近红外光谱分析技术在大米检测中的应用

近红外光谱分析技术作为一种高效、快速、无损的可多组分分析的检测技术,在食品、农产品的检测中得到广泛应用。为此,综述了近红外光谱分析技术在大米品种鉴别、品质检测、矿物质元素分析中的应用研究现状,并对其应用前景进行了展望。     

碧螺春茶叶的真伪鉴别技术——基于漫反射式高光谱成像技术

提出了基于漫反射式高光谱成像技术结合模式识别的碧螺春茶真伪鉴别方法。试验以漫反射式高光谱成像系统采集碧螺春茶样图像数据;通过主成分分析优选特征图像,并利用灰度共生矩阵从中各提取4个纹理特征参量;最后,利用支持向量机的模式识别方法构建茶叶真伪鉴别模型。训练和预测集的判别率分别达到100%和96.25%。研究表明,利用漫反射式高光谱成像技术结合支持向量机模式识别方法鉴别碧螺春茶品质真伪是可行的。     

基于近红外光谱的山核桃的品种鉴别

为实现对山核桃品种的快速鉴别，采集浙江临安山核桃、安徽宁国山核桃、美国山核桃和四川核桃共4种100个核桃样品的近红外光谱，对光谱数据进行了标准正态变量变换（standard normal variate transformation，SNV）预处理后，采用主成分分析（principal component analysis，PCA）法实现了光谱的差异可视化，基本可实现4种山核桃的鉴别。为提高模型准确率，采用主成分分析降维后数据结合线性判别（PCA-LDA）的分类方法，该法对4种山核桃品种鉴别的校正集和验证集的分类准确度都达到了100%。结果表明，近红外光谱技术可实现对山核桃品种的快速鉴别。      

近红外光谱柑橘货架期的快速鉴别模型——基于主成分分析神经网络

利用近红外光谱技术进行了柑橘货架期的快速鉴别模型的研究.在两个不同的时间采集从市场上购买的黄岩地区的32个柑橘(同一时间采摘)的近红外光谱,并将不同时间采集光谱时的柑橘的货架期分别定为1类和2类(间隔为10天),对不同货架期的柑橘样品光谱进行主成分特征提取,将提取的特征变量作为神经网络的输入,建立了基于主成分和神经网络的近红外光谱柑橘货架期的快速鉴别模型.所建模型对1类中7个样品货架期的鉴别结果中有4个样品的货架期预测准确率在90%以上;对2类中8个样品货架期的鉴别结果准确率均在90%以上.结果表明,近红外光谱技术可以很好地进行柑橘类水果的货架期的快速鉴别.     

基于高光谱图像技术结合深度学习算法的萝卜种子品种鉴别

提出一种基于可见-近红外光谱技术的无损检测方法，以期实现对萝卜种子品种的鉴别。通过光谱成像系统采集6类常见萝卜种子的高光谱图像，并利用HSI软件提取光谱数据。使用Savitzky Golay（SG）平滑与多元散射校正（multiple scattering correction，MSC）叠加对光谱数据进行预处理以消除高频随机误差。采用堆叠自动编码器（stacked autoencoder，SAE）、连续投影算法（successive projections algorithm，SPA）和变量迭代空间收缩算法（variable iterative space shrinkage approach，VISSA）进行数据降维。利用Softmax与支持向量机（support vector machine，SVM）算法对全光谱和选取的特征光谱数据建立分类模型。结果表明:SAE-Softmax模型的分类效果最优，其训练集和预测集准确率分别达99.72%和96.22%。因此，利用可见-近红外光谱技术与深度学习算法结合的方法对萝卜种子的品种鉴别是可行的。该研究为种子品种无损检测分析提供参考。      

基于近红外和远红外光谱信息融合的核桃品种鉴别方法

采用红外光谱技术对核桃开展无损检测研究,实现清香、温185、香玲、新新2号、纸皮、漾濞和岱丰共7种核桃品种的鉴别,为核桃品种识别提供新思路。提出了一种基于近红外和远红外光谱信息融合的方法,首次将远红外光谱技术应用在核桃品种鉴别中,并与近红外光谱数据融合,结合主成分分析法（PCA）和无信息变量消除-连续投影法（UVE-SPA）进行特征波长选取,建立了随机森林、K近邻、支持向量机分类模型。结果除随机森林模型外,其余模型识别准确率能够达到100%,既降低了模型复杂度,也大大提升了识别准确率和模型稳健性。试验结果表明,通过将近红外光谱和远红外光谱的有效信息进行数据融合,可以改善单一光谱技术在识别率上的不足,即两个波段的数据融合更能反映品种之间的差异,为实现核桃品种的高效、无损、精确识别提供了新思路,也为其他物质的鉴别提供了借鉴和参考。      

