基于可见—近红外光谱的蚕茧含水率无损检测研究

以蚕茧含水率为研究对象,研究了基于可见—近红外光谱技术的蚕茧含水率无损检测方法.采用最小二乘支持向量机（least square-support vector machine,LS-SVM）建立可见—近红外光谱模型,采用连续投影算法（suc-cessive projections algorithm,SPA）选取光谱有效波长.结果表明,基于SPA方法进行变量选择,最终将原始光谱的601个光谱变量减少到了11个（487,501,616,718,771,782,789,826,966,977和991nm）.基于此11个变量建立的LS-SVM模型得到了预测集的确定系数（RP2）为0.8517,误差均方根（RMSEP）为0.0504的预测结果.表明可见—近红外光谱可以用于对蚕茧的含水率进行无损检测,同时SPA是一种有效的光谱变量选择方法.     

基于支持向量机算法的近红外光谱判别分析在畜产品供应链中的应用

近红外光谱(NIR)技术已经在许多行业的定量和定性分析中广泛应用,而支持向量机(SVM)算法由于具有经验风险最小、防止过拟合、适于非线性分析等特点,开始逐步应用于近红外光谱分析领域。本文主要介绍了支持向量机,特别是最小二乘支持向量机(LS-SVM)算法的特点,综述其在近红外光谱技术鉴别饲料原料、饲料产品、主要畜产品(肉、蛋、奶)种类和品质等非线性指标中的应用,同时分析了基于支持向量机算法的近红外光谱技术在未来饲料在线分析、低检测限成分的定性和定量分析,以及光谱信息数据提取算法改进等方面的研究趋势。     

利用在线近红外光谱鉴别雌雄蚕蛹的方法

采用自动识别雌雄蚕蛹的技术与设备,是解决蚕种生产人工鉴蛹人力短缺和保证鉴蛹正确率的有效途径之一。以6个家蚕品种的蚕蛹供试,利用自制的在线近红外光谱检测装置进行雌雄蛹的鉴别。分别以3种采谱条件采集各供试家蚕品种蚕蛹样品的近红外光谱,以采用全谱和经竞争性自适应重加权算法(CARS)、无信息变量消除法(UVE)优选后的波长变量分别建立偏最小二乘判别分析(PLSDA)的雌雄蚕蛹识别模型。测试结果显示,在3种采谱条件下,以单个家蚕品种的光谱数据建模时雌雄蚕蛹鉴别的正确率达100%;多个家蚕品种的蚕蛹混合后采集光谱数据建模,其中采用方法 a(积分时间8 ms,扫描次数5次)、方法 b(积分时间为8 ms,扫描次数10次)、方法 c(积分时间20 ms,扫描次数10次)获取光谱数据建模的鉴别正确率分别达94.2%、95.2%、100.0%。选择高速采集光谱的方法 a,经CARS法优选波长后建模的测试结果优于经UVE法优选波长建模的结果,对校正集、交叉验证集和预测集蚕蛹样品的雌雄识别正确率分别为100%、100%和96.2%。研制的在线近红外光谱检测装置及建立的检测方法与模型,可应用于蚕种生产中快速鉴别分选雌雄蚕蛹。     

近红外和中红外光谱技术在快速鉴别豆粕中掺入尿素聚合物的研究

本试验旨在应用并比较近红外和中红外光谱技术结合模式识别方法对掺假的豆粕进行快速鉴别。试验收集了不同批次145个纯豆粕样品,随机选取部分纯豆粕样品,掺入0.08%~5.00%的尿素聚合物,利用傅立叶变换近红外和中红外光谱技术及偏最小二乘判别分析(PLS-DA)和支持向量机(SVM)分类方法,对掺假豆粕进行识别。结果表明:近红外光谱经变量标准化后建立的SVM分类模型训练集识别率为99.8%,测试集识别率为99.2%,检测限为1.0%;中红外光谱数据经变量标准化和一阶导数7点平滑处理后,建立的PLS-DA和SVM分类模型对样品的识别率均达到100.0%,检测限为0.08%。因此,近红外和中红外光谱技术均可对掺入尿素聚合物的豆粕快速鉴别,后者的灵敏度高于前者。     

基于支持向量机的猪血发酵制备小肽效果预测

试验提出了一种最小二乘支持向量机的猪血发酵制备小肽的水解度预测新模型。以接种量、发酵温度、发酵时间三个工艺参数为输入,水解度为输出,通过正交试验获得数据样本。以试验数据为基础,建立最小二乘支持向量机模型,利用模型预测猪血发酵制备小肽的水解度。该方法具有建模速度快、预测精度高、操作简便等优点,不仅克服了常规的BP预测模型的不足,而且性能优于标准支持向量机预测模型。     

