基于近红外与拉曼光谱的甲醇汽油定量分析

利用近红外和拉曼光谱法定量分析了甲醇汽油中甲醇的含量,采用偏最小二乘法(partial least squares,PLS)建立甲醇的定量模型.近红外光谱法测定甲醇定量模型的预测集相关系数RP为0.998,预测均方根误差(RMSEP)为0.289%;拉曼光谱法测定甲醇定量模型的预测集相关系数RP为0.982,预测均方根误差(RMSEP)为1.141%.实验表明,近红外与拉曼光谱技术均可用于甲醇汽油中甲醇含量的快速检测.     

基于近红外技术快速检测青金桔果粉中β-胡萝卜素含量

以青金桔原粉为研究对象,采集不同时间热处理的青金桔果粉近红外光谱(900～1700nm)信息,经不同预处理,运用偏最小二乘回归(partial least square regression,PLS)法建立β-胡萝卜素含量的预测模型,实现靑金桔果粉中β-胡萝卜素含量的快速无损检测。试验结果显示,经标准正态变换(standard normal variate,SNV)预处理在1300～1700 nm范围内光谱信息构建的PLS模型,预测效果较好,模型均方根误差(RMSEC)、交叉验证均方根误差(RMSECV)、预测均方根误差(RM-SEP)分别为0.08、0.14和0.05,校正集决定系数(R2c)、交叉验证集决定系数(R2cv)和预测集决定系数(R2p)分别为0.95、0.87和0.95。由此表明,利用近红外光谱技术可潜在实现对青金桔果粉中β-桔胡萝卜素含量的快速检测。     

近红外光谱用于土壤锌的快速分析及其稳定性

利用近红外(NIR)光谱结合偏最小二乘(PLS)回归研究珠三角农田土壤锌含量的无试剂快速定量分析方法,基于定标集、预测集的多次划分讨论模型的稳定性。将全部扫描谱区(400~2 498 nm)分成可见区(400~780 nm)、短波近红外区(780~1 100 nm)、长波近红外区(1 100~2 498 nm)和全近红外区(780-2 498 nm)。经过比较、检验,长波近红外区达到最好的模型效果和稳定性,其最优PLS因子个数为8,检验集的预测均方根偏差(V-SEP)和预测相关系数(V-RP)分别为78.847 mg/kg-1和0.731。结果表明,长波近红外光谱可以应用于土壤锌含量的无试剂快速定量分析。     

近红外光谱-偏最小二乘法无损定量分析异烟肼片

应用近红外漫反射光谱结合偏最小二乘法, 对异烟肼片中异烟肼的含量进行分析, 建立了近红外光谱数学校正定量分析模型, 其对校正集样品的交互验证均方根误差(RMSECV)为0.00632. 对预测集样品的预测均方根误差(RMSEP)为0.00603; 回归系数为0.99456;加样平均回收率为99.772%. 重现性实验相对标准偏差(RSD)为0.526%. 结果表明, 该方法预测精度高, 且具有方便快捷、 非破坏、 无污染、 可在线检测和重现性好等优点.     

基于BP-Adaboost的近红外光谱检测固态发酵过程pH值

为了实现固态发酵过程参数pH值的快速检测,提出基于近红外光谱技术的固态发酵过程参数pH值检测新方法.首先获取140个固态发酵过程产物样本在10 000 ～4 000 cm-1范围内的近红外光谱;然后利用酸度计测得近红外光谱预测模型的参考测量值;最后运用Adaboost(AdaptiveBoosting)算法来构建由10个弱预测器(BP神经网络)组成的BP-Adaboost强预测模型.试验结果显示:该模型的预测均方根误差(RMSEP)和预测集相关系数(R)分别为0.072 6和0.981 1;与BP模型结果相比,该模型具有较好的预测精度.     

缬沙坦胶囊辅料含量近红外光谱模型传递研究

为了建立缬沙坦胶囊辅料含量近红外光谱分析模型能在不同仪器间实现共享,提高模型的有效利用.采用分段直接校正(PDS)和典型相关分析(CCA)法进行了近红外仪器间模型传递的研究.研究表明:在主机建立的模型经PDS算法传递后,子机验证集的预测均方根误差(RMSEP)分别为2.41、1.95、0.99、0.53,经CCA算法传递后的RMSEP分别为0.78、1.19、0.78、0.43.对于2台傅里叶变换型近红外光谱仪,采用PDS和CCA方法可成功实现模型传递,其中CCA作用效果优于PDS,该研究结果对于辅料含量近红外快速分析模型的广泛应用具有重要意义.     

