苹果硬度的傅里叶变换近红外光谱无损检测

利用傅里叶变换近红外光谱技术探讨快速无损检测苹果硬度方法的可行性.通过解析苹果样品的近红外光谱图,用一阶导数、多元散射校正和矢量归一等方法进行预处理,再用偏最小二乘法建立模型.结果表明,多元散射校正能够有效消除光谱基线平移和偏移现象, 提高原光谱的信噪比,选取有效信息波长范围为1408～2355nm.偏最小二乘法结合多元散射校正所建模型的预测效果最好,模型的决定系数R2为0.9852,内部交叉验证均方根差RMSECV和预测标准偏差RMSEP分别为0.0398kg/cm2和0.0166kg/cm2.进一步通过剔除异常值优化模型,并验证检验组的25个样品,模型的R2为0.9908,RMSEP为0.0147kg/cm2.结果表明:建立的模型可靠,预测效果好,能满足苹果硬度快速检测的要求.     

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%。     

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     

土壤中总氮与总磷含量的近红外光谱实时检测方法

以浙江省潮化盐土为研究对象,用近红外光谱分析技术探测土壤氮(N)和磷(P)的含量.从试验田采集6组土样,每组取20个样品,共计120个样品.利用均值法、卷积滤波确定最终光谱数据,然后采用偏最小二乘回归法(PLS)及最小二乘支持向量机(LSSVM)分别建立了土壤总氮和总磷的近红外光谱模型,其中采用PLS所建模型的相关系数分别为0.9454(N)、0.9327(P),预测标准误差分别为0.0321(N)、0.0089(P).采用LSSVM所建模型的预测相关系数分别为0.9503(N)、0.9547(P),预测标准误差为0.0378(N)、0.0101(P).分析结果表明采用近红外分析技术可以预测土壤总氮(N)和总磷(P)的含量.     

近红外透射光谱无损检测赣南脐橙糖度的研究

探讨了近红外透射光谱无损检测赣南脐橙内部糖度指标的可行性,并建立近红外透射光谱与赣南脐橙内部糖度指标之间的关系.以80个赣南脐橙为研究对象,利用透射光谱测定法获取完整赣南脐橙的近红外光谱(200～1100nm),选取不同的光谱波段范围对水果样本的透射光谱进行有效信息的提取,并结合多元线性回归(MLR)、主成分回归(PCR)和偏最小二乘法(PLS)3种不同的数学校正方法对赣南脐橙的糖度(SC)进行定量分析.实验结果为:在550～900nm波段范围内,PLS校正模型的预测精度最好,其相关系数为0.9032,预测样本均方根误差为0.2421.实验结果表明,近红外透射光谱可以作为一种准确、可靠、无损的检测方法,用于检测赣南脐橙内部的糖度指标.     

不同预处理对近红外光谱检测脐橙VC含量的影响

为了研究适合近红外光谱无损检测脐橙VC含量的光谱预处理方法,比较了11种光谱预处理方法对偏最小二乘法(PLS)建模预测效果的影响。结果表明,小波消噪效果最好,模型预测值与标准值的相关系数R达到0.9574,交叉验证预测均方差仅为3.90,最优光谱波段为7501.7~5449.8cm-1,主成分数为8。小波消噪是脐橙VC含量近红外光谱无损检测的有效光谱预处理方法。     

鱼粉中氨基酸近红外光谱定量分析

收集了145个鱼粉样本,应用偏最小二乘（PLS）方法,建立了鱼粉中17种氨基酸和总氨基酸NIRS定标模型。天冬氨酸、蛋氨酸、赖氨酸、苏氨酸、谷氨酸、甘氨酸、丙氨酸、缬氨酸、异亮氨酸、亮氨酸、苯丙氨酸、精氨酸、脯氨酸和总氨基酸的化学分析值与NIRS预测值的决定系数R^2都达到0．87以上,相对标准差均小于10％,相对分析误差均大于3;酪氨酸的决定系数R^2为0．8678,相对标准差为8．65％,相对分析误差为2．77;组氨酸、丝氨酸和半胱氨酸的决定系数R。分别为0．9005、0．7436和0．3541,相对标准差分别为14．19％、17．85％和33．85％,相对分析误差分别为2．96、1．98和1．04。结果表明,利用近红外光谱分析技术能够较准确地检测鱼粉中14种氨基酸;酪氨酸只能进行粗略估测;组氨酸、丝氨酸和半胱氨酸难于进行实际检测。     

