ATR-FTIR结合BiPLS分析食用油碘值的研究

研究了全反射傅里叶中红外光谱(ATR-FTIR)技术结合向后区间偏最小二乘法(BiPLS)快速测定食用油碘值的分析方法。以一级精炼菜籽油、大豆油、花生油、葵花籽油及其与废弃煎炸油混合物为对象,优化了光谱预处理,并采用BiPLS选择建模区间,构建得到了较优的碘值分析通用模型。结果表明:从原波谱出发,波谱区间数为34时,最优建模区间为波数4 000~3 500、3 000~2 900、2 800~2 400、2 000~1 800、1 700~1 100 cm^(-1)和1 000~900 cm^(-1),此时通用模型相关系数R2为0.988 6,RMSEC为2.70,RMSEP为2.80,预测值RSD为2.57%;在此基础上,进一步构建了单一种类食用油的碘值子模型,模型效果进一步提高,预测值RSD降至0.25%~0.99%。因此,Bi PLS结合ATR-FTIR开发的食用油碘值分析模型是有效的,预测结果准确、模型稳定性高。

基于机器视觉和近红外光谱技术的杏干品质无损检测

干果品质直接影响其市场销售。该研究以杏干为对象探讨用机器视觉和近红外光谱技术快速无损检测干果内外品质的方法。拍摄杏干4个不同位置的彩色图像,用基于区域骨架化的填充法分割杏干,提取每种角度下的面积。从100个正常杏干样本中随机挑选75个为校正集,25个为预测集,用多元线性回归对杏干的实际质量和4个面的面积建模,得到校正集和预测集相关系数分别为0.9374和0.9307,杏干质量分级的准确率为90%。提出用基于平均灰度的区域增长法提取杏干缺陷,缺陷检测的准确率为84.5%。采用SNV对杏干近红外光谱进行预处理,然后分别采用偏最小二乘法(PLS)、向后区间偏最小二乘法(biPLS)及联合区间偏最小二乘法(siPLS)建立杏干糖度预测模型。结果表明,当全光谱范围被划分为22个子区间,优选出区间[17、2、3、9、20、13、7、18、15、11、6],主因子数为10时建立的biPLS糖度模型性能最好。其校正集相关系数和校正均方根误差分别为0.8983和1.23,预测集相关系数和预测均方根误差分别为0.8814和1.46。研究表明,机器视觉结合近红外光谱技术能对杏干内外品质进行综合检测,也可为其他干果的品质检测提供借鉴。

基于向前和向后间隔偏最小二乘的特征光谱选择方法(英文)

在近红外光谱分析中,向前间隔偏最小二乘法(FiPLS)和向后间隔偏最小二乘法(BiPLS)是常用的基于波长变量选择的建模方法,其模型精度较高,但贪婪搜索特性较强,导致选出的波段并不能较好地反映待测成分的信息。针对该问题,提出一种基于两者组合策略的光谱特征波段选择方法(FB-iPLS)。在光谱分段的基础上,既利用FiPLS选取有用波段,同时利用BiPLS删除无用波段,来交互执行特征变量的选择与删除,对目标特征波段进行双向选择,用于提高模型的稳健性。用该方法建立水中乙醇含量的定量预测模型,并与FiPLS和BiPLS算法对比。由于光谱分段大小会对模型的结果有影响,该实验还考查这三种方法在不同光谱分段处的结果。在光谱划分60段时,提出的FB-iPLS方法取得最佳预测性能,其校正集与验证集相关系数r分别为0.967 7,0.967 0,交互验证均方根误差RMSECV分别为0.088 8,0.057 1。与FiPLS和BiPLS相比,该方法无论在不同光谱分段区间还是在各自最优与最差分段处,模型的整体预测性能都有所提高。实验结果表明,提出的方法能改善BiPLS与FiPLS贪婪搜索的特性,对特征波段的选取更高效、更具代表性,能进一步提高模型的预测性能。

近红外光谱法测定面粉的水分、脂肪、碳水化合物和蛋白质含量

应用近红外光谱技术结合不同的定量分析方法建立面粉4种组分的快速定量模型。国标法测定68种面粉样品的水分、脂肪、碳水化合物和蛋白质的含量,并采集其近红外漫反射光谱图。选取58个校正集和10个验证集样品,通过马氏距离法剔除异常样品后,对比17种光谱预处理方式所建立的基于全光谱的偏最小二乘法(partial least squares,PLS)定量模型效果,在最佳预处理方法的基础上,采用向后区间偏最小二乘法(Backward interval PLS,BiPLS)筛选特征光谱,进一步得到最佳定量模型。结果表明,所建立的模型校正集相关系数Rcv均大于0.9650,内部交叉验证均方根误差均小于0.328;验证集相关系数均大于0.9926,预测均方根误差均低于0.383。因此,模型具有较好的准确性和稳定性,能应用于面粉的多指标快速检测。

利用FT-NIR法构建酸奶能量值快速定量模型

酸奶能量值往往远超出消费者预期,但在酸奶质量监控体系中却容易被忽视。现行的酸奶能量值检测方法需要对蛋白质、脂肪、碳水化合物等多种成分检测基础上获得,成本较高,因此开发一种"直接"可对酸奶能量值的快速高效检测具有重要意义。采用傅里叶变换近红外(FT-NIR)光谱法对酸奶能量值进行分析,以期获得效果良好的定量模型。经过多种算法的综合比较和分析,该定量模型的光谱范围为(8069.1~7644.8)+(7359.4~7085.6)+(6526.3~6248.6)cm^(-1),预处理方式为消除常量偏移量,主成分数为7。以此模型进行校正集分析,其决定系数(R^2)为0.9818,交叉检验均方根误差(RMSECV)为8.92,残留预测偏差值(RPD)为7.4,偏移量值(Bias)为0.0309;进行预测集预测分析,其预测均方误差(RMSECV)为17.7,残留预测偏差值(RPD)为3.52,相关系数(corr.coeff.)为0.9651。可见该模型具有良好的定量预测效果。

基于高光谱的民勤土壤盐分定量分析

土壤盐渍化是重要的生态环境问题,严重影响着干旱、半干旱区的农牧业及经济发展。高光谱遥感技术能够提供地物的连续光谱信息,易于分析细微差别,在定量研究土壤盐分含量方面具有较大优势。民勤县位于甘肃省石羊河流域下游,水力资源匮乏,盐渍化问题十分严峻。本研究基于实验室光谱数据,通过建立模型定量分析土壤盐分含量。首先对原始数据进行连续统去除(cn)预处理,然后分别建立了土壤盐分含量的高光谱指数模型(NDSI)、偏最小二乘回归模型(PLS)、间隔偏最小二乘法模型(iPLS)和反向间隔偏最小二乘法模型(BiPLS),考察各种模型对土壤盐分的预测能力。对比分析发现,使用全部波段信息建模的PLS模型优于仅使用两个波段信息的NDSI模型,而iPLS和BiPLS模型通过选择特征波段进行建模,结果均好于全谱PLS模型。其中,BiPLS模型波段选择的能力优于iPLS模型,得出的模型结果最好,预测相对偏差RPD达到2.02,决定系数R2和模拟值与预测值线性回归的斜率分别为0.76和0.92,模型可以近似地预测土壤盐分含量。结果说明特征波段选择方法能够从大量数据中提取有效信息,简化模型,并获取比NDSI模型和全谱PLS模型更优的预测结果。这些研究对于使用高光谱数据定量分析土壤盐渍化有一定的意义。