偏最小二乘法用于近红外漫反射光谱测定异福片

应用近红外漫反射光谱结合偏最小二乘法(NIR PLS)对异福片中利福平和异烟肼的含量进行定量分析， 所建立的定量分析模型对校正集样品中利福平和异烟肼的含量预测回归系数分别为0.992　77，0.989　01，交互验证均方根误差(RMSECV)分别 为0.006　65，0.004　23.对预测集样品利福平、 异烟肼的含量预测均方根误差(RMSEP)分别为0.005　73，0.003　79；加样平均回收率分别为99.376%和98.243%；重现性实验相对标准偏差(RSD)分别为0.679　3%和0.639　8%.结果表明， 该方法预测精度高， 且具有方便快捷、 非破坏、 无污染、 可在线检测、 重现性好等优点， 可作为异福片原位质量检测和在线质量监控的方法予 以推广.     

可见-短波近红外光谱用于血红蛋白分析及其稳定性

基于随机性、相似性和稳定性,通过定标集、预测集、检验集的建模过程,采用可见-近红外(NIR)光谱结合偏最小二乘(PLS)方法建立人类溶血液样品的血红蛋白(Hb)的分析模型。将全谱扫描区(400—249 8 nm)分成可见区(400—780nm)、短波近红外区(780—110 0 nm)、长波近红外区(1100—249 8 nm)、可见-短波近红外区(400-1100 nm)、全近红外区(780—249 8 nm)。经过比较、检验,结果表明,可见-短波近红外区达到了最好的模型效果和稳定性,最优PLS因子数为7,检验的预测均方根误差(V-SEP)和预测相关系数(V-RP)分别为4.42 g.L-1、0.967,达到了高的预测精度和稳定性。     

用近红外光谱法实时监测蛹虫草发酵中胞内多糖的质量浓度

应用近红外光谱(NIR)结合偏最小二乘法(PLS)建立一种实时监测蛹虫草发酵中胞内多糖质量浓度的新方法.对39个批次的蛹虫草在3个不同条件的5L发酵罐中进行蛹虫草深层发酵,发酵过程中间隔一定时间取样,采集样品的近红外光谱,并按常规方法测定样品中胞内多糖质量浓度,再采用PLS法建立样品的近红外光谱与胞内多糖质量浓度间的模型,所建模型经过选择最适光谱预处理方法和最适隐变量数进行优化,其留一交互验证预测值与化学测定参考值间的相关系数R=0.8750,交互验证均方根误差RMSECV=0.3052.采用最优PLS模型对样品中胞内多糖质量浓度进行预测,校正集预测均方根误差RMSEC=0.1670,预测集预测均方根误差RMSEP=0.3650,表明模型的稳健性和预测性能较好。     

用人工神经网络-近红外光谱法测定毛竹中木质素与综纤维素的含量

近红外光谱结合反向传播的人工神经网络(back propagation artificial neural network,BP-ANN)技术预测了毛竹中木质素与综纤维素的含量.用常规湿化学方法测定了54株毛竹样品的木质素含量以及53株毛竹样品的综纤维素含量.用近红外光谱仪采集相应的光谱,为了提高信噪比和计算速度,对原始近红外光谱进行平滑、压缩、归一化预处理.利用预处理后的近红外光谱数据建立BP-ANN模型.在模型建立过程中采用Leave-n-out交叉验证法优化了隐含层神经元的个数,学习率,动量因子和学习次数.优化的BP-ANN模型用于预测测试集中9个毛竹样品中木质素与综纤维素的含量,预测均方根误差分别为0.88%、1.40%.结果表明,应用毛竹的近红外光谱数据和BP-ANN技术,可以用于预测木质素和综纤维素的含量,基本能满足定量分析的要求.     

基于多维度光谱特征波长提取大豆冠层SPAD值估算模型

应用多种光谱特征波长段提取技术,研究了全生育期大豆冠层的近红外光谱曲线特性,提出了基于多维度光谱特征波长提取的大豆冠层叶绿素相对含量(SPAD值)估算模型.在大豆冠层原始近红外光谱曲线中,优选多元散射校正预处理和偏最小二乘回归法建模.经多元散射校正预处理后,应用竞争性自适应重加权采样算法(CARS)、主成分分析法(PCA)和连续投影算法(SPA),提取大豆冠层的光谱特征波长数量分别为22,51和12个.以此特征波长为基础,利用偏最小二乘回归法和多元线性回归法(MLR),分别建立大豆冠层SPAD值估算模型.结果表明CARS-MLR模型试验效果较好,该模型校正样本和预测样本SPAD值的均方根误差分别为5.67和5.94,平均值约为5.81.     

