傅里叶变换红外光谱结合PCA及DPLS对薰衣草品种的识别

[目的]采用快速可靠的方法对薰衣草品种进行鉴别.[方法]采用傅里叶变换红外光谱法结合主成分分析(PCA)法及偏最小二乘判别(DPLS)法对不同品种薰衣草进行鉴别分析.[结果]对不同品种薰衣草的快速FTIR光谱鉴别,采用PCA法对光谱数据进行聚类分析,得到四种不同品种薰衣草的特征差异.用特征谱图作为输入建立判别偏最小二乘模型,四个品种薰衣草共47个分别建立偏最小二乘判别(DPLS)模型,对未知的16个样本进行预测,DPLS模型的校正决定系数(R2)为0.991 0,交叉验证均方根标准差(RMSEE)是0.119 3,预测均方根标准差(RMSEP)为0.1462,品种识别率为100;.[结论]PCA对不同薰衣草具有较好的聚类作用,DPLS模型能对薰衣草的品种进行较好的识别,为薰衣草品种快速鉴别提供了较好的分析方法.     

红外光谱结合PCA-LDA判别道地和非道地山药

采用红外光谱结合主成分分析(PCA)法和线性判别分析(LDA)法对山药样本的道地与非道地性进行了分析。共采集9个省107个山药样品,红外光谱波长测定范围为4 000～525 cm-1,采用多元散射校正预去除散射干扰,结果表明,PCA法不能完全区分道地和非道地山药;而采用PCA-LDA法能够有效区分道地和非道地山药,利用蒙特卡罗模拟方法随机筛选训练集和预测集,重复运行1 000次,道地山药判定的准确率为97. 53%,非道地山药判定的准确率为98. 88%。因此,利用红外光谱结合PCA-LDA法能够进行道地山药的判定,具有一定的可行性和应用价值,为山药道地性鉴别提供了一种新的方法。     

小波去噪对近红外光谱鉴别转基因菜籽油的影响分析

【目的】建立基于近红外光谱的转基因菜籽油定性鉴别模型,研究小波去噪对光谱的预处理对鉴别准确率的影响。【方法】利用前期已收集的鲁花、金龙鱼等6种品牌的瓶装或桶装的菜籽油共计117份样品,其中转基因菜籽油样品53份、非转基因菜籽油样品64份,采用德国BRUKER公司的MATRIX-F型傅里叶近红外光谱仪对这些样品进行全谱段的光谱采集;利用小波分析对菜籽油光谱数据进行预处理,选用db3小波对光谱进行软阈值去噪;在菜籽油样品近红外光谱数据的基础上,采用判别偏最小二乘法(DPLS)建立转基因菜籽油定性鉴别模型。【结果】对比小波去噪预处理前后转基因菜籽油鉴别的准确率,DPLS鉴别模型的准确率从96.43%提升到了100%。【结论】小波去噪预处理可以有效地提高近红外光谱转基因菜籽油鉴别模型的准确率。     

基于可见/近红外光谱的水蜜桃糖度无损检测方法优化研究

糖度是水蜜桃最重要的品质指标之一。水蜜桃糖度无损检测方法主要借助可见/近红外光技术来实现，但该技术受到的制约因素较多。本文综合探究分析各类条件下近红外光谱技术在水蜜桃糖度无损检测中的应用，分析比较不同品种组合建模与测量方式，以提高水蜜桃糖度无损检测的精确性。研究以浙江宁波奉化本地的3个品种水蜜桃样本为研究对象，获取水蜜桃光谱数据进行建模分析。首先利用可自行建模的H-100型无损糖度检测仪进行实验，分析结果表明，不同品种构建的近红外光谱模型的均方根误差(RMSE)和决定系数(R²)不同，其中新玉模型的结果最佳，RMSE为0.22,R²为0.98;各类品种建立的模型对各自品种的数据分析结果最佳，而对其他品种数据的分析结果较差；数据种类越多，数据量越大，模型越优秀，3种品种混合模型的R²高达0.92。其次，采集奉化本地3个品种的水蜜桃样品，使用久保田K-SS300、ATAGO PAL-HIKARi 10及H100(自建模型)3款无损设备分别进行同部位检测，并将检测值与ATAGO PAL-1的有损检测值进行相关性分析。结果显示，...     

