可见/近红外光谱结合遗传算法无损检测牛肉pH值

为了实现牛肉在整个货架期内(4℃环境)pH值的无损快速检测,该文采用可见/近红外光谱技术并结合遗传算法(GA,genetic algorithm),搭建了可见/近红外光谱检测系统,采集储藏在4℃下1～18d的120个牛肉样品400～1700nm范围的光谱,用不同预处理方法处理,并分别建立全波段光谱和经过遗传算法提取有效光谱的预测牛肉pH值的多元线性回归(MLR,multiple linear regression)模型、偏最小二乘回归(PLSR,partial least-squares regression)模型和最小二乘支持向量机(LS-SVM,least square-support vector machine)模型。结果表明,多元散射校正(MSC,multiplicatives catter correction)结合Savitzky-Golay(SG)平滑为最佳预处理方法,遗传算法提取光谱后所建模型的预测精度均高于全波段光谱所建模型,其中LS-SVM为最佳预测模型,其预测相关系数和标准差分别为0.935和0.111,相比全波段LS-SVM模型预测,精度得到了提高。研究表明可见/近红外光谱技术结合遗传算法所建LS-SVM预测模型能够实现4℃下牛肉整个货架期内pH值的无损快速检测。该研究为进一步开发实用的牛肉pH值无损快速检测设备提供依据。     

基于傅里叶变换近红外光谱的籽棉含水率无损检测

为了实现对籽棉含水率的快速、无损检测,该研究采用傅里叶变换近红外光谱技术建立籽棉含水率定量检测模型。首先探究了籽棉样本密度对于光谱曲线的影响,该研究发现样本密度大小对光谱曲线影响显著,密度越小光谱信号越强,当样品密度不低于0.088 6 g/cm³时,光谱曲线变化趋于平稳。通过采集籽棉样本在3 900～11 000 cm^-1波数范围的吸光度光谱数据,并应用了9种预处理方法对原始光谱数据进行处理。发现一阶导数结合消除趋势(first derivative-detrending,FD-DT)预处理方法在偏最小二乘回归(partial least squares regression,PLSR)模型建立时表现最佳。使用了竞争自适应重复加权法(competitive adaptive reweighted sampling,CARS)、信息增益法(information gain,IG)、连续投影法(successive projections algorithm,SPA)和相关系数(correlation coefficient,CC)等算法,来获...     

基于可见/近红外光谱的菠萝水心病无损检测

水心病近年严重危害菠萝产业,探究一种菠萝水心病的无损检测方法对保证上市果品、指导采后处理、促进产业提升具有重要意义。该研究采用自行搭建的菠萝可见/近红外光谱无损智能检测平台,考虑实际应用成本与效果,搭载覆盖不同波段（400～1 100、900～1 700和400～1 700 nm）的检测器对菠萝样本进行采样,随后人工标定水心病发生程度。研究结果表明,3种不同光谱波段对菠萝水心程度检测的较优方法均为：采用全波段进行多项式平滑（Savitzky Golay,SG）处理,再进行标准正态变量校正（Standard Normal Variate,SNV）,最后结合概率神经网络（Probabilistic Neural Network,PNN）建模识别。其中,400～1 100 nm所建模型对菠萝水心病训练集的回判正确率为98.51%,对验证集的检测正确率为91.18%;900～1 700 nm所建模型对菠萝水心病训练集的回判正确率为100%,对验证集的检测正确率为62%;400～ 1 700 nm所建模型对菠萝水心病训练集的回判正确率为100%,对验证集的检测正确率为91.18%。主成分分析（Principal Component Analysis,PCA）和偏最小二乘回归（Partial Least Squares Regression,PLSR）分析结果均显示,采用400～ 1 700 nm能轻微提升400～1 100 nm的检测效果。综合考虑实际应用成本与效果,实际应用建议采用400～1 100 nm光谱结合SG + SNV + PNN对菠萝水心病进行识别。研究结果证明可见/近红外光谱技术可为菠萝水心病无损、快速、智能检测提供有效的解决方案,为相关领域提供参考。     

