基于近红外光谱模型转移的牛奶蛋白检测方法研究

目的研究基于近红外光谱模型转移的牛奶蛋白检测方法。方法分别采用实验室与在线检测近红外光谱仪采集生产过程中原料奶样品的近红外光谱,研究斜率截距法(slope/bias,S/B)、分段直接标准化(piecewise direct standardization,PDS)算法、Shenk’s方法在不同仪器测量光谱之间模型转移应用,优化模型参数,提高实验室仪器建立的校正模型应用于在线光谱仪器的预测精度。结果经过Shenk’s算法转移,主从机的光谱平均差异降低为0.0075,光谱校正率达到98.95%。利用模型转移方法与偏最小二乘模型结合,将实验室分析光谱仪建立的模型用于生产在线光谱仪测量光谱预测,显著提高了牛奶中蛋白质含量预测准确度,不同仪器之间模型预测相对均方根误差从5.52%下降到2.03%。结论本研究的方法实现了实验室分析与在线检测仪器测量光谱及定量分析模型转移共享,为近红外在线检测的智能化改进提供了基础。

青贮饲料近红外光谱分析模型转移研究

为了探讨青贮饲料的近红外光谱(NIRS)分析模型在不同类型光谱仪器之间的转移,以傅里叶变换型近红外光谱仪Nicolet ANTARIS作为主仪器,光栅型近红外光谱仪FOSS 6500作为从仪器,采用斜率/截距和局部中心化2种方法进行了研究。结果表明,经斜率/截距和局部中心化法转移之后,所建立校正模型的决定系数R2和交互验证决定系数R2cv均大于0.85。采用斜率/截距法转移之后,ANTARIS仪器校正模型对FOSS 6500仪器验证集的预测标准差为20.27 g/kg,系统偏差为-3.75,采用局部中心化法转移之后的预测标准差为27.67 g/kg,系统偏差为-6.17。2种方法模型转移后的预测结果与FOSS 6500仪器模型的预测结果(预测标准差为20.60 g/kg,系统偏差为-1.04)非常接近,比转移前的预测结果(预测标准差为39.65 g/kg,系统偏差为-33.60)有较大程度改善,2种方法均获得较好的转移效果。

蛋白饲料原料粗蛋白含量近红外光谱模型转移研究

建立良好的蛋白饲料近红外光谱定量分析模型及实现在不同仪器间的模型共享,能极大提高模型的利用效率,满足饲料行业快速发展的需要。针对蛋白饲料原料粗蛋白含量近红外分析模型适用性问题,首次采用光谱差值转移、直接校正和分段直接校正法进行了三台不同类型的近红外光谱仪之间的模型转移研究。实验样品为四种蛋白饲料原料:玉米蛋白粉、菜粕、酒糟和鱼粉。实验仪器包括MATRIX-Ⅰ傅里叶变换型近红外光谱仪(主仪器),Spectrum 400傅里叶变换型近红外光谱仪(从仪器1)和SupNIR-2750光栅扫描型近红外光谱仪(从仪器2)。研究表明,同一样品体系在主仪器和从仪器2上所得光谱数据的差异性相对较小,且均与从仪器1所得光谱数据的差异性相对较大。除分段直接校正法对玉米蛋白粉从仪器2的预测结果无促进作用之外,其他模型的预测均方根误差和系统偏差均明显低于转移前。玉米蛋白粉、菜粕和酒糟样品采用三种方法转移后的模型预测相对分析误差(RPD)均大于3.0,预测效果良好。鱼粉样品模型转移后的预测RPD均大于2.5,预测效果较好。三种方法对于蛋白饲料原料不同仪器间的光谱差异进行了有效校正。该研究结果对于蛋白饲料品质近红外快速分析模型的广泛应用具有重要意义。