基于SVM及BPNN的辣椒红外光谱分析

利用小波变换结合反向传播网络(BPNN)和支持向量机(SVM)研究了朝天椒和灯笼椒的傅里叶变换红外(FTIR)光谱,样品1 750~950 cm-1范围的红外光谱经多尺度一维连续小波变换(CWT)和离散小波变换分析,发现第20尺度的连续小波系数,提取该尺度3个区域的系数作为特征参数建立BPNN和SVM模型。结果表明,BPNN和SVM模型都能很好地区别两种辣椒。第5尺度的离散小波细节系数建立BPNN和SVM模型分类的正确率分别为93.3%、100%。小波变换结合BPNN和SVM用于傅里叶变换红外光谱技术中能够准确识别朝天椒、灯笼椒,为区分不同品种的辣椒提供了快速、有效的方法。     

基于近红外光谱与DPLS的潲水油快速鉴别方法

潲水油回流餐桌等食品安全问题越来越受到社会关注,探寻准确、快速、简便、高效且成本低廉的潲水油鉴别新方法成为食用油安全性能检测的新要求.对收集的82份潲水油和合格食用油样品进行了理化检测,鉴别出潲水油样品37份,合格油样品45份.从82份样品中随机选出24份样品作为第一组,余下58份样品作为第二组,以第一组24份样品作为校正集,建立判别偏最小二乘法(DPLS)模型,鉴别第二组58份样品,总体鉴别正确率为86.21%;再以第二组58份样品作为校正集,建立DPLS模型,鉴别第一组24份样品,总体鉴别正确率为95.83%.研究表明,基于近红外光谱与DPLS的潲水油快速鉴别方法可行,具有较好的鉴别效果.     

基于近红外光谱与 KPCA-SVM鉴别淡水鱼肉

为实现淡水鱼品种的快速鉴别,采用近红外光谱分析技术建立7种淡水鱼鲜肉的快速鉴别模型。试验采集了鲢、草鱼、乌鳢、鲫、鲤、青鱼、鳙7种淡水鱼共772个鲜鱼肉样品的近红外光谱数据,分别考察标准正态变换(standard normalized variate,SNV)、多元散射校正(multiplicative signal correction,MSC)的预处理方法及核主成分分析(kernel principal component analysis,KPCA)和主成分分析(principal component analysis,PCA)的特征提取方法对支持向量机(support vector machine,SVM)判别模型的影响。结果显示,经SNV预处理和KPCA提取特征变量后,对未知样品的整体正确判别率达到92.68%。因此,采用近红外光谱技术结合化学计量学方法所建SVM模型可以实现淡水鱼品种的快速鉴别。     

支持向量机和BP神经网络在可见-近红外光谱检测药品中的比较与应用

通过药品的可见-近红外光谱数据,提出基于支持向量机(SVM)和BP神经网络来定量分析药品中组分含量的检测方法,建立相应的药品组分含量的预测模型。以2002年国际扩散反射会议(IDCR)发布的可见-近红外药片数据集为研究对象进行分析研究。结果表明:SVM法所建模型的预测精度明显高于BP神经网络模型,可以较好地应用于可见-近红外光谱检测药品,为药品检测提供了一种准确、有效的方法。     

基于支持向量机的棉花冠层叶片叶绿素含量高光谱遥感估算

【目的】建立并研究棉花冠层叶片叶绿素含量的高光谱估算模型,探讨合适的建模方法,以提高棉花叶绿素含量的高光谱遥感估算精度。【方法】以2016年种植的渭北旱塬区棉花鲁棉研28号为试验对象,用SPAD-502型手持式叶绿素仪和HR-1024i便携式地物光谱仪,分别测定棉花不同生育期冠层叶片SPAD值和对应的光谱反射率,分析SPAD值与光谱反射率的相关性。选取8个光谱参数,分析SPAD值与这8个光谱参数的相关性,并采用单因素回归、多元逐步回归和支持向量机(SVM)回归方法,构建棉花冠层叶片叶绿素含量的高光谱估算模型,比较各模型的决定系数(R2)、均方根误差(RMSE)以及相对误差(RE),评价模型的精度。【结果】(1)棉花冠层叶片光谱反射率在400～700nm波段随叶片SPAD值升高而降低,在700～1 000nm波段表现为SPAD值越高,叶片光谱反射率越高;(2)在530～570nm和680～730nm处叶绿素含量与光谱反射率呈极显著负相关(99.99%置信区间,n=144);(3)所选用的8个光谱参数与叶绿素含量均达到极显著相关,相关系数最高为0.686;(4)SVM回归模型验证R2达到了0.884,RMSE和RE最低,分别为2.186和3.419,比单因素回归模型中预测精度最高的SPAD-RVI1的RMSE和RE分别降低46.4%和46.3%,较多元逐步回归模型SPAD-MSR的RMSE和RE分别降低33.4%和32.1%,明显提高了棉花叶绿素含量的估算效果。采用8个光谱参数构建的SPAD-SVM8模型RMSE和RE比采用4个光谱参数构建的SPAD-SVM8模型分别降低了19.2%和23.5%。【结论】支持向量机(SVM)回归方法可以作为棉花冠层叶片叶绿素含量高光谱遥感估算的优选方法,且采用较多光谱参数构建的SVM模型估算精度更高。     

