基于偏最小二乘法的土壤有机碳高光谱预测研究

对86个土壤样品高光谱数据进行平滑去噪、一阶微分变换以及多元散射校正处理,在此基础上,建立土壤有机碳含量的偏最小二乘法(PLS)反演模型.结果表明,获得的五种PLS模型均具有较高的模型精度.其中,主成份个数为10时,R+MSC的PLS模型效果最好.校正模型的决定系数R2=0.95,校正均方根误差RMSEC=0.95.验证模型的决定系数R2=0.78,预测均方根误差RMSEP=2.03.利用PLS模型对预测集进行预测,实测值与预测值的决定系数R2=0.83,预测均方根误差RMSEP=1.71,预测标准差SEP=1.73.PLS模型可以对土壤有机碳含量进行预测.     

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。     

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.     

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。     

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。     

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.     

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.     

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。     

基于近红外光谱的杏仁糖中糖含量预测模型的研究

本研究以32个杏仁糖样品为研究对象,使用4种不同近红外光谱仪采集样品的光谱数据,利用二阶导数光谱法处理数据,并结合Savizky-Golay平滑方法,计算二阶导数光谱。将数据集预处理后,建立偏最小二乘(PLS)和支持向量机(SVM)模型用于预测未知样品的糖含量,通过对两个模型的应用发现,PLS模型预测值与真实值偏差较大,均方根误差为2.9822,而SVM模型中利用10折交叉验证优化参数,优化参数后预测值几乎全部与真实值相同,预测值与真实值间均方根误差为0.0127,误差极小。综上所述, SVM模型均方根误差较小,所以选择SVM模型作为糖的预测模型,为杏仁糖样品中糖含量的快速检测提供一种精确简单的方法,此模型可推广至食品中糖含量的定量分析。     

基于高光谱技术的牛肉-猪肉掺假检测

利用高光谱技术建立一种牛肉-猪肉掺假的快速无损检测方法.通过对样本集进行划分、光谱预处理以及特征波长的选择,建立了全波长和选择波长的掺假定量检测模型.结果表明:基于基线校正光谱预处理所得的偏最小二乘回归(PLSR)预测模型最优,其交叉验证决定系数R2CV=0.97、预测决定系数R2P=0.98,均方根误差RMSECV=5.20%、RMSEP=4.23%.此外,用回归系数法优选5个波长点作为特征波长进行建模,所得模型与全波长模型相比,具有变量少、结构简单、性能更优等优点.     

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.     

偏最小二乘法-可见/近红外光谱测定南丰蜜桔糖度的研究

研究了南丰蜜桔糖度的快速测定方法,选择漫反射原始光谱采用偏最小二乘法(PLS)建立了南丰蜜桔糖度的校正模型,并对模型的预测性能进行了验证.在糖度预测模型中,预测集的相关系数为0.9133,预测均方根误差为0.5577,平均预测偏差为-0.0656.结果表明:可见/近红外漫反射光谱结合PLS方法对南丰蜜桔糖度的快速测定是有效的.     

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。     

近红外光谱结合蚁群算法检测花茶花青素含量

花青素是花茶中的主要质量指标,为了快速准确的检测花茶中花青素的含量,提出一种基于蚁群算法(ACO)结合区间偏最小二乘法(iPLS)的近红外光谱检测方法.原始近红外光谱经过预处理采用ACO-iPLS优选花青素含量对应的特征子区间.当全光谱划分为12个子区间时,ACO-iPLS优选出第1,9,10共3个子区间,在此基础上建立的近红外光谱模型最佳.模型对校正集和预测集相关系数分别为0.901 3和0.864 2;交互验证均方根误差(RMSECV)和预测均方根误差(RMSEP)分别为0.160 0 mg·g-1和0.202 0 mg·g-1.研究结果表明:与常规的iPLS相比,ACO-iPLS不但可以有效选择近红外光谱特征谱区,而且建立的模型具有更高的精度和鲁棒性.     

基于 siPLS 法建立藤茶中二氢杨梅素近红外定量分析方法

目的:建立藤茶中二氢杨梅素近红外定量模型,用于其快速定量分析.方法:采集45批藤茶样品的近红外光谱,以高效液相色谱法测定样品中二氢杨梅素的含量,并作为参照,以组合区间偏最小二乘法(si PLS法)对特征谱段进行优化,建立二氢杨梅素的定量模型并对模型进行评价.结果:光谱预处理选用矢量归一化法(VN),确定9000~8500 cm-1、8000~7000 cm-1、6000~5500 cm-1为建模谱段.内部交叉验证中,校正均方差(RMSECV)为2.38%,决定系数(R2)为92.16%;外部验证中,模型对训练集预测均方差(RMSEE)为0.993%,对验证集预测均方差(RMSEP)为2.87%,其决定系数为90.67%,相对预测偏差(RPD)为3.27.当样品中二氢杨梅素的含量范围为9.77%~46.13%时,平均预测回收率为97.57%.结论:所建模型预测能力好,可用于藤茶中二氢杨梅素的快速定量分析.     

傅里叶变换近红外光谱法测定榨菜酱油成分

基于傅里叶变换近红外光谱技术,通过主成分分析(PCA),可较好地区分不同品牌的榨菜酱油样本.利用偏最小二乘法(PLS)建立了测定榨菜酱油成分的定量分析模型,校正集样本中总酸、氨基酸态氮和食盐的分析模型决定系数(R2)分别为98.44,98.74和98.48,交叉验证均方差(RMSECV)分别为0.001 3,0.008 44和0.355.预测集样本中总酸、氨基酸态氮和食盐的外部验证决定系数(R2)分别为96.04,95.90,96.27,预测集标准偏差(RMSEP)分别为0.017 4,0.012 9,0.48.实验结果具有较高的预测精度,可以用于测定榨菜酱油主要成分的质量浓度.     

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.     

基于稻种糙米近红外光谱分析技术的发芽率检测方法

针对传统稻种发芽率检测操作复杂,耗时长,稻种外壳污染物干扰光谱检测等问题,提出一种基于稻种糙米近红外光谱检测实现稻种发芽率快速检测的新方法.将192份糙米样品的光谱分为校正集144份和预测集48份,通过不同预处理方法和化学计量学建模方法,分析不同老化时间糙米的光谱差异,建立糙米发芽率的预测模型.结果表明:在全波段570~1 848 nm采用二阶导数+SNV and Detrend的预处理并结合偏最小二乘法(PLS)建立的模型最优,其校正集决定系数RC与标准偏差SEC分别为0.976和1.244,预测集相关系数RP与标准偏差SEP分别为0.951和1.935.采用近红外光谱分析技术对稻种糙米发芽率进行测定是可行的,所建模型在稻种糙米发芽率预测方面有较好的预测能力.