基于傅里叶近红外特征光谱的血流感染致病菌鉴别研究

利用傅里叶变换近红外光谱(FT-NIR)收集1 000~1 852 nm范围内3种常见病原菌大肠杆菌(ATCC25922)、金黄色葡萄球菌(ATCC 29213)、铜绿假单胞菌(ATCC 27853)的近红外透射光谱,采用竞争性自适应重加权算法(CARS)对波长变量进行筛选,并分别结合偏最小二乘判别分析(PLS-DA)、最小二乘-支持向量机(LS-SVM)建立鉴别模型.比较两种鉴别模型在进行波长变量优选前后的性能发现,采用全波段建模的PLS-DA与LS-SVM两种模型的预测性能较低;利用CARS对波长变量进行筛选后,对优选的24个特征波长分别建立两种鉴别模型,模型预测性能明显提高,其中以LS-SVM模型最优,3种病原菌准确率分别为85.0%,100%和100%.研究结果表明,利用CARS能够有效去除光谱无用信息,减少模型复杂度,增强模型预测性能,结合LS-SVM可为临床利用近红外快速检测血流感染病原菌提供一种新的方法.     

基于近红外特征变量筛选对火麻油掺杂的快速检测

利用近红外光谱技术对掺杂了大豆油、花生油、葵花籽油和玉米油的火麻油进行鉴定,结合偏最小二乘法(PLS)和最小二乘支持向量机(LS-SVM)模型建立定量分析,并利用连续投影算法(SPA)和竞争自适应重加权采样算法(CARS)提取特征变量.结果表明:LS-SVM回归模型的准确度优于PLS模型,其预测相关系数R_p~2分别达到0.950 4、0.905 8、0.857 4和0.767 3;SPA和CARS是两种有效的特征变量选择算法,能够提高模型的准确性,并且CARS效果优于SPA;其中,LS-SVM-CARS模型的R_p~2分别达到0.982 1、0.907 5、0.958 7和0.924 9.因此,在油脂掺杂快速检测中,LS-SVM-CARS是一个准确度高、变量数少、传递性较强的定量分析模型.     

基于近红外光谱的纯花生油掺伪快速鉴别方法研究

针对目前国内缺乏快速鉴别花生油掺伪鉴别技术的现状,提出基于近红外光谱的纯花生油掺伪快速鉴别方法.实验分别配制了掺入大豆油、菜籽油、棕榈油和调和油的4类掺伪花生油样品共40个,纯花生油样品5个,采集样品近红外全谱,通过支持向量机技术建立纯花生油掺伪鉴别模型.结果表明,选取径向基函数为支持向量机核函数,通过网格搜索和k折校验法确定核参数γ为1,惩罚参数c为1 024,建立纯花生油掺伪鉴别模型的识别率和预测率均达到100%,基于近红外光谱的花生油掺伪快速检测技术具有较好的可行性和实用性.     

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.     

基于可见/近红外光谱技术的新鲜茶叶叶片含水率快速测定

提出了利用可见/近红外光谱技术检测新鲜茶叶叶片中含水量的方法.首先采集350~2500nm波段范围内177个新鲜茶叶叶片的光谱反射率信息,作为X变量.将不同预处理后的光谱数据建立偏最小二乘(partial least squares,PLS)模型,再利用回归系数法(regression coefficients,RC)提取全波段光谱中的特征波长并建立基于特征波长的预测模型.结果显示,利用全谱段光谱信息建立的模型中,未经预处理建立的模型最优,建模集和预测集中决定系数(coefficient of determination,R~2)分别是0.9039和0.8856,均方根误差(root mean square error,RMSE)分别是0.0092和0.0120,剩余预测偏差(residual predictive deviation,RPD)是2.9659;基于特征波长的模型中,也是未经预处理建立的模型最优,建模集和预测集中R~2分别是0.9070和0.8199,RMSE分别是0.0107和0.0151,RPD是2.3701.结果表明,可见-近红外光谱技术结合特征波长提取进行新鲜茶叶叶片中含水率检测是可行的.     

