近红外光谱法对土壤有机碳组成的无损分析

利用近红外光谱(NIR)结合化学计量学方法建立一种定量监测土壤有机碳组成的新方法.对109个土壤样品进行近红外光谱采集,按常规方法测定土壤样品中总有机碳(SOC)及土壤样品中胡敏酸(HA)和富里酸(FA)有机碳的含量,再应用径向基函数(RBF)人工神经网络建立土壤样品的近红外光谱和有机碳组成含量间的数学校正模型.所建模型通过遗传算法(GA)自动选择最佳光谱处理方法和最优网络拓扑结构,同时构建了全光谱数据神经网络和GA自动优化光谱波段的神经网络模型,讨论了敏感光谱的选取对模型预报性能的影响.采用多元散射校正(MSC)光谱处理后建立的RBF神经网络模型为最优,该模型的预测精度和稳定性较好,可发展为复杂土壤系统中定量分析土壤有机碳组成的新方法.     

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.     

巴戟天药材中耐斯糖含量近红外光谱测定方法的建立

目的建立巴戟天药材中耐斯糖含量的近红外光谱测定方法。方法用高效液相色谱法测定114批巴戟天药材中耐斯糖含量,采集近红外光谱后,运用多元散射校正法,结合最小偏二乘法建立巴戟天耐斯糖含量的定量模型。结果建立的耐斯糖近红外光谱定量模型,内部交叉验证决定系数为0.979 1,校正标准偏差为0.909 0,预测标准差为0.909 0,交叉验证的标准偏差为1.093 0。结论该含量测定近红外光谱模型稳定、准确适用于巴戟天药材中耐斯糖的含量测定。     

基于遗传神经网络的大豆脂肪酸含量近红外光谱检测

本文提出了一种利用遗传神经网络建立数学模型的方法,建立起化学测定值与近红外光谱数据之间的定量关系。把得到的近红外光谱数据作为网络的输入,把用化学法测定的五种脂肪酸含量作为网络的输出,再利用遗传算法训练神经网络的权值,建立大豆脂肪酸的神经网络检测模型,探索出一种能够准确、高效地完成近红外光谱橙测的神经网络模型。     

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.     

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。     

近红外光谱法测定汽油中的芳烃含量

研究了采用近红外光谱测定汽油中芳烃含量的方法，通过汽油单体分析法获得汽油中芳烃的基础数据。在1000—2000nm波长范围内，应用傅立叶变换近红外光谱仪，交互检验偏最小二乘法对使用的近红外光谱数据进行优化，所得校正模型对训练集样品预测的相对平均误差为0．42％，相关系数为0．9696。对未知样品将近红外预测结果与GC的测定结果进行比较，相对平均误差为0．45％。作为一种快速分析技术，近红外光谱测定汽油中芳烃含量是简便可靠的方法。     

小波变换在血糖浓度检测中的应用

利用小波变换的时频局部变换特性对近红外光谱数据进行滤噪处理,能有效地从信号中提取有用信息,从而提高信号的信噪比,提高模型的预测精度和稳健性．将该方法应用于近红外血糖浓度测量的基础研究中,实验结果表明,校正模型的预测标准偏差(RMSEP)分别减少了53%和58%,这对于血糖浓度测量的研究具有一定的现实意义．     

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     

Determination of soluble solid content and acidity of loquats based on FT-NIR spectroscopy

The near infrared (NIR) spectroscopy technique has been applied in many fields because of its advantages of simple preparation, fast response, and non-destructiveness. We investigated the potential of NIR spectroscopy in diffuse reflectance mode for determining the soluble solid content (SSC) and acidity (pH) of intact loquats. Two cultivars of loquats (Dahongpao and Jiajiaozhong) harvested from two orchards (Tangxi and Chun’an, Zhejiang, China) were used for the measurement of NIR spectra between 800 and 2500 nm. A total of 400 loquats (100 samples of each cultivar from each orchard) were used in this study. Relationships between NIR spectra and SSC and acidity of loquats were evaluated using partial least square (PLS) method. Spectra preprocessing options included the first and second derivatives, multiple scatter correction (MSC), and the standard normal variate (SNV). Three separate spectral windows identified as full NIR (800~2500 nm), short NIR (800~1100 nm), and long NIR (1100~2500 nm) were studied in factorial combination with the preprocessing options. The models gave relatively good predictions of the SSC of loquats, with root mean square error of prediction (RMSEP) values of 1.21, 1.00, 0.965, and 1.16 °Brix for Tangxi-Dahongpao, Tangxi-Jiajiaozhong, Chun’an-Dahongpao, and Chun’an-Jiajiaozhong, respectively. The acidity prediction was not satisfactory, with the RMSEP of 0.382, 0.194, 0.388, and 0.361 for the above four loquats, respectively. The results indicate that NIR diffuse reflectance spectroscopy can be used to predict the SSC and acidity of loquat fruit.     