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。     

近红外光谱对小麦产地来源的判别分析

[目的]对不同产地来源小麦的近红外光谱进行判别分析,为小麦的产地鉴别提供一种新方法.[方法]应用近红外光谱分析仪检测2007/2008年度和2008/2009年度中国小麦主产区河北省、河南省,山东省和陕西省共240份小麦籽粒样品,对近红外光谱数据分别进行均值标准化、一阶求导和多元散射校正(MSC)处理后,利用偏最小二乘判别分析法(DPLS)分析预处理后的数据.[结果]2007/2008年度小麦籽粒样品总体正确判别率为87.5%,2008/2009年度样品总体正确判别率为91.7%;用2007/2008年度样品所建模型来预测2008/2009年度的样品,结果总体正确判别率为48.3%;两年样品混合后,总体正确判别率为82.5%.[结论]不同地域来源小麦的近红外光谱特征有显著差异,但其受品种和年际因素影响较大,判别模型的稳定性有待进一步提高.     

基于近红外光谱结合机器学习算法检测食用明胶品种溯源的研究

采用近红外光谱结合机器学习方法,对5种不同来源的食用明胶进行鉴别.利用Savitzky-Golay平滑去噪、多元散射校正和最大最小归一化等方法对原始光谱数据进行预处理.将预处理的光谱数据划分为训练集和验证集,分别采用支持向量机(support vector machine,SVM)、随机森林(random forest...     

化学计量学模式识别方法结合近红外光谱用于大米产地溯源分析

对江苏、辽宁、湖北、黑龙江4个省份的169个大米样品,利用波数测定范围为10 000~4 000 cm~(-1)的Thermo AntarisⅡ傅里叶变换近红外分析仪,采用化学计量学模式识别主成分分析(PCA)和线性判别分析(LDA)方法进行产地溯源分析。结果表明,PCA方法基于前2个主成分可基本区分大米产地,但各类样品有部分重叠;采用PCA-LDA法可更有效区分大米产地,利用蒙特卡罗模拟方法随机重复选取训练集和预测集判别4个省份的大米产地准确率在93.00%以上,识别准确率相对较高。因此,化学计量学模式识别方法结合红外光谱用于大米产地溯源分析具有一定的可行性和应用价值。     

基于光谱相似尺度的SVM荔枝信息提取——以增城市中新镇为例

运用基于光谱相似尺度(SSS)的支持向量机(SVM)新方法提取荔枝信息.选取广东增城市中新镇作为典型研究区,通过运用光谱相似尺度方法提取荔枝样本,运用SVM提取研究区的荔枝信息.通过实地调杏与面积估算,结果表明该方法是基于遥感图像提取荔枝信息的一种切实可行的方法.     

