拉曼光谱与中红外光谱融合技术快速定量食用酒精的乙醇浓度

目的利用拉曼光谱与中红外光谱的数据融合技术实现对食用酒精乙醇浓度(酒精度)的快速定量检测。方法首先,分别采集不同浓度食用酒精水溶液的拉曼光谱与中红外光谱。其次,采用多元散射校正(multiplicative scatter correction,MSC)、卷积平滑(Savitzky-Golay,S-G)、一阶求导的方法对原始数据进行预处理。然后,基于自举软缩减法(bootstrapping soft shrinkage,BOSS)和无信息变量消除算法(uninformative variable elimination,UVE)分别对预处理后的光谱数据进行特征提取,并利用X-Y距离样本集划分法(sample set partitioning based on joint X-Y distance,SPXY)将光谱数据划分为校正集和预测集。最后,建立基于拉曼光谱-中红外光谱数据融合的偏最小二乘回归(partial least squares regression,PLSR)食用酒精乙醇浓度预测模型,并利用麻雀搜寻算法优化的混合核极限学习机算法(sparrow search algorithm-optimized hybrid kernel extreme learning machine,SSA-HKELM)提升预测性能,实现对不同浓度食用酒精的快速、准确定量检测。结果与拉曼光谱数据、中红外光谱数据以及中红外与拉曼光谱的数据层融合构建的预测模型相比,中红外光谱与拉曼光谱特征层融合数据构建的预测模型具有更好的预测性能。其中,最优模型的校正集均方根误差(root mean squared error of calibration set,RMSEC)为0.98314,校正集决定系数(R_(c)^(2))为0.99634,预测集均方根误差(root mean squared error of prediction set,RMSEP)为1.03256,预测集决定系数(R_(p)^(2))为0.99036。结论中红外光谱与拉曼光谱特征层融合预测模型可以实现对不同浓度食用酒精的高效定量检测,为食用酒精的质量检测提供了有效的理论支持与技术保障。

基于近红外光谱技术的茶叶新旧鉴别及产地溯源研究

目的 建立基于近红外光谱的定性分析模型,实现对茶叶的新旧分类和产地溯源。方法 首先采用傅立叶近红外光谱仪采集茶叶样品的漫反射光谱数据,然后使用卷积(Savitzky-Golay,S-G)平滑算法和数据标准化(Normalization)对光谱数据进行预处理,最后基于遗传优化算法(genetic algorithem,GA)和粒子群优化算法(particle swarm optimization, PSO)分别建立了优化向量机模型(support vector machine, SVM),从而实现新旧茶叶的分类以及产地溯源。结果 与GA-SVM模型相比,PSO-SVM模型的建模效果较好,且分类时间更短,在新旧鉴别和产地溯源实验中都达到了100%的预测精度。结论 基于近红外光谱建立的PSO-SVM模型可以实现茶叶新旧的判别以及产地溯源,为鉴别茶叶年份和追踪茶叶产地提供了理论支撑和技术指导。

基于云计算的食品品质实时在线光谱检测系统实现

为解决光谱检测技术中的模型维护成本高、扩展性不足和光谱资源共享性较差等问题,改善专用便携式光谱仪检测分析对象的局限性,将光谱数据采集和分析功能进行解耦,使用Android开发工具和Java语言,开发了以便携式光谱仪、手机终端和云服务器构成的光谱实时在线检测系统,基于云计算服务完成云端光谱模型的建立与分析。以小麦粉面筋定量分析为例,采用多元散射校正、竞争性自适应重加权采样法、偏最小二乘回归算法建立小麦粉面筋定量分析模型,测试25个小麦粉样本并返回分析结果,验证系统可靠性。结果表明,25个小麦粉样本面筋含量误差范围在0~0.7%,分析结果消耗时间平均为7.09 s,误差范围和分析结果耗时均在可接受范围内,验证了基于云计算服务实现光谱实时在线检测分析是可行的。通过部署不同食品主要成分的定量分析模型至云端,系统可实现多种食品品质的实时在线检测分析,希望为多场景下食品品质快速无损检测提供技术参考。

