苹果可溶性固形物近红外光谱检测的偏最小二乘回归变量筛选研究

为了提高苹果可溶性固形物含量近红外光谱校正模型的预测能力和稳健性,分别采用反向区间偏最小二乘法、遗传算法和连续投影算法,筛选苹果可溶性固形物的近红外光谱变量,并建立了偏最小二乘回归模型。利用遗传算法筛选的141个变量建立的校正模型,预测效果最好,与全谱建立的校正模型比较,预测相关系数,从0.93提高到0.96,预测均方根误差,从0.30°Brix降低到0.23°Brix。实验结果表明遗传算法结合偏最小二乘回归方法,有效地提高了苹果可溶性固形物近红外光谱检测模型的预测精度。

近红外光谱与组合的间隔偏最小二乘法测定清开灵四混液中总氮和栀子苷的含量

应用近红外光谱分析技术结合化学计量学方法,建立了中药清开灵注射液中间体总氮和栀子苷含量测定的新方法.首先采用Kernard-Stone法对训练集样本和预测集样品进行分类,然后应用组合的间隔偏最小二乘法(Synergy interval partial least squares,siPLS)对所得近红外透射光谱进行有效谱段范围的选择以及二者定量校正模型的建立,并对光谱预处理方法进行了详细的讨论.所建立的总氮和栀子苷校正模型的预测相关系数(R)分别为0.999和0.708;交叉验证误差均方根(RMSECV)均为0.023;预测误差均方根(RMSEP)分别为0.074和0.159;预测结果表明,本实验所建方法快速、无损且可靠,可推广并应用于中药注射液中间体的在线质量控制.

LED光源的波段间隔选择在彩色视觉中的应用

在彩色视觉的应用中,当检测目标背景拥有多种颜色时,检测目标总是难以从复杂的背景的中区分出来。选择合适的光源波段能够提高检测目标与背景的分辨力。该文首先利用四块具有不同反射率的标准板,将各表面的反射函数进行标定。然后应用偏最小二乘法选择合适的光源波段间隔。变量在投影方向的重要程度(VIP)得分作为波段间隔选择的挑选依据。VIP得分>1.0的波段视为有效的波段间隔。最终选取三个波段间隔作为视觉系统的光源照明,并进行了实验同时区分开实验图像的各表面并提高其分辨力。实验结果验证了该方法的有效性。

竞争失效产品部分加速寿命试验的统计分析

基于加速寿命试验的失效数据对产品的寿命特征进行统计分析时,需要利用产品寿命和应力水平之间的关系即加速模型。但在工程实际中,加速模型不一定总是已知的,例如新研制的产品。针对这个问题,提出了一种利用部分加速寿命试验研究竞争失效产品寿命特征的统计分析方法。在逐步Ⅰ型混合截尾下,讨论Pareto分布竞争失效产品恒定应力部分加速寿命试验的统计分析问题。文中给出了未知参数和加速因子的极大估计(MLE)和贝叶斯估计(BE)。利用Bootstrap方法及贝叶斯理论分别获得了参数和加速因子的Bootstrap置信区间(Stud-t)、最高后验概率密度置信区间(HPD)。最后运用Monte Carlo方法对各种估计的平均相对误差(ARE)、均方误差(MSE)及参数的置信区间进行了模拟计算,并讨论了样本量和分配比例对估计精度的影响。结果表明:参数的MLE和BE的ARE和MSE均随样本量增大而减小;而参数BE的ARE和MSE均小于MLE的ARE和MSE;样本分配比例和2种估计所对应的ARE和MSE呈负相关关系;在相同的置信度下,参数的HPD置信区间的长度小于Stud-t置信区间的长度。

血糖浓度的短波近红外定量分析

采用间隔偏最小二乘法(IPLS)和移动窗口偏最小二乘方法(MWPLS),在640～1 100nm范围内建立血糖短波近红外的优化模型。使用马氏距离对人血清样品中的奇异样品进行筛选,将检测光谱分别等分为2～15份进行IPLS分析,对比建立预测模型。设窗宽为151nm,成分数范围(1～20),全谱进行MWPLS,对预测模型进行优化。结果显示,依据马氏距离采用最小半球体积法能有效筛选所采集光谱中的奇异光谱,IPLS可以有效地找到葡萄糖分子官能团对应的近红外特征谱段,MWPLS能够找到适合建模的精确起止波长点,通过偏最小二乘法建立血糖浓度的预测模型,相关系数R=0.982 2,预测均方差RMSEP=0.163 5 mmol/L,偏差Bias=-0.087 3mmol/L。