基于改进遗传算法的区间光谱特征波长变量选择方法

为提高土壤养分近红外光谱预测模型的鲁棒性和预测精度,提出一种基于改进遗传算法的近红外区间光谱特征波长变量选择方法.利用土壤速效磷近红外光谱全光谱波长变量纯度梯度的正负变化次数将全光谱划分为多个波长间隔,以偏最小二乘回归模型(PLS-R)输出的变量投影重要性系数(V_(VIP))大于1作为提取准则,提取对土壤养分预测目标量解释性较强的波长间隔,并合并成一个区间光谱.建立区间光谱特征波长变量(FWV)PLS-R模型,利用改进遗传算法选择PLS-R的均方根误差为最小对应的FWV为最优FWV.试验结果表明:该方法在区间光谱选择最优FWV,能提高回归模型的鲁棒性和预测精度,简化模型结构;改进遗传算法采用一种改进的实数编码差分变异算子,扩大了全局最优解搜索空间,提高了收敛速度.     

近红外光谱结合遗传算法优化的RBF神经网络对中药萃取物含量的预测

建立了基于近红外漫反射光谱(NIR)定量预测中药蛇床子CO_2超临界萃取(SFE)物中2种主要成分蛇床子素和欧前胡素含量的新方法.将高效液相色谱(HPLC)分析结果作为参考值,通过遗传算法(GA)和径向基函数(RBF)神经网络相结合,建立中药蛇床子萃取物的光谱数据和萃取物中蛇床子素和欧前胡素含量之间的定量模型.NIR光谱数据经标准归一化(SNV)预处理后所建GA优化的RBF网络模型(GA-RBF)为最优,其蛇床子素和欧前胡素测试集的均方根误差(RMSE)分别为0.476 4%和0.305 6%,相关系数(R)分别为0.990 8和0.987 0,均优于偏最小二乘(PLS)模型的处理结果.该方法具有快速、无损、精确的优点,为中药材复杂体系中化学组分定量测定提供了一条新途径.     

应用间隔随机蛙结合连续投影算法检测橡胶树叶片氮含量

研究了基于可见/近红外光谱技术的橡胶树叶片氮含量无损检测方法。总共采集了176个橡胶树叶片样本,以350～2 500 nm的可见/近红外数据作为试验数据。首先,采用一种新颖的间隔随机蛙(iRF)算法选择交互验证均方根误差(RMSECV)最小的波长间隔组合;然后,采用连续投影算法(SPA)进一步选择特征波长;最后,将选出的特征波长作为输入变量,建立偏最小二乘法(PLS)模型。研究结果表明:通过两步策略进行波长选择,iRF算法粗选,从全光谱2 151个变量中筛选出714个,再采用SPA算法细选,从714个变量中进一步筛选出20个最优变量,降低了信息冗余,变量数减少了99.07%。建立的简化模型结果校正均方根误差(RMSEC)、校正相关系数(R_c)、预测均方根误差(RMSEP)、预测相关系数(R_p)分别为0.091 3%、0.956 5、0.123 8%和0.901 8,比PLS、间隔偏最小二乘法(iPLS)、iRF算法和SPA有更低的均方根误差和更高的相关系数。因此,iRF-SPA可以作为一种策略的波长选择方法用于检测橡胶树叶片氮含量。     

基于人工蜂群波长优选和残差增广的近红外光谱定量模型研究

提出一种基于人工蜂群(artificial bee colony,ABC)算法的光谱波长优选和残差数据增广回归算法的近红外光谱定量模型.以勾兑果汁中苹果汁原汁含量的近红外光谱数据为基础,对原始光谱数据进行预处理,通过人工蜂群算法优选光谱波长变量,采用优选出的波长变量建立近红外光谱浓度残差增广的最小二乘回归(concentration residual augmented classical least squares,CRACLS)模型.将ABC波长优选后建立的CRACLS模型与全光谱建立的CRACLS模型,遗传算法(genetic algorithm,GA)波长优选后建立的CRACLS,ABC波长优选后建立的PLS模型,全光谱建立的PLS模型,GA波长优选后建立的PLS模型进行比较.实验结果表明,ABC-CRACLS模型的校正集的Rc值为0.999 8,RMSEC值为0.000 9,预测集的Rp值为0.999 1,RMSEP值为0.012 1,均优于其它几个模型.因此提出的人工蜂群算法能够有效地处理好波长变量的优选问题,并且CRACLS模型取得良好的预测结果.     

