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。     

基于近红外光谱的大豆叶片可溶性蛋白含量快速检测

可溶性蛋白是植物生化及抗性生理研究的重要指标之一。快速、准确、无损测定可溶性蛋白含量对作物生长状况的动态监测及抗性作物品种的筛选具有重要意义。近红外光谱具有快速、简单方便、非破坏性的特点,已在农业、食品、化工等领域广泛应用,尤其是近年来基于光谱技术快速无损的获取作物生理生化信息的研究已成为当前农业领域研究的热点。本文采用近红外光谱技术结合化学计量学方法以实现大豆叶片可溶性蛋白含量的快速无损检测。首先,采用Savitzky-Golay平滑(SG)、一阶导数(1-Der)、二阶导数(2-Der)等7种光谱预处理方法分别建立大豆叶片可溶性蛋白含量的偏最小二乘(PLS)预测模型,经对比发现SG预处理方法为大豆叶片可溶性蛋白含量预测的最优光谱预处理方法。其次,分别采用连续投影算法(SPA)、随机蛙跳(RF)和遗传算法(GA)对SG预处理后的光谱数据进行特征波长提取。最后,基于提取的特征波长分别建立了大豆叶片可溶性蛋白含量的SPA-PLS、RF-PLS和GA-PLS预测模型,发现基于SPA提取的11个特征波长建立的大豆叶片可溶性蛋白含量SPA-PLS模型具有最佳的预测效果,其预测集相关系数(R2p)为0.864,预测均方根误差(RMSEP)为1.894 mg/g,预测偏差为2.061(RPD)。上述结果表明,应用近红外光谱技术检测大豆叶片中可溶性蛋白含量是可行的,可为大豆生长状况动态监测及抗性大豆品种的筛选提供新的方法。     

斑潜蝇虫害叶片受害程度对其近红外反射光谱的影响

为探索实现作物虫害自动监测的方法，采用图像处理和光谱分析技术，测定了斑潜蝇虫害叶片的近红外反射光谱，计算了虫害叶片的破损率，对其破损率和干鲜比与近红外分光反射率的关系分别进行了回归分析。结果表明：在某些波段，叶片的破损率和干鲜比均与近红外分光反射率有较好的相关性。叶片的干鲜比与近红外分光反射率关系的决定系数：黄瓜为R²=0.79(在1452 nm)，番茄为R²=0.70(在1450 nm)。叶片的破损率与近红外分光反射率关系的决定系数，黄瓜为R²>0.81(在1436～1468 nm)，番茄为R²>0.69(在1436～1466 nm)。试验和分析结果证明斑潜蝇虫害叶片的虫害程度能很好地被近红外光谱信息反映。     

牛肉质构特性的近红外光谱无损检测

为了建立基于近红外光谱技术的牛肉质构特性快速检测方法,该试验采集了202个新鲜牛肉样品在800～2500 nm波长范围内的漫反射光谱,测定了牛肉的硬度、弹性、咀嚼性和黏附性,经小波消噪后,分别采用平滑、一阶微分、二阶微分等6种方法预处理,建立了牛肉质构特性的偏最小二乘回归模型,并用最优模型进行预测。结果表明：经小波消噪后采用二阶微分预处理方法建立的牛肉硬度、弹性、咀嚼性的检测模型效果最好,其校正集相关系数 r 均在0.9以上,校正集均方根误差（root means square error of calibration,RMSEC）分别为6.247 N、0.760 mm、14.954 mJ,预测集相关系数均在0.664以上,预测集均方根误差（root means square error of prediction,RMSEP）分别为8.887 N、0.951 mm、22.117 mJ,相对预测误差（ratio of prediction to deviation,RPD）值分别为2.43、1.88、2.32,预测精度较高,能够有效地预测牛肉的硬度、咀嚼性,可以检测精度要求不高的牛肉弹性;试验所建立的牛肉黏附性检测模型的预测性能不是很理想,虽然其校正集和预测集相关系数较高（分别为0.720、0.694）,RMSEC 和 RESEP 均较小（分别为0.302、0.243 N·mm）,但其 RPD 值小于1.5,模型预测精度较差,不可以用于预测未知样品的黏附性,此方法还需进一步研究。研究结果为牛肉质构特性的快速无损评价提供了理论依据。     

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...     