直接标准化算法在食用油酸值和过氧化值上的近红外光谱模型转移的研究

良好的食用油品质的近红外光谱定量分析模型以及不同仪器间的模型共享,能够提高模型间的利用率,可以满足食用油行业的发展需要。目的是探究直接标准化算法在食用油酸值和过氧化值两个指标上的模型转移。实验样本为大豆油、花生油、芝麻油、玉米油共计50个样本。实验仪器为VERTEX 70傅里叶红外光谱仪和AntarisⅡ傅里叶近红外光谱仪(包含光纤探头和透射探头)。一共进行了三组实验,第一组选取主仪器VERTEX 70和从仪器AntarisⅡ(光纤探头部件);第二组选取主仪器VERTEX 70和从仪器结合主仪器AntarisⅡ(透射部件),第三组选取主仪器AntarisⅡ(透射部件)和AntarisⅡ(光纤部件)。利用直接标准化算法,结合主仪器上的偏最小二乘法校正模型,针对从仪器上的食用油酸值和过氧化值的近红外光谱模型,进行了模型转移研究。研究表明,在同为光纤探头扫描的实验仪器VERTEX 70和AntarisⅡ(光纤探头部件)间,模型转移前酸值和过氧化值预测均方差分别为54.675 6和1 912.219 4,使用直接标准化算法后预测均方差分别下降到0.560 13和4.836。在食用油酸值和过氧化值指标上直接标准化算法对相同原理的仪器有较好的转移效果。与过氧化值相比直接标准化算法在酸值指标上的模型转移效果较好。该研究结果对于食用油品质的快速分析模型的广泛应用具有重要意义。

迁移学习在食用油光谱模型转移中的应用

由不同光谱仪器采集的光谱数据建立的模型在共享使用时,会出现模型失效问题,使得模型的利用率低,不利于光谱行业的发展需要。尝试采用迁移学习方法探究在食用油酸值和过氧化值2个指标上的模型转移。实验样本为大豆油、花生油、芝麻油和玉米油共50个食用油样本;实验仪器为VERTEX70傅里叶红外光谱仪和AntarisⅡ傅里叶近红外光谱仪(包含光纤探头和透射探头)。以不同的仪器组合设计了3组实验,采用偏最小二乘法建立近红外光谱定量分析模型,进行了模型转移研究。以第一组实验为例,经过迁移学习后建立的酸值和过氧化值模型的相关系数,由0.068419和-0.371980上升至0.730980和0.819040;校正均方根误差系数由0.358180和0.090110下降至0.192480和0.032720。实验表明,迁移学习可以有效地缓解模型失效问题,提高了模型的泛化能力。该研究可为光谱分析模型的广泛应用提供新的思路。

基于拓展光谱的近红外光谱模型转移方法

提出了一种基于拓展光谱的近红外光谱模型转移方法。该方法利用一组标准样品估计源机光谱和目标机光谱之间的差异光谱,然后利用差异光谱将其他样品的源机光谱转移为目标机光谱,从而扩充目标机光谱的数量,建立目标机的稳定建模。使用三台不同仪器的近红外光谱进行了研究,结果表明,利用少量的标准样品光谱可以将大量源机光谱转移为目标机光谱,建立目标机的模型进行准确预测。该方法对仪器的更新替换具有重要的实用意义。

专利算法在白酒酒精度近红外光谱分析模型转移中的应用

研究了用专利算法(Shenk’s patented algorithm)解决白酒酒精度近红外光谱分析模型应用中的模型转移问题,建立了最佳的数学校正模型和光谱转移参数。讨论了Shenk’s算法中的标样数及窗口大小对模型转移结果的影响。实验结果表明:验证集光谱经Shenk’s算法模型转移后的预测结果比转移前有明显的改善,预测相对误差小于5%,这对近红外光谱模型的共享具有实际意义。