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.     

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.     

Application of NIR spectroscopy for firmness evaluation of peaches

The use of near infrared （NIR） spectroscopy was proved to be a useful tool for quality analysis of fruits. A bifurcated fiber type NIR spectrometer, with a detection range of 800-2500 nm by InGaAs detector, was used to evaluate the firmness of peaches. Anisotropy of NIR spectra and firmness of peaches in relation to detecting positions of different parts （including three latitudes and three longitudes） were investigated. Both spectra absorbency and firmness of peach were influenced by longitudes （i, ii, iii） and latitudes （A, B, C）. For modeling, two thirds of the samples were used as the calibration set and the remaining one third were used as the validation or prediction set. Partial least square regression （PLSR） models for different longitude and latitude spectra and for the whole fruit show that collecting several NIR spectra from different longitudes and latitudes of a fruit for NIR calibration modeling can improve the modeling performance. In addition, proper spectra pretreatments like scattering correction or derivative also can enhance the modeling performance. The best results obtained in this study were from the holistic model with multiplicative scattering correction （MSC） pretreatment, with correlation coefficient of cross-validation γcv=0.864, root mean square error of cross-validation RMSECV=6.71 N, correlation coefficient of calibration r=0.948, root mean square error of calibration RMSEC=4.21 N and root mean square error of prediction RMSEP=5.42 N. The results of this study are useful for further research and application that when applying NIR spectroscopy for objectives with anisotropic differences, spectra and quality indices are necessarily measured from several parts of each object to improve the modeling performance.     

A New Sample-Selection and Modeling Method Based on Near-Infrared Spectroscopy and Its Industrial Application

Near-infrared （NIR） spectroscopy has been widely employed as a process analytical tool （PAT） in various fields; the most important reason for the use of this method is its ability to record spectra in real time to capture process properties. In quantitative online applications, the robustness of the established NIR model is often deteriorated by process condition variations, nonlinear of the properties or the high-dimensional of the NIR data set. To cope with such situation, a novel method based on principal component analysis （PCA） and artificial neural network （ANN） is proposed and a new sample-selection method is mentioned. The advantage of the presented approach is that it can select proper calibration samples and establish robust model effectively. The performance of the method was tested on a spectroscopic data set from a refinery process. Compared with traditional partial leastsquares （PLS） , principal component regression （PCR） and several other modeling methods, the proposed approach was found to achieve good accuracy in the prediction of gasoline properties. An application of the proposed method is also reported.     

烟样水分质量分数对其常规化学成分近红外测定的影响

 在连续改变样品水分质量分数的条件下,采集了烟样的近红外吸收光谱,并用预测模型测定了它们的总糖、总氮和烟碱质量分数.结果表明,烟样水分质量分数的升高使其在近红外区域的光谱吸收明显增大,直接影响以上化学成分的测定结果.烟样水分质量分数大于10%时,以上几种常规化学成分的测定误差随样品含水量的降低而减小,而当样品水分质量分数小于10%时,样品水分差异引起的总糖、总氮和烟碱测定的误差可忽略不计.     

豆腐渣堆肥过程中的多维光谱解析与建模

以豆腐渣为底物进行混合好氧堆肥,采用三维荧光光谱（3D-EEMs）分析了堆肥产物淋溶上清液DOM的组成,运用傅里叶红外光谱（FTIR）技术解析了堆肥样品中官能团信息。利用三维荧光结合平行因子法研究了堆肥过程中DOM的动态变化过程,分析得出两种组分即可见区类色氨酸（Ex/Em=285 nm/350 nm）与类腐殖酸（Ex/Em=335 nm/415 nm）,随着堆肥的不断进行,可见区类色氨酸荧光强度逐渐下降,类腐殖酸荧光强度逐渐上升,表明堆肥进入腐熟阶段。傅里叶红外光谱分析表明堆肥过程中多糖类小分子物质逐渐减少,而腐殖酸类大分子物质逐渐增加。进一步运用近红外光谱（NIRS）和区间偏最小二乘法等化学计量学方法构建了堆肥过程有机质含量分析预测模型,结果表明,优化选择区间5831.95~6086.52 cm-1可以建立稳健的有机质定量分析模型,堆肥有机质实测值与近红外预测值的相关系数（R）为0.9861、交叉验证均方差（RMSECV）为0.8247、偏差（Bias）为0.005,表明堆肥有机质含量与近红外光谱具有较好的相关性。     

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。