一种基于近红外光谱的低功耗、便携式PET塑料分选检测装置的设计与实现

从降低塑料分选过程中企业的成本出发,基于饮料瓶材料中聚对苯二甲酸乙二酯/高密度聚乙烯(PET/HDPE)两种塑料在近红外光谱上的差异,设计了一种低功耗、便携式、低成本的PET塑料分选检测装置.搭建了基于近红外传感器的测量电路,通过检测特定波长位置两种塑料透光率的差异,进而实现PET塑料的分选检测.并根据设计方案搭建了PET塑料分选检测装置的检测模型,验证了所设计方案的可行性和实用性.     

近红外光谱样本集划分以及预处理的方法研究

近红外光谱（Near Infrared Spectroscopy,NIR）是一种操作简单、效率高的绿色分析技术,现已广泛应用在各个方面。在对近红外光谱数据分析过程中数据处理的方法也变得极其重要,通过查阅国内外相关文献对现有的近红外光谱一些处理方法进行了分析和总结,综述了近几年近红外光谱中异常样本识别、样本集划分、光谱预处理在分析过程中的一些化学计量学方法,并对这些算法以及应用进行介绍,不仅为近红外光谱化学计量学的发展提供参考,还为后续对近红外光谱的广泛应用提供技术保障。     

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.     

近红外光谱分析在农产品方面的应用与展望

分析了近红外光谱技术的发展进程，着重介绍了近几年近红外光谱分析技术在农产品品质分析、加工生产过程中的在线质量控制以及与神经网络结合，采用模式分类原理进行物质鉴别等方面的应用，并分析了该技术的发展趋势及应用前景．     

近红外光谱分析在农产品方面的应用与展望

分析了近红外光谱技术的发展进程,着重介绍了近几年近红外光谱分析技术在农产品品质分析,加工生产过程中的在线质量控制以及与神经 网络结合,采用模式分类原理进行物质鉴别方面的应用,并分析了该技术的发展趋势及应用前景。     

垃圾分选设备中的新技术进展

垃圾分选设备在垃圾综合利用的过程中起着重要的作用。本文介绍了光电分选,近红外分选,颜色分选,静电分选和电磁分选等新技术在垃圾分选设备中的应用情况。     

拉曼光谱和近红外光谱在小麦粉品质定量分析中的应用

应用拉曼光谱分析技术结合最小二乘法,应用近红外光谱技术结合偏最小二乘法,以及现有的小麦粉光谱数据,对小麦粉进行采集光谱信息,选择最优的光谱预处理方法,分别建立了水分、灰分、面筋的定量模型,并验证了模型的可行性.实验分析表明,近红外光谱技术建立的模型比拉曼光谱分析技术建立的模型效果要好.     

滇池不同空间分布水体的高光谱特征差异分析

滇池作为污染十分严重的高原湖泊之一,其水质监测工作备受关注.利用高光谱遥感监测水质,便于动态长期监测并能找出污染源及其空间分布差异.因此,文章基于珠海一号高光谱卫星数据,从空间尺度上,分别选取滇池内部不同区域的水体进行高光谱试验分析比较.试验结果认为:①研究区草海和外海水体在近红外波段内反射率差异最大,可用于2类水体的识别与提取,以及对水体内叶绿素含量进行初判断;②研究区入湖口和出湖口位置的水体光谱曲线在880～940 nm范围内变化异常,可用于2处水体的识别与提取,并推测因水体中悬浮物颗粒影响改变了变化趋势;③湖心和湖岸带水体在近红外波段内,反射率差值先增至最大再逐渐减小,可根据此光谱特征实现2个区域水体的识别与提取,并推测可能是由于水体内悬浮物体积浓度影响导致光谱差异.综上所述,近红外波段有很好的光谱响应特征,可以较好地反映并识别湖泊的不同空间分布差异.同时,对于水环境条件差异也可以进行更好地判断.     

