不同产地地枫皮的红外光谱和化学计量学快速评价

为实现不同产地地枫皮快速鉴别并筛选出高药效成分的种质,利用红外光谱结合主成分分析模型和簇类独立软模式法（SIMCA）对不同产地地枫皮药材进行检测,同时在主成分分析模型中提取载荷因子对其进行分析。结果显示:1）各产地红外光谱经过SNV标准归一化后,主成分分析模型中前3个主成分能够分析出代表87%的样品变量信息,样本在主成分空间中聚集成为7个不同的类别。2）SIMCA模型能成功地对不同产地未知地枫皮样本进行预测且判断准确率均达100%。3）载荷因子分析表明,A、B及E产地样本地枫皮素、厚朴醇及芳香类化合物的含量比其他产地高,不同产地样品中芳香类物质差异主要体现在槲皮素含量的不同。      

基于主成分回归法的稻飞虱百穴虫量冠层光谱检测

[目的]针对水稻虫害发生程度预警和田间稻飞虱虫害动态监测问题,采用光谱检测技术,运用主成分回归法建立稻飞虱百穴虫量检测模型。[方法]使用FieldSpec3光谱仪在稻田采集冠层光谱数据,同步检测地块稻飞虱百穴虫量,样本量为71个,其中51个样本为校正集,20个样本为预测集。建模波段选择350～1139nm,对原始光谱进行一阶微分处理。[结果]测量值与预测值的相关系数为0.78,预测标准偏差为161头。[结论]光谱检测可用于稻飞虱测报工作。     

Rapid assessment of infrared spectroscopy and ehemometrics of lllicium difengpi from different regions by fourier transform.

为实现不同产地地枫皮快速鉴别并筛选出高药效成分的种质,利用红外光谱结合主成分分析模型和簇类独立软模式法（SIMCA）对不同产地地枫皮药材进行检测,同时在主成分分析模型中提取载荷因子对其进行分析。结果显示：1）各产地红外光谱经过SNV标准归一化后,主成分分析模型中前3个主成分能够分析出代表87％的样品变量信息,样本在主成分空间中聚集成为7个不同的类别。2）SIMCA模型能成功地对不同产地未知地枫皮样本进行预测且判断准确率均达100％。3）载荷因子分析表明,A、B及E产地样本地枫皮素、厚朴醇及芳香类化合物的含量比其他产地高,不同产地样品中芳香类物质差异主要体现在槲皮素含量的不同。     

基于近红外光谱法预测杨木的综纤维素含量

为快速测定人工林杨木的综纤维素含量,按国家标准测定了42 个杨木木材样品的综纤维素含量,并用近红 外光谱仪测定相应的光谱。在350 ~ 2 500、1 300 ~ 2 050、2 050 ~ 2 500 nm 3 个不同的光谱区域,采用未处理、 Baseline、一阶导数、二阶导数等光谱预处理方法,再用PLS1、PLS2、PCR 3 种不同建模方法建立相应的校正模型与 交互验证模型。结果表明:当光谱区域为1 300 ~2 050 nm、光谱数据未进行预处理、采用PLS1 的建模方法、主成分 数为8 时,建立的校正模型有最佳预测效果;采用建立的模型对未参与建模的样本进行预测,预测结果与实测结果 间的相关系数为0.818 8。      

基于近红外光谱法和聚类分析法快速鉴别食用油种类

由近红外光谱可以获得不同种类食用油的组成和成分信息,利用聚类分析法提取不同食用油近红外光谱成分信息,对5大类共40个食用油样本进行分类处理。试验证明:对900~1700nm波段范围的光谱样本经过二阶导数处理,利用最短距离法和最长距离法对其进行聚类分析,可以有效的区分5种不同的食用油,模型预测准确率为100%。     

基于支持向量机和近红外光谱特性的土壤质地分类

为了分析不同质地土壤的近红外光谱特性,建立合适的土壤质地分类预测模型。研究以沙土、壤土和黏土3种不同类型土壤作为研究对象,采集了山西省内3个地区的土壤样本共156个,获取其近红外光谱数据,采用支持向量机(SVM)在1 001~2 500 nm波段内对不同质地土壤的吸光度值进行建模预测。结果表明,3种质地土壤具有不同的光谱反射特性;利用支持向量机建立的土壤分类预测模型,其测试集的预测正确率达到91.67%,说明SVM在土壤分类应用中的效果较好,可以利用SVM模型进行土壤属性预测。     

