近红外漫反射聚类法无损快速测定淀粉品质

提出一种基于近红外光谱技术和聚类分析法对不同种类的淀粉进行无损快速鉴别的方法,研究了近红外光谱结合聚类分析法快速鉴别淀粉种类的可行性.采集样品在12 500~4 000cm-1范围内的近红外漫反射光谱,利用光谱模式识别法中的聚类分析法对图谱进行定性分类鉴别.光谱经一阶导数预处理后,采用聚类分析法可准确无误地将样品分为2类,分类准确率达到100%.同时采用预测集的样品验证所建模型的准确性,经实验得出预测准确率也是100%.实验结果表明,近红外漫反射光谱结合聚类分析法可以为快速无损鉴别淀粉种类提供一种准确可靠的方法.     

近红外光谱和支持向量机用于凌霄花产地鉴别

收集6个产地凌霄花样品的近红外光谱,构建支持向量机(SVM)模型进行产地鉴别.运用竞争自适应重加权采样(CARS)算法提取特征波长变量,在此基础上建立CARS-SVM产地判别模型.将该判别模型与线性判别分析、偏最小二乘判别分析和簇类独立软模式法3种模型进行比较.结果表明,SVM模型对不同产地凌霄花样品的鉴别结果良好,经CARS提取特征波长后,波长变量数从1 557减小至52,所构建的CARS-SVM模型对6个产地样品的判别准确率较高,明显优于上述3种模型.因此,近红外光谱技术可快速准确判别凌霄花的产地,为凌霄花的产地鉴别与质量评价提供一种新的方法.     

茶叶品种鉴别的近红外光谱指纹图谱模式识别方法

运用傅立叶变换近红外光谱结合主成分-马氏距离判别分析方法 (PCA-Mahalanobis distance discriminant analysis)方法对七种不同品种的茶叶进行品种鉴别。采集七种样品的傅立叶变换近红外光谱指纹图谱,原始光谱经过多元散射校正(MSC)预处理后,运用主成分-马氏距离判别分析方法 (PCA-Mahalanobis distance discriminant analysis,PCA-MD)对茶叶的品种进行判别。所得PCA-MD模型对七种茶叶的分类正确率均为100%,说明模型具有较好的预测分类能力。结论:运用简便、快速、无损的近红外光谱分析结合主成分-马氏距离判别分析方法,为茶叶品种鉴别分类提供了一种快速简便、准确度高、精密度好、分析成本低、实用性强的鉴别方法和手段。     

基于高光谱成像技术的红景天品种神经网络模式识别方法

采用高光谱成像技术采集大花红景天和狭叶红景天的近红外高光谱图像(935～1 720 nm),并从中提取出感兴趣区域的平均光谱作为大花红景天和狭叶红景天的原始光谱.在采用多元散射校正(MSC)进行光谱预处理后,运用载荷系数法(X-LW)、连续投影算法(SPA)和竞争自适应重加权算法(CARS)分别提取了红景天近红外高光谱9、20和33个特征波长,最后基于全波长和特征波长建立偏最小二乘判别分析(PLS-DA)、概率神经网络(PNN)和广义回归神经网络(GRNN)分类判别模型.结果表明,基于CARS提取的特征波长建立的PLS-DA、PNN和GRNN模式识别模型优于基于X-LW、SPA提取特征波长建立的识别模型.而且,基于全波长和CARS提取的特征波长建立的PLS-DA、PNN和GRNN判别模型均能很好地区分大花红景天和狭叶红景天,对训练集和测试集样本分类的正确率全部达到100%.因此,高光谱成像技术结合PLSDA与神经网络模式识别分析方法,能够实现大花红景天和狭叶红景天的无损、快速和准确的分类与鉴别,为红景天药材的质量控制、品种鉴别和临床应用奠定基础.     