水果分级支撑技术的研究进展

综述了国内外水果分级支撑技术的研究现状,主要介绍了多光谱、核磁共振、激光诱发荧光谱技术、近红外、X射线、热成像、近红外和中红外双重照相机及超声波等技术在水果品质检测中的应用,并对水果分级技术进行了展望.     

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.     

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。     

土壤成分近红外光谱检测的重点和难点

近红外光谱技术(NIRS)是一种快速的检测分析方法,在土壤科学领域内具有广阔的应用前景.该文主要介绍了土壤成分近红外光谱检测的重点和难点,并对发展动向进行了展望.     

近红外光谱分析仪器的应用与发展

本文对近10年国内的近红外光谱分析技术的技术原理、发展简史等进行了系统的分析。希望可以为近红外光谱分析仪器的发展提供帮助。     

近红外光谱的原理及应用

分析了近红外光谱分析技术的原理和组成，介绍了近红外光谱分析技术的优越性，对该技术发展历程中出现的几种典型仪器进行了总结，指出近红外光谱分析技术的主要应用，着重论述了该技术在树脂吸附方面的应用．     

矿物类中药的近红外光谱鉴别方法

针对传统的性状鉴别和化学分析方法难以满足矿物类中药准确、快速鉴别的需要,借鉴近红外光谱技术在地质学、矿物学以及中药鉴定学等方面的研究,探讨了近红外光谱分析法对矿物类中药鉴别的基本原理和方法,为该技术在矿物类中药鉴定中的应用提供理论基础.     

近红外光谱技术在农药残留量检测中的研究

介绍了近红外光谱技术的发展及原理,基于近红外光谱分析技术对蔬菜中农药残留的检测方法进行了定性和定量实验研究.选取菠菜作为叶菜代表,用偏最小二乘建立校正模型,并对模型的通用性进行验证.实验表明,校正模型的预测结果比较理想,但模型的通用性还需要改善,同时还讨论了基于多信息融合技术在农药残留量检测中的研究前景.     

利用废聚苯乙烯塑料制备专用材料的研究进展

简单介绍了废旧聚苯乙烯塑料回收利用的方法;讨论了利用废聚苯乙烯塑料制备防水涂料、防锈涂料、膨胀型阻燃涂料等专用涂料,制备乳液型粘合剂、涂料,以及制备高分子阻燃剂、减水剂、聚苯乙烯磺酸和絮凝剂、阻垢剂、对硝基苯甲酸的技术;指出了利用废旧聚苯乙烯塑料制备乳液型粘合剂、涂料和专用材料是其再生资源化技术的发展方向。     

近红外光谱技术鉴别海面溢油

近红外光谱技术分析速度快、效率高、成本低、重现性好,典型的无损分析;主要用于样品类别鉴定和纯度检验.近红外光谱技术结合模式识别方法,在纯品油种类的鉴别中已得到成功应用[1,2],本实验室也初步建立了纯品油近红外谱图数据库[3],但该法在实际海面溢油样品的鉴别中应用仍甚少.     

近红外光谱技术在医药领域应用的新进展

近红外光谱技术是20世纪90年代以来发展最快、最近引入注目的光谱分析技术之一,该技术在许多领域有着广泛的应用,尤其在医药领域.本文简要介绍了近红外光谱技术的特点,综述了近几年该技术在药物和临床分析中新的应用,初步探讨了该技术在医药领域应用中存在的局限性和今后发展的方向,并对该技术在医药领域中的应用前景进行了展望.全文引用文献68篇.     

基于血液光谱的物种检测技术

提出一种基于血液光谱数据识别血液来源物种的光谱检测技术.设计制作了一套可以采集抗凝管血样光谱的检测设备,使用该设备采集了649个血样的光谱数据,建立了一个小型的血液光谱数据集.为了满足物种识别的需求,建立了一种基于数据驱动的建模方法.使用该方法对样本数据集进行交叉验证,可以达到95%的识别准确率,并发现该准确率随着样本数量增加而升高.