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.     

近红外光谱技术在中药鉴别及分析中的应用

中药鉴定在中药质量控制中具有重要的作用．近年来多种现代仪器分析方法被用于中药鉴定和质量控制．作为一种简单、快速．无损的检测手段，近红外光谱(NIRS)技术己成为中药材定性判别和定量分析的新兴方法．本文叙述了近红外光谱技术的原理和特点，介绍了近红外光谱定量分析和定性分析的原理，介绍了近红外光谱定性分析技术和定量分析技术常用到的几种分析方法．综述了近年来近红外光谱技术在中药鉴别和分析中的应用．     

近红外光谱技术在中药鉴别中的应用

采用近红外光谱技术对山茱萸果肉与果核进行快速鉴别研究.方法:对9批山茱萸果肉与果核样品进行近红外光谱测定,采用矢量归一化法处理数据,以山茱萸果肉样品建立一致性检验模型,设定CI(conformity index)值.结果:经矢量归一化后山茱萸果肉与果核光谱差别明显,以果肉样品建立一致性模型,设定的CI值为3.2.结论:本方法快捷、准确,无需样品前处理,可以作为山茱萸非药用部位的快速检测方法.为全面控制药材质量,建立中药质量控制新方法提供科学依据.     

近红外光谱分析技术在鸡肉分类检测中的应用

针对近年来市场上不同品种不同级别的鸡肉混杂、以次充好现象,提出一种可以快速、准确判别土鸡和肉鸡的新方法.采用近红外光谱技术和聚类分析技术建立鸡肉分类判别模型,并讨论了不同预处理方法对模型预测结果的影响.结果显示:近红外光谱技术结合聚类分析技术能够对鸡肉建立一种快速的分类判别模型,该预测判别模型能够快速准确地对土鸡和肉鸡进行判别,其中数据经过二阶导数+矢量归一化后的模型预测判别率达100%.     

基于近红外光谱技术与模式识别的乌龙茶产地溯源

利用近红外光谱分析技术检测了来自福建省安溪县西坪镇、华安县仙都镇和永定县高头乡3个产地的9个茶叶样品,结果表明:不同地域的茶叶样品间茶多酚、茶多糖、部分氨基酸等成分的吸收光谱存在着微小的差异,通过光谱降维的方法进行模式识别,其聚类分析结果与茶叶的产地完全吻合.该结果可为乌龙茶的产地溯源技术发展提供技术支持.     

相关分析技术在谷物近红外光谱分析中的应用

利用信号分析理论中相关分析技术有分离和增强信息的特点,提出了解决近红外光谱信息量大、信息弱、谱峰重叠和数据处理量大等难题的一种新思路和新方法,以提取6种谷物近红外光谱中的淀粉组分信息为例,研究了相关分析技术在近红外光谱中的应用方法．研究证明,采用小波阈值法对经一阶求导处理的近红外光谱进行滤波处理,再利用相关分析技术提取和强化待测组分的光谱信息的方法是可以用于多组分物质中某一组分的定性和定量分析．     

近红外光谱分析技术在烟草化学分析上的应用研究

应用傅立叶变换近红外漫反射光义,对具有代表性的300个烟草样品建立了近红外光谱与总糖、还原糖、尼古丁、总氮4种主要成分含量间的关系模型,经分析样品检验模型,结果表明,各成分近红外预测值与实测值之间的平均相对误差均小于5％,近红外光谱分析技术可初步用于烟草常规化学成分的快速定量分析。     

农作物种子的近红外光谱分析鉴别技术

国以农为本，农以种为先，农作物种子的真伪问题攸关粮食安全与国计民生。然而，我国种子市场（包括玉米、水稻、大豆等）存在严重问题，以玉米为例，全国仅因种子纯度问题导致每年减产约40亿公斤。目前国内外采用的鉴别手段，如形态观察法、DNA检测法等，都存在诸多技术障碍，无法对样品进行即时、方便、准确的现场分析与监测，急需新的鉴别技术。     

近红外光谱定量分析小麦粉蛋白质含量

基于逐步多元线性回归的算法，对小麦粉的近红外光谱进行了蛋白质浓度的定量分析。通过对原始近红外光谱在波长范围1300～1860nm内，采用不同波长间隔的逐步回归，提取了较理想的回归波长，建立了少参量数学模型。对不同未知样本进行了预测，结果表明，所建模型具有一定的稳定性，对未知样品蛋白质浓度的测量偏差较小，其最大偏差不超过1．0。     

近红外光谱分析法对烤烟烟叶内在质量与外观特征相关性的分析

烟叶的红外光谱特征不仅与其化学成分密切相关,而且与其内部结构有一定的关系。提取90份烤烟烟叶样本的近红外光谱进行二阶微分去噪,并进行定量分析。加入外观特征并采用非线性主成分分析法进行数据压缩和特征提取,利用因子分析的方法进行烟叶内在质量和外光特征间的相关性分析,并利用BP神经网络建模对相关性进行预测。分析结果显示,烟碱、蛋白质、宽长比、叶片长度、色调标准差等5个变量有相似的变化趋势,总糖、还原糖、叶片厚度、平均亮度等4个变量间有相似的变化趋势。依据所得结论,可以辅助烟叶评级标准,使烟叶评级标准更加的客观。     

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.     

