基于无参数高效算法的近红外光谱模型传递研究

模型传递可解决不同近红外光谱仪间多元校正模型无法共享的问题。以食用油为研究对象,对其酸值和过氧化值模型进行传递分析。在主机上建立偏最小二乘多元校正模型,利用无参数高效模型传递(PFCE)算法中NS-PFCE无标样算法和FS-PFCE有标样算法分别实现模型传递,探讨了标准化样品数量对模型传递效果的影响。并与经典的3种有标样传递算法和2种无标样传递算法进行对比。结果表明,经NS-PFCE无标样传递后,从机酸值与过氧化值预测集均方根误差分别从0.613 mg/g和16.153 mmol/kg下降到0.275 mg/g和9.523 mmol/kg;而经FS-PFCE有标样传递后,从机酸值与过氧化值预测集均方根误差分别下降到0.274 mg/g和8.945 mmol/kg。且随着标准化样品数量的增加,经PFCE算法传递后预测集均方根误差越低。无参数高效模型传递算法联合应用单一的无标样算法和有标样算法两种传递方式,增强了传递模型的适应性和包容性,同时有效地降低主机光谱与从机光谱之间的差异,实现了不同光谱仪间校正模型的共享。     

基于近红外光谱的食用油酸价和过氧化值自动化检测

为实现食用油酸价和过氧化值的自动化快速检测,以常见食用油为材料,利用近红外自动分析仪结合连续进样流通池,建立食用油酸价和过氧化值的定量模型并进行模型验证。结果表明:在波数范围为5 500～4 600 cm-1时,光谱预处理选择(6 524,4 823)两点基线校正和标准正交变换,酸价定量模型验证相关系数和预测标准偏差分别为0.987 3和0.114 mg/g;在波数范围为6 050～4 450 cm-1时,选择一阶求导和Norris导数平滑,过氧化值定量模型验证相关系数和预测标准偏差分别为0.995 8和0.90 mmol/kg;模型盲样验证效果良好,模型可行,通过近红外自动分析仪每小时可检测90个样品。     

基于TrAdaBoost算法的近红外光谱模型传递研究

随着近红外光谱检测仪种类的增多,不同仪器间的校正模型存在无法共享问题,可利用模型传递解决.以食用油为研究对象,在主机上建立油酸质量比的极限学习机校正模型,利用迁移学习中的TrAdaBoost算法把主机模型传递到从机上,探讨标准化样品数量对模型传递效果的影响,并与直接标准化算法、缺损数据重构算法和极限学习机自编码器的模型...     

青贮饲料近红外光谱分析模型转移研

为了探讨青贮饲料的近红外光谱(NIRS)分析模型在不同类型光谱仪器之间的转移,以傅里叶变换型近红外光谱仪Nicolet ANTARIS作为主仪器,光栅型近红外光谱仪FOSS 6500作为从仪器,采用斜率/截距和局部中心化2种方法进行了研究.结果表明,经斜率/截距和局部中心化法转移之后,所建立校正模型的决定系数R2和交互验证决定系数R2cv均大于0.85.采用斜率/截距法转移之后,ANTARIS仪器校正模型对FOSS 6500仪器验证集的预测标准差为20.27 g/kg,系统偏差为-3.75,采用局部中心化法转移之后的预测标准差为27.67 g/kg,系统偏差为-6.17.2种方法模型转移后的预测结果与FOSS 6500仪器模型的预测结果(预测标准差为20.60 g/kg,系统偏差为-1.04)非常接近,比转移前的预测结果(预测标准差为39.65 g/kg,系统偏差为-33.60)有较大程度改善,2种方法均获得较好的转移效果.     

葵花籽油过氧化值激光诱导荧光快速检测技术研究

葵花籽油极易被氧化产生多种自由基、有毒聚合物等,因此葵花籽油产销链中过氧化值现场实时检测技术及装置研发具有重要意义。以设计便携式检测装置为目的,搭建了基于激光诱导荧光光谱的食用油过氧化值快速检测系统,建立了葵花籽油过氧化值定量预测模型,并进行了外部实验验证。结果表明,基于自行搭建的检测系统采集的80个不同过氧化值葵花籽油原始光谱,经SG平滑加MSC预处理结合CARS算法筛选荧光特征波长后建立的过氧化值PLS定量预测模型效果最佳,R2c和R2p分别为0.9995和0.9972,校正集均方根误差和验证集均方根误差分别为0.0088g/(100g)和0.0227g/(100g)。同时选取10个未参与建模的葵花籽油样品对模型进行外部验证,预测值与理化测定值的R2为0.9681,均方根误差为0.0411g/(100g),在低于国标限0.25g/(100g)的残差绝对值均在0.08g/(100g)以下。结果表明,自行设计的激光诱导荧光检测系统可以较高的精度实现对葵花籽油过氧化值的快速检测,为后续便携式整机设计和食用油氧化预警系统构建提供技术支持。     