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。     

基于近红外光谱的核桃仁蛋白质含量检测分析

为了实现核桃仁蛋白质的快速无损检测,采用近红外光谱技术,建立了核桃仁蛋白质含量预测模型,并对近红外光谱波段筛选方法进行了研究。首先针对3种不同粒度核桃仁样本,采集了1040~2560nm范围全波段信息,采用多元散射校正法和标准正态化方法对原始光谱进行了预处理。然后,采用间隔偏最小二乘算法筛选了光谱特征波段,并建立了全波段和特征波段下核桃仁蛋白质含量偏最小二乘算法预测模型。通过对不同粒度核桃仁样本近红外光谱分析表明,核桃仁粒度大小对核桃仁蛋白质含量预测效果并无显著影响。采用间隔偏最小二乘算法的波段筛选,核桃整仁样本验证集的均方根误差和相关系数分别为0.021和0.913, 表明该方法能够优化模型质量并降低模型复杂度。     

银杏叶总黄酮含量近红外光谱检测的特征谱区筛选

通过区间偏最小二乘法(iPLS)谱区筛选方法、反向区间偏最小二乘法(biPLS)谱区筛选方法和联合区间偏最小二乘法(siPLS)谱区筛选方法优化光谱特征区间,建立黄酮含量分析模型,并与波数范围为4 000～8 000 cm-1的全光谱偏最小二乘(PLS)模型进行比较。结果表明,采用siPLS谱区筛选方法将全光谱均匀划分21个子区间,选择两个子区间(7、12区间)联合时,建立的siPLS谱区筛选模型预测效果最佳,其交互验证均方根误差和预测均方根误差分别为2.950 0和3.000,校正集和预测集相关系数分别为0.938 4和0.943 7。因此采用siPLS谱区筛选方法可以有效选择光谱特征区域,提高建模预测能力,实现银杏叶总黄酮含量的快速检测。     

鱼粉中肉骨粉含量的近红外反射光谱分析

收集了112个鱼粉和34个肉骨粉样品，在鱼粉中掺入不同比例（5％～60％）的肉骨粉，制备了163个样本。应用偏最小二乘（PLS）定标方法，在8678．10～4250．34cm。波数范围内，采用变量标准化（SNV）、7点平滑和一阶导数对光谱进行预处理，建立了鱼粉中肉骨粉含量的NIRS定量分析模型。定标集真值与NIRS定标模型预测值之间的决定系数R^2和标准差RMSEC分别为0．9529和3．22，相对分析误差RPD为4．798。验证集真值与NIRS预测值之间的决定系数r^2及标准差RMSEP分别为0．9668和2．68，相对分析误差RPD为5．484。结果表明．利用NIRS分析技术可准确地检测鱼粉中肉骨粉含量．     

基于近红外光谱技术的牛粪成分含量测定方法

利用近红外光谱仪和常规实验室标准分析方法,对从不同养牛场采集的200个肉牛粪便典型样品的4种主要肥料成分(全氮、全磷、全钾和铵态氮)含量进行了分析研究。试验得出,4种肥料成分含量的NIRS测定值与其真实值(实验室化学分析方法测定值)之间具有显著的线性相关关系;4种肥料成分含量的NIRS测定值均达到了与真实值相近的水平。结果表明,利用近红外光谱技术快速测定牛粪样品主要肥料成分的方法可以代替传统的实验室分析方法。     