基于荧光光谱结合宽度学习的白菜农药残留量检测方法

为了高效监控蔬菜中农药残留情况,利用荧光光谱技术检测白菜中吡虫啉农药残留量。首先通过三维荧光光谱确定400nm为吡虫啉的最佳激发波长;其次通过分析6种预处理算法和2种降维算法,分别选出多元散射校正(Multiple scattering calibration,MSC)和无信息变量消除(Uninformative variable elimination,UVE)作为最佳的预处理与波长选择方法;宽度学习系统(Broad learning system,BLS)用于荧光光谱建模,同时与偏最小二乘回归(Partial least squares regression,PLSR)、支持向量机(Support vector machine,SVM)和深度极限学习机(Deep extreme learning machines,DELM)等经典模型进行比较。结果显示BLS模型获得了最佳吡虫啉含量预测效果,测试集决定系数R^(2)_(p)达0.949,均方根误差(Root mean square error,RMSE)达0.347 mg/kg。表明了荧光光谱技术结合宽度学习预测农药残留量的可行性,可以为在线检测农药残留量系统的开发提供理论依据。

花生油中黄曲霉毒素B1含量的荧光光谱表征

花生油在生产过程中极易受到黄曲霉毒素B1(Aflatoxin B1, AFB1)的污染。针对AFB1的传统检测方法操作繁琐、时效性差等问题,利用荧光光谱技术快速检测花生油中AFB1含量。首先通过三维荧光光谱确定最佳激发波长,使用K-means和自组织映射(Self organizing map, SOM)聚类算法对花生油中AFB1含量进行超标与否的定性鉴别,准确率均达95%以上;其次使用2种预处理算法和2种降维算法,选出竞争自适应重加权采样(Competitive adaptive reweighted sampling, CARS)为最佳的波长选择方法;随后将回声状态网络(Echo state network, ESN)用于AFB1的定量建模,同时与其他模型作比较,结果显示CARS-ESN模型获得了最佳AFB1含量预测效果;最后将麻雀搜索算法(Sparrow search algorithm, SSA)用于对ESN参数进行寻优,最终预测集决定系数达0.984,均方根误差达2.13μg/kg。结果表明了荧光光谱技术结合ESN预测花生油中AFB1含量的可行性,为在线检测食用油中真菌毒素含量系统的开发提供理论依据。

基于高光谱成像技术的板栗产地溯源

目的建立了一种基于高光谱成像(hyperspectral imaging,HSI)技术的板栗产地溯源模型。方法采集怀柔、迁西和沂蒙短枝3种不同产地板栗的高光谱图像,提取感兴趣区域,建立支持向量机(support vector machine,SVM)板栗产地溯源模型,通过比较分析不同预处理方法对建模结果的影响,选出最佳的预处理组合方法,并使用遗传算法(geneticalgorithm,GA)对模型进一步优化。结果实验结果表明,经多元散射校正(multiplicative scatter correction,MSC)和移动窗口平滑法(moving window smoothing,MWS)组合预处理后的数据所建立的溯源模型预测性能最好,分类的预测精确率达到了95%以上,模型整体的预测准确率为96.61%。经GA对SVM的参数C进行优化,优化后的模型对怀柔板栗和沂蒙短枝板栗的预测精确率达到了100%,模型整体的准确率提高到了98.31%。结论本研究基于高光谱成像技术建立了一种板栗产地溯源模型,经预处理和参数优化后,所建立的模型具有较好的预测性能,为板栗的产地溯源提供了一种新方法。

