基于遗传算法近红外光谱检测土壤养分的研究

利用可见/短波近红外光谱(Vis/SW-NIRS)分析测量土壤速效氮(N)和速效钾(K)。探讨遗传算法在分析测量土壤养分上的应用,根据优化结果采用最小二乘支持向量机(LS-SVM)方法建立校正模型。结果表明,LS-SVM模型优于PLS模型;GA-LS-SVM模型预测速效氮的精度较高。基于遗传算法可见/短波近红外光谱利用LS-SVM建模,可以作为一种土壤理化性质的测定方法。     

近红外漫反射光谱检测土壤有机质和速效N的研究

利用近红外漫反射光谱检测技术对土壤有机质和速效N含量进行了相关研究。通过自行设计的NIR光谱系统测定了150个土壤样品有机质和速效N。126个土壤样品用来建立校正集模型,其余24个用来验证模型的性能。采集完整土壤样品的近红外漫反射光谱,原始光谱经移动窗口平滑处理、SNV和一阶微分预处理后,分别采用最小二乘支持向量机(LS-SVM)和偏最小二乘法(PLS),建立土壤有机质和速效N含量的定量预测数学模型。结果表明采用一阶微分结合最小二乘支持向量机(LS-SVM)所建模型的预测效果较好,土壤有机质和速效N含量定量预测数学模型的决定系数分别为0.8255和0.8015,均方根误差分别为2.84和16.80。近红外漫反射光谱作为一种检测方法,可用于评价土壤有机质和速效N含量。     

沼液对石灰性土壤速效养分含量的影响

以山西省生态农业科技示范园区温室大棚内的油菜生产基地的石灰性土壤为研究对象,采用沼液和化肥施肥,研究施肥量、施肥种类不同水平组合对土壤速效养分含量的影响.试验结果表明:单施沼液对土壤速效养分的增加效果显著高于等量氮磷钾的化肥处理和沼液化肥配施.沼液处理的土壤碱解氮、速效磷、速效钾比等量氮磷钾的化肥处理分别提高了40.86%,39.90%和43.71%.     

基于近红外光谱的土壤氮含量模型及生物炭对土壤光谱的影响

采集添加生物炭的土壤（标记为ABS）和不添加生物炭的土壤（标记为CS）,获取其近红外光谱,通过预处理算法和偏最小二乘法（partial least squares,PLS）建立两种土壤氮含量预测模型。试验结果显示,CS和ABS分别经过Baseline和Smoothing预处理的预测模型效果最好,定向系数（determination coefficient,R2）分别为0.913和0.753,预测均方根误差（root mean square error of prediction,RMSEP）分别为0.093和0.753,利用近红外光谱可对两种土壤氮含量建模预测。研究了生物炭对土壤光谱及建模的影响,结果表明,添加生物炭会改变土壤成分含量,使近红外光谱和建模不同于普通土壤,而联合建模可减小差异的影响,取得较好的预测效果,联合建模结果显示,经过Smoothing预处理的预测效果最好,R2为0.907,RMSEP为0.086。     

不同粒径土壤样品速效钾及缓效钾检测方法研究

本文对不同粒径（1 mm和2 mm）的土壤样品开展速效钾和缓效钾检测方法的研究,供试土壤包括广东赤红壤（水稻土）,湖南红壤,贵州黄壤,四川水稻土（灰冲积母质）、四川紫色土,河北褐土,陕西黄绵土,新疆灰漠土和吉林黑土等9种土壤。研究结果表明,供试的9种土壤,速效钾含量范围在23～479 mg/kg之间,缓效钾含量范围在192～1 217 mg/kg之间,RSD（%）均小于5%,通过T检验,两种粒径的土壤样品速效钾、缓效钾检测结果无显著差异。因此可以用粒径为2 mm的土壤样品代替粒径为1 mm的土壤样品进行土壤速效钾、缓效钾的测定,与其它主要的土壤有效态成分测定样品粒径保持一致,从而提高制样工作效率,降低制样成本。     

土壤组成与性质对近红外光谱检测土壤含水量的影响

以湖北地区的红壤、黄棕壤和潮土为供试土壤,研究了外源添加黏土矿物(高岭石、水云母、针铁矿、蒙脱石、蛭石)含量、有机质含量和模拟土壤颗粒大小、土壤水稳性团聚体大小对近红外光谱检测土壤含水量的影响,并分别建立了相关模式方程.结果表明,土壤的光谱特性是土壤中多因子作用的综合结果,土壤组成与性质明显地影响着近红外光谱检测土壤水分时土壤光谱反射率的变化.在土壤中添加这些黏土矿物和有机质,其光谱反射率下降;在沙土、粉沙土范围内,土壤颗粒直径由大变小,其光谱反射率增大,但至<0.002 mm黏粒时,其反射率减小;土壤水稳性团聚体由大变小,其光谱反射率增大.     

