近红外光谱技术结合反向区间偏最小二乘算法-连续投影算法预测哈密瓜可溶性固形物含量

采用近红外光谱技术结合数据降维的方法,建立了哈密瓜可溶性固形物含量的预测模型,对原始光谱进行特征区间选择,共选取了6个子区间,432个光谱变量;将6个联合子区间的光谱数据分别结合特征选择竞争性自适应重加权采样算法、遗传算法、连续投影算法(successive projections algorithm, SPA)提取特征波长;再使用选取的特征波长以及特征区间波长作为模型的输入变量,利用极限学习机和偏最小二乘算法(partial least squares, PLS)建立哈密瓜可溶性固形物含量预测模型。结果显示,反向区间偏最小二乘算法+SPA+PLS建立的预测模型最优,模型的校正集相关系数为0.923 4,预测集相关系数为0.878 8,模型能够准确预测哈密瓜可溶性固形物含量。

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。

光谱技术结合BiPLS-GA-SPA和ELM算法的生菜冠层氮素含量检测研究

氮素是影响生菜产量和品质的重要因素,光谱技术是检测作物氮素含量最有效的手段之一。通过获取不同氮素水平下生菜冠层的反射光谱,对其进行FDSGF(first-order derivative based savitzky-golay filt)滤波后,利用后向区间偏最小二乘算法(BiPLS)、遗传算法(GA)及连续投影算法(SPA)对特征波长进行梯度提取,最终从2 151个波长点中提取了8个与生菜氮素最为相关的特征波长。分别利用多元线性回归(MLR)、径向基函数神经网络(RBFNN)及极限学习机(ELM)三种算法建立了基于特征波段或特征波长的8个生菜冠层氮素含量检测模型。结果表明:BiPLS-GA-SPA-ELM模型(RMSEC=0.241 6%,Rc=0.934 6,RMSEP=0.284 2%,Rp=0.921 8)的预测结果优于其他模型,为指导合理施肥和开发便携式仪器提供了理论基础。

基于dbiPLS-SPA变量筛选的固态发酵湿度近红外光谱检测

为了提高基于近红外光谱技术的固态发酵关键过程参数——湿度快速检测的精度和稳定性,研究采用动态反向区间偏最小二乘(dbiPLS)法结合连续投影算法(SPA)进行最佳光谱子区间和特征组合变量的筛选,通过交互验证法确定偏最小二乘(PLS)模型的主成分因子数,并以预测均方根误差(RMSEP)和相关系数(Rp)作为模型的评价标准。试验结果显示,最佳dbiPLS-SPA模型筛选的组合变量个数为8,其RMSEP和Rp分别为1.1795%(质量分数)和0.9430。试验结果表明,dbiPLS-SPA是一个有效的波长组合变量筛选方法,可简化模型结构、增强模型精度和稳健性。

基于可见-近红外光谱技术的润滑油含水量无损检测方法研究

研究了基于可见-近红外光谱技术的发动机润滑油含水量快速检测方法。在获取光谱信息的基础上,提出了采用不同的光谱建模方法以提高检测精度和简化分析计算。分别采用主成分分析(PCA)和连续投影算法(SPA)方法进行模型输入变量的提取。SPA最终选择了476,483,544,925,933,938,952,970和974nm共9个波长为最优变量。基于SPA选择的变量,分别应用偏最小二乘回归(PLSR)和多元线性回归(MLR)建模。效果均优于全波段PLSR模型和PCA-PLSR模型。说明SPA选择的有效变量能够包含最重要的全波段光谱信息,同时可以去除无用的信息变量。为了进一步提高检测效果,采用LS-SVM分别基于SPA选择后的有效变量和全波段光谱进行建模。两个模型的预测确定系数(Rp2)均在0.9以上。SPA-LS-SVM的效果要优于全波段LS-SVM模型的效果。SPA-LS-SVM模型的Rp2达到了0.983,剩余预测偏差(RPD)值为6.963。表明可见-近红外光谱可以用于发动机润滑油含水量的检测。