近红外光谱在印刷品颜色检测中的应用

为了对印刷品颜色进行快速、准确检测,应用近红外光谱技术(NIR)并结合偏最小二乘法(PLS)建立印刷品颜色检测模型.对近红外光谱获取的144个样本光谱曲线,应用主成分分析方法进行降维,维数为5.选取的主成分作为光谱优化特征子集以替代原来复杂的光谱数据.随后,将144个样本数据随机分为定标集和预测集,利用偏最小二乘法在103个定标集样本数据基础上建立印刷品颜色预测模型,应用此模型对41个预测集样本颜色进行预测.研究结果表明:利用PLS模型得到样本的实测值和预测值之间的预测决定系数(R~2)为99.74%,预测平均相对误差为0.636%,表明利用近红外光谱技术检测印刷品颜色是可行的.     

高光谱成像技术快速预测冷鲜鸡胸肉的嫩度

本试验研究了基于近红外(900~1700 nm)高光谱成像技术快速预测不同冷藏时长(0~6天)的鸡胸肉嫩度.通过对原始光谱信息进行S-G卷积平滑及Baseline基线校正预处理,并采用偏最小二乘回归算法(PLSR)构建光谱信息与嫩度参考值之间的定量关系.结果显示,全波段原始光谱及预处理光谱构建的PLSR校正模型和预测模型相关系数R均大于0.90,预测效果良好.经回归系数法,从原始光谱、S–G卷积平滑预处理光谱及Baseline基线校正预处理光谱中分别筛选出20、20和19个最后波长,构建优化的RC-PLSR模型,预测相关系数分别为0.91、0.89及0.93,均方根误差分别为2.33、2.45及2.03.相比之下,经S-G卷积平滑预处理构建的PLSR模型和RC-PLSR模型预测效果均最优.研究表明,近红外高光谱成技术结合PLSR可实现对鸡肉嫩度的快速无损预测.     

基于近红外光谱的大鲵黏液粉掺伪的定性定量研究

采用近红外光谱扫描不同掺伪样品,用偏最小二乘线性判别法分别建立掺伪大鲵黏液粉的2分类(纯大鲵黏液粉和掺伪样品)和5分类(纯大鲵黏液粉、掺入土豆淀粉、大鲵肉粉、大鲵蛋白粉和大鲵皮粉)定性判别模型;用偏最小二乘回归分别建立4类掺伪大鲵黏液粉的定量校正模型。结果表明,原始光谱经一阶导数+标准变量变换预处理后,所建2分类和5分类小二乘线性判别定性模型的校正集和预测集均无误判数;大鲵黏液粉掺入土豆淀粉、大鲵肉粉、大鲵蛋白粉和大鲵皮粉的定量预测模型能够较好地验证黏液掺伪成分。     

基于近红外光谱无损快速检测面粉品质的研究

提出一种基于近红外光谱技术结合偏最小二乘法对面粉品质进行无损快速检测的方法.配制含滑石粉的面粉样品30个,采集样品在12 500~4 000 cm-1范围内的近红外漫反射光谱,选择最优的光谱预处理方法和光谱范围,采用偏最小二乘法(PLS)建立定量分析模型.结果表明所建定量分析模型的相关性能比较高,预测相关系数和预测均方根误差均符合要求.研究发现,近红外光谱技术用于快速无损检测面粉掺假是可行的.     

近红外光谱技术在林业领域的应用

近红外光谱技术是一种快速、准确、无损、高通量、低成本的分析技术，广泛应用于林业领域。在木材性质检测方面，近红外光谱技术对于木材力学特征及化学成分含量等检测都有较高的准确性；在经济林产品品质分析方面，则主要用于反映林业产品的化学组分及含量、口感及硬度等直接和间接性状，对经济林产品品质及林木遗传育种的研究有较好应用前景；在林木分类鉴别应用方面，近红外光谱能够鉴别不同树种及种源，乃至反映树龄信息，在多物种模型中应用效果更好；近红外光谱还能够有效区分多物种的正常植物体与染病植物体，可在林木病虫害研究及生物检疫方面发挥作用。此外，近红外光谱还能应用于预测森林凋落物分解速率、预测土壤成分含量等。笔者分析了近红外光谱在林业科研和生产实际应用中的影响因素，包括样品状态、样本集特征等内在因素，以及预处理、波长选择、建模方式、硬件条件等外在因素对最终模型稳定性和准确度产生的影响。总结认为，近红外光谱技术引入林业研究后大大提高了林业样品检测效率，实现了绿色无损的高通量检测，对林地现场快速测量及林木遗传育种有极好的适应性，对促进林业产业的发展意义重大。     

