近红外光谱分析中光谱预处理方法的作用及其发展

光谱预处埋方法在近红外(NIR)光谱分析技术中具有非常重要的作用。本文综述了常用的 NIR 光谱预处理方法及最新发展的几种预处理方法的原理及作用,并给出了这些方法的一些应用实例。重点分析平滑处理(smoothing)、多元散射校正(MSC)、标准正态变量校正(SNV)等常用光谱预处理方法的利弊,详细介绍小波变换(WT)、正交信号校正(OSC)等新光谱预处理方法。

基于高光谱图像技术和波长选择方法的羊肉掺假检测方法研究

针对肉类掺假的定量检测问题,建立了基于高光谱图像技术结合波长选择方法以及偏最小二乘（PLS）法的羊肉掺假无损检测方法.试验搭建了羊肉-猪肉的高光谱图像采集系统,对选取的99个样本进行高光谱图像（390-1040nm）采集并提取感兴趣区域光谱.比较了多种预处理方法对全波长模型的影响,标准正态变量校正（SNV）为最优光谱预处理方法,校正决定系数R2CV达到0.93,预测决定系数R2P达到0.96,校正均方根误差RMSECV为8.33%,预测均方根误差RMSEP为6.18%.采用多种波长选择方法对光谱全波段520个变量进行变量选择,最终确定基于竞争性自适应重加权算法（CARS）的简化模型最优,其R2C=0.96,R2CV=0.94,R2P=0.96,RMSEC=6.55%,RMSECV=7.66%,RMSEP=6.10%.高光谱图像技术结合CARS能够对掺假羊肉进行准确的定量检测,可为羊肉掺假的在线无损检测提供理论依据。

轻微损伤郎枣近红外光谱检测

为了实现对郎枣轻微损伤的无损检测,以产自太谷县的郎枣为研究对象,所用200个样本分为校正集140个和预测集60个,利用近红外光谱技术,对完好和损伤郎枣进行光谱分析。通过比较平滑处理(Smoothing)、标准正态变量校正(SNV)和多元散射校正(MSC)3种预处理方法并结合偏最小二乘法(PLS)所建模型的精度分析,确定最佳预处理方法为SNV,其PLS预测模型校正集相关系数(Rc)为0.817 569,校正集预测均方根误差(RMSEP)为0.216 473。利用所建PLS模型对预测集进行判断,轻微损伤郎枣识别的准确率为100%。