近红外光谱和聚类分析法快速鉴别餐饮废弃油脂

初步探讨了利用近红外光谱分析技术对大豆油、花生油和以地沟油为代表的餐饮废弃油脂鉴别分类的可行性,试验证明:在1700～1800nm波段范围对样品经Savitzky-Golay一阶求导和矢量归一化后的近红外光谱进行主成分聚类分析,可以有效的鉴别出地沟油,鉴别准确率为98.25%。研究表明:近红外光谱分析法结合主成分聚类分析为简单、快速和无损的鉴别餐饮废弃油脂提供了一种新的思路和可靠的手段。     

基于可见近红外光谱技术的白菜籽品种主成分和聚类分析研究

采用可见近红外光谱技术进行白菜籽品种识别研究。利用主成分分析方法将白菜籽的可见近红外光谱数据压缩成3个主成分得分变量后,进行聚类分析,准确地识别出鑫丰70、青麻叶和山东五号3个品种,错判率为8.89%。结果表明:应用可见近红外光谱技术、主成分分析和聚类分析方法进行白菜籽品种识别是可行的。     

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。     

基于特征光谱的草莓品种快速鉴别

应用近红外光谱技术对草莓品种快速鉴别进行了研究。通过比较7种预处理方法,确定SNV+MAF+2D组合预处理方法最佳。采用相关系数阈值法提取了14个与草莓品种信息相关的特征光谱。建立了基于548～562nm范围内14个特征光谱的PLS—ANN、PLSR、PCR 3种校正模型。经预测集样品验证,主成分数为9时的PLS—ANN模型最优,其预测相关系数和预测均方根误差分别为0.9677和0.461。结果表明,通过提取少量特征光谱建立PLS—ANN校正模型能实现草莓品种的快速鉴别。     

光电检测技术在马铃薯品质检测中的研究进展

近年来,我国大力推动实施马铃薯主粮化战略,品质控制是重要的支撑技术,需在马铃薯的专用品种选育、主食产品加工、储藏运输及终端消费等多个产业链环节进行检测。为此,围绕马铃薯质量安全管控方面的需求,详细介绍了机器视觉技术、近红外光谱分析技术及高光谱成像技术等光电检测技术在马铃薯外观形态、内部品质及缺陷检测方面的研究和应用现状,并分析了其发展趋势,以期为马铃薯深加工过程中原料筛选和分等分级等提供参考。     

近红外光谱技术在饲料常规成分分析中的应用现状及展望

控制饲料质量、检测饲料原料的成分是饲料生产中非常重要的一环。简述近红外光谱技术（NIRS）的原理、特点及优势,综述NIRS在饲料常规营养成分分析检测中的应用现状,从模型数据库建立、在线实时检测实现及检测仪器研制方面,对其发展前景进行了展望。     

基于高光谱图像技术的红枣品种智能检测模型

为了提高红枣相关产业的经济效益,增强其市场竞争力。针对红枣品种无损鉴别的社会需求,文章采用高光谱图像技术获取多个品种红枣高光谱图像,获取光谱数据并提取特征光谱波段,构建红枣品种的检测模型。实验结果表明,高光谱图像技术结合竞争自适应重加权抽样和支持向量机模型（CARS-SVM）可实现对红枣品种的无损、快速、准确鉴别,分类的准确率达到了91.2%。     

金银花中黄酮类化合物的提取分离纯化研究进展

金银花是常用中药材,黄酮类化合物是金银花中重要的活性物质之一。通过查阅国内相关文献,分析、归纳、总结近年来金银花中黄酮类化合物的提取分离纯化方面的研究进展,以期为金银花的进一步开发利用提供理论和技术参考。     

生鲜猪肉主要品质参数无损在线检测系统

基于可见近红外光谱技术,设计了生鲜猪肉品质无损在线检测装置.介绍了该系统的工作原理、工作过程、硬件组成及软件系统功能.系统硬件包括光谱信息采集装置、样品传送单元、位置检测单元、控制单元和计算机等.基于Delphi和Matlab语言开发了与PC硬件和Windows XP软件环境兼容的光谱信息自动采集和实时处理的无损在线检测软件系统.该系统可实现生鲜猪肉样品光谱数据的自动采集、光谱数据的在线处理、样品品质参数的在线预测与检测结果的在线显示.将该系统用于生鲜猪肉水分含量的在线检测.结果表明,该在线检测装置检测精度高、可靠性好,可用于肉品主要品质参数的无损在线检测.     

