红外光谱在油菜籽快速无损检测中的应用

近年来红外光谱技术的应用得到迅速发展,本文简要地介绍了主要红外光谱技术及相应化学计量学方法,概述了近二十年来红外光谱技术在油菜籽营养品质测定方面的主要研究进展,分析了过去研究中存在的问题并指出了未来的研究方向。

红外光声光谱法测定油菜籽品质参数

红外光声光谱是一项高效无损的新型样品检测技术。本研究应用红外光声光谱技术测定了油菜籽3项品质参数:含氮量、含油量和芥酸含量。结果表明,红外光声光谱技术可以实现油菜籽品质参数的定量分析。相对全谱建模,区间筛选建模可以提高模型的预测精度。

红外光声光谱技术结合稳健回归用于油菜籽定量分析

将稳健偏最小二乘回归和偏稳健M回归应用于油菜籽红外光声光谱分析中含氮量、含油量与硫苷含量的测定。结果表明,利用红外光声光谱技术可以实现油菜籽品质的快速测定。同时,稳健回归模型较经典偏最小二乘回归模型可以更好地规避异常值影响,进而优化定量分析结果;其中,稳健偏M回归稍优于稳健偏最小二乘回归。

红外光声光谱技术应用于复合膜的原位剖面分析

土壤颗粒在微观尺度上具有明显的异质性,表现为土壤有机质与矿物质的双层复合物结构。本研究以人工制备的复合膜样本为材料,采用红外光声光谱技术和独立成分分析对复合膜样本层进行原位剖面分析。复合膜样本由PE保鲜膜和办公胶带制备,红外光声光谱仪动静速率分别为0.16,0.32和0.64 cm/s。结果表明,通过改变光谱仪动静速率可以原位获取复合膜样本不同深度的组成信息,并估测出PE膜的厚度为5.4~7.6μm,与实际厚度（7±1）μm相接近；同时利用独立成分分析可以直接从复合膜样品的红外光声光谱中,同时分离出PE保鲜膜和胶带的光声光谱特征。红外光声光谱技术可对复合膜进行剖面分析,为进一步研究异质性土壤样本,特别是有机矿质复合体样本提供了新的分析手段。

稳健算法及其在红外光谱分析中的应用

总结了稳健主成分分析、稳健主成分回归、稳健偏最小二乘回归和稳健连续回归等各种稳健算法的新近成果.研究表明,稳健算法可以检测并规避异常值的影响.稳健算法应用红外光谱分析中可望优化定性、定量预测模型.

应用红外光声光谱技术及支持向量机模型测定土壤有机质含量

快速测定土壤有机质含量对作物生产和土壤肥力评价具有重要意义,红外光声光谱技术的应用为土壤有机质快速测定提供了可能。本研究以江苏省南京市溧水区水稻土土样为材料,探究了红外光声光谱技术在有机质测定中的应用。采用主成分分析、偏最小二乘和独立成分分析,分别提取了土壤光谱的主成分、偏最小二乘潜变量和独立成分,并以提取的信息输入支持向量机,从而构建了三种支持向量机校正模型。同时,偏最小二乘也被用于建立校正模型,作为支持向量机模型的对照。预测结果表明,基于独立成分的支持向量机模型效果最好,预测相关系数R2、均方根误差RMSEP和实际测量值的标准差与光谱模型预测值标准差的比值即RPD值分别为0.808、0.575和2.28。F检验表明,该模型显著优于基于主成分的支持向量机模型,但与基于偏最小二乘潜变量的支持向量机模型,以及经典偏最小二乘模型没有显著差异。t检验表明,各校正模型对有机质的预测结果与化学测定结果没有显著差异。因此,红外光声光谱技术为土壤有机质的快速测定提供了新的技术手段。

红外光声光谱技术结合区间、组合区间偏最小二乘测定油菜籽含氮量和含油量

应用红外光声光谱技术结合区间、组合区间偏最小二乘,建立了油菜籽含氮量和含油量的校正模型。结果表明,红外光声光谱技术可以应用于油菜籽品质的快速测定。相对于全谱偏最小二乘建模,区间、组合区间偏最小二乘的采用筛选出了含氮量和含油量的相关波段,使模型简化,并提高了模型预测精度。

红外光声光谱技术结合支持向量机鉴别油菜籽品种

采用傅里叶变换红外光声光谱技术对10个品种的油菜籽样本进行品种鉴别。原始光声光谱卷积平滑后,首先采用全谱数据建立支持向量机鉴别模型,当RBF核函数的核参数γ值为0.01时,模型最大预测率为70%。利用方差分析的方法对全谱进行有效波长筛选,筛选后的波长用于建立支持向量机鉴别模型,当γ值取0.1时,模型的识别率和预测率均可达到100%。同时,采用偏最小二乘判别分析建立鉴别模型,作为支持向量机模型的对照,该模型的预测率仅为60%,明显低于支持向量机模型的预测精度。研究表明,红外光声光谱技术结合支持向量机,在油菜籽品种鉴别中有良好的应用性能。

应用小波分析进行油菜籽红外光声光谱去噪

为探究小波分析对油菜籽红外光声光谱的去噪效果,利用db6小波4尺度分解对其进行去噪研究。对比分析低频系数重构、缺省阈值、Birge-Massart阈值和4种自适应阈值(Rigrsure、Minimaxi、Rigsure和Sqtwolog)模型等模型的去噪效果。同时与Savitzky-Golay卷积平滑和快速傅里叶变换的去噪效果进行比较。研究表明,Birg e-M assart阈值模型的综合小波去噪效果最好,同时小波去噪的方法较Savitzky-Golay卷积平滑和快速傅里叶变换去噪可以更好地捕获光谱的尖峰特征。