基于可见-近红外光谱变量选择的土壤全氮含量估测研究

【目的】变量选择是可见光-近红外光谱研究至关重要的步骤,通过分析可见光-近红外光谱不同特征的选择方法筛选出土壤全氮敏感波段,建立基于敏感波段的土壤全氮最佳预测模型,为土壤全氮的快速定量估算提供重要的理论指导依据。【方法】在红壤典型地区江西省吉安县采集代表性土壤样品120个,对可见光-近红外光谱采用主成分分析(PCA)、无信息变量消除(UVE)和无信息变量消除后结合连续投影(UVE-SPA)3种变量特征选择方法,建立基于不同变量选择的偏最小二乘回归(PLSR)模型、最小二乘-支持向量机(LS-SVM)、反向传播神经网络(BPNN)和遗传算法优化的反向传播神经网络(GA-BPNN)模型,从模型对预测集的预测精度分析不同变量选择方法对不同土壤全氮定量估算模型的差异。【结果】经UVE算法筛选后,光谱变量从200个减少至59个,其中可见光波段处10个,其余在近红外光谱的合频区和一倍频区,信息量丰富;进一步采用SPA进行变量选择,得到共线性最小的5个有效波长,分别为820、940、1 040、1 060和1 990nm;基于UVE变量选择建立的PLSR、BPNN、GA-BPNN和LS-SVM模型,经不同的土壤全氮的数据检验,预测精度最高的为LS-SVM,决定系数(R2)、均方根误差(RMSEp)和相对偏差(RPD)分别为0.7492、0.2921和1.8904;基于UVE-SPA特征选择建立的PLSR、BPNN、GA-BPNN和LS-SVM模型对预测集的验证表明,UVE-SPA提取的特征波段建立的LS-SVM建立模型预测效果最好,其建立的LS-SVM定量估算模型预测集的决定系数R2为0.7945,均方根误差RMSEp为0.2499相对偏差RPD为2.0009,模型稳定;基于PCA提取的7个主成分建立的LS-SVM、BPNN和GA-PBNN模型预测性能差,不能用于定量估算土壤全氮。对比相同的变量建立的GA-BPNN和BPNN,GA-BPNN预测性能比BPNN高。【结论】UVE-SPA变量选择方法结合LS-SVM模型能用来估算土壤中的全氮含量,同时UVE-SPA是一种有效的土壤光谱变量选择方法。

基于可见-近红外光谱技术的制动液品牌混掺比例快速无损检测方法

研究了基于可见-近红外光谱技术的制动液品牌混掺比例快速无损检测方法。全波段建立的偏最小二乘回归(PLSR)和最小二乘支持向量机(LS-SVM)模型均得到了较好的预测结果。这两个模型的建模集和预测集的确定系数(r_c^2和r_p^2)均在0.98以上。采用连续投影算法(SPA)挖掘特征波长,最终选择了439nm、443nm、459nm、519nm、570nm、717nm、896nm和902nm共8个波长作为最优变量。基于SPA选择的变量建立的PLSR和LS-SVM模型的r_c^2和r_p^2均在0.97以上,能够满足实际应用的需要。研究结果表明,可见-近红外光谱可以用于制动液品牌混掺比例快速无损检测。

紫外-可见光谱法定量检测牛奶菌群总数的研究

针对平板计数、ATP生物发光等传统牛奶菌群总数检测方法耗时长,现有光谱技术操作复杂等问题,将紫外-可见光谱法结合化学计量学应用于牛奶中菌群总数的定量分析,并采用优化的偏最小二乘法建立牛奶菌群总数的定量模型。以等时间段(0,2,4,…,20 h)32℃恒温下培养的牛奶为研究对象,探究光谱与牛奶菌群总数之间的定量关系。采用连续投影算法选出19个特征波数;再利用偏最小二乘模型建立基于特征波与菌群总数的模型关系;优化后的模型具有更高的相关系数(Rp优=0.978,Rp原=0.968)和更小的均方根误差(RMSE优=0.265,RMSE原=0.324)。该研究采用紫外-可见光谱检测细菌总数的方法为快速检测牛奶菌群数量提供了新思路。

基于近红外光谱的绿茶滋味品质估测模型

绿茶中的茶多酚与氨基酸含量之比(即酚氨比)是评价绿茶滋味品质的量化指标。本文提出利用近红外光谱技术快速分析绿茶汤的酚氨比,并对光谱的特征变量进行筛选以提高模型的精度和稳定性。试验采用联合区间偏最小二乘法(siPLS)结合连续投影算法(SPA)筛选特征变量,建立酚氨比的估测模型,并与PLS、iPLS和siPLS方法建立的模型性能相比较。结果表明,应用siPLS结合SPA优选7个特征变量,主成分因子数为4时,所建模型性能最好,模型预测集相关系数(R p)为0.906,预测均方根误差(RMSEP)为0.258。对预测集30个样本的预测值与参考值进行t检验时,预测值与参考值无显著差异,说明模型准确可靠,可实现绿茶滋味品质的近红外光谱快速估测。