皇冠梨糖度可见/近红外光谱在线检测模型传递研究

在水果内部品质检测分级实际生产中往往存在多通道测量,由于仪器不同或加工精度不同而存在多通道间检测模型不具通用性问题,应用多种模型传递方法研究了在线检测条件下两个不同可见/近红外光谱仪间的皇冠梨糖度预测模型传递及预测比较分析。结果表明:从仪器的光谱数据经直接校正算法(DS)和基于平均光谱差值校正的DS算法(MSSC-DS)转换后用于主仪器所建模型的预测结果相对较好,预测均方根误差小于0.5°Brix,可以满足实际生产。但通过模型转换后的预测结果均比利用从仪器数据直接建模的预测结果要差(预测均方根误差为0.381°Brix),因而在实际生产中,需要从成本和分级精度的要求来考虑选择建模的方式。     

猪肉肌内脂肪含量的可见/近红外光谱在线检测

研究基于可见/近红外光谱分析技术的新鲜猪肉肌内脂肪含量在线检测。实验样本为208份背最长肌,实验时样品以0.25m/s的速度运动,采集可见/近红外漫反射光谱,进行小波消噪处理后,结合不同的光谱预处理方法建立肌内脂肪含量的偏最小二乘回归模型。研究发现采用db6小波在6层分解后以极大极小原理选择阈值进行消噪效果较好;消噪的光谱直接建立的PLSR模型预测性能较差,经过多元散射校正、变量标准化及微分等预处理均能提高模型的预测性能;变量标准化结合一阶微分预处理后建立的模型性能最佳,校正集相关系数为0.892、验证集相关系数为0.834、校正集均方根误差为0.090、预测集均方根误差为0.080。结果表明可见/近红外光谱可用于肌内脂肪含量的在线检测,但模型相对分析误差最高为1.738,模型的精度和稳定性仍需进一步提高。     

赣南脐橙叶片SPAD值可见近红外光谱无损检测

为了提供果树精准肥水管理参考数据,进行了果树叶片SPAD值近红外光谱无损检测研究。采用反射方式,采集100片赣南脐橙叶片的可见近红外光谱;利用移动窗口偏最小二乘法结合遗传算法、连续投影算法筛选光谱变量,并建立偏最小二乘回归校正模型。采用移动窗口偏最小二乘法和连续投影算法组合筛选的39个光谱变量建立的校正模型预测结果最优,模型预测相关系数为0.898,模型预测SPAD值均方根误差为2.116。试验表明,应用可见近红外反射光谱技术结合化学计量学算法进行赣南脐橙叶片SPAD值无损检测是可行的。     

基于模拟退火波长优化的草莓坚实度近红外光谱检测

为提高近红外光谱技术检测草莓坚实度模型的精度和鲁棒性,研究了一种基于模拟退火算法的波长优选方法,并找到一种与该算法配套的光谱预处理方法.利用光谱仪和物性仪分别采集草莓样品近红外漫反射光谱和坚实度数据,并采用标准正交变换、多元散射校正、一阶导数、二阶导数等方法对原始光谱进行预处理;最后,利用模拟退火算法优选与草莓坚实度高度相关的波数点变量,结合偏最小二乘法建立草莓坚实度预测模型.结果表明:经过标准正交变换预处理后,采用模拟退火算法优选出24个波数点,在主成分数为5时,建立的偏最小二乘模型具有最佳预测效果,模型校正集样本相关系数rc为0.934 2,校正均方根误差为0.665 N/cm2;预测样本相关系数rp为0.919 7,预测均方根误差为0.673 N/cm2.研究表明:模拟退火算法可以提高近红外模型预测草莓坚实度的精度和鲁棒性,并降低预测模型复杂度.     