苹果品质多光谱图像分析方法

本文提出了一种基于多光谱图像分析的苹果质量检测方法,通过苹果多光谱图像的算术和逻辑运算,提取图像的多光谱特征参数,并探索这些特征参数与苹果品质的关系。结果表明:利用可见光图像与近红外图像的异或运算,提取了多光谱图像的颜色特征参数,发现异或图像中黑点像素所占百分比与苹果品质显著相关;通过苹果可见光图像与近红外图像的和运算,实现苹果外形特征的提取和计算;利用可见光图像与近红外图像的相减运算完成了苹果缺陷区域的提取和计算。     

基于NIR和Raman光谱的果蔬质量检测研究进展与展望

主要回顾了可见/近红外光谱分析技术和拉曼光谱分析技术在果蔬品质与安全检测领域的研究进展。可见/近红外光谱分析技术在果蔬品质的定量分析（包括糖、酸等内部成分含量和坚实度等组织物理属性等）、果蔬品质的定性分析（如缺陷检测、成熟度分级、货架期/储藏期判断等）、果蔬生长/加工过程监测、果蔬生长环境条件分析以及果蔬安全检测、果蔬品种与产地溯源等方面获得了广泛应用。拉曼光谱分析技术在果蔬内部成分分析（尤其是类胡萝卜素含量）、品质分级、成熟度辨别、缺陷/损伤检测等方面获得成功应用,在果蔬农残与微生物污染检测方面也比可见/近红外光谱分析技术更具潜力。此外,还分析归纳了光谱分析技术在果蔬品质与安全检测领域的优势与不足,并展望了今后的发展趋势。     

不同光谱采集条件下麦秸低位热值NIRS快速检测

采集我国不同地区、不同品种的71个麦秸样品,选取其中54个为校正集,17个为独立的验证集。采用Spectrum 400型和Antaris Target型两种近红外光谱仪,分别对麦秸低位热值进行实验室静态和模拟在线快速预测分析。利用Spectrum 400型近红外光谱仪对麦秸低位热值进行实验室静态分析,建立的预测模型校正集决定系数为0.90,验证集相对分析误差为2.75。利用Antaris Target型近红外光谱仪对麦秸低位热值进行实验室模拟在线分析,建立预测模型,校正集决定系数为0.93,验证集相对分析误差为3.26。对这两种光谱采集条件下的近红外光谱快速分析模型进行了比较分析。     

水果糖度近红外光谱在线检测装置

采用短波近红外光谱仪,进行机械传送、光谱采集处理、自动控制等系统的设计和集成,研制水果糖度近红外光谱在线检测装置。在550~850nm范围,采用偏最小二乘法,建立了苹果糖度近红外光谱在线检测数学模型。经比较,标准正交校正和一阶导数处理后的光谱建立的数学模型预测效果最优,模型的相关系数为0.78,模型预测均方根误差为0.67°Brix。实验表明:水果糖度近红外光谱在线检测装置可准确地检测苹果糖度含量。     

基于高光谱成像的苹果品种快速鉴别

以"乔纳金"苹果,"红富士"苹果和"秦冠"苹果共90个试验样本为试材分别采集865~1 711 nm的近红外波段高光谱图像,选取苹果图像感兴趣区域(ROI),以分辨率2.8 nm提取其平均反射光谱数据,分别利用K近邻法(KNN)和径向基核函数支持向量机(RBF-SVM)进行品种判别,5折交叉检验。结果表明,3种苹果的近红外高光谱图像均在波长941~1 602 nm之间变得清晰,该区域200个波段下的平均反射光谱数据经KNN法中的10种距离算法评判,当K取值3和5时,切比雪夫距离、欧几里得距离和明可夫斯基距离3种距离算法的识别正确率均达到100%;SVM-RBF核函数模型中,γ取值为2-8~1的范围内识别正确率均在92%以上,当γ取值2-5,C取值为16和32时,识别正确率最高,为96.67%。故利用近红外高光谱图像技术结合KNN计算对苹果品种进行快速鉴别是优异和可靠的方案。