微量农药溶液近红外光谱PLS模型的不同预处理方法对比研究

比较了常用的多种预处理方法对近红外光谱技术(NIR)检测微量农药溶液含量的影响,使用偏最小二乘法(PLS)分别对各预处理方法处理后的数据建立了数学模型,利用两种不同农药初步探讨了数据量对PLS建模结果的影响。结果表明:矢量归一化(SNV)对26个微量毒死蜱溶液样本的预处理效果综合参数最好,校正集参数为R=0.9957,RMSECV=0.182,预测集参数为R=0.9992,RMSEP=0.0802;减去一条趋势线对20个微量炔螨特溶液样本的预处理效果综合参数最好,校正集参数为R=0.9925,RMSECV=0.649,预测集参数为R=0.9952,RMSEP=0.646。26个样本的微量毒死蜱溶液PLS建模结果优于20个样本的微量炔螨特溶液。

高光谱图像技术检测梨表面农药残留试验研究

以滴有不同浓度毒死蜱和炔螨特农药的水晶皇冠梨为研究对象,探讨高光谱图像技术结合人工神经网络方法检测水果表面农药残留量的可行性.分别配制不同浓度分布的毒死蜱水溶液和炔螨特水溶液样本各20个,按100μL和150μL取农药溶液滴在梨表面,在835.467 8～1 648.356 8 nm范围采集高光谱图像,提取感兴趣区域数据得到4组样本数据,每组20个,每组随机抽取5个样本作为预测集,利用BP人工神经网络对每组数据分别建立数学模型.滴有150μL和100μL农药溶液区域的建模结果为:两种农药的残留样本相关系数分别都大于0.99和0.95;RMSEC和RMSEP的最大值分别为0.634 9,1.323 9和1.742 5,3.441 7.结果表明:150μL农药样本区优于100μL农药样本区的建模结果,高光谱图像技术结合人工神经网络法检测梨表面农药残留量是可行的,为水果表面农药残留量检测提供了新方法.

NIR和ATR-FTIR光谱技术在萝卜农残检测中的应用

研究了近红外(NIR)光谱技术和衰减全反射傅里叶变换红外(ATR-FTIR)光谱技术在萝卜农药残留检测中的应用。为了从不同角度分析,分别使用偏最小二乘(PLS)法和BP神经网络建立了数学模型。经最小—最大归一化方法优化后的NIR光谱数据的PLS法模型标准差为:RMSEC=0.289,RMSEP=0.335,BP神经网络模型标准差为:RMSEC=0.436,RMSEP=0.610。矢量归一化方法优化后的ATR-FTIR光谱数据的PLS法模型标准差为:RMSEC=0.168,RMSEP=0.127,BP神经网络模型标准差为:RMSEC=0.100,RMSEP=0.106。结果表明:ATR-FTIR的农药残留检测精度高于NIR光谱技术,ATR-FTIR光谱技术在农药残留检测方面有实际应用潜能和优势。

近红外光谱技术检测农产品农药残留量的研究

介绍了近年来近红外光谱分析技术在农产品农药残留分析检测技术中的应用,其中覆盖了样品预处理方法、运用化学计量学进行定性和定量检测分析技术的方法等.概述了近几年来在近红外农残检测领域的应用和研究进展.提出了结合多信息融合技术的农药残留分析技术及其发展前景.

ATR-FTIR光谱法快速测定农药溶液含量

用衰减全反射傅里叶变换红外光谱技术对26个浓度范围为0.03～6mg/kg的毒死蜱溶液和20个浓度范围为2～20mg/kg的炔螨特溶液进行定量快速检测。其中,两种农药溶液分别随机抽取5个样本作为预测集。采用差谱、基线校正和矢量归一化对光谱数据进行预处理,分别建立了以峰面积和峰高与浓度的定量分析模型,以峰面积建立定量模型的毒死蜱和炔螨特溶液的相关系数分别为0.995 8和0.989 5,RMSEC分别为0.168 5,0.643 2,RMSEP分别为0.196 5,1.125 6;以峰高建立定量模型的毒死蜱和炔螨特溶液的相关系数分别为0.9975,0.987 1,RMSEC分别为0.130 5,0.712 8,RMSEP分别为0.268 6,1.183 1。实验结果表明,衰减全反射傅里叶变换红外光谱技术可用于农药溶液的快速初步测定。

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12500～4000cm^-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．

BP神经网络在ATR-FTIR技术微量农药溶液检测中的应用

利用衰减全反射傅里叶变换红外光谱(ATR-FTIR)技术分别对毒死蜱、炔螨特的微量溶液进行了检测,采用差谱、基线校正和矢量归一化对谱图进行预处理,利用BP神经网络分别使用自适应调整学习率并附加动量因子的梯度下降反向传播算法训练函数和SCG反向传播算法训练函数建立了毒死蜱和炔螨特农药溶液的定量分析模型,并对校正集和预测集进行了定量分析.毒死蜱溶液模型的分析结果为:R=0.998 6,RMSEC=0.100 0,RMSEP=0.220 1;炔螨特溶液模型的分析结果为:R=0.997 4,RMSEC=0.391 8,RMSEP=0.624 1.结果表明,BP神经网络结合ATR-FT-IR技术检测微量农药溶液含量具有快速、精度高、泛化能力强的优点,可用于农药溶液含量的快速、准确鉴定.