不同有机溶剂和酶抑制剂对成熟桃果实香气提取的影响

采用溶液萃取法提取成熟水蜜桃果实香气成分，通过气相色谱-火焰离子检测器法(GC-FID)分析。比较成熟水蜜桃果实中的7种主要特征香气成分的相对含量，以研究二氯甲烷和正戊烷2种有机溶剂的提取效果及CaCl₂、NaCl和(NH₄)₂SO₄这3种饱和盐溶液对成熟水蜜桃果实中活性酶的抑制效果。结果表明，二氯甲烷对成熟水蜜桃果实香气成分的提取效果优于正戊烷，而对果肉组织中活性酶的抑制作用从大到小分别为NaCl、CaCl₂和(NH₄)₂SO₄。     

特征波长筛选结合PCA-LSSVM 对甜瓜叶片SPAD值的预测

【目的】利用光谱技术对定量估测大田甜瓜冠层叶片叶绿素含量,为田间的水肥调控以及田间管理提供理论依据。【方法】采用一阶求导对400～1 100 nm的叶绿素可见近红外反射光谱数据进行预处理,对于冗余的光谱数据,先分别使用特征筛选中的竞争性自适应重加权采样法(CARS)、遗传算法(GA)、蒙特卡罗无信息变量消除法(MC-UVE),再分别与主成分分析(PCA)特征提取算法融合;分别建立极限学习机(ELM)、支持向量机(SVM)、最小二乘支持向量机(LS-SVM)对甜瓜叶片SPAD定量预测模型。【结果】单一的特征筛选下,最优预测模型为CARS+SVM,校正集相关系数为0.903 5,预测集相关系数为0.893 1;特征筛选和特征提取融合下,最优的预测模型为GA+PCA+LSSVM,校正集相关系数0.955 8,预测集相关系数为0.939 7。【结论】优化后的模型可用于定量分析的使用,精准测定甜瓜叶片叶绿素含量。     

基于光谱技术识别不同农药污染脐橙的研究

用遗传算法(Genetic Algorithm,GA)搜寻可识别被不同农药污染脐橙的可见/近红外光谱的最佳特征光谱区间及波长,并建立了支持向量机(Support Vector Machines,SVM)定性分析模型.实验供试农药为灭多威、氰戊菊酯和氧乐果3种.通过GA来搜寻整个波段范围(460～1 800 nm),将得到的9个最佳特征光谱区间所包含的波长(共318个)作为SVM建模的输入变量,对识别被3种农药污染脐橙的准确率为100%.并继续应用GA优化,得到71个特征波长,此时建立的SVM模型的识别准确率为99.57%.虽然识别的准确率有所下降,但是模型的复杂程度得到了很大的优化,其输入变量减少到71个.实验结果表明利用可见/近红外光谱技术结合SVM方法可以有效识别被不同农药污染的脐橙.     

基于SVM的资源三号影像林地分类及精度评价研究

运用ZY-3影像全色和多光谱影像,采用支持向量机(SVM)法对黄龙山林区蔡家川林场林地进行分类研究,探讨SVM法的分类能力及不同核函数、纹理窗口大小对森林植被分类精度的影响。结果表明:SVM法在研究区ZY-3影像林地分类中精度比传统的极大似然法高;将光谱信息与灰度共生矩阵(GLCM)构造派生的纹理信息结合能有效提高分类精度;采用SVM法分类时不同核函数对分类结果的精度影响不显著;在选用3×3、5×5纹理窗口时分类精度更高。     

基于多光谱对不同冷冻处理牛肉的快速无损检测

[目的]探讨不同冷冻处理方式对牛肉的水分、颜色和食用物理特性的影响,以及多光谱成像系统结合化学计量方法对不同冷冻处理牛肉鉴别的可行性。[方法]通过获取冷冻牛肉样本的光谱信息,提取感兴趣区域,将原始光谱数据使用主成分分析(PCA)和支持向量机(SVM)进行建模分析,同时用传统方法检测牛肉的水分、颜色和质构参数。[结果]不同冷冻牛肉的平均光谱有明显差异,建模集和预测集的准确率分别达到86.67%和83.33%。冷冻处理后的牛肉相比于对照组,自由水含量增加,结合水含量、蒸煮损失和解冻汁液流失降低。[结论]多光谱成像系统结合化学计量学方法能够实现对不同冷冻处理牛肉的快速无损检测。     

基于高光谱成像检测猕猴桃冷害的研究

[目的]本文旨在建立基于高光谱成像技术检测猕猴桃冷害的方法,实现猕猴桃冷害的无损甄别.[方法]以'红阳'猕猴桃为材料,通过分析其400～1000 nm和1000～2000 nm波段下的光谱,比较不同预处理下的偏最小二乘判别分析(PLS-DA)和支持向量机(SVM)模型,选出正确率较高的模型,对该方法构建全波段和特征波段...