基于神经网络及近红外光谱的草莓成熟度快速识别方法

[目的]探究快速检验草莓的成熟度、提高草莓采摘自动化水平的方法。[方法]采集350～2 500 nm波段草莓的光谱信息,提取光谱的一阶导数值并进行主成分分析,取2个主成分并获得了主成分中贡献率最大的6个峰值点,将各个峰值点两侧各取5个波段点作为特征点。随机选取58个样本组成60×58的矩阵作为训练集,导入用Matlab建立的人工BP神经网络中进行训练。[结果]利用测试集进行识别模型的检验,识别正确率达到93.1%。[结论]利用近红外光谱对草莓成熟度进行识别是可行的。     

基于灰色关联度和Vis-NIR的不同贮藏方式下番茄光谱特性分析

[目的]确定不同贮藏方式下,影响番茄样本定性判别的主要品质指标。[方法]本文采用可见近红外光谱技术分析了不同贮藏方式下番茄的光谱特性;引入主成分分析和灰色关联度分析方法对不同贮藏方式的番茄样本进行定性判别和贡献指标确定。[结果]不同贮藏方式下番茄的光谱特性有所不同,可用主成分分析提取的3个敏感波段1 927、1 401、1 222 nm(累积贡献率为98.92%)对其进行区分;与1 927 nm吸光度值关联度最大的为可滴定酸,与1 401 nm吸光度值关联度最大的为可溶性固形物,与1 222 nm吸光度值关联度最大的为可滴定酸。[结论]可滴定酸和可溶性固形物是影响其主成分分析的主要品质指标,也是影响上述不同贮藏方式下番茄样本分类的指标。该研究可为后续基于光谱技术的不同贮藏方式下番茄品质快速检测提供依据。     

基于拉曼光谱的润滑油掺假波段筛选研究

假冒伪劣润滑油对机械设备的正常运转具有严重的影响,这里提出基于不同基底的拉曼光谱对润滑油掺假定量鉴别方法.研究结果表明:采用拉曼光谱对润滑油掺假样品进行校正模型建立,模型的校正相关系数均大于0.948,能很好地对验证集进行预测.结合间隔偏最小二乘(iPLS)和遗传算法(GA)对建模变量进行筛选,最终通过iPLS和 GA分别选出了1148~1484cm-1波段和185个波数点分别作为校正模型的输入变量.采用昆仑天歌掺假美孚润滑油作为特征波段筛选验证,建模结果达到很好的预期效果,大大缩减了建模的计算量,能为润滑油掺假判别分析仪器开发方面提供一定的理论指导.     

基于高光谱成像技术识别水稻纹枯病

【目的】利用高光谱成像技术对水稻纹枯病进行早期的快速无损识别,结合判别分析方法建立相应的鉴别模型。【方法】以健康和感染纹枯病的水稻幼苗为研究对象,采集叶片和冠层各180个样本的380~1 030 nm波段的360条高光谱图像,剔除明显噪声部分后,以440~943 nm波段作为水稻样本的光谱范围,分别用不同的方法预处理获得水稻叶片的光谱曲线。采用偏最小二乘–判别分析(PLS-DA)对不同预处理的光谱建模。采用MNF算法对冠层的原始光谱数据进行特征信息提取,并基于特征信息建立线性判别分析(LDA)模型和误差反向传播神经网络(BPNN)判别模型。【结果】标准正态变量变换(SNV)预处理后建立的PLS-DA模型的预测集判别正确率最高,为92.1%。基于特征信息的LAD和BPNN模型的判别结果优于基于全波段的PLS-DA判别模型。基于最小噪声分离变换特征信息提取的BPNN模型取得了最优效果,建模集和预测集正确率分别达99.1%和98.4%。【结论】采用高光谱成像技术对水稻纹枯病生理特征进行无损鉴别是可行的,本研究为水稻纹枯病的识别提供了一种新方法。     

Identification of pummelo cultivars by using Vis/NIR spectra and pattern recognition methods

Vis/NIR spectroscopy was used in combination with pattern recognition methods to identify cultivars of pummelo (Citrus grandis (L.) Osbeck). A total of 240 leaf samples, 60 for each of the four cultivars were analyzed by Vis/NIR spectroscopy. Soft independent modeling of class analogy (SIMCA), partial least square discriminant analysis (PLS-DA), back propagation neural network (BPNN) and least squares support vector machine (LS-SVM) were applied to the spectral data. The first 8 principal components extracted by principal component analysis were used as inputs in building the BPNN and the LS-SVM models. The results showed that a 97.92 % of discrimination accuracy was achieved for both the BPNN and the LS-SVM models when used to identify samples of the validation set, indicating that the performance of the two models was acceptable. Comparatively, the results of the PLS-DA and the SIMCA models were unacceptable because they had lower discrimination accuracy. The overall results demonstrated that use of Vis/NIR spectroscopy coupled with the use of BPNN and LS-SVM could achieve an accurate identification of pummelo cultivars.     