基于模拟退火波长优化的草莓坚实度近红外光谱检测

为提高近红外光谱技术检测草莓坚实度模型的精度和鲁棒性,研究了一种基于模拟退火算法的波长优选方法,并找到一种与该算法配套的光谱预处理方法。利用光谱仪和物性仪分别采集草莓样品近红外漫反射光谱和坚实度数据,并采用标准正交变换、多元散射校正、一阶导数、二阶导数等方法对原始光谱进行预处理;最后,利用模拟退火算法优选与草莓坚实度高度相关的波数点变量,结合偏最小二乘法建立草莓坚实度预测模型。结果表明：经过标准正交变换预处理后,采用模拟退火算法优选出24个波数点,在主成分数为5时,建立的偏最小二乘模型具有最佳预测效果,模型校正集样本相关系数rc为0.9342,校正均方根误差为0.665N/cm2;预测样本相关系数rp为0.9197,预测均方根误差为0.673N/cm2。研究表明：模拟退火算法可以提高近红外模型预测草莓坚实度的精度和鲁棒性,并降低预测模型复杂度。     

不同品种猪肉pH值高光谱检测的模型传递修正算法

针对猪肉pH值高光谱检测模型受品种差异影响存在适用性差的问题,比较了不同算法,提出了一种基于光谱值校正的模型传递算法,以用于品种之间的模型传递。以山黑猪为主品种建立PLS模型,用该模型直接预测零号土猪样本时,预测相关系数仅为0.415,预测均方根误差为0.180 4,预测精度较差。分别用斜率/截距(S/B)算法、模型更新算法以及光谱值校正传递算法对山黑猪模型进行修正或传递并进行了比较。采用S/B法时,山黑猪模型对零号土猪的预测相关系数仍为0.415,预测均方根误差由0.180 4降至0.134 3,下降了25.54%。采用模型更新算法时,把14个零号土猪样本添加到山黑猪校正集,修正后的山黑猪模型对零号土猪样本的预测性能较优,Rp由0.415提高至0.797,提高92.05%,预测均方根误差由0.1804降低为0.1121,下降了37.86%。采用光谱-理化值共生距离法结合DS算法的光谱值校正传递算法时,山黑猪模型对零号土猪样本的预测相关系数由0.415提高至0.837,提高了101.69%,预测均方根误差由0.1804降低至0.0856,下降了52.55%。结果表明,光谱值校正的传递算法能够有效消除品种之间光谱差异,提高了山黑猪模型的适用性,且传递修正效果优于S/B算法和模型更新算法。     

基于拉曼光谱的食用调和油原料组分快速定量检测方法

应用激光拉曼光谱技术结合偏最小二乘法实现了食用调和油中5种原料油（花生油、芝麻油、菜籽油、大豆油和玉米油）的定量检测。首先选取食用油脂肪酸信息丰富的169.58～1813.61cm-1谱区,再通过一阶导数+Norris 3点预处理对该谱区进行滤波去噪,净化拉曼光谱信息,采用偏最小二乘法建立食用调和油中各原料组分的拉曼定量检测模型,其中花生油、芝麻油、菜籽油、大豆油和玉米油的检测模型的校正集相关系数分别为0.9998、0.9418、0.9988、0.9998、0.9961,验证集相关系数分别为0.9435、0.8593、0.9542、0.9676、0.9429,均方根误差分别为0.117、0.218、0.128、0.125、0.179。研究结果表明,激光拉曼光谱法结合化学计量学方法快速、准确地测定食用调和油中各原料组分的含量具有可行性,且预测能力良好。     

反射式叶片叶绿素含量检测仪的优化与试验

针对现有反射式仪器的输出值易受检测距离影响，且仪器在不同波长下的检测区不同而导致检测值出现偏差的问题，该文优化了现有仪器的输出参数，并提出多波长检测光路的设计方案，以此开发了一款反射式叶片叶绿素含量检测仪。试验结果表明，在不同光照条件下，仪器输出电压的最大波动率为0.95%，在不同检测距离下，仪器输出参数的最大波动率为1.13%，最佳检测模型的均方根误差为0.105 6 mg/g，表明仪器能够适应环境光和检测距离的变化，检测效果较好，可为田间作物的差异化分析提供支持。      