近红外光谱法定量分析亚麻油中的主要组分

用厚度为 1cm的玻璃比色皿作为吸收池 ,测定了亚麻油的近红外光谱 ,利用 70 0 0～ 6 0 0 0cm-1范围内的透波率 ,建立了主成分回归分析模型和BP人工神经网络模型 ,用二模型预测了亚麻油中油酸、亚油酸和亚麻酸的含量 ,预测结果的平均相对误差均在 2 %以内 ,并BP人工神经网络模型预测的效果较好。该法可用于亚麻油中主要组分的实时成分分析。     

用近红外光谱检测人体组织氧含量

为防止病人因组织缺氧而产生各种临床并发症 ,需要检测病人的组织氧。红外组织氧含量检测技术是一种新的无损检测技术 ,相对于脉搏氧饱和度检测 ,可以检测局部人体组织的氧合状况。用自行设计的近红外组织氧含量检测仪 ,进行了前臂阻断实验、婴儿脑氧实验和肌氧实验。检测中考虑了近红外传感器与人体的耦合 ,合理选择了光源与检测器的距离以及检测器的数目。用该仪器测量结果与生理变化相符。结果表明 :近红外方法可以实时无损地检测人体组织的氧合状况     

Assessment of blood and oxygen delivery to flaps of rhesus using near infrared steady-state spectroscopy

Near infrared spectroscopy has been considered as a potentially ideal noninvasive technique for the postoperative monitoring of plastic surgery. In this study, 6 flaps were raised on rhesus monkeys' forearms. Blood and oxygen delivery to these flaps was monitored following vascular occlusions and inhalation of pure oxygen. Optical fibers were adopted in the probe of the oximeter so that the cutaneous detection could be performed in reflectance mode. Different and repeatable patterns of changes were measured following vascular occlusions on flaps. It is clear that the near infrared spectroscopy is capable of postoperatively monitoring vascular problems in flaps, especially the venous problem. Near infrared spectroscopy showed high sensitivity to detect the dynamic changes in flaps induced by inhalation of pure oxygen in this study. The experimental results indicated that it was potential to assess tissue viability utilizing the dynamic changes induced by some noninvasive stimulation (such as inhaling pure oxygen). It may be a new assessing method that is rapid, little influenced by other factors and less inconvenient to patients.     

基于神经网络内模控制的近红外光谱定量分析方法

以近红外光谱法为基础测定方法,结合内模控制,论述了采用自适应神经网络建立校正模型测定石油化工产品组成的可行性.基于dSPACE硬件平台,实验以直馏柴油、加氢精制柴油和催化裂化柴油为校正模型的训练样本,对自适应神经网络校正模型进行了检验,实验结果表明:该方法响应快、误差小、鲁棒性强,在近红外长波区内,校正样品和验证样品的均方误差小于10-6.     

神经网络在大米蛋白质含量预测模型中的应用

大米蛋白质含量是影响大米营养及食味特性的一个重要指标．借助主成分分析,确立了用于近红外光谱分析的BP神经网络的输入输出模式对;并用BP神经网络方法建立了不同类型、不同粒度的大米样品蛋白质含量预测模型;考察了模型的预测能力,其预测值与用标准方法取得的化学分析值间具有良好线性关系,相关系数达0．90以上,用BP神经网络可降低样品粒度的不同对预测结果造成的差异．     

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。     

保健品中枸橼酸西地那非成分近红外快速定性定量分析

建立了应用近红外光谱技术对保健品中枸橼酸西地那非成分的定量及定性分析方法.采集36个样品的液体透射光谱,分别采用主成分分析法和第一范围标定法建立定量和定性模型,并将定量分析方法的结果与HPLC定量结果进行比对.所建定量分析模型,主成分数为4,R2为99.92%,RMSECV为31.5.该模型对预示集的枸橼酸西地那非HPLC平均方法回收率为104.8%,近红外光谱分析法处理结果与HPLC法处理结果无显著差异.定性分析模型组间选择性为4.38,对18个未知样品判错率为0.所建立的新方法可对保健品中枸橼酸西地那非成分进行快速准确的定性及定量分析.     

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     

近红外光谱分析磷酸缓冲溶液中的血糖含量

测定了溶解于磷酸缓冲溶液中血糖在8000～5000cm^-1波数范围的近红外光谱,用偏最小二乘法建立了测定血糖含量的模型,根据数据特点,提出了按浓度大小选择预测集样本的方法。用来进行最佳模型隐变量个数的选择,结果显示,利用近红外光谱并结合化学计量学方法能够成功地进行血糖的定量分析,方法的测定误差为0.197g／L。