基于变量选择的小麦粗蛋白含量近红外光谱检测

小麦粗蛋白含量是其品质评价的重要指标,为探讨基于选择的短波近红外光谱变量定量判别小麦籽粒粗蛋白的可能性,采集了52份小麦籽粒样本,用湿化学方法分析其粗蛋白含量,获取其900~1700nm波段的光谱,进而利用该光谱进行预处理方法的优化研究及小麦籽粒蛋白敏感变量的优选研究,以偏最小二乘的方法建立了基于短波近红外光谱的小麦籽粒蛋白定量模型。结果表明：多元散射校正和小波变换结合是短波近红外光谱定量判别小麦籽粒粗蛋白含量较优的预处理方法;利用200次竞争性自适应重加权变量优选的统计结果,优选出1028、1158、1199、1367、1407、1445、1478、1494、1550、1584、1661、1686nm 12个变量为小麦籽粒蛋白敏感变量,占全谱的2%,该方法可稳定、高效地优选光谱变量,降低水分对模型的影响;结合预处理优化及变量优选建立偏最小二乘模型,模型预测决定系数和预测均方差分别为0.961和0.369。可见优选的短波近红外光谱变量可用于定量判别小麦籽粒粗蛋白含量。     

基于EMD的土壤有机质含量近红外光谱检测

以检测土壤有机质含量为例,探讨经验模态分解在土壤近红外光谱检测中的应用,提出了应用的原理和步骤.用处理后的光谱计算了土壤中的有机质含量,并与九点平滑和小波变换方法的处理结果进行了对比分析.结果表明:与传统的九点平滑处理结果相比,SNR从3 dB左右提高到10 dB左右,原始信号与消噪信号之间的标准差由2.972降到0.901;预测集的决定系数r2由0.9410提高到0.9803,预测均方根误差RMSEP由0.6702降为0.301 1.证明了经验模态分解方法在光谱处理过程中的可靠性,提高了土壤有机质含量近红外光谱的定量分析精度.     

近红外光谱技术在土壤成分检测中的研究进展

近红外光谱技术是一种快速的例行分析方法,在土壤科学领域内具有广阔的应用前景。评述近红外光谱分析技术在检测土壤成分(有机质、总氮、水分、矿质组分、质地、pH)中的应用现状,并指出了其在土壤领域内的发展方向。     

基于近红外光谱分析法的奶粉品质快速检测

选择11个品牌的10多种配方奶粉,共80个样品,使用PDA型近红外光谱仪采集奶粉漫反射光谱,波长范围1 089～2 219 nm.对光谱进行了SNV、软阈小波消噪及一阶微分预处理,通过比较主成分在不同波长上的权重分布,选择不同波段建立校正模型和进行预测精度分析.结果表明,奶粉的蛋白质和脂肪的近红外光谱信息主要分布于1 100～1 400 nm和1 800～2 200 nm波段内,采用小波消除原始光谱的噪声能提高校正模型的稳定性和预测精度,可以利用PDA型近红外光谱快速检测多品牌、多类型配方奶粉中蛋白、脂肪含量.     

双孢蘑菇硬度的近红外漫反射光谱无损检测

以双孢蘑菇为试验材料,基于近红外漫反射光谱定量分析技术,研究其贮藏期间硬度无损检测模型的建立方法.采用偏最小二乘法对双孢蘑菇的近红外光谱进行分析,并且比较了4种(一阶导数、二阶导数、标准正交变量变换、多元散射校正)光谱预处理方法的建模结果.试验结果表明,在选定的光谱(5000～10000cm-1)范围内,二阶导数光谱预处理方法所建模型效果最佳,其校正决定系数为0.947 1,验证决定系数为0.826 1,说明基于近红外漫反射光谱的检测方法简便易行,可用于无损评价双孢蘑菇贮藏期间硬度的变化.     