基于近红外光谱的板栗水分检测方法

含水率是影响板栗贮藏、加工的关键指标之一,该文应用近红外光谱技术对板栗含水率进行快速无损检测。试验对240个板栗样本的带壳光谱和栗仁板栗光谱采用SPXY算法进行样本集划分,利用偏最小二乘法建立含水率定量检测模型,并对微分、多元散射校正、变量标准化等多种预处理方法对建模结果的影响进行比较。结果表明：栗仁和带壳板栗的光谱经一阶微分预处理后所建模型性能最佳,其中栗仁的水分检测模型校正集和验证集的相关系数分别为0.9359和0.8473,校正均方根误差为1.44%,验证均方根误差为1.83%;带壳板栗光谱所建模型校正集和验证集的相关系数分别为0.8270和0.7655,校正均方根误差为2.27%,验证均方根误差为2.35%。受栗壳的影响,带壳板栗光谱模型对含水率的预测精度低于栗仁光谱模型的预测精度。研究表明,近红外光谱分析技术可用于板栗含水率的快速无损检测。     

利用近红外光谱技术检测掺假豆浆

为了对豆乳内在营养指标及掺假豆乳进行快速检测,试验运用近红外光谱技术,利用偏最小二乘法进行回归分析,分别建立83个真伪豆浆样品的蛋白质和总固形物含量定标模型,并对模型的预测性能进行分析。结果表明:选取主成分数为12和14,蛋白质和总固形物含量的近红外光谱预测值与化学实测值之间的相关系数R分别为0.9756和0.9489,校正均方根误差分别为0.186和0.175,预测集样品的预测值和实测值之间的残差值均较小、接近零,残差之和分别为-0.074和-1.191,说明建立的定标模型可以准确预测豆浆中蛋白质和总固形物含量,且预测性能较好;通过对预测集样品的预测值与豆浆行业标准规定值相比较,确定预测集样品中掺假豆浆的正确判别率为100%,说明建立的蛋白质和总固形物含量定标模型可以应用于掺假豆浆的判别检测,且判别结果准确率高。本试验表明利用近红外光谱技术可实现对豆浆主要品质指标的快速无损检测,也可准确进行真伪豆浆的快速判别,本检测方法可为豆乳行业健康持续发展提供一定的技术支撑。     

猕猴桃品质光谱无损检测技术研究进展

光谱无损检测技术正越来越广泛地应用在水果内部品质检测中。该文从猕猴桃光谱特性差异及光谱无损检测技术影响因素对比分析等方面出发,对目前光谱分析技术在猕猴桃品质检测中应用的研究现状进行综述。分析了猕猴桃与其它水果光谱吸收特性和散射特性的差异以及不同温度、硬度、成熟度、部位及生长期管理措施对猕猴桃光谱特性的差异。对猕猴桃样品采集、光谱检测及数据处理等方面的不同方法进行了对比分析。指出采用500～2500 nm的可见光及近红外光谱对不同产地、不同生长环境和管理条件、不同储藏期、不同成熟度猕猴桃的果肉颜色、硬度、干物质含量、可溶性固形物含量、含糖量以及水果密度等内部品质进行检测是可行的。数据处理和定标模型建立方面的研究正在从传统多元回归和数值优化方法到包括人工神经网络技术、遗传算法、小波分析和自组织理论等先进数据分析技术的非线性模式识别方向发展。今后研究重点应进一步提高定标模型预测可靠性、通用性和实用性,建议今后对不同猕猴桃品种及不同仪器之间定标模型的通用性、猕猴桃在运动条件下的光谱检测技术等方面进行研究。     

近红外光谱式联合收割机谷物蛋白质含量检测系统设计

为了实现谷物联合收割机收获时实时在线检测谷物的蛋白质含量并记录采样地理位置信息,研发了一种基于近红外光谱原理的谷物蛋白质含量在线检测系统,系统主要由近红外光谱传感器模块、螺旋采样输送机构、控制模块、GPS/北斗定位模块、工控显现一体机等组成。谷物联合收割机近红外光谱式蛋白质含量在线检测系统工作时,当联合收割机出粮搅笼排出的谷物经过螺旋采样输送机构,采样机构的步进电机根据检测速率要求由控制器控制并间断进行谷物输送,控制器同时控制近红外光谱传感器在步进电机停止转动时进行光谱采样,谷物的近红外光谱和GPS/北斗定位模块位置信号等数据由RS485总线传输至上位机。编制了近红外传感器和采样机构等的控制与数据处理分析软件,经谷物蛋白质含量预测模型处理后,将谷物蛋白质、采样位置信息等实时显示在终端上并保存。为了验证谷物蛋白质含量预测模型及在线检测系统的性能,开展了室内标定和田间系统动态测试试验,小麦蛋白质含量预测模型的决定系数R2为0.865,绝对误差范围为-0.96%～1.22%,相对误差范围在-7.30%～9.53%,预测标准差值为0.638%;水稻蛋白质含量预测模型的决定系数R2为0.853,绝对误差范围为-0.60%～1.00%,相对误差范围为-8.47%～9.71%,预测标准差值为0.516%。系统田间测试试验表明,小麦蛋白质含量的最大相对误差为-6.69%,水稻蛋白质含量的最大相对误差为-8.02%,采样分析时间间隔对系统测试精度的影响不显著,系统稳定性和检测精度达到田间谷物蛋白质在线检测需要,为精准农业作业提供了科学依据。     