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。

近红外模型转移技术在饲料生产中的应用

研究建立应用于饲料生产线上的近红外预测模型,该模型同时应用于实验室的离线近红外检测。以豆粕和玉米粉为例,获取37个豆粕和49个玉米粉样品的离线光谱,并获取其中22个豆粕和26个玉米粉样品的在线光谱,建模方法采用偏最小二乘法(Partial least squares,PLS),首先用离线光谱和在线光谱分别建立近红外定量分析模型,之后基于光谱共享法的模型转移技术,建立光谱共享模型,将三种模型的建模结果进行比较。结果表明,光谱共享模型预测效果最好,其中,豆粕水分和粗蛋白模型的验证集相关系数(Correlation coefficient of validation set,R_(P))分别为0.942和0.959,模型改善率(Model improvement rate,R_(i))为17.4%和68.4%,预测残差绝对值的方差S^(2)为0.075和0.003;玉米粉水分和粗蛋白模型R_(P)分别为0.944和0.994,R_(i)为0.6%和80.9%,S^(2)为0.042和0.011。根据结果可知光谱共享法对模型的优化效果明显,预测效果、稳定性和通用性最优。

烟草化学成分AOTF-近红外在线模型转移研究

AOTF-近红外光谱仪采用全密封固化设计,没有任何可移动部件,不受温度、湿度、灰尘等外界环境的影响,其设计特点适合在线检测.建立的近红外光谱模型可以在多台近红外光谱仪之间转移,研究工作中采用直接矫正法来修正原模型光谱信息,提高信号的信噪比和复杂背景的校正,进行模型转移.转移后的烟草化学成分总糖、烟碱、氯在线检测模型的决定系数分别为0.933 6、0.896 1、0.931 0.随机采集17个样品,用转移后的模型预测,总糖、烟碱、氯的平均相对标准偏差分别为3.19%、3.76%、5.00%,完全能够满足烟草工业在线检测需要.

加权SPXYE(WSPXYE)算法及其在近红外光谱模型转移中的应用

样本选择是模型转移的重要组成部分,其目的是在主光谱和从光谱中选择合适的样本,建立二者的转移模型,使得从光谱的预测样本能通过转移模型校正成类似于主光谱的样本,进而用主光谱的模型直接预测其浓度。目前,常用的样本选择算法有:Kennard-Stone法(KS法),SPXY法和SPXYE法。根据上述算法的特点,提出了一种新的样本选择方法:加权SPXYE法(WSPXYE法),进而将其用于选择合适的转移集样本。WSPXYE同样先计算样本间的距离,其距离有三个部分组成:光谱(X)之间的归一化距离dxs,浓度(y)之间的归一化距离d_(ys),以及校正误差(e)之间的归一化距离d_(es)。其加权代数和d wspxye=αd_(xs)+βd_(ys)+(1-α-β)d_(es)即为WSPXYE距离。计算了WSPXYE距离之后,可以根据其距离选择距离较大的样本作为转移集样本。WSPXYE是Kennard-Stone法(KS法),SPXY法和SPXYE法的推广,而KS法(α=1,β=0)、SPXY法(α=0.5,β=0.5)以及SPXYE法(α=0.333,β=0.333)则是WSPXYE法的特例。直接校正法(DS)、有信息成分提取-典型相关分析法(CCA-ICE)作为模型转移算法验证了WSPXYE方法的效果。结果显示,与KS法、SPX Y法以及SPXYE法相比,WSPXYE法可以通过调节参数,选择合适的样本,获得较低的误差。

复烤片烟常规化学成分的傅里叶变换近红外光谱法的模型转移

为实现复烤片烟常规化学成分的模型在不同品牌傅里叶变换近红外仪器上的使用与共享,以贵州产区复烤片烟样品为研究对象,利用Kennard-Stone算法选择标准样品,将偏移量校正(BC)、截距斜率校正(SBC)和光谱空间转换(SST)等3种模型转移算法应用于不同品牌傅里叶变换近红外仪器的模型转移,并对3种模型转移算法的转移结果进行分析。结果表明:将复烤片烟常规化学成分的主机模型直接应用于从机预测时,主机和从机的预测值之间存在显著性差异;采用BC、SBC和SST可以实现不同品牌傅里叶变换近红外仪器的模型转移,其中SST转移结果最优。