应用近红外光谱分析技术检测毒死蜱的含量

运用近红外光谱技术结合偏最小二乘法进行了溶液中微量的毒死蜱含量的测定试验。配制39个质量浓度为0.005 0、0.007 5、0.010 0……0.100 0 mg/kg的毒死蜱溶液样品,依2∶1分为校正集和预测集,其中26个毒死蜱溶液样品作为校正集,13个毒死蜱溶液样品作为预测集,校正集样品浓度为0.005 0、0.007 5、0.012 5、0.015 0……0.095 0、0.100 0 mg/kg,预测集样品浓度为0.010 0、0.017 5、0.025 0……0.097 5 mg/kg。选取1 100~1 500 nm波长范围的光谱,用二阶导数(2nd-der)结合标准正态变量变换(SNV)方法进行预处理,采用主因子数8进行建模,在波长为1 100~1 500 nm时得到了校正集(留一交叉验证法)相关系数R2为0.996 1,预测集相关系数R2为0.993 9,校正标准差为0.001 76 mg/kg,预测标准差为0.002 40 mg/kg的结果。在检测模型中预测值与实际值之间具有显著的线性相关性。研究结果有助于利用近红外光谱技术快速测定溶液中毒死蜱的含量。     

电子鼻技术在原料乳风味检测中的应用

检测牛奶中风味物质,确定原料奶的来源对乳制品质量控制是非常重要的。利用电子鼻技术开展了不同奶厂来源奶的识别研究,采用Wilks统计量对电子鼻传感器获取数据的特征优化,分别使用了Bayes算法、最小二乘支持向量机在不同厂来源奶的识别中进行了应用。试验结果表明Bayes算法、最小二乘支持向量机可以对8个不同厂家的牛奶进行分类识别。     

基于光谱技术和模式快速鉴别家蚕品种的初探

初步研究了基于可见-近红外光谱技术和模式识别快速鉴别家蚕品种的方法。采用偏最小二乘法(PLS)进行模式特征分析,完成特征提取后,将获得的主成分作为神经网络的输入变量,建立了三层反向传播人工神经网络(BPANN)。试验采取4个品种的蚕种,应用所建立的PLS-BP模型对样本进行分析预测,准确率接近100%。     

采用3种光谱技术鉴别天然靛蓝染色蚕丝织物

探究采用近红外漫反射光谱、荧光光谱和拉曼光谱技术,建立快速、准确鉴别天然靛蓝与合成靛蓝染色蚕丝织物的方法。在近红外漫反射光谱测试中,天然靛蓝染色蚕丝织物在940 nm、1 172 nm处有特征反射峰,而合成靛蓝染色蚕丝织物在940 nm、1 042 nm和1 240 nm处有特征反射峰;在拉曼光谱测试中,天然靛蓝染色蚕丝织物在1 573 cm~(-1)和189 cm~(-1)处有明显特征峰,而合成靛蓝染色蚕丝织物仅在1 573 cm~(-1)处有吸收峰;天然靛蓝染色蚕丝织物萃取液在发射波长为495 nm处有明显的荧光峰,而合成靛蓝染色蚕丝织物萃取液却没有出现荧光峰。研究结果表明,天然靛蓝染色蚕丝织物与合成靛蓝染色蚕丝织物或其萃取液在上述3种光谱中都存在可用于区分的特征峰,因此可通过这3种光谱技术快速、准确鉴别天然靛蓝染色蚕丝织物。     

桑树叶片的叶绿素值检测与光谱特征分析方法

为了探索一种基于光谱技术的快速、无损且准确的桑树叶片叶绿素值(SPAD)检测方法,对6个桑树品种叶片的叶绿素值与可见-近红外光谱(Vis-NIR)反射率进行了测定与分析。同一叶片因测量部位不同,SPAD值也不同;同一植株自上而下的叶片SPAD值呈上升趋势。采用偏最小二乘法(PLS)建立了6个桑品种叶片的SPAD与叶片的可见-近红外光谱反射率定量分析模型,校正相关系数均达到0.80以上,预测相关系数均达到0.79以上,表明利用可见-近红外光谱分析法能较好地检测桑树叶片的叶绿素值。     