基于无参数高效算法的近红外光谱模型传递研究

模型传递可解决不同近红外光谱仪间多元校正模型无法共享的问题。以食用油为研究对象,对其酸值和过氧化值模型进行传递分析。在主机上建立偏最小二乘多元校正模型,利用无参数高效模型传递(PFCE)算法中NS-PFCE无标样算法和FS-PFCE有标样算法分别实现模型传递,探讨了标准化样品数量对模型传递效果的影响。并与经典的3种有标样传递算法和2种无标样传递算法进行对比。结果表明,经NS-PFCE无标样传递后,从机酸值与过氧化值预测集均方根误差分别从0.613 mg/g和16.153 mmol/kg下降到0.275 mg/g和9.523 mmol/kg;而经FS-PFCE有标样传递后,从机酸值与过氧化值预测集均方根误差分别下降到0.274 mg/g和8.945 mmol/kg。且随着标准化样品数量的增加,经PFCE算法传递后预测集均方根误差越低。无参数高效模型传递算法联合应用单一的无标样算法和有标样算法两种传递方式,增强了传递模型的适应性和包容性,同时有效地降低主机光谱与从机光谱之间的差异,实现了不同光谱仪间校正模型的共享。

京郊鲜食杏白利糖度的便携式光谱快速无损检测方法研究

目的建立京郊鲜食杏白利糖度的定量分析预测模型,实现对京郊鲜食杏品质的快速无损检测。方法使用便携式近红外光谱仪采集900~1700 nm下鲜食杏的漫反射光谱信息,使用多元散射校正(multiplicative scatter correction,MSC)、标准正态变量变换(standard normal variable transformation,SNV)和Savitzky-Golay卷积平滑(Savitzky-Golay smooth,S-G)对原始光谱数据进行预处理,使用Kennard-Stone(K-S)算法以3:1比例将样本集划分成校正集和预测集,利用竞争自适应重加权采样(competitive adaptive reweighted sampling,CARS)算法和连续投影算法(successive projections algorithm,SPA)对光谱进行特征波长筛选,使用偏最小二乘回归(partial least squares regression,PLSR)算法建立京郊鲜食杏白利糖度的预测模型。结果以MSC+S-G+CARS+PLSR算法建立的北京鲜食杏的白利糖度预测模型取得较好的预测精度,模型的校正集均方根误差、校正集相关系数、预测集均方根误差、预测集相关系数分别为0.3502、0.9747、0.4698、0.9616。结论基于便携式近红外光谱技术所采集数据构建的京郊鲜食杏白利糖度预测模型准确性较高,可以快速准确检测鲜食杏白利糖度,从而实现对鲜食杏品质的快速无损检测,为鲜食杏的品质检测提供了理论依据和方法指导。

基于TrAdaBoost算法的近红外光谱模型传递研究

随着近红外光谱检测仪种类的增多,不同仪器间的校正模型存在无法共享问题,可利用模型传递解决。以食用油为研究对象,在主机上建立油酸质量比的极限学习机校正模型,利用迁移学习中的TrAdaBoost算法把主机模型传递到从机上,探讨标准化样品数量对模型传递效果的影响,并与直接标准化算法、缺损数据重构算法和极限学习机自编码器的模型传递算法进行对比。结果表明:主机模型经TrAdaBoost算法模型传递后,从机预测集决定系数R^(2)从0.489上升到0.892,预测集均方根误差(Root mean square error of prediction,RMSEP)从4.824 mg/g下降到0.267 mg/g,且模型效果几乎不受标准化样品数量的影响。说明TrAdaBoost算法可以有效应用于模型传递领域,实现了不同光谱仪器之间的共享。

基于高光谱技术的红茶茶多酚可视化研究

目的 利用高光谱技术实现对英红九号红茶茶多酚含量的快速无损、可视化检测。方法 采集128个红茶光谱数据并进行光谱预处理后,引入蒙特卡罗-高斯分布方法寻找异常样本。经两次异常样本剔除,各模型预测集决定系数r^(2)均有0.2~0.4的大幅提升。为解决大样本模型训练时间长、数据冗余问题,采用连续投影算法进行波长筛选,共得到14个能反映红茶茶多酚含量的特征波长,并比较了最小二乘回归、支持向量机回归、BP神经网路、粒子群优化最小二乘支持向量机回归(particle swarm optimization least squares support vector regression, PSO-LSSVR) 4种模型预测红茶茶多酚含量的精度。最后以最优模型建立茶多酚可视化模型。结果 合理剔除样本并以光谱特征为输入,结合PSO-LSSVR方法建立的模型效果最佳,其校正集决定系数为0.921,预测集决定系数为0.903,预测精度达到了90%以上,基本实现了茶多酚含量可视化检测。结论 可视化算法有效地反映了红茶茶多酚分布情况,适用于茶叶快速无损检测。

