食用油酸值与过氧化值近红外光谱模型转移研究

在使用近红外光谱技术进行食用油酸值与过氧化值检测时,仪器制造与检测环境的差异导致不同仪器建立的校正模型无法共享。为解决食用油酸值与过氧化值模型转移问题,使用125个食用油样本于主机建立偏最小二乘校正模型,采用光谱空间转换法进行模型转移,并与斜率/截距算法、直接标准化算法、分段直接标准化算法、极限学习机自编码器算法进行对比。结果表明,采用光谱空间转换法进行模型转移后,验证集酸值与过氧化值的预测均方根误差分别从0.583 6 mg/g和15.801 0 mmol/kg降低到了0.167 0 mg/g与9.989 3 mmol/kg,说明光谱空间转换法可以有效应用于食用油酸值与过氧化值间的模型转移,使不同仪器之间实现模型共享,这对于近红外光谱应用于食用油品质快速检测具有实际意义。     

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。     

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。     

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...     

黄瓜叶片叶绿素含量近红外光谱无损检测

为了简化黄瓜叶片叶绿素光谱模型和提高模型预测精度,采用联合区间偏最小二乘法( SiPLS)结合净分析物法( NAS)提取近红外光谱的特征信息,建立了黄瓜叶片叶绿素光谱模型.收集了110片新鲜黄瓜叶片,用近红外光谱仪采集光谱数据后立刻用化学分析方法测定叶绿素含量.原始光谱经过SNV预处理和子区间总数优化后,将全光谱均匀划分为29个子区间,用联合区间偏最小二乘法优选出4个特征子区间,在上述特征子区间的基础上,用净分析物法分离光谱中同叶绿素相关的光谱信息,并结合线性回归法建立了叶绿素光谱模型.模型对应的校正集相关系数Rc、校正均方根误差、预测集相关系数Rp和预测均方根误差分别为0.947 2、0.079 5 mg/g、0.925 0和0.090 6 mg/g.结果表明:联合区间偏最小二乘法结合净分析物法能够有效提取叶绿素的特征光谱信息,提高模型精度的同时降低其复杂度.     

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0.934 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.     

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.     

基于太赫兹光谱的土壤重金属铅含量检测初步研究

探索应用太赫兹时域光谱用于农田土壤重金属含量检测的机理和可行性,尝试发展一种新的检测方法和手段。研究了样品制备测量方法,确定了最佳的制备参数为：聚乙烯样品盒尺寸为35mm×3.5mm×35mm,中间空隙1.5mm;压片法样品质量220mg,2.5t压力;分别制作一定浓度梯度（30~900mg/kg）的含铅土壤样品30组,使用Z-2型太赫兹时域光谱仪采集相应的土壤样品太赫兹透射光谱数据,对光谱数据进行预处理,包括平滑处理、多元散射校正、基线校正,采用全谱-偏最小二乘法、区间-偏最小二乘法和遗传算法-偏最小二乘法建立土壤样品中重金属元素铅含量的定标模型并对预测集样本进行预测。实验结果表明,采用样品盒法制作土壤样品并且基于遗传算法进行特征波段选择、结合偏最小二乘法的建模效果最佳,含重金属铅的土壤样本模型的标定集和预测集的相关系数分别为0.86和0.81,标定均方根误差和预测均方根误差分别为23.55mg/kg和39.52mg/kg。本研究通过分析土壤样品的太赫兹透射光谱吸收系数与重金属元素铅含量的相关关系,建立了较好的预测模型。     

饲料玉米品质分析的化学计量学方法

以饲料玉米为研究对象,采用化学计量学方法,利用全波段光谱数据建立玉米粗蛋白预测的简单快速精准预测模型。结果表明：原始光谱经去趋势算法预处理后,Rank-KS算法选择校正集和预测集,使用偏最小二乘（Partial least square,PLS）方法进行建模,校正集和预测集的相关系数分别为0.991 5和0.981 3,校正集和预测集的均方根误差分别为0.063 4和0.113 8。预测集的相对分析误差RPD为5.02,大于评估阈值3.0。所建模型精度和稳定性较为理想,可满足在线生成检测的要求。     

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。     

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OSC和PLS的土壤有机质近红外光谱测定

分析了经过简单处理的土壤样本光谱特性,将正交信号校正与偏最小二乘算法回归相结合,建立了土壤光谱特性与土壤有机质含量之间的定量分析模型。结果表明,正交信号校正可以消除噪声信息对土壤有机质含量预测的影响,预测样本的预测相关系数达到0.893、标准偏差为0.051%、预测标准差为0.050%;而不采用正交信号校正建立定量分析模型的对应参数分别为0.818、0.069%和0.085%。     

木板抓取机器人手眼标定方法

针对视觉抓取木板机器人的Eye-in-Hand视觉与机器人本体之间关联的手眼标定问题,提出了基于标定方程的求解优化。首先通过机器人带动相机以多个不同位姿观测标定板,得到多个标定方程,采集一次数据建立一个标定方程,再对所有标定方程运用Kronecker product算法和最小二乘法求解。为避免误差传递,将得到的解作为优化初始值,建立雅可比矩阵、误差函数,并采用Levenberg-Marquardt算法对初始值优化,得到精确解。在ROS系统中搭建仿真试验平台,通过3D可视化工具Rviz验证了标定结果的有效性。标定结果的精度分析表明,相同采集图像数量、不同噪声水平下,本文标定方法位置解精度比传统标定方法平均提高了30%;同一噪声水平、不同采集图像数量下,本文标定方法位置解精度比传统标定方法平均提高了31.1%。木板抓取试验结果表明,视觉系统抓取定位精度比传统标定方法平均提高了39.2%,抓取成功率为96.2%。     