斜率截距校正算法在食用油酸值和过氧化值上的近红外光谱模型转移的研究

良好的食用油近红外光谱分析模型以及不同仪器间的模型共享,能够提高模型利用率,可以满足食用油行业的发展需要。针对食用油酸值和过氧化值两个指标的模型转移问题,主要采用斜率截距校正算法,结合主仪器上建立的偏最小二乘法校正模型,针对从仪器上的食用油酸值和过氧化值的近红外光谱模型,进行了模型转移研究。研究表明,斜率截距校正算法在同为光纤探头扫描的实验仪器VERTEX 70和AntarisⅡ(光纤探头部件)间有较好线性度与效果,其酸值和过氧化值的预测均方差从54.675 6和1 912.219 4,分别下降到了0.441 9和6.752。斜率截距校正算法在食用油酸值和过氧化值指标上对相同原理的仪器转移效果较好,并且食用油酸值的校正效果好于过氧化值校正效果。该研究结果对于食用油品质的快速分析模型的广泛应用具有重要意义。

专利算法在白酒酒精度近红外光谱分析模型转移中的应用

研究了用专利算法(Shenk’s patented algorithm)解决白酒酒精度近红外光谱分析模型应用中的模型转移问题,建立了最佳的数学校正模型和光谱转移参数。讨论了Shenk’s算法中的标样数及窗口大小对模型转移结果的影响。实验结果表明:验证集光谱经Shenk’s算法模型转移后的预测结果比转移前有明显的改善,预测相对误差小于5%,这对近红外光谱模型的共享具有实际意义。

不同物理形态烟叶样品的模型转移研究

采用近红外光谱仪采集整烟叶、卷烟丝和烟叶粉末光谱数据,并采用流动分析仪测定烟碱含量,利用偏最小二乘法建立烟叶烟碱的光谱预测模型,再通过斜率截距算法(SBC)、分段直接标准化算法(PDS)和典型相关分析算法(CCA)3种模型转移算法,将整烟叶、卷烟丝和烟叶粉末便携式近红外光谱转移到粉末状烟叶傅立叶近红外光谱模型上,比较分析预测均方根误差值(RMSEP)。结果表明:烟叶粉末烟碱近红外光谱预测模型经SBC、PDS和CCA算法模型转移后的RMSEP值分别为0.741 0、0.736 5、0.298 2,卷烟丝的RMSEP值分别为0.725 0、0.513 2、0.222 2,整烟叶的RMSEP值分别为0.712 6、0.446 6、0.333 9,CCA算法模型转移优于SBC与PDS算法。

改进S/B算法的近红外光谱模型转移

针对模型转移中S/B算法对于非线性问题的局限性,在传统S/B算法进行线性拟合、偏最小二乘法求参数的基础上加以改进,提出了引入变量的高次幂、使用Lagrange插值法与Newton插值法求待定系数和插值多项式来解决两组数据的非线性问题。为了验证改进算法的有效性,先对主机样品建模并分别预测主机和子机样品,然后通过实验数据和评价指标,筛选出最佳函数关系进行子机模型校正,并分别用改进的S/B算法和传统的S/B算法对子机未知样本进行预测。实验结果表明:直接用主机原模型对子机预测的值与真实值差距较大,利用改进的S/B算法(H-S/B)比传统的S/B算法预测值更接近真实值。改进的S/B算法提高了预测值的准确性,解决了传统S/B算法的非线性问题,实现了更好的模型转移效果,增强了网络化模型应用的通用性。