近红外光谱技术在食用油种类鉴别及 脂肪酸含量检测中的应用

应用近红外光谱分析技术分别建立了快速鉴别食用植物油种类的定性分析模型以及测定食用植物油主要脂肪酸含量的定量分析模型.实验根据19份食用植物油样品的近红外光谱,结合系统聚类方法建立了纯橄榄-芝麻-花生油定性识别模型,识别率和预测率可达100%.根据59个食用植物油样品的近红外光谱,结合模型优化方法建立了食用植物油中棕榈酸、硬脂酸、油酸3种主要脂肪酸含量的近红外定量分析模型,且模型指标较好.实验表明近红外光谱分析技术在食用植物油品质快速检测领域有很好的应用前景.     

多尺度分解和主成分法在近红外光谱分析中的应用

改进近红外光谱分析的传统方法，采取光谱信息二次提取，在利用数学模型进行定量分析之前，先采用小波多尺度分解和主成分分析两种方法对光谱进行两次信息提取，用特征向量表征原光谱，大量缩减建立数学模型的数据量，并建立可靠实用的数学模型。在进行近红外光谱特征提取之前还进行样品聚类分析和光谱去噪处理，避免样品选择和环境因素的影响，为信息提取提供可靠的基础。研究中提出用特征向量表示近红外光谱的方法并在模型应用中验证该向量的有效性。     

基于BP神经网络检测面粉中滑石粉含量的研究

利用近红外光谱技术对掺杂滑石粉的小麦面粉进行了检测,采用多元散射校正对谱图进行预处理,利用BP神经网络中的SCG反向传播算法训练函数建立了面粉中滑石粉的定量分析模型,并对校正集和预测集进行了定量分析,分析结果为R2=0.997 3,RMSEC=0.436 7,RMSEP=1.708 8.结果表明,BP神经网络结合近红外光谱技术检测面粉中滑石粉含量具有快速、精度高、泛华能力强的优点,可用于面粉中滑石粉含量的快速准确检测.     

基于过采样支持向量机的煤与瓦斯突出预测

基于机器学习的煤与瓦斯分类预测方法中,各突出案例的数量不平衡会导致预测准确率降低。为了提升煤与瓦斯突出预测模型的准确率及稳定性,构建了过采样算法和支持向量机(support vector machine, SVM)组合的分类预测模型。首先,通过聚类分析将突出样本分成多个簇,在每个簇中对可能的噪声点按概率去除;然后通过过采样算法合成新样本,以减少样本数量不均衡对模型训练的影响;最后,用支持向量机模型结合粒子群算法对新数据集进行训练调优。实验结果表明:提出的模型在G-mean、曲线下面积(area under curve, AUC)值上均高于传统的分类模型,具有更强的算法鲁棒性,并且随着突出样本数量的减少,其优势更加明显。     

面向主属性值的类标特征分析

为了提取一个类标区别于其他类标的本质特征,增强类标数据集的可解释性,提出了一种面向主属性值的类标特征分析方法.该方法首先建立了一种直观的面向主属性值的类标特征模型,然后设计了对应的类标特征抽取算法,最后给出了一种基于类标特征分析的分类算法.实验结果表明:所建立的类标特征模型能够直观、有效地描述类标数据集中各类标的特征,给出的类标特征抽取算法有较高的执行性能,提出的分类算法在针对类标较少的数据集时有较高的分类准确率.     