温度对死后大鼠肾组织FTIR光谱特征的影响

目的分析大鼠死后肾组织在不同温度下的傅里叶变换红外(Fourier transform infrared,FTIR)光谱数据,探究温度对死后大鼠肾组织FTIR光谱特征的影响。方法大鼠颈椎脱臼处死后置于4℃、20℃和30℃环境中,于不同时间点提取大鼠肾组织,采集FTIR光谱数据,并利用数据挖掘技术对数据进行分析。结果 4℃、20℃和30℃环境组中部分时间点样本主成分分析结果具有明显聚类趋势。分别利用三个温度组光谱数据建立偏最小二乘(partial least square,PLS)回归模型,结果 20℃和30℃组数据的PLS回归模型性能均优于4℃组,20℃组模型稳定性优于30℃组。结论大鼠死后肾组织在不同温度下的FTIR光谱特征具有差异,温度对FTIR光谱PLS回归模型性能具有重要影响,因此在利用光谱法推断死亡时间的研究中需要考虑温度对模型的影响,以提高死亡时间推断的准确性。

近红外分析技术快速检测白酒基酒中的总酯含量

采用近红外光谱分析技术,对基酒总酯进行无损检测研究。利用近红外光谱仪采集基酒样品在4000~10000 cm~(-1)波段内的光谱数据,首先对光谱数据进行一阶导数预处理,然后采用Si-PLS组合间隔偏最小二乘法优选特征波长,最后运用PLS偏最小二乘法建立基酒总酯模型。该模型校正集的决定系数R_C~2为0.95,校正集的均方根误差RMSEC为0.17;预测集的决定系数R_P~2为0.93、预测集的均方根误差RMSEP为0.19。与全波段光谱模型相比,该模型预测能力更强,稳定性更优。

基于SEV/SEC-iPLS的近红外光谱波长优选方法

为实现建模区间的波长优选,将iPLS法与验证标准差/校正标准偏差(standard error of verification/standard error of calibration,SEV/SEC)相结合,以喷气燃料为研究对象,对其初馏点进行定量分析。结果表明:iPLS法结合SEV/SEC的组合评价指标用所选光谱区间建立的校正模型性能得到较大改善,模型的决定系数R^(2)、SEV分别为0.94和1.05,较全谱区模型分别提升55.70%和36.23%,较传统iPLS法分别提升44.44%和17.50%,并通过配对t检验法验证,证明了该波长优选方法的可行性与有效性。

基于近红外光谱技术的乙醇固态发酵过程参数定量检测

为了提高乙醇固态发酵过程在线监测的精度,开展了基于傅里叶近红外光谱(FT-NIRS)分析技术的乙醇固态发酵过程参数快速定量检测研究。采用联合区间偏最小二乘法(siPLS)对标准正态变量变换(SNV)预处理后的光谱进行特征波长区间优选;引入遗传算法(GA)、竞争自适应重加权采样(CARS)法和迭代保留信息变量(IRIV)法从优选后波长区间中进一步筛选特征波长变量;最后,建立不同变量筛选方法所得特征波长的乙醇固态发酵过程参数(乙醇和还原糖含量)的偏最小二乘(PLS)预测模型。实验结果显示,与GA和CARS方法相比,IRIV方法所得的波长变量数最少;其中,与乙醇和还原糖相关的特征变量个数分别为43和40;在验证集中,PLS预测模型乙醇含量的验证集均方根误差(RMSEP)和预测相关系数Rp分别为0.2511和0.9934,还原糖含量的RMSEP和Rp分别为0.1730和0.9926,其预测精度亦高于其他方法所得结果。实验结果表明,利用近红外光谱分析技术实现乙醇固态发酵过程关键参数的在线检测是可行的;并且IRIV方法是一种有效近红外光谱特征波长优选方法,可提高预测模型精度。

全血胆固醇、甘油三酯近红外光谱分析与模型优化

为验证近红外光谱测量全血中胆固醇和甘油三酯的可行性,采用近红外透射光谱结合化学计量学方法建立胆固醇和甘油三酯定量分析模型。获取全血在近红外全波段800～2500nm范围的透射光谱后,通过采用间隔偏最小二乘法(iPLS)进行特征波段的选择实现对分析模型的优化。经优化后的胆固醇、甘油三酯分析模型的特征吸收波段分别为1650～1730nm和2260～2340nm,预测相关系数分别为0.79和0.865,预测均方根误差分别为0.5mol/kL和0.28mol/kL。研究结果表明近红外光谱技术可用于测量全血胆固醇、甘油三酯的含量,运用间隔偏最小二乘法可确定特征吸收波段和优化分析模型。