近红外光谱结合SIMCA模式识别法检测木材表面节子

利用近红外光谱结合SIMCA模式识别法来检测马尾松木材单板节子.结果表明,通过培训集样本建立的基于主成分分析的SIMCA判别模型对有无节子两种类型样本进行回判和对未知节子类型的样本(包括无节子和有节子样本)的判别正确率均达到90％～100％,说明应用近红外光谱结合SIMCA模式识别法可以快速有效地检测木材表面的节子缺陷.     

应用可见/近红外光谱技术快速鉴别山西陈醋品种

为了实现对山西老陈醋品种的快速鉴别,应用可见/近红外光谱透射技术,结合化学计量学方法,进行了山西老陈醋品种的判别分类试验研究。对4个不同品种共240个山西老陈醋样品采集其光谱数据,结合主成分分析和神经网络技术分别对山西陈醋原始光谱、一阶微分光谱、二阶微分光谱进行了判别分析。结果表明:可见/近红外原始光谱结合主成分分析神经网络判别分析法的分析结果最优,校正集正确分类的百分比达92.1%,预测集达85.0%;二阶微分光谱分析结果最差。     

基于可见-近红外光谱技术的油菜叶片叶绿素含量无损检测研究

    为了快速无损获取油菜叶片叶绿素含量信息,试验研究了油菜叶片的可见-近红外反射光谱特性与叶绿素含量之间的定量关系.试验采集140个油菜叶片样本,其中70个样本用于建模,另外70个样本用于模型预测.光谱曲线扫描采用美国USB4000光纤光谱仪,叶绿素含量值采用日本Minolta 公司生产的SPAD-502仪测定.实验发现,波段范围680～730 nm处的光谱吸光度与油菜叶片叶绿素含量之间具有显著相关性.同时发现油菜叶片厚度对建模预测精度有较大影响.试验首先用待定系数法构造叶绿素含量预测方程;然后用标准遗传算法对其进行参数优化.试验确定最优光谱范围是696.82～716.53 nm.不考虑叶片厚度时,建模和预测关联度r分别是0.4823 和0.5649.考虑叶片厚度校正后,建模和预测关联度r分别提高到0.8936 和0.9178.说明基于可见-近红外反射光谱技术实现油菜叶片叶绿素含量快速无损检测是可行的.     

长波近红外光谱在土壤总氮分析与稳定性中的应用

[目的]通过定标集、预测集、检验集的建模过程,采用偏最小二乘(PLS)方法结合波段选择建立土壤总氮快速分析的近红外(NIR)光谱模型。[方法]为了避免模型评价失真,基于随机性、相似性和稳定性,提出一种严谨的建模体系。将全谱扫描区(400～2 498nm)分成可见区(400～780 nm)、短波近红外区(780～1 100 nm)和长波近红外区(1 100～2 498 nm)。[结果]经过比较、检验,结果表明长波近红外达到了最好的模型效果和稳定性,最优PLS因子数为8,检验的预测均方根误差(V-SEP)和预测相关系数(V-RP)分别为0.118 g/kg和0.857,得到客观、稳定的预测模型。     

利用近红外光谱技术预测杉木力学性质

利用三点弯曲实验方法测定了155个杉木样品的抗弯弹性模量和抗弯强度,并用近红外光谱仪采集其径切面和横切面的近红外漫反射光谱,以2/3的试样(103个)作为校正集建立抗弯弹性模量和抗弯强度的偏最小二乘法校正模型,以1/3的试样(52个)作为预测集对模型进行验证.结果表明,切面对模型预测效果的影响比较小,且与光谱区域的选择有关.对于可见近红外全波段光谱(350～2 500 nm)利用径切面比利用横切面光谱建立的力学性质模型的预测效果略好,对于短波光谱(780～1 050 nm)利用横切面比利用径切面光谱建立的模型的预测效果略好;降低波谱范围后,利用横切面短波近红外光谱建立的力学性质校正模型的效果与全波谱模型相比差异较小;利用径切面和横切面2个切面可见近红外全波段光谱、利用横切面短波光谱分别建立的杉木力学性质的校正模型,其预测相对分析误差在1.51～1.90之间,表明利用近红外光谱技术预测杉木木材的力学性质的能力属普通,可用之作为初步的检测工具.     