巷道围岩稳定性分类的MBP神经网络预测研究

研究BP神经网络的工作原理和改进技术，分析巷道围岩稳定性的影响因素，基于改进的MBP神经网络建立了围岩稳定性分类的神经网络识别模型。研究结果表明，该预测模型性能好，预测精度高，预测结果能很好地拟合地下工程实际，验证了该模型的可行性和实用性。     

基于代表率与投票机制的分类方法监测片剂包衣终点的研究

利用近红外技术,建立了一种基于代表率和投票机制的分类方法监测片剂包衣终点。首先,采用系统聚类对各包衣时间点样本均值进行聚类,建立分类模型;然后,用本文提出的代表率对各时间点样本进行模型验证,通过代表率验证均值聚类模型,明确模型的有效性和可行性;最后,用训练模型预测各时间点样本类别,通过投票机制获得各时间点最终投票结果,弥补了系统聚类无模型预测的不足,也可避免个别样本导致的错误判断。经实验数据验证:代表率最低的是T100M,为73.33%;最高的是T130M,为100.00%;平均代表率为86.77%。投票结果得出第一批测试数据和第二批测试数据的包衣终点分别为1T130M、2T132M,另外投票机制还能监测其他时间点的包衣过程。     

基于聚类评分的暴雨/冰雹分类模型

针对暴雨和冰雹2种强对流天气的区分问题,研究了主成分分析联合线性鉴别分析对雷达图像中提取的冰雹及暴雨特征降维和去相关的作用,设计了基于聚类评分的暴雨/冰雹分类模型,采用K均值聚类评分的办法确定具有高分类性的主成分,并以此主成分设计分类器对暴雨和冰雹进行区分.结果表明:主成分分析联合线性鉴别分析进行特征处理能够在降维的同时保留大部分分类性信息,基于聚类评分的分类模型有利于提高冰雹识别的命中率并降低其误警率,且对一般类型公共数据分类问题有效.     

独立成分分析支持向量机回归模型及其在近红外光谱分析中的应用

首先采用独立成分分析(ICA)提取近红外光谱数据矩阵的独立成分和相应的混合矩阵,然后用支持向量机回归(SVR)对混合矩阵和实测浓度矩阵进行建模,建立了独立成分分析-支持向量机回归(ICA SVR)的近红外分析建模方法.结果表明,ICA SVR模型的预测结果明显优于SVR和偏最小二乘法(PLS)方法,方法用于肉样品中水分、脂肪和蛋白质的同时测定,获得了满意的结果.     

基于微气象微地形的北京地区输电线路覆冰预测技术

实现输电线路覆冰预测是保障北京地区输电线路在覆冰季正常运行的关键技术。针对北京地区输电线路覆冰预测技术研究,采用皮尔逊相关系数和灰色系统关联度分析方法,利用历史数据研究覆冰厚度与微气象微地形的相关性,得出湿度、坡向、风向和高程对覆冰厚度影响程度较高;通过多种环境特征要素组合构建基于极限随机树模型和灰色系统预测模型的覆冰预测模型,对比不同模型的预测结果的均方根误差（RMSE）,得出由湿度和风向组合构建的灰色系统覆冰预测模型效果最佳。研究结果表明,与同类预测方法相比考虑了微地形对覆冰厚度预测的影响,得到北京地区输电线路覆冰厚度相关性较高的环境因素为湿度、坡向、风向和高程;对比多种环境要素构建的覆冰预测模型,湿度和风向组合的灰色系统预测模型的均方根误差明显优于其它组合,可以有效实现北京地区输电线路覆冰预测。     

基于流动单元分类的非均质砂岩储集层渗透率预测

 综合岩心分析测试和测井资料,对松辽盆地新站油田D404区块葡萄花油层进行流动单元划分,建立中低孔、中低渗非均质砂岩的渗透率预测模型.首先,将葡萄花油层划分为4个特征明显的流动单元,分类后的孔隙度与渗透率关系明显改善;其次,筛选最能表征储集层储集性能的补偿密度、深感应电阻率和中感应电阻率为变量,建立了流动单元指数FZI的测井响应多元回归方程,为应用测井曲线划分流动单元奠定基础;第三,应用与孔隙度关系最密切的补偿密度测井预测孔隙度;最后,应用基于流动单元分类的孔隙度与渗透率关系,预测非均质储集层渗透率,精度明显提高.研究结果为中低孔中低渗砂岩储集层解决非均质问题提供有效途径.