基于近红外光谱技术的食用油酸值和过氧化值定量分析研究

目的 建立基于傅里叶近红外光谱技术的定量分析模型,实现快速测定食用油中酸值和过氧化值含量,保证食用油的品质安全以及跟踪食用油储藏期间的品质变化。方法 首先采用傅里叶近红外光谱仪采集食用油样品漫反射光谱,接着采用归一化(Normalize)和标准正态变换(standard normal variate,SNV)对光谱数据进行预处理,降低原始光谱中噪声的影响;其次通过随机森林(random forest,RF)和引导软收缩(bootstrapping soft shrinkage,BOSS)算法提取特征波长;最后结合径向基函数(radial basis function,RBF)神经网络和极限学习机(extreme learning machine,ELM)建立食用油酸值和过氧化值的预测模型,并与全波段的模型进行对比分析。结果 经过BOSS算法所提取的特征波段建立的模型预测效果优于RF算法以及全波段模型,酸值模型的决定系数(determination coefficient,R2)达到0.98,均方根误差(root mean square error,RMSE)达到0.08;过氧化值模型的R2达到0.96,RMSE达到0.63。结论 BOSS算法有效的提取了食用油酸值和过氧化值的特征波段,BOSS-RBF模型能够适用于食用油中酸值和过氧化值含量的快速、无损检测。利用近红外光谱技术对食用油酸值和过氧化值进行定量分析是可行的,可通过该方法实现对食用油品质的分析研究。

基于中红外光谱法检测煎炸油极性组分

目的 利用中红外光谱技术实现对煎炸油极性组分的快速检测。方法 根据光谱-理化值共生距离分类法对煎炸油中红外光谱数据进行样本划分,从而得到校正集和预测集。采用卷积(Savitzy-Golay,S-G)平滑+一阶导数预处理手段,利用竞争自适应重加权算法(competitive adaptive reweighted sampling, CARS)进行特征提取,建立煎炸油极性组分含量的偏最小二乘回归(partial least squares regression, PLSR)预测模型,并利用BP神经网络算法对模型进行优化。结果 BP神经网络算法建立的模型校正集决定系数为0.9032,校正集均方根误差(root means quare error of calibration,RMSEC)为0.1264,预测集决定系数为0.8569,预测集均方根误差(root mean square error of prediction, RMSEP)为0.0625。经BP神经网络算法优化后,均方根误差明显减小,提高了预测模型的准确性。结论 结合BP神经网络算法的中红外光谱技术是一种检测煎炸油极性组分的有效方法,为食用油品质的快速检测提供理论指导和技术支撑。

基于高光谱技术检测小麦粉灰分含量

目的 基于高光谱技术实现对小麦粉灰分含量的准确检测。方法 利用高光谱成像技术采集小麦粉的光谱数据,建立基于偏最小二乘法(partial least squares regression,PLSR)和深度极限学习机(deep extreme learning machines,DELM)的小麦粉灰分含量预测模型;通过分析3种预处理算法和4种波长选择算法,分别选出最佳的预处理与波长选择方法,最后构建基于特征波段光谱信息的预测模型,并对结果进行比较。结果 标准正态变量校正(standard normal variable,SNV)为最佳预处理方法;连续投影算法(successive projections algorithm,SPA)相较于随机森林(random forest,RF)、无信息变量消除(uninformative variable elimination,UVE)和遗传算法(genetic algorithm,GA)选择特征波长的模型更优;DELM模型更适用于灰分含量的检测,最优模型的测试集决定系数为0.968,预测集均方根误差为0.024。结论 高光谱成像技术可以快速、精准的无损检测小麦粉灰分含量,该技术可为在线检测小麦粉品质系统的开发提供理论依据。