基于反射光谱技术评价草坪质量模型的研究

草坪植物叶片中的叶绿素是影响草坪颜色的重要色素,是评价草坪质量的内在因素。采用便携式光谱仪,在室外自然光照条件下,测定2种草坪群落的反射光谱,选择草坪叶片叶绿素含量的敏感光谱波段400～700 nm,应用偏最小二乘法(PLS)建立草坪植物叶片叶绿素与反射光谱的定量分析模型,结果表明,草坪植物叶绿素的预测值与实测值的相关性较好,相关系数为0.937,相对标准偏差为3.2%,建立偏最小二乘法估测草坪颜色的最优模型,均方根误差评价值较小(RMSE=0.26)。因此,反射光谱技术在园林绿化工程中为快速评价草坪质量提供了新的途径。     

不同草坪草冠层反射光谱特征的比较研究

选用高羊茅、多年生黑麦草、草地早熟禾、狗牙根、匍匐翦股颖5种草坪草的24个品种为试验对象,测定冠层反射光谱,比较可见光和近红外区域反射率的差异性,分析多种红边参数与草坪色泽目测评分值之间的相关性。结果表明,高羊茅8个品种在450～900 nm的反射率无显著性差异;草地早熟禾5个品种可见光450～650 nm的反射率存在差异显著性(P<0.05);多年生黑麦草8个品种在近红外750～900 nm的反射率存在差异显著性(P<0.01)。高羊茅美洲虎、多年生黑麦草威士、草地早熟禾蓝宝石、狗牙根太阳城、匍匐翦股颖普特在550、565、8008、50 nm处均表现出差异显著性(P<0.05),红边斜率与草坪色泽目测评分值之间存在显著相关关系。利用高光谱分析技术可以快速、准确地反演草坪冠层叶绿素含量,并且能够区分同一草坪草种品种间的反射率差异。     

Evaluation of factors in development of Vis/NIR spectroscopy models for discriminating PSE,DFD and normal broiler breast meat

1. To evaluate the performance of visible and near-infrared (Vis/NIR) spectroscopic models for discriminating true pale, soft and exudative (PSE), normal and dark, firm and dry (DFD) broiler breast meat in different conditions of preprocessing methods, spectral ranges, characteristic wavelength selection and water-holding capacity (WHC) indexes were assessed.

2. Quality attributes of 214 intact chicken fillets (pectoralis major), such as lightness (L*), pH and WHC indicators including drip loss (DL), water gain and expressible fluid were measured. Fillets were grouped into PSE, normal and DFD categories based on combination of L*, pH and WHC threshold criteria. Classification models were developed using support vector machine based methods on characteristic wavelengths selected from the unprocessed or 2nd-derivative spectra, respectively, in three spectral subsets of 400–2500, 400–1100 and 1100–2500 nm.

3. Better classification of three meat groups was obtained based on unprocessed spectra (72–94%) than 2nd-derivative spectra (55–72%). The classification based on 400–2500 nm (91% average) and 400–1100 nm (89% average) performed better than that on 1100–2500 nm (78% average). In terms of the three different WHC indicators, the combination of L*, pH and DL produced better results than the other two groups, with recognition accuracy of 94.4% using 400–2500-nm range.

4. These analytical results suggest that for a better classification of true PSE, normal and DFD broiler breast meat with Vis/NIR spectra, unprocessed spectra wavelengths should be used, ranges of 400–1000 nm should be included in the data collection, and DL as an indicator of WHC might provide a better prediction model.     

饲料添加剂L-赖氨酸硫酸盐中L-赖氨酸含量近红外速测方法研究

为了探讨利用近红外漫反射光谱技术(NIDRS)快速定量分析饲料添加剂L-赖氨酸硫酸盐中L-赖氨酸含量的可行性,本试验在全国范围内收集了具有代表性的L-赖氨酸硫酸盐添加剂76个,采用国家标准方法对样品中的L-赖氨酸含量进行化学赋值;用光栅型近红外光谱仪扫描L-赖氨酸硫酸盐样品,获取了不同物理状态下样品的近红外光谱图。依据L-赖氨酸含量将样品分为定标集和验证集,运用适当的光谱预处理方法,采用竞争性自适应重加权(CARS)算法结合偏最小二乘法(PLS)建立了L-赖氨酸硫酸盐的近红外定标分析模型,并将该模型与全波长模型进行了比较。结果表明:用烘干、60目粉碎后的样品结合CARS算法建立的定标模型最优,定标集校正决定系数(R2C)为0.954,校正集标准偏差(SEC)为0.510,交互验证标准偏差(SECV)为0.659;验证集预测决定系数(R2P)为0.952,预测标准偏差(SEP)为0.554,相对分析误差(RPD)值为3.83。由此可见,NIDRS定量分析L-赖氨酸硫酸盐具有一定可行性,对于丰富我国氨基酸盐及其他氨基酸制品的快速检测方法具有实际的应用意义。     