近红外在线检测装置参数对苹果糖度模型适用性的影响

目的 近红外(Near-infrared)光谱在线检测装置的检测速度和积分时间等因素会影响所建立苹果糖度模型的性能,本文旨在分析检测速度和积分时间对模型适用性的影响,以提高在线检测的精度。方法 近红外光谱在线检测装置检测速度和积分时间分别设置为0.3 m/s+100 ms、0.5 m/s+70 ms、0.5 m/s+100 ms、0.5 m/s+120 ms、0.5 m/s+150 ms,共5个实验组,试验所用苹果样本共180个,在350~1 150 nm波长下采集5个试验组苹果的近红外光谱,应用偏最小二乘法(Partial least squares,PLS)建立苹果可溶性固形物含量(Soluble solid content,SSC)的预测模型。结果 近红外在线检测装置积分时间对苹果糖度的检测存在阈值,当积分时间低于70 ms时,模型预测性能较差。预测模型中建模集与预测集的检测速度与积分时间相同时的预测效果优于二者不同时的。检测速度和积分时间会影响在线检测的精度,不同检测速度和积分时间下,光线在苹果内部的传输路线不同,会导致光纤探头获得的内部信息有所差异,使预测性能变差。在0.3 m/s+100 ms、0.5 m/s+100 ms、0.5 m/s+120 ms和0.5 m/s+150 ms 4个试验组中使用Kennard-Stone算法挑选出135个具有代表性的样本光谱,建立了混合检测速度和积分时间的预测模型,其预测集相关系数(R_P)均在0.85以上,预测集均方根误差(RMSE_P)均低于0.65。结论 本研究建立的混合检测速度和积分时间的预测模型可对苹果的糖度达到更好的预测,满足不同检测装置参数下苹果糖度在线检测的要求。     

基于田间原位土壤含水量估测的可见/近红外光谱建模方法

为实时、准确地获取原位土壤含水量信息,利用可见/近红外光谱技术,分别使用全局偏最小二乘(PLS)建模、局部PLS建模方法,对田间原位土壤含水量进行快速估测。结果表明:全局PLS模型中,其建模集的决定系数(R~2)、交叉验证均方根误差(RMSECV)分别为0.943和1.750%,检验集的决定系数(R~2)、预测均方根误差(RMSEP)分别为0.956和1.260%。局部PLS模型中,分别比较了选取定标子集的2种方法(欧氏距离法和马氏距离法),采用欧氏距离法和马氏距离法选取定标子集进行建模的R~2值分别为0.974和0.979,RMSEP值分别为0.976%和0.943%。因此,将可见/近红外光谱技术应用到田间原位含水量测量是可行的,其中,使用局部建模方法的效果优于全局建模。     

近红外透射光谱法快速测定瓶装醋中挥发酸含量的研究

采用近红外光谱直接对瓶装醋进行透射检测。结果发现,玻璃包装对入射光源强度影响很大。采用室内外置光源解决此问题,在850～2000nm的波长范围内,采用偏最小二乘方法（PLs）对醋中的挥发酸含量进行了定量预测。结果表明,原始光谱结合PLs方法可以很好地预测瓶装醋中的挥发酸含量,校正样本和预测样本的相关系数分别为0．98、0．97;校正样本和预测样本的标准偏差分别为o．776、0．878。此外,对挥发酸含量起主要作用的波段主要集中在900nm和1100nm左右。     

近红外光谱测定清热解毒口服液中绿原酸与黄芩苷的波段优选

[目的]运用近红外光谱测定清热解毒口服液中绿原酸与黄芩苷含量的波段并建立数学模型。[方法]结合移动窗口片最小二乘(MWPLS)法对波段进行了优选,分别建立测定清热解毒口服液中绿原酸与黄芩苷含量的定量分析模型,比较了不同的光谱预处理方法的效果。[结果]采用MWPLS方法对6个厂家30个样品建模选出绿原酸与黄芩苷的最优波段分别为1 254～1 306 nm和1 176～1 266nm,使用其他2个厂家10个批次样品进行检验,绿原酸和黄芩苷实测值与预测值检验均方根误差分别为1.637和0.857,相关系数分别为0.993 7和0.987 7。[结论]定量模型预测精度高,稳定性较好,可用于清热解毒口服液生产过程中的质量控制。