大豆豆荚炭疽病严重度的光谱检测

利用可见/近红外光谱技术对大豆豆荚炭疽病严重度进行检测。分别采用主成分分析法(PCA)结合反向传输人工神经网络(BPNN)和连续投影算法(SPA)结合BPNN 2种组合模型进行分析预测。利用SPA的数据压缩功能和BPNN的学习预测能力实现对大豆豆荚炭疽病严重度的检测。以样本检测的准确率作为模型评价指标。实验结果显示SPA-BPNN的检测准确率最高,为90%。研究表明,SPA能够有效地进行波长选择,使BPNN模型获得满意的检测率。

基于SiPLS和SPA波长选择的玉米组分测量研究

研究分析80个玉米实验光谱数据,经预处理后,分别进行区间偏最小二乘(iPLS)、组合区间偏最小二乘法(SiPLS)和连续投影算法(SPA)优选玉米水分组分的最佳波长,建立校正模型。结果表明,iPLS、SiPLS和SPA将建模变量从700个分别降低到70、140和2个,各占据全光谱的10%、20%和0.29%,而其建模精度比700个全谱变量建模精度甚至更好。其中SiPLS和SPA的建模精度相当,但是SPA方法将建模变量从700个降低到2个,计算复杂度得到最大程度的降低,并保持了建模精度,表明SPA是一种有效的特征波长提取方法,且这一研究方法可推广应用到对玉米中油脂、蛋白质和淀粉的含量检测中。

生菜叶中磷含量的光谱定量分析

为快速、准确检测生菜叶内的磷含量,提出了应用光谱技术结合化学计量法无损检测生菜叶内磷含量的方法。通过获取不同施磷量下生菜叶片于波长350~2 500 nm处的反射光谱,对光谱数据进行5点平滑和一阶导数变换后,利用联合区间偏最小二乘算法(si PLS)提取了与生菜叶磷元素相关的4个特征波段,即950~1 070 nm,1 430~1 549 nm,1 906~2 025 nm和2 144~2 263 nm。进一步利用连续投影算法(SPA)对全光谱波段和4个特征波段进行特征波长提取,分别筛选出变量63个和25个。分别对4个特征波段、63个和25个特征波长进行主成分降维,当主成分数分别为7、5和4时,隐含层神经元数分别为7、5和3时,建立了si PLS+BPANN,SPA+BPANN,si PLS+SPA+BPANN生菜叶磷含量检测模型。研究结果表明:si PLS+SPA+BPANN模型的预测结果优于其他模型,验证集相关系数为0.911,验证均方根误差为479 mg/kg。

BiPLS结合SPA对苹果可溶性固形物含量的近红外检测方法

近红外光谱(NIR)分析方法是检测水果内在品质的有效方法之一,但检测过程容易受到共线性干扰。本研究采集900~1700 nm波长范围内苹果的近红外光谱数据,建立偏最小二乘法(PLS)模型对可溶性固形物含量进行检测。为简化模型,消除共线性的影响,采用区间法(iPLS)、后向区间法(BiPLS)、连续投影算法(SPA)、连续投影算法-区间法(SPA-iPLS)及连续投影算法-后向区间法(SPA-BiPLS)选取特征波段变量。结果表明:采用254个全光谱变量建立PLS模型,训练集的r=0.8304,RMSE=1.1177,测试集的r=0.7694,RMSE=1.3483。SPA-BiPLS相比较于iPLS、BiPLS、SPA及SPA-iPLS算法,更适合于提取特征变量。采用6个特征波段建立的SPA-BiPLS模型,训练集的r=0.8919,RMSE=0.9073,测试集的r=0.8981,RMSE=0.9371,消除了共线性,提高了运行效率。