可见/近红外光谱技术无损检测果实坚实度的研究

该研究的目的是建立可见/近红外光谱与梨果实坚实度之间的数学模型,评价可见/近红外光谱技术无损测量梨果实坚实度的应用价值。在可见/近红外光谱区域(350～1800 nm),试验对比分析了不同测量部位、不同光谱预处理方法和不同校正建模算法的梨果实坚实度校正模型。结果表明：赤道部位吸光度一阶微分光谱的偏最小二乘回归所建梨果实坚实度校正模型的预测性能较优,其校正和预测相关系数分别为0.8779和0.8087,校正和预测均方误差分别为1.0804 N和1.4455 N。研究表明：可见/近红外光谱技术无损检测梨果实坚实度是可行的。     

基于小波变换的番茄总糖近红外无损检测

分别采用小波消噪、常数偏移消除等11种光谱预处理方法,对番茄总糖含量（质量分数）的近红外光谱进行预处理,通过偏最小二乘法定量校正模型预测值比较得出,小波消噪是适合番茄近红外光谱的最佳预处理方法,小波消噪的总糖质量分数近红外光谱优选区域为11 998.9～6 097.8 cm-1和4 601.3～4 246.5 cm-1,在此光谱区内建立的番茄总糖质量分数偏最小二乘法模型预测值与实测值的相关系数为0.930,内部交叉验证均方差为0.466%,校正标准差为0.469%,预测标准差为0.260%。试验结果表明：小波消噪后建立的近红外光谱模型能准确地对番茄总糖含量进行快速无损检测。     

苹果质地品质近红外无损检测和指纹分析

为了探索近红外光谱快速无损检测苹果质地品质的方法,采集240个苹果样本的近红外光谱( 波长 8002500 nm),通过解析光谱图和进行不同的预处理,利用偏最小二乘法(PLS)和多元线性回归(MLR)建立回归模型和确定特征指纹图谱.基于波长范围为1300～2500 nm,PLS结合多元散射校正(MSC)所建模型的预测效果最好,硬度模型的预测标准偏差(RMSEP)和决定系数(R2)分别为0.226 kg/cm2、96.52%,脆度模型的 RMSEP和R2分别为0.243 kg/cm2、97.15%.用权重法基于PLS模型选择的硬度特征波长为1657、1725、1790、2455、1929、2304 nm,脆度特征波长为1613、1725、1895、2304、2058、2087、2396 nm,经MLR模型检验,特征波长与苹果的硬度和脆度有很高的相关性,硬度的RMSEP和R2分别为0.271 kg/cm2、90.30%,脆度的RMSEP和R2分别为0.304kg/cn2、91.64%.结果表明,PLS模型和特征指纹光谱均能准确预测苹果的质地品质,为苹果质地品质的评价提供了快速、直观、简便、可行的新方法.     

柑桔黄龙病近红外光谱无损检测

为探讨快速无损检测柑桔黄龙病的可行性,应用近红外光谱技术结合机器学习方法进行研究。在4000~9000cm-1光谱范围内,采集黄龙病、缺素和健康3类叶片样本的近红外光谱。采用一阶导数、平滑和多元散色校正组合的光谱预处理方法,消除光谱的基线漂移和散射效应。分别对偏最小二乘判别模型(PLS-DA)的主成分因子数和最小二乘支持向量机(LS-SVM)的输入变量数量、核函数类型及其参数进行了优化,建立了PLS-DA和LS-SVM模型。采用预测集样本,评价模型的预测能力,经比较,采用11个主成分得分向量为输入、线性核函数和惩罚因子为2.25的LS-SVM模型预测效果最佳,模型误判率为0。结果表明采用近红外光谱技术结合最小二乘支持向量机进行柑桔黄龙病无损检测是可行的。     