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。     

饲料中肉骨粉含量的近红外反射光谱检测方法

收集28份鸡饲料,31份猪饲料,25份牛饲料和肉骨粉7份,在饲料中掺入不同比例(0.5%～6.0%)的肉骨粉,制成分析样本.采用偏最小二乘(PLS)法,分别对光谱进行散射校正、平滑、一阶导数和二阶导数预处理,建立了鸡饲料、猪饲料和牛饲料中肉骨粉含量的近红外定量分析模型.利用验证集样本对定标模型进行了检验,鸡饲料、猪饲料和牛饲料中肉骨粉含量的真值与预测值之间的决定系数分别为0.9694、0.9846和0.9788;标准差分别为0.279、0.252和0.287;相对分析误差分别为5.663、6.865和5.889.结果表明,利用近红外光谱法测定饲料中的肉骨粉含量具有较高的预测精度.     

基于近红外光谱土壤水分检测模型的适应性

由于土壤水分的近红外光谱定量分析模型精度依赖于样品状态,故土壤水分定量分析模型的适应性极其重要。以湖北地区的3种土壤为研究对象,利用偏最小二乘法交叉验证建立了处理后样品下的土壤水分分析模型,模型预测值与标准值的决定系数R2为0.9946,交叉验证预测均方差为0.801%,模型预测决定系数R2为0.9919,预测均方差为0.912%;利用主成分分析了未处理土壤样品与处理土壤样品得分图的差异,结果表明定量分析模型对未处理样品的预测精度降低;采用斜率/截距的方法修正了12个未处理样品的模型预测值,预测平均绝对值误差从0.78%降低到0.38%,结果表明斜率/截距校正法能较好的提高近红外光谱土壤水分定量分析模型的适应性。     

近红外光谱快速检测食用油必需脂肪酸

为了建立食用油必需脂肪酸快速检测的方法,该研究提出了基于近红外光谱技术检测食用油中α-亚麻酸和亚油酸含量的快速测定方法。对光谱信息分别采用偏最小二乘回归方法(PLS)和最小二乘支持向量机(LS-SVM)建立模型。比较了多种光谱预处理方法对模型预测能力的影响。结果表明对于亚油酸含量的预测,采用Savitzky-Golay平滑法结合多元散射校正(MSC)的光谱预处理所建立的LS-SVM模型最优。预测集的决定系数(R2)、预测均方根误差(RMSEP)和剩余预测偏差(RPD)分别达到了0.989,0.0161和9.4783。对于α-亚麻酸含量的预测,采用Savitzky-Golay平滑法结合标准正态变换(SNV)的光谱预处理所建立的LS-SVM模型最优。α-亚麻酸含量预测结果的R2、RMSEP和RPD为0.972,0.0036和6.0561,据此表明,应用近红外光谱技术能够检测食用油中α-亚麻酸和亚油酸的含量,为快速检测食用油的必需脂肪酸提供了参考。     

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。     

基于近红外光谱的未知类别样品聚类方法

在近红外光谱分析中,针对大量样品参与建模时,需将样品集进行分类,以减少样品光谱变异范围,提高近红外模型的预测准确度。本文以来自中国各地的222份小麦样品为例,在未知样品组分含量和类别归属的前提下,结合样品的近红外光谱信息,采用基于试探的未知类别的样品聚类方法（最邻近规则法和最大最小距离算法）对样品集分类。其中,最邻近规则法在阈值T为1.9时,最大最小距离算法在阈值为样品间的最大距离的1/2时,分类建模指标均优于未分类所建模型。从分类实现过程和结果可以看出：基于试探的未知类别的样品聚类方法中无需多次训练,且对未知类别的样品集无需事先确定分类数目,但需要确定分类阈值,阈值不同,则分类结果会随之改变。研究为近红外建模过程中未知类别样品的分类提供了一种参考方法。     