基于近红外光谱波长优选的土壤有机质含量预测研究

近红外光谱技术是检测土壤信息的有效工具,为了提高预测模型的准确度和建模效率,需要对波长进行优选。提出SiPLS-GA-SPA特征波长提取方法,即协同区间偏最小二乘算法(SiPLS)、遗传算法(GA)和连续投影算法(SPA)对土壤有机质特征波长进行梯度提取,最终从1 050个波长中提取9个土壤有机质的特征波长。利用偏最小二乘回归(PLSR)和支持向量机回归(SVMR)建立6种基于特征波长的土壤有机质含量预测模型。结果表明:SiPLS-GA-SPA-SVMR模型的预测结果为RMSEP=1.15,R2=0.91,优于其他模型;SiPLS-GA-SPA特征波长提取方法能够简化预测模型,提高模型预测精度,为开发便携式近红外光谱土壤养分检测仪提供理论基础。

转基因水稻及其亲本叶片的可见/近红外光谱分析

应用可见/近红外光谱技术实现了转基因水稻叶片的快速识别和叶绿素含量(SPAD)的快速检测。建立偏最小二乘-支持向量机(LS-SVM)鉴别模型,校正集的正确率为100%,同时应用连续投影算法(SPA)提取有效波长,建立SPA-LS-SVM鉴别模型,只用了全变量的0.3%进行建模,其预测集的正确率达到87.27%。在定量分析中,各模型的最优结果均来自经过正交信号校正(OSC)的光谱数据,经过SPA处理后的模型均优于最优的全波段PLS模型,说明SPA是一种有效的波长选择方法。最优SPAD值预测模型为SPA-LS-SVM,其相关系数(r)和预测均方根误差(RMSEP)分别为0.902 2和1.312 1,获得了满意的结果。这说明提出的SPA-LS-SVM方法能快速识别转基因水稻叶片并对SPAD值进行准确预测,为实现大田活体鉴别与连续监测提供了新方法。

基于介电特性的海沃德猕猴桃品质检测

为研究猕猴桃的介电特性与其主要品质之间的关系,本试验通过测定不同贮藏时期海沃德猕猴桃的介电特性、营养成分、色差及质构指标,用连续投影算法(SPA)和遗传算法-偏最小二乘法(GA-PLS)筛选出各品质指标(Vc、可溶性固形物、ΔE、硬度、粘聚性和弹性)的特征频率点,建立猕猴桃品质指标的预测模型并进行验证。结果表明,建立Vc和ΔE值的最优模型为连续投影算法结合神经网络模型,可溶性固形物、硬度、粘聚性和弹性的最优模型为遗传算法-偏最小二乘法结合神经网络模型,模型对各指标预测的决定系数分别为0.971、0.934、0.922、0.984、0.908和0.954,各品质指标预测值与实测值无显著差异(P>0.05)。综上所述,介电检测技术结合SPA和GA-PLS可用于预测猕猴桃的特征品质。本研究结果为猕猴桃品质的无损检测奠定了基础。

南丰蜜桔可溶性固形物近红外检测的多元线性回归变量筛选

文章采用反向区间偏最小二乘法结合连续投影算法,筛选南丰蜜桔近红外检测的多元线性回归变量。对南丰蜜桔近红外光谱进行多元散射校正后,利用反向间隔偏最小二乘法,从500～1750 nm中初选出7个光谱区间,用于多元线性回归变量筛选。利用通过遗传算法和连续投影算法筛选出的变量建立了多元线性回归模型。经比较发现,利用反向区间偏最小二乘法结合连续投影算法筛选出的变量建立的多元线性回归模型,预测结果最优,模型预测相关系数为0.937,模型预测均方根误差为0.613 oBrix。结果表明,反向区间偏最小二乘法结合连续投影算法,可以有效地筛选近红外光谱的多元线性回归变量,提高南丰蜜桔可溶性固形物模型的预测精度。

基于荧光光谱的鲜茶叶片叶绿素含量定量分析

茶叶叶片叶绿素含量的准确监测对茶树的营养状况和生长态势具有重要意义,为此基于叶绿素荧光光谱技术提出一种快速无损检测叶片叶绿素含量的方法。利用叶绿素荧光采集装置对茶叶叶片进行光谱采集,并测量叶绿素相对含量。采用S-G(Savitzky-Golay)平滑法对光谱进行预处理,可以消除大量的噪声信号;对所提方法与传统方法进行比较。实验结果表明,采用所提方法能够有效消除无关变量,对模型的优化可以得到较好的效果;简化变量后所建立的偏最小二乘模型在预测集上的相关系数为0.96,方均根误差为0.87,在建模集上的相关系数为0.96,方均根误差为0.95;荧光光谱结合化学计量学方法可以为茶叶叶片叶绿素含量的定量分析提供一种快速简便的分析方法。