食用油酸值与过氧化值近红外光谱模型转移研究

在使用近红外光谱技术进行食用油酸值与过氧化值检测时,仪器制造与检测环境的差异导致不同仪器建立的校正模型无法共享。为解决食用油酸值与过氧化值模型转移问题,使用125个食用油样本于主机建立偏最小二乘校正模型,采用光谱空间转换法进行模型转移,并与斜率/截距算法、直接标准化算法、分段直接标准化算法、极限学习机自编码器算法进行对比。结果表明,采用光谱空间转换法进行模型转移后,验证集酸值与过氧化值的预测均方根误差分别从0.5836 mg/g和15.8010 mmol/kg降低到了0.1670 mg/g与9.9893 mmol/kg,说明光谱空间转换法可以有效应用于食用油酸值与过氧化值间的模型转移,使不同仪器之间实现模型共享,这对于近红外光谱应用于食用油品质快速检测具有实际意义。

制丝线烟丝质量在线监测近红外模型的建立与应用

为实现烟丝质量的在线监测,采用近红外光谱技术和化学计量学模型转移方法开发了一种快速获得在线近红外定量模型的方法。采用转速可控的转盘模拟烟丝传送带运行,以此获得模型转移所需的标准样品,运用化学计量学光谱空间转换法(SST)将烟叶粉末化学组分的离线预测模型传递为烟丝化学组分的在线预测模型,并利用转移后的在线预测模型实现了烟丝烟碱和总糖的在线监测。结果表明,光谱空间转换法能够较好地消除离线光谱和在线光谱之间的系统性差异,在线模型和离线模型对同一样品的平均预测误差在5%以内,而实现该模型转移所需的实际工作量可在一天内完成。

近红外光谱模型转移新算法

模型转移是解决分析仪器或分析方法通用性的关键技术。近红外光谱受测量仪器或测量条件的影响较大,模型转移对近红外光谱技术的实际应用尤为重要。本文综述了近年来近红外光谱分析中被广泛应用和新提出的模型转移算法,从计算原理角度梳理了有标样和无标样算法的联系和区别。有标样算法重点介绍了基于多元校正、因子分析、人工神经网络、多任务学习的模型转移方法,无标样算法重点介绍了基于光谱校正、模型参数校正和稳健建模的模型转移方法。从算法的角度分析了各种模型转移方法的特点和转移效果,并展望了模型转移算法的进一步发展。在综述的众多方法中分段直接标准化及其变体仍是模型转移的黄金标准,但是,基于因子分析的算法正变得受欢迎且基于神经网络和多任务学习的方法近年来也吸引了越来越多的注意。但是,在实际应用中,获得标准样品以在主机和子机上测得其光谱比较困难甚至是不可能的,无标样模型转移则更加实用。此外,随着仪器小型化、成像及超光谱成像的发展,模型转移在未来会变得愈加必不可少。