苹果糖度近红外光谱小波去噪和iPLS建模

为了提高苹果近红外光谱糖度预测模型的精度,利用多尺度小波去噪法对苹果近红外光谱进行了预处理,并用改进后的间隔偏最小二乘法(iPLS)建立预测模型。应用结果表明,多尺度小波去噪法滤除了原始光谱中的部分噪声,但又保留了原光谱中的主要信息。运用间隔偏最小二乘法对预处理后的光谱建模,其校正时的相关系数rc和校正均方根误差RMSEC分别为0.9635和0.3026,预测时的相关系数rp和预测均方根误差RMSEP分别为0.9214和0.4113,主因子数为5个。结果表明,用多尺度小波去噪和间隔偏最小二乘法所建立的苹果糖度模型不但精度有所提高,而且更加简洁、数据运算量也更少。     

利用可见―近红外光谱术无损检测牛奶中的三聚氰胺

初步探讨了利用可见―近红外光谱术检测牛奶中三聚氰胺的可行性及方法。通过往牛奶中掺入不同浓度三聚氰胺的方法,制备了165个样品,三聚氰胺浓度为0~1000ppm。利用光纤光谱仪采集样本的可见―近红外光谱,其光谱范围为350~1800nm。然后分别采用最小二乘法(PLS)、区间偏最小二乘法(IPLS)及联合区间偏最小二乘法(SIPLS)建立预测模型。比较实验结果表明:把光谱分为10个子区间,通过SIPLS方法,选出3个光谱子区间(4、7、9)联合建立的预测模型最优,其校正集和预测集得相关系数分别为0.9981和0.9946,校正集和预测集的均方根误差分别为0.1942和0.3299。因此,可见近红外光谱术结合联合区间偏最小二乘法能无损、快速的检测牛奶中的三聚氰胺。     

采用表面增强拉曼光谱技术快速检测脐橙果皮中抑霉唑残留

由于采后处理过程中脐橙保鲜剂抑霉唑易通过果皮渗进果肉中残留，不慎食用后会对人体产生危害。因此，本研究探索一种基于表面增强拉曼光谱技术（Surface-Enhanced Raman Spectroscopy，SERS）的脐橙果皮中抑霉唑残留的快速检测方法。首先对SERS检测条件进行优化，分别确定了最优的检测条件为反应时间2 min，金胶加入量400 μL，NaBr作为电解质溶液且加入量为25 μL。基于以上最优检测条件，以自适应迭代惩罚最小二乘法（Adaptive Iterative Reweighted Penalized Least Squares，air PLS）、air PLS+归一化、air PLS+基线校正、air PLS+一阶导数、air PLS+标准正态变量（Standard Normal Distribution，SNV）和air PLS+多元散射校正（Multiplicative Scatter Correction，MSC）处理后的6组光谱数据为研究对象，分别采用这6种光谱预处理法建立支持向量回归（Support Vector Regression，SVR）模型并对预测性能进行比较后发现，air PLS方法所建立模型的预测集相关系数（Coefficient of the Determinant for the Prediction Set，R_P）最大，预测集均方根误差（Root-Mean-Square Error of Prediction，RMSEP）最小。对光谱数据进行主成分分析（Principal Component Analysis，PCA）特征提取，选择前7个主成分得分作为SVR预测模型的输入值。采用SVR、多元线性回归（Multiple Linear Regression，MLR）和偏最小二乘回归（Partial Least Squares Regression，PLSR）三种建模方法分析比较其对应的预测性能，其中SVR模型的预测集R_P可高达0.9156，预测集RMSEP为4.8407 mg/kg，相对标准偏差（Relative Standard Deviation，RPD）为2.3103，表明基于SVR算法对脐橙表面抑霉唑残留的预测值越接近实测值，越能有效提高模型预测准确性。试验结果表明，利用SERS结合PCA及SVR建模，可实现对脐橙果皮中抑霉唑残留的快速检测。     

基于近红外与中红外光谱技术的淀粉回生度检测

淀粉食品在加工、运输及储藏过程中会逐渐出现回生,其回生程度是影响淀粉食品品质的重要因素。利用近红外和中红外光谱技术快速、无损检测淀粉回生度。首先采集了储存不同时间淀粉的近红外和中红外光谱,分别利用近红外、中红外以及两者融合的光谱数据结合化学计量学方法(偏最小二乘法(PLS、iPLS、biPLS、siPLS))建立淀粉回生度检测模型。结果显示,近红外和中红外融合光谱技术的biPLS检测模型最佳,校正集和预测集相关系数分别为0.965 5和0.931 3。研究结果表明,红外光谱技术可以快速、无损检测玉米淀粉回生度,保障了富含淀粉食品的质量与安全。