基于固定光栅和CCD技术的近红外光谱分析系统设计

该文设计了一种基于线阵电荷耦合器件和固定光栅的近红外光谱分析系统。主要设计了电荷耦合器件的驱动电路、光谱信号采集电路、固定光栅光学系统、光源控制系统、电荷耦合器件温度控制系统及样品旋转台的控制系统。并利用MPA光谱仪验证了近红外光谱分析方法用于谷物品质检测的可行性,运用多种预处理方法进行了优化,其中采取一阶导数与附加散射校正结合的预处理效果较优。利用CA-06光栅光谱分析仪建立了小麦水分、蛋白的偏最小二乘法模型,验证了仪器性能的稳定性和准确性。     

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。     

基于近红外光谱技术的眉茶拼配比例预测方法

拼配是出口炒青绿茶精制加工过程中的一项作业,通过对不同原料茶的拼合,达到维持产品品质标准化和一致性的目的。目前仍然依靠专家人工设计茶叶拼配比例,主观性较强,工作量大。为了实现拼配比例设计的客观化、定量化,该研究以眉茶为对象,提出了一种基于近红外光谱技术的拼配比例预测方法,采用源于黄山、湖北、福建3地的4种典型原料茶拼合了不同比例的茶样,采集了其近红外光谱数据,构建了用于预测拼配比例的4种机器学习模型,分别为AE+Softmax、CNN+Softmax、PCA+Softmax及PCA+PLS,并通过对比模型预测结果与预设拼配比例评价算法性能。结果表明,基于CNN+Softmax的拼配比例预测方法精度较高,特征维度为40时,验证集决定系数为0.964 3,均方根误差为0.047 2,优于其他方法,经过测试集测试后的性能指标与验证集接近,说明算法具有较好的泛化能力。研究结果可为茶叶数字化、智能化拼配提供理论依据与数据支撑。     

黄桃表面缺陷和可溶性固形物光谱同时在线检测

表面缺陷和可溶性固形物是评价黄桃品质的重要指标,采用可见/近红外漫透射光谱技术,探讨黄桃表面缺陷与可溶性固形物同时在线检测的可行性。在运动速度为5个/s、积分时间100 ms、光照强度1 000 W的条件下采集黄桃表面缺陷果与正常果的近红外漫透射光谱。对比分析了同一个黄桃样品损伤前后的光谱特征,建立了黄桃的最小二乘支持向相机判别模型与偏最小二乘判别模型。同时建立了黄桃可溶性固形物偏最小二乘回归模型并采用连续投影算法对模型进行优化,研究了表面缺陷果对黄桃可溶性固形物检测模型精度的影响,最终实现了黄桃表面缺陷与可溶性固形物同时在线检测。采用未参与建模的样品来评价模型的在线分选的准确性,其中表面缺陷果的正确判断率为100%,可溶性固形物分选准确率达到93%。试验结果表明:黄桃表面缺陷与可溶性固形物同时在线检测是可行的,研究可为黄桃在线分选提供技术参考和理论依据。     

茶叶咖啡碱近红外光谱模型简化方法

该文以茶叶为研究对象,以近红外光谱分析技术快速检测茶叶中的咖啡碱含量为目的,采用一种小波包分析-移动窗口偏最小二乘法（WPA-MWPLS）的处理光谱数据方法,即利用小波包精细的多层分解功能扣除背景、降低噪声的影响,利用移动窗口偏最小二乘法（MWPLS）挑选与茶叶中咖啡碱相关性较大的波数区间使用偏最小二乘法建立校正模型。与只经过Savitzky–Golay预处理后直接利用PLS所建模型相比,采用小波包分析-移动窗口偏最小二乘法使得预测相关系数R由0.9170提高到了0.9625;预测均方差RESEP由0.3071下降为0.2463。该结果表明：该方法具有预处理简单、优选参数和建模变量少等特点,能在很大程度上简化建模过程、提高建模和分析速度。     

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。