显微拉曼光谱法定量检测碳氧血红蛋白饱和度

采用显微拉曼光谱技术对不同饱和度碳氧血红蛋白(HbCO)进行测定,通过偏最小二乘法(PLS)和间隔偏最小二乘法(IPLS)建立模型,得出线性回归方程.结果表明,经过筛选变量信息所建立的间隔偏最小二乘模型(IPLS),当血红蛋白系列样品中碳氧血红蛋白含量为0～100%时,线性相关系数的平方为0.99,检测限为5.37%,完全能满足临床和法医学上CO中毒程度的检测.此方法具有快速、简便、直接、对样品无损等优点,有望成为检测碳氧血红蛋白饱和度的新方法.

在线近红外光谱监测桂枝茯苓胶囊流化床干燥过程水分的方法研究

目的采用在线近红外光谱(NIRS)技术,建立桂枝茯苓胶囊流化床干燥过程水分实时监测模型。方法通过NIRS漫反射探头采集16个生产批次共176个样本进行建模,优选移动窗口平滑法进行光谱预处理,采用间隔偏最小二乘法(siPLS)结合移动窗口偏最小二乘法(mwPLS)筛选特征变量为4759.45~5338.00 cm^−1、5503.84~6101.67 cm^−1、8512.25~8809.24 cm^−1,采用偏最小二乘(PLS)法建立水分含量多变量校正模型。结果水分预测的交叉验证均方根误差(RMSECV)为0.243%,性能偏差比(RPD)值为13.384,预测相对偏差(RSEP)为0.270%。以8个生产批次对在线监控方法的可靠性进行持续验证,结果40个样本的相对预测误差均小于4.7%。干燥过程水分实时监测趋势图显示可准确判断干燥终点,终点样本水分含量位于控制限内。结论在线NIRS结合PLS建立的定量模型,可应用于生产规模桂枝茯苓胶囊流化床干燥过程水分含量在线监控且预测性能稳健、准确。

近红外光谱结合区间偏最小二乘法快速分析污泥中蛋白质含量

采用近红外光谱表征了不同来源污泥样品,并应用主成分投影实现了污泥样品的聚类分析。在此基础上,结合凯氏定氮法的蛋白质含量分析结果,采用区间偏最小二乘法(i PLS)选择光谱建模区间为4 382~3 996 cm^(-1),建立了近红外光谱反演污泥中蛋白质含量的数学模型,模型相关系数为0.973,交叉验证均方差为1.321,预测值与真实值的误差范围为^(-1)0.0%~8.52%,说明近红外光谱可以实现污泥样品的快速定性和定量分析。

近红外光谱结合不同变量筛选方法用于金银花提取过程中绿原酸量的在线监测

目的采用近红外光谱技术,结合不同变量筛选方法对金银花提取过程中绿原酸量进行快速测定。方法采用组合间隔偏最小二乘法(SIPLS)、竞争自适应抽样方法(CARS)、变量投影重要性(VIP)、连续投影算法(SPA)4种不同变量筛选方法,以HPLC测定值作参比,建立金银花中绿原酸定量模型并进行比较,优选出最佳变量筛选方法。结果经SIPLS方法所建绿原酸模型预测能力最好,预测集决定系数(Rpre2)和预测均方根误差(RMSEP)分别为0.990 3和2.316%。结论近红外光谱法结合SIPLS变量筛选方法建立的绿原酸定量模型性能良好,满足中药提取过程实时监测分析的精度要求,可用于中药提取过程的快速分析。

光谱成像结合偏最小二乘判别法快速鉴别西洋参

目的:应用荧光光谱成像技术对不同市售来源的西洋参饮片及其伪品进行检测,结合偏最小二乘判别法区分其真伪,以期实现西洋参饮片的快速无损鉴别。方法:采用凝视式荧光光谱成像装置,对西洋参、人参、桔梗各30份样品进行了荧光光谱成像,提取了其特征光谱曲线。分别采用全光谱偏最小二乘判别(PLS-DA)与联合区间偏最小二乘判别(siPLS-DA),对3种药材的光谱数据进行了建模分析。结果:相比于PLS-DA方法,siPLS-DA方法提高了模型质量和精度,其在训练集和验证集的识别率分别达到98.33%和96.67%。结论:所建立的模型精度高、预测性能优异,可实现西洋参饮片的快速无损鉴别。