不同种类岩石的太赫兹光谱特征研究

准确认识不同种类的岩石特征对地质构造、结构与年代的判断至关重要。常规光学显微手段虽然可以对岩石的颜色与表面形貌进行直接观测,但是对岩石种类的判断往往凭靠经验,一些颜色相近的矿物容易混淆,所得结果并不准确。光谱方法能够在不同频段给出样品的多个光学参数信息,通过建立光学参数与样品自身物性的联系,可以从多个维度确定样品的性质,从而有望实现对不同矿物成分与含量定性、定量评价。太赫兹光谱具备一定的穿透能力,能够透过一定厚度的岩石,是研究岩石物理性质的合理手段。基于太赫兹光谱技术,对取自不同地区的花岗岩、灰岩、砂岩和油页岩样品进行测试,分别计算得到每个样品的等效折射率n、衰减系数a,并以a为横坐标、n为纵坐标作图,结果表明,相同岩性岩石的n与a基本呈线性相关关系,而对于不同类型的岩石,其n随a的线性变化趋势存在明显区别。进而研究了岩石中的组成、结构等信息与其太赫兹光谱响应的联系,分析了不同岩性岩石的光谱响应机制,结果表明:花岗岩与灰岩的结构较为致密,其矿物组成是影响太赫兹光谱响应的主要因素,利用太赫兹参数能够估算岩石中铁、镁元素的相对含量;砂岩的成分较为单一,太赫兹光谱响应受孔隙度的影响;而对于油页岩来说,由于有机质具有强吸收、低折射率的特点,其有机质含量越高,折射率越低,对太赫兹吸收越强。结果表明,太赫兹光谱技术有望成为岩石物理性质现有研究手段的合理补充,为其评价、分析提供新技术、新指标,有着极其光明的应用前景。

荧光光谱技术结合机器学习算法检测大白菜中吡虫啉含量

目的建立荧光光谱技术结合机器学习算法检测大白菜中吡虫啉含量的方法。方法采集400 nm激发下的130个农药残留光谱数据,经过数据预处理、光谱特征筛选,构建基于支持向量机(support vector machine,SVM)的吡虫啉残留含量预测模型,并利用麻雀搜索算法(sparrow search algorithm,SSA)对SVM的参数进行寻优。结果卷积平滑(Savitzky-Golay smooth,S-G)与标准正态变量校正(standard normal variable,SNV)联用的预处理效果最好;利用连续投影算法(successive projections algorithm,SPA)对遗传算法(genetic algorithm,GA)提取的特征波长进行二次特征降维能获得最优特征波段;SSA寻优后构建的SVM模型精度最佳,测试集决定系数为0.9234,均方根误差为0.4129。结论荧光光谱技术可以实现白菜中吡虫啉含量的检测,为蔬菜中农药残留快速检测提供了新的思路。

基于极限学习机自编码算法的近红外光谱模型传递的研究

目的 针对食用油的酸值和过氧化值进行分析,探究极限学习机自编码算法(transfer via extreme learning machine auto-encoder algorithm,TEAM)在近红外光谱上的模型传递。方法 使用MATRIX-F和VERTEX-70两种红外光谱仪采集食用油近红外光谱数据,利用多元散射校正方法对光谱数据进行预处理。然后基于TEAM建立传递模型,并与直接标准化、分段直接标准化和斜率偏差校正算法的建模效果进行了对比。结果 经TEAM算法模型传递后提高了模型的精确度,食用油酸值模型中,决定系数(R2)从-1.3984升高到0.8553,预测集均方根误差从0.6130mg/g降低到0.2578mg/g,食用油过氧化值模型中,R2从0.6170升高到0.8987,预测集均方根误差从16.1530 mmol/kg降低到10.4150 mmol/kg。结论 极限学习机自编码算法使从机数据更好适应主机模型,提高了模型的稳定性和准确性。