芝麻油掺伪的近红外透射光谱检测技术

采用近红外光谱技术结合间隔偏最小二乘法分别建立芝麻油中掺入大豆油、玉米油和花生油的定量检测模型。实验配制不同比例的掺假芝麻油混合样品,采集样品在4 000～12 000 cm-1范围内的近红外透射光谱,把数据分为校正集与预测集。将4 420～12 000 cm-1波段的光谱进行各种预处理,最佳方法为平滑预处理,并利用间隔偏最小二乘波长筛选法(iPLS)选取光谱特征波段,最后采用偏最小二乘法建立掺假芝麻油的定标模型。结果显示:3种掺假芝麻油的PLS模型预测相关系数分别达到0.998、0.999、0.999,预测均方根误差分别为0.24%、0.24%和0.19%,具有较高的预测精度。实验证明近红外光谱技术对芝麻油掺假的快速检测具有可行性。     

基于低场二维核磁共振的油茶籽油鉴别与掺兑检测

低场二维核磁共振(LF-2D-NMR)图谱可以提供丰富的弛豫信息。在研究8种食用油处于新鲜及氧化状态下的低场T_1-T_2二维核磁图谱信息的基础上,结合化学计量学方法建立了鉴别油茶籽油与其他食用油、氧化食用油的定性模型及油茶籽油掺兑玉米油、大豆油、葵花籽油的定量模型。结果表明,不同种类食用油的LF-2D-NMR信息存在明显差异,氧化食用油与正常食用油的LF-2D-NMR信息有显著区别,LF-2D-NMR可提供更为丰富的特征信息。基于样品的低场T_1-T_2二维核磁图谱信息建立的油茶籽油与其他7种食用油或8种氧化食用油的偏最小二乘判别模型的分类效果优秀,模型判别正确率均为100%。此外,还建立了油茶籽油掺兑玉米油、大豆油、葵花籽油的定量预测模型,R~2分别为0.988、0.962、0.941。研究表明,低场T_1-T_2二维核磁共振技术可用于食用油种类判别及油茶籽油掺兑分析。     

基于嗅觉和光谱技术融合的面粉脂肪酸值定量检测

提出了一种基于比色传感器数据和近红外光谱特征融合的储藏期面粉脂肪酸值的定量检测方法。开发比色传感器阵列、搭建便携式近红外光谱测量系统,分别采集不同储藏期面粉样本的比色传感器数据和近红外光谱。利用主成分分析分别对预处理后的比色传感器数据和近红外光谱数据进行特征降维,采用五折交互验证法在反向传播神经网络(BPNN)模型校正过程中进行优化,确定基于单技术分析模型的最佳主成分(PCs)个数。将优化后的基于单技术模型的最佳PCs在特征层进行融合,建立基于融合特征的BPNN分析模型,以实现对面粉储藏过程中脂肪酸值的快速检测。实验结果显示,基于比色传感器特征和基于近红外光谱特征建立的最佳BPNN模型的最佳PCs数量分别为3和4,基于融合特征建立的BPNN模型在预测集中的相关系数和预测均方根误差的均值分别为0.9276和1.9345 mg/(100 g)。研究表明,与单技术数据分析模型相比,基于比色传感器数据和近红外光谱特征融合模型的检测精度和泛化性能都有所提高。本研究可为粮食储藏品质的高精度原位监测提供一种技术方法。     

近红外光谱云计算分析系统构架与实现

传统的近红外光谱分析系统是单机版,建模工作难度大。为了在近红外光谱分析中实现对现有光谱模型资源共享,提出利用云计算中心的高性能服务器代替单机版的主机,然后在云服务器上开发近红外光谱软件分析系统,并详细分析了近红外光谱云分析系统的构架与设计步骤。该系统可以实现近红外光谱数据的预处理、定量分析、定性分析以及光谱模型查找和光谱模型转移等功能。最后以潲水油近红外光谱定性鉴别为例,分析比较了单机版和基于云计算的近红外光谱分析结果。在近红外光谱云分析系统中,对预测集58个样品进行判别,总体鉴别正确率为86.21%,这一结果与在单机环境下的分析结果完全一致。实验结果表明近红外光谱云分析系统具有成本低、建模方便、接入方式灵活、可实现资源共享和远程访问等优点。