基于近红外光谱的小麦粉湿面筋含量检测

本文应用近红外光谱法测定小麦粉中湿面筋含量.对小麦粉的近红外光谱图进行消除常数偏移量、多元散射校正、减去一条直线三种预处理方法,用偏最小二乘法建立小麦粉的近红外光谱图与湿面筋含量之间的关系模型,并预测小麦粉中湿面筋含量.实验结果显示减去一条直线预处理后的模型评价指标最优,模型的相关系数R2为934,模型交互验证后的均方差为051,预测结果的均方根误差为0456.实验结果表明,近红外光谱法能够用于小麦粉湿面筋含量的测定     

基于降噪处理的蒙古栎木材气干密度NIRS定标模型

分别采用卷积平滑法、小波变换法对蒙古栎木材近红外光谱(NIRS)做去噪处理,并讨论两者混合去噪时,处理顺序变化对光谱去噪效果的影响,最后应用偏最小二乘法(partial least squares regression,PLS)和主成分回归法建立蒙古栎木材气干密度近红外定标模型。结果表明,当平滑点数为3,db5小波分解层数为2时,以平滑+小波方式去噪效果最好,其信噪比(SNR)为18.546,均方根误差为0.04。平滑+小波去噪后,基于PLS的蒙古栎木材密度近红外校正模型决定系数由0.767提高到0.902,校正均方根误差降低了35.32%,预测集决定系数为0.860,内部交叉验证和预测均方根误差分别达到最低,剩余预测偏差为2.67。因此,近红外光谱技术可实现蒙古栎木材气干密度快速预测,合理选择处理参数和建模方法可以有效提高模型精度。     

近红外光谱技术检测石榴汁中花色苷含量

以不同产地的石榴汁样品为对象,对其近红外光谱数据进行预处理并通过小波变化处理提取光谱特征,采用遗传算法对支持向量机的三个参数进行优化,建立基于近红外光谱技术与支持向量机的石榴汁中花色苷含量检测模型。结果表明,模型对验证集的均方根误差为0.019 766,决定系数为0.999 2,模型预测性能良好。近红外光谱技术可用于石榴汁中花色苷含量的定量检测。     

基于NIRS的马尾松苗木根部含水量预测模型

【目的】马尾松是我国南方主要造林树种,其根部水分含量是评价树木活力的重要指标。本研究构建了一种基于近红外光谱(near infrared spectroscopy,NIRS)的马尾松苗木根部含水量预测模型。【方法】首先采集根部近红外光谱数据,然后利用可变加权堆叠自动编码器结合支持向量回归构建预测模型。可变加权堆叠自编码器用来逐层提取与输出相关的特征,支持向量回归根据自编码器生成的特征实现了含水量更精确预测。【结果】与其他常用模型的结果相比,提出的模型在马尾松苗木根部水分预测中可以达到最佳性能,校正集中决定系数达到0.970 8,均方根误差为0.635 8;预测集中决定系数达到0.941 3,均方根误差为1.027 0。【结论】基于近红外光谱技术, 可变加权堆叠自动编码器与支持向量回归相结合可实现马尾松苗木根部含水量准确预测。     

便携式光谱仪对樱桃糖度检测的研究

利用600~1 100 nm波段的便携式可见-近红外光谱仪,以烟台大樱桃为研究对象,进行了樱桃糖度可见-近红外光谱的特征提取的实验研究.利用小波滤波对樱桃可见-近红外光谱进行预处理,运用偏最小二乘回归法建立了樱桃糖度的定量分析模型,并对模型进行了验证.实验结果显示:樱桃中糖度的可见-近红外光谱校正样本集的相关系数(R)为0.939 6,校正均方根误差为0.138 2;预测样本集的相关系数(R)为0.907 4,预测均方根误差为0.149 2.结果表明:利用便携式可见-近红外光谱技术在600~1 100 nm范围内检测樱桃糖度是可行、可靠的,为樱桃内部品质的野外在线检测提供了理论依据.