激光诱导等离子体在岩石表面的分布

利用激光照射砂岩表面,测得在其表面及周围产生的电压信号,研究等离子体在岩石表面上的分布.根据电压信号在三维空间的分布,可知光照点附近的电压较大,说明其等离子体密度较大.同时,随着探测点与表面距离的增加,信号峰值逐渐减小后趋于稳定.页岩表面的光致等离子体具有相似的分布规律.

基于激光感生电压技术的咖啡粉粒径检测

咖啡颗粒的大小直接影响着成品咖啡的品质,高效辨别出咖啡粉粒径大小对咖啡品质的鉴别尤其重要。在89μm^140μm粒径范围内,利用激光感生电压(laser-induced voltage,LIV)技术对不同粒径的云南小颗粒咖啡粉进行检测,不同粒径咖啡粉展现出不同的LIV响应,其信号幅值、响应时间、半高宽等参数均存在明显差异。随咖啡粉粒径逐渐增大,其LIV信号幅值(V_p)呈先减小后增大的趋势,当粒径为104μm^107μm时V_p最小。此外,LIV信号波形的响应时间及半高宽分别与咖啡粉末粒径之间呈正、负相关变化规律。结果表明,激光感生电压技术对咖啡粉粒径的变化较为敏感,有望成为检验咖啡粉粒径的有效检测手段。

冬令时节话哮喘

支气管哮喘称哮喘病,是一种反复发作,常规疗法难以治愈的常见多发病,临床症状有咳嗽、多痰、胸闷、气喘,在气候变化或感冒后病情加重。不分男女老少,国内国外均有患者。有明显季节性,春初、秋冬季节,气候变冷时,发病率高,近年随着工业的发展,空气污染加重,生活中与有机化合物的尘埃、用具接触较多,好多国家的患病率都在上升,特别是儿童患者不断增多。因地域环境不同,患病率有明显差异。一部分患者随时间推移、年龄增长和各种治疗可渐渐缓解;另一部分患者却日渐加重。常年咳喘不止,昼夜难眠,痛苦难忍,家庭陷入烦恼忧愁之中。日久天长,导致肺气肿,肺心病。甚至发生心衰,肺性脑病,气胸,纵隔气肿而危及生命。据统计报道,全球患病人数约有1亿5千万,我国患者约为4千万到5千万人。

近红外光谱技术对小麦粉品质定量快速检测

为实现小麦粉品质的定量快速检测,基于近红外(Near infrared,NIR)光谱技术建立了小麦粉水分、灰分和面筋含量的偏最小二乘(Partial least squares,PLS)模型。通过分析和比较不同数据处理方法对建模结果的影响,筛选出最佳的样本划分、预处理和特征提取方法。水分含量模型采用随机选择法(Random selection,RS)结合卷积平滑法以及竞争自适应重加权法(Competitive adaptive reweighted sampling,CARS)进行数据处理,所建立的定量模型效果最好,交叉验证均方根误差(Root mean square error of crossvalidation,RMSECV)为0.0937,预测均方根误差(Root mean squared error of prediction,RMSEP)为0.0996,预测集决定系数(Coefficient of determination,R2)为0.9215,相对分析误差(Relative percent deviation,RPD)为3.57。灰分含量模型采用RS法结合一阶导数以及卷积平滑法的建模效果最好,RMSECV为0.0509、RMSEP为0.0731、R2为0.8718、RPD为2.79。面筋含量模型采用RS法结合归一化(Normalize)的建模效果最好,RMSECV为0.3589、RMSEP为1.1194、R2为0.7609、RPD为2.05。实验结果表明,经预处理和特征提取处理后,所建立的小麦粉品质定量快速检测模型稳定可靠,具有较高的预测精度。