基于近红外光谱的四元调和食用油定量分析

配制51个含有玉米油、大豆油、稻米油和芝麻油的四元调和油样品,采用近红外光谱(near infra-red,NIR)技术直接扫描其光谱,考察不同预处理方法对近红外光谱的预处理效果.在最佳预处理方法基础上,结合偏最小二乘回归(partial least square regression,PLS)建立各组分定量分析模型.将未知样品光谱代入模型中,预测各组分的含量.结果显示,玉米油、大豆油、稻米油和芝麻油的相关系数分别为0.980,0、0.988,7、0.984,7、0.988,9.因此,近红外光谱技术结合化学计量学可以实现四元调和油组分的准确快速定量分析.     

基于连续投影算法和最小二乘支持向量机的污水中NH3 N近红外光谱建模

通过扫描不同NH_3-N含量污水的近红外光谱,建立了水样中NH_3-N的定量分析模型。考虑到全谱高维数据建模较大的计算负担,采用连续投影算法(SPA)对水样光谱全谱进行特征波长筛选,将筛选后的特征变量采用最小二乘支持向量机(LS-SVM)进行建模;所建立的SPA和LS-SVM分析模型对污水中NH_3-N分析的预测均方根误差为3.210 8,相关系数为0.984 4,相对分析误差5.681 2;与全谱LS-SVM模型和全谱部分最小二乘(PLS)模型相比,此处的建模方法将全谱模型的512维数据压缩为28维特征光谱数据(计算量占全谱的5.47%),但模型分析精度与全谱LS-SVM模型相近,且高于全谱PLS模型;该方法对实现水样NH_3-N的快速检测以及低维度变量建模具有指导意义。     

基于中红外光谱模型对食用植物油掺伪的判别

开展了基于中红外光谱的化学计量学模型对食用植物油掺伪的研究.通过获得市售食用油和以不同质量浓度掺伪食用油的中红外光谱,采用光谱预处理结合模式识别方法进行综合解析,使样本类间距最大化,类内距最小化,结果发现:无监督聚类包括主成分分析、非负矩阵分解均无法准确鉴别;有监督偏最小二乘判别分析的鉴别准确度较高;而二阶导数-非相关线性判别分析(SD-ULDA)对掺伪样本识别的灵敏度和特异度均达到100%.提出依据变量“负荷量”筛选特征波长(变量)新策略,考察了SD-ULDA模型识别准确率随保留波长的变化,同时准确地预测出掺伪比例,为构建高效中红外光谱食用油掺伪判别模型提供理论基础,为提高油脂品质的检测技术提供方法借鉴.     

玉米油掺伪通用检验方法研究

采用玉米油、棉清油、菜籽油、棕榈油、大豆油、亚麻油为材料,分析其油脂脂肪酸组成；着重研究了玉米油掺入其它油品后脂肪酸组成的变化规律和掺伪量的计算方法,为玉米油掺伪检验提供了依据.     

基于高光谱图像技术和波长选择方法的羊肉掺假检测方法研究

针对肉类掺假的定量检测问题,建立了基于高光谱图像技术结合波长选择方法以及偏最小二乘(PLS)法的羊肉掺假无损检测方法.试验搭建了羊肉-猪肉的高光谱图像采集系统,对选取的99个样本进行高光谱图像(390~1040nm)采集并提取感兴趣区域光谱.比较了多种预处理方法对全波长模型的影响,标准正态变量校正(SNV)为最优光谱预处理方法,校正决定系数R2CV达到0.93,预测决定系数R2P达到0.96,校正均方根误差RMSECV为8.33%,预测均方根误差RMSEP为6.18%.采用多种波长选择方法对光谱全波段520个变量进行变量选择,最终确定基于竞争性自适应重加权算法(CARS)的简化模型最优,其R2C=0.96,R2CV=0.94,R2P=0.96,RMSEC=6.55%,RMSECV=7.66%,RMSEP=6.10%.高光谱图像技术结合CARS能够对掺假羊肉进行准确的定量检测,可为羊肉掺假的在线无损检测提供理论依据.     

特征峰值投影技术应用于鱼粉蛋白近红外波长优选

采用近红外光谱线性分析技术实现对鱼粉蛋白的快速检测,选择合适的波长变量是提高模型预测精度的关键。主要目的是建立一种稳健、简单的多元线性回归(MLR)模型,通过研究基于特征峰值的投影技术实现参与建模的波长优选。特征物质在近红外光谱区域的吸收特征,以鱼粉一阶导数光谱的峰谷波长点作为出发点,依次采用逐步多元线性回归(SMLR)和连续投影线性回归(SPA-MLR)方法完成两度特征信息波长筛选,进一步对备选的波长变量执行显著性检验,最终确定近红外线性分析的特征信息波长组合。结果表明,近红外长波区域中优选出53个特征信息波长变量,能够提高鱼粉蛋白近红外定量模型的预测精度,简化了模型,从而提高了模型的适用性和稳健性。     

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.     