土壤速效磷含量近红外光谱田间快速测定方法

为实现对土壤速效磷含量的快速测定,以关中塿土为材料,研究基于光谱分析的土壤速效磷含量测定方法。首先用便携式近红外频谱仪在不同采样高度下,采集土壤样本900~1 700 nm波长范围的漫反射光谱,采用3倍标准差准则和主成分分析得分图对异常样本进行判别和剔除,然后对比分析4种波长选择方法对建模效果的影响,发现基于稳定的竞争性自适应加权抽样法的结果最佳,最后通过分析不同非线性建模方法对预测结果影响实验,探明最小二乘支持向量机方法的预测结果最好。实验结果表明,采样高度为10 cm时本文建立模型的土壤速效磷含量预测决定系数为0.858 1,均方根误差为10.880 1,具有较高的精度,可对土壤速效磷含量进行快速预测。     

基于电极阵列的土壤速效养分快速检测系统

从降低检测成本和提高时效性出发,设计了基于电极阵列的土壤速效养分快速检测系统,系统主要包括电极阵列、单片机和信号调理等模块,其中电极阵列为传感单元,主要由pH电极、硝酸根电极、钾离子电极、磷酸盐电极和参比电极组成.性能测定结果表明,系统输入阻抗达到1012Ω数量级,输入电流小于1 pA,响应电位测量范围为-2 000 ～2 000 mV,可与主流离子选择电极实现较好匹配.自主研发的基于电极阵列的土壤速效养分快速检测系统可基本满足土壤对pH值、硝态氮和速效钾的速测要求.     

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。     

基于近红外光谱的活性米品质检测研究

选取105份具有代表性的活性米样品,研究光谱范围在918~1 045nm内12个波长点的近红外反射光谱与其品质的相关性。利用近红外光谱技术和多元线性回归、主成分回归和偏最小二乘法3种校正方法对活性米中γ-氨基丁酸、水分、蛋白质、淀粉、明度值、红度值及黄度值进行定量分析;选出最优校正模型,模型的预测决定系数分别为0.903、0.964、0.953、0.951、0.949、0.961、0.916,预测标准偏差分别为0.598、1.367、1.367、2.688、0.996、50.144、0.952。研究结果表明:应用近红外光谱技术检测活性米品质是可行性的。     

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。     

便携式土壤全氮测定仪性能研究

为研究土壤全氮含量,自主开发了基于近红外光谱技术的便携式土壤全氮测定仪.以中国农业大学上庄实验站采集的60个土壤样本作为实验材料,分别对土壤全氮测定仪的稳定性、准确性和预测模型精度进行了测试.使用模型的测定系数(RC)、验证系数(RV)、校正均方根误差(RMSEC)、预测均方根误差(RMSEP)和相对分析误差(RPD)作为模型精度的评价指标.实验结果显示,本测定仪在波长940、1 050、1 100、1 200、1 300、1 450和1 550 nm处的吸光度重复性误差分别为1.57％、1.80％、1.59％、0.94％、0.61％、0.64％和3.13％,平均误差1.80％;测定仪吸光度和傅里叶光谱分析仪吸光度相关系数分别达到0.971、0.948、0.928、0.873、0.920、0.901和0.913,平均值为0.922;使用测定仪平均吸光度数据,通过BP神经网络建立的土壤全氮预测模型Rc、RV、RMSEC、RMSEP和RPD分别达到0.81、0.80、0.029、0.019和3.44.使用该预测模型建立的土壤全氮分布图和实际土壤全氮分布图具有高度的一致性.实验结果表明,便携式土壤全氮测定仪工作稳定,使用平均吸光度数据建立的土壤全氮预测模型具有较好的预测能力和较强的鲁棒性,可以在土壤全氮含量实时检测中应用.     

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。     

基于随机森林的鱼粉蛋白近红外定量分析

基于近红外(NIR)光谱技术,采用随机森林(RF)回归方法测定饲料鱼粉的蛋白含量。考虑到RF模型的随机性,通过调试决策树数量(ntree)和分裂变量数目(nsv)来进行模型优选;利用基尼系数(G)的下降量来判断近红外波长变量的建模重要性,进而为鱼粉蛋白的NIR分析优选信息波长,以提高NIR定量分析精度。根据统计学原理,选择具有较低计算复杂度的等效最优模型。优选的RF模型构建471个决策树,需要随机的103个波长变量进行树节点分裂,同时通过计算节点分裂前后G的平均下降量来选择52个近红外信息波长进行定标校正,得到等效最优的校正模型,校正均方根偏差和校正相关系数分别为3.970%和0.943;经过独立的预测集样品对最优RF模型进行检验,预测均方根偏差为5.271%,预测相关系数为0.906,说明RF回归结合G系数的波长优选能够有效地提高NIR光谱应用于鱼粉蛋白定量的预测能力。