基于GSA的厌氧发酵原料碳氮比NIRS快速检测

在以预处理后玉米秸秆、秸秆粪便混合物为原料进行厌氧发酵生产沼气时,为了对厌氧发酵原料碳氮比进行快速检测,将近红外光谱(NIRS)与偏最小二乘(PLS)回归相结合构建快速检测模型,并基于遗传模拟退火算法(GSA)构建遗传模拟退火区间偏最小二乘算法(GSA-iPLS)和双重遗传模拟退火偏最小二乘算法(DGSA-PLS)分别用于特征谱区优选和特征波长点优选,以提高回归模型的检测精度和效率。全谱1844个波长点经GSA-iPLS进行谱区优选后,得到641个波长变量,再经DGSA-PLS进行特征波长点优选后,得到628个波长变量。DGSA-PLS回归模型验证集的决定系数(R2p)为0.920,预测均方根误差为7.178,相对分析误差为3.805。与全谱建模相比,DGSA-PLS模型的RMSEP减小了15.87%。通过波长优选,参与建模的波长点数量显著减少,有效降低了变量维度和模型复杂度,提升了预测精度和预测能力。本文通过优选碳氮比的敏感波长变量,有效提高了预测模型的鲁棒性,为直接、快速、准确测量厌氧发酵原料的碳氮比提供了新途径。     

基于调制近红外反射光谱的土壤养分近场遥测方法研究

土壤养分作为农业生产的重要指标,含量过少会降低农作物产量,过多则会造成环境污染。因此,快速、准确检测土壤养分对于精准施肥和提高作物产量具有重要意义。基于取样和化学分析的传统方法能够全面准确地检测土壤养分,但检测过程中土壤的取样及预处理过程繁琐、操作复杂、费时费力,不能实现土壤养分的原位快速检测。本研究基于调制近红外光谱,提出了一种土壤养分主动式近场遥测方法,可有效避免土壤反射自然光的干扰。该方法使用波长范围1260~1610 nm的8通道窄带激光二极管作为近红外光源,通过测量8通道激光光束的土壤反射率,建立土壤养分中氮（N）关于土壤反射率的计量模型,实现了N的快速检测。在74组已知N含量的土壤样品中,选取54组作为训练集,20组作为预测集。基于一般线性模型,对训练集中土壤N含量与土壤反射率的定量化参数进行训练,筛选显著波段后的计量模型R²达到0.97。基于建立的计量模型,预测集中土壤N含量预测值与参考值的决定系数R²达到0.9,结果表明该方法具有土壤养分现场快速检测的能力。     

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。     

基于近红外光谱技术的紫薯贮藏期间花青素含量检测

紫薯采后贮藏过程中,受环境因素影响,紫薯花青素会逐渐发生降解,导致紫薯色泽变化,营养品质下降。应用近红外光谱技术对贮藏期间的紫薯花青素含量变化进行了分析,建立了快速无损检测模型。实验采集了不同贮藏时间紫薯样本(120个)的近红外光谱,基于全波长范围4 000～10 000 cm-1结合不同光谱信号预处理方法(数据卷积平滑、一阶求导、标准正态变量变换(SNV))建立紫薯花青素的PLS(偏最小二乘)、SNV-PLS、i PLS(区间偏最小二乘)、GA-PLS(遗传算法-偏最小二乘)定量预测模型。结果显示,全波段经SNV为最优的原始光谱预处理方法。对经SNV预处理的光谱进行i PLS、GA特征波段筛选,所建立的GA-PLS模型预测效果最佳,预测集决定系数R2v和均方根误差为0. 913 6和7. 239 8 mg/(100 g),剩余预测偏差为3. 339 7。研究结果表明,应用近红外光谱技术可以较好地检测紫薯花青素含量,研究结果可为紫薯加工原料智能筛选以及贮藏品质监测提供一种可靠手段。     

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。     

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。