近红外光谱快速检测马铃薯全粉还原糖

还原糖含量是评价马铃薯全粉品质的重要指标之一,该文研究基于近红外光谱技术结合最小二乘支持向量机（least squares support vector machine,LSSVM）算法的马铃薯全粉还原糖含量非线性数学模型。采用移动窗口偏最小二乘法（moving windows partial least square,MWPLS）和连续投影算法（successive projections algorithm,SPA）组合方法筛选出20个特征变量,作为LSSVM的输入向量。优化径向基函数（radial basis function,RBF）的惩罚因子和核参数,训练LSSVM校正模型。经比较,LSSVM校正模型预测结果最优,预测相关系数为0.984,预测标准差为0.223%,相对分析误差（standard deviation ratio,SDR）为5.62。结果表明：近红外光谱结合LSSVM算法提高了马铃薯全粉还原糖含量的预测精度。     

棉纤维根数的近红外测量

为准确测量棉纤维的根数,该文建立了一个近红外光电检测系统,其光源为940 nm波长的LED。试验中使用了8个年份、颜色等级有差异的棉纤维试样,测量不同纤维根数以及对应的相对消光量。结果表明,棉纤维的消光特性与输入光强有关。对同样数量的棉纤维,输入光强增大,相对消光量减小。数据分析表明,纤维根数是相对消光量的正指数函数,它远比经典朗伯定律描述的纤维光学特性要好。将该函数作为预测方程,纤维根数预测在95%的置信水平上有R2=0.99。试验中,棉纤维的颜色等级与成熟年份对其近红外光学特性没有表现出显著影响。     

基于近红外分析技术检测大豆脂肪酸含量的研究

为探索近红外光谱技术在大豆脂肪酸测试中的应用,寻找一种快速的检测方法。以黑龙江省各地的25份大豆品种为材料,采用Perten8620型近红外光谱仪对搜集到的样品进行扫描并得到光谱数据,采用多元线性回归(MLR)和偏最小二乘法(PLS)对试验数据进行了多元统计分析。结果表明：在1700～2300 nm范围内检测大豆脂肪酸含量是可靠的,并且PLS模型的性能优于MLR模型。该文还对近红外仪中的滤光片组合作了初步探讨,表明不同的滤光片组合对测量精度有一定影响。     

基于近红外光谱和正交信号-偏最小二乘法对土壤的分类

不同质地的土壤,由于蓄水能力和土壤颗粒大小的不同使得其光谱特性不同,这为采用近红外光谱技术对土壤质地进行判别分析提供了依据。该研究利用正交信号校正(OSC)方法可以获得与浓度有关的谱图信息这一优势,将其与偏最小二乘方法(PLS)结合,采用近红外光谱技术对不同质地的土壤:砂土、壤土、黏土进行判别分析。结果表明:建模样本的相关系数可达0.965,采用该模型对其余45个样本分别进行了预测,三种土壤预测样本的判别正确率分别为:93.3%,86.6%和86.6%。说明OSC方法可以提取谱图中的微弱的质地信息,实现土壤质地的快速鉴别分析。     

基于近红外光谱的武夷岩茶品质成分在线检测

为了实现近红外光谱分析方法在武夷岩茶生产过程中的实际在线检测应用,该研究选择有代表性的70个武夷岩茶样品为试验材料,首先采用现行国家标准测定了其品质组分含量并进行统计分析,结果显示,水分、茶多酚、咖啡因和粗纤维的分布范围分别为6.02%~8.09%,9.07%~15.65%,18.41~30.22 g/kg和9.19%~16.62%,标准偏差分别为0.424%,1.353%,2.613g/kg和1.497%,然后采用TQ Analyst 8.5光谱分析计量学软件,比较了不同数据预处理方法的建模结果,优选并成功建立了水分、茶多酚、咖啡因和粗纤维的定量分析模型,以上成分的预测模型相关系数分别为0.9815,0.7427,0.8601和0.8840,标准偏差分别为0.0812%,0.748%,1.39 g/kg和0.580%。将上述预测模型的偏差结果同对应现行国家标准理化分析测试方法要求对比,水分预测模型优于偏差要求,咖啡碱、茶多酚及粗纤维预测模型稍高于偏差要求,但均能够满足生产线快速测定的需要。