦样品的近红外光谱,运用近红外光谱分析技术建立数学模型并进行预测。[结果]在10 000~4 000 cm~(-1)波长范围内,运用一阶导数+矢量归一化光谱方法进行预处理,结合化学方法所得数据建立藜麦粗纤维近红外定量模型,校正和预测效果最佳,所得的粗纤维近红外定量模型的交叉验证决定系数为0.884 8,外部验证决定系数为0.876 1。[结论]以完整藜麦籽粒为样品所建立的纤维NITS模型可用于藜麦纤维含量的快速检测。