傅立叶变换近红外光谱技术快速测定玉米DDGS营养成分

为实现玉米DDGS营养指标的快速检测,本实验采用傅立叶变换近红外光谱技术,建立玉米DDGS水分、粗蛋白质、粗脂肪、粗灰分和氨基酸定量分析模型。收集全国范围内230个玉米DDGS样品,随机分为215个校正样品和15个验证样品,通过对不同组分独立进行光谱的预处理、交互检验计算和优化定标,得到的水分、粗蛋白质和粗脂肪定标方程决定系数R~2均在0.9以上,交互验证均方根误差(RMSECV)在0.30以内,相对分析误差RPD>3;粗灰分R~2为0.81,RMSECV为0.12,RPD为2.3,盲样验证结果均满足GB/T 18868要求,模型均有较好的准确性和稳定性;氨基酸组分建模和验证效果也较好。结果表明,采用傅立叶变换近红外光谱技术能够实现对玉米DDGS的快速检测。     

Near infrared spectroscopy for biomonitoring: cow milk composition measurement in a spectral region from 1,100 to 2,400 nanometers

The potential of near infrared spectroscopy (NIRS; 1,100 to 2,400 nm) to measure fat, total protein, and lactose content of nonhomogenized milk during milking and the influence of individual characteristics of each cow's milk on the accuracy of determination were studied. Milk fractions were taken during milking, twice per month, for 6 mo. Samples were taken every 2nd and 4th wk at the morning and the evening milkings. Teatcups were removed at each 3 L of milk yield as determined with a fractional sampling milk meter. A total of 260 milk samples were collected and analyzed with an NIRSystem 6500 spectrophotometer with 1-mm sample thickness. Partial least squares (PLS) regression was used to develop calibration models for the examined milk components. The comparison with the reference method was based on standard error of cross validation (SECV). The obtained SECV varied from .107 to .138% for fat content, from .092 to .125% for total protein, and from .066 to .096% for lactose content, and the accuracy of the reference method (AOAC, 1990, method No 972.16) was .05% for all measured milk components. The obtained models had lower SECV when an individual cow's spectral data were used for calibration. The reduction of SECV for each cow's individual calibration, when compared with SECV for the set of all samples, differed with the different constituents. For fat content determination, the reduction reached 22.46%, for protein 26.40%, and for lactose 31.25%. This phenomena was investigated and explained by principle component analysis (PCA) and by comparing loading of PLS factors that account for the most spectral variations for each cow and the measured milk components, respectively. The results of this study indicated that NIRS (1,100 to 2,500 nm, 1-mm sample thickness) was satisfactory for nonhomogenized milk compositional analysis of milk fractions taken in the process of milking.     

基于SPOT-5卫星影像的灌区作物识别

高分辨率卫星影像是作物精确分类和评估的重要数据源,在农作物种植规划、估产等领域具有重要的应用价值。本研究利用分辨率为2.5 m的SPOT 5影像分析张掖市盈科灌区的作物分布状况,同时分别生成分辨率为10和30 m的影像,用于尺度验证。最终得到研究区作物分类图,所用方法主要有最小距离法、马氏距离、最大似然法、光谱角制图仪（SAM）和支持向量机（SVM）。Kappa系数分析表明,最大似然法和SVM的分类效果好于其它分类器,分别为0.871 9和0.862 5,但这两种方法的统计量无明显区别;分类图精度评价表明,基于最大似然法的分类图总体精度最高,为90.6%;随像元空间尺度的增加,分类精度未产生明显变化。研究结果表明,最大似然法和SVM技术可以与SPOT 5影像结合,用于作物类型识别和作物面积估算。     

Aquagrams of Raw Milk for Oestrus Detection in Dairy Cows

The purpose of this research was to develop rapid and cost‐effective method for oestrus detection in dairy cows by means of near infrared spectroscopy and aquaphotomics, using raw milk from individual cows. We found that aquaphotomics approach showed consistent specific water spectral pattern of milk at the oestrus periods of the investigated Holstein cows. Characteristic changes were detected especially in foremilk collected at morning milking. They were reflected in calculated aquagrams of milk spectra where distinctive spectral pattern of oestrus showed increased light absorbance of strongly hydrogen‐bonded water. Results showed that monitoring of raw milk near infrared spectra provides an opportunity for analysing hormone levels indirectly, through the changes of water spectral pattern caused by complex physiological changes related to fertile periods.     

红外线用于蚕茧干燥的适用性探讨

测定了茧丝、蚕蛹的红外线吸收曲线以及茧层的红外线透过图谱，结合低温全波红外涂料对鲜茧进行干燥试验。对蚕茧的干燥理论分析和试验结果表明，红外线用于蚕茧干燥是不适宜的。