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。     

基于长波近红外光谱快速无接触评估小麦籽粒含水率

利用长波近红外光谱(900～1700 nm)联用偏最小二乘(Partial Least Squares,PLS)算法快速评估小麦水分含量。通过采集7个不同品种小麦籽粒(百农201、百农207、百农307、百旱207、AK-58、冠麦1号、周麦18)的近红外反射光谱信息,经高斯滤波平滑(Gaussian Filtering Smoothing,GFS)、多元散射校正(Multiplicative Scatter Correction,MSC)和标准正态变量变换(Standard Normal Variable Correction,SNV)三种预处理后,分别利用偏最小二乘法(Partial Least Squares,PLS)挖掘光谱信息与小麦水分之间的定量关系。结果显示,经GFS预处理的近红外光谱(100个波长)构建的全波段PLS回归模型(F-PLS)的预测相关系数(RP=0.927)、预测误差(RMSEP=1.596%)和鲁棒性(ΔE=0.064)均优于另外两种光谱。采用Regression coefficient算法筛选最优波长优化F-PLS模型,以提高预测效率。结果显示,从GFS预处理光谱筛选的29个最优波长构建的O-PLS回归模型预测精度及鲁棒性均较好(R_P=0.909,RMSEP=0.229%,ΔE=0.078)。本试验表明,利用长波近红外光谱技术来快速无接触评估小麦籽粒含水率的潜力巨大。     

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.     

近红外光谱定量预测奶粉中三聚氰胺的含量

近红外光谱技术(NIRS)结合偏最小二乘算法(PLS)建立了奶粉中三聚氰胺含量的定量分析模型.采用二阶导数光谱建立模型,最有效的波长范围为4000.63~6803.63 cm-1和6800~9700 cm-1,最优模型的定标模型的相关系数(R)为0.9999,定标标准分析误差(SEC)为1.43%,预测相关系数(R)达到0.9284,预测标准分析误差(SEP)为1.03%,模型具有较好的预测效果.研究表明近红外光谱检测技术可用于奶粉中三聚氰胺的定量分析.     

污水化学需氧量近红外光谱分析的波段选择

采用近红外透射光谱和移动窗口偏最小二乘(MWPLS)方法,建立污水化学需氧量(COD)近红外光谱分析的优化模型最优模型的对应波段为820-850nm,采用波长点个数为16,PLS因子数、RMSEP、Rp分别为13,25.5mg/L,0.968,预测相关很高,其预测效果明显优于全谱模型,并且采用的波长点个数远远优于全谱波...     

近红外光谱在快速检测棉制品中含棉量的应用

以两组棉制品为研究对象，利用遗传算法提取有效近红外光谱信息，采用偏最小二乘法（partial least squares，简称PLS）建立了棉制品中舍棉量的近红外定量的校正模型，讨论了遗传算法提取有用信息的具体应用方法．结果表明：棉制样品的近红外光谱经过遗传算法提取有用信息（波长优选）后，通过一定数据预处理方法，运用PLS建立的定量校正模型，可以大大降低数据运算量，为近红外光谱分析技术应用于棉制品中舍棉量的预测，提供了理论依据和实用方法．     

在线富集近红外光谱法测定痕量重金属铅

选择螯合树脂D401对水中的重金属铅进行在线富集,使铅离子络合在有机吸附材料上,实现能被近红外光谱检测的目的。利用特殊设计的富集检测装置,富集后的铅离子不经洗脱而直接在线进行漫反射近红外光谱的测量。采用多元散射校正(MSC)对光谱进行校正后,利用偏最小二乘方法(PLS)建立铅浓度与近红外光谱之间的线性模型。经MSC校正后,铅浓度与近红外光谱有很好的线性关系,单个波长吸光度与浓度之间的线性相关系数最高可达0.958 8,用偏最小二乘方法建模的结果是,当隐变量数目为2时,预测误差达到最小,为0.869 7μg/mL,预测相关系数为0.958 4。