向后迭代区间选择算法及其在近红外光谱模型转移中的应用

近红外光谱(NIR)具有快速、无损、操作方便的特点,故广泛用于食品分析。作为一种间接的分析技术,NIR需要建立光谱与待测浓度之间的统计模型来实现检测。故模型的维护有助于保证NIR的预测准确性。在外界条件发生变化的情况下,诸如样品性状的改变、仪器对理化指标函数关系的变化、湿度和温度等环境因素的改变,会导致相同样品的光谱信号发生偏移,进而使得原有模型的预测精度下降。此时,如果重新建模,虽然可以解决光谱偏移对建模的影响,但是重新建模将耗费大量的人力物力。对此,模型转移可以在避免重新建模的情况下,校正光谱的偏移,进而提高模型预测精度。通常模型转移算法多用全光谱进行模型转移,这种方法计算量较大,且不能找到合适的有化学意义的波段。故提出一种基于模型转移中的变量选择方法:向后迭代区间选择法(IIBS),通过计算主光谱(用于建模的那组光谱)和从光谱(发生偏移,需要通过模型转移算法将其校正的光谱)中,变量区间的重要性信息(回归系数(β)、残差向量(Res)以及变量重要性投影(VIP))。进而通过计算该区间变量重要性信息的几何平均数,并以此作为该区间的区间重要性指标。接着根据区间的重要性,删除重要性信息较小的变量区间。然后对主光谱和从光谱重复迭代上述过程:计算变量的重要性信息,计算区间的重要性信息,删除重要性信息较小的区间。最后,比较不同的主光谱和从光谱区间组合的验证均方根误差(RMSEV),选择RMSEV最小的主光谱和从光谱区间作为最优区间。玉米、小麦两套NIR数据测试了该算法。结果显示,与全波段相比,β,Res以及VIP均可以从主光谱和从光谱中选择较少的,有化学意义的区间,提高模型转移的精度。在比较不同变量重要性向量方面,基于β的变量选择算法,模型转移的计算误差较小。

基于shenk’算法的烟叶近红外光谱模型转移研究

面对近红外应用模型共享较难问题,研究采用shenk’s算法解决烟叶化学成分近红外光谱分析模型应用中的模型转移。为实现烟叶近红外光谱模型转移,以山东、云南、四川、广西四个产区的烟叶作为分析对象,采用Thermofisher Nicolet AntrisII相同型号的两台仪器采集近红外光谱分别作为主机和子机,在主机上建模,用shenk’s和斜率/截距两种转移算法对子机进行模型转移对比分析。同时,使用ICCA国际标准和t检验两种方法评价模型的传递性。研究结果表明,利用shenk’s算法能够从根本上对模型进行转移,满足模型传递误差要求,且预测结果与主机不存在显著性差异,斜率/截距法没达到稳定的效果,所以shenk’s算法可有效的实现烟叶模型传递问题。

近红外光谱技术在中草药口服液在线质量监控中的模型建立和模型转移

应用近红外光谱技术在线监测工业产品质量时,会出现环境条件变化或仪器的部件如探头或光纤更换的情况,使原模型不再具有原来的预测效果,但是完全从头开始采集数据重新建立新模型工作量大,造成原来宝贵的模型和数据的浪费。为了解决这一矛盾,本文以一种中草药口服液中多糖含量、可溶性固形物含量及pH为研究对象,利用近红外光谱技术对其进行实时在线检测,研究了主从机分辨率不同的光谱之间的模型转移。模型转移过程利用已建模完成并成功上线应用的模型为原模型,在不能获取原主仪器和从仪器一一对应的标准标样的条件下,找到虚拟标样建立转移矩阵。以直接标准化法结合主成分分析降维作为模型转移方法,以质量指标化学参考值与预测值间的相对误差为指标筛选最佳模型。模型转移结果显示,多糖模型预测值与化学参考值间的相对误差可控制在10%以内,可溶性固形物相对误差在5%以内,pH相对误差在3%以内。在线生产使用表明,转移的模型同原模型一样可有效应用于在线、快速对质量指标做出准确的预测。结果表明,本文提出的采用虚拟标样的模型转移方法对于无法获得主从机一一对应的标准标样的情况下的模型转移,是一个可行的有效方法。

基于麻雀搜索算法结合深度前馈神经网络的近红外模型转移方法研究

该文提出了一种基于麻雀搜索算法结合深度前馈神经网络(SSA-DFN)的近红外光谱模型转移方法。使用深度前馈神经网络拟合不同仪器采集到的光谱之间的非线性函数映射,并将麻雀搜索算法用于网络各层连接权值和阈值的初始化,通过种群中个体位置的迭代更新,求得连接权值和阈值的最优初始值;通过多次调整深度前馈神经网络模型的超参数,使网络拟合效果趋于最优,最终确定转移函数。为验证方法的有效性,分别从烟叶近红外光谱谱图、主成分投影和预测结果的角度,将SSA-DFN方法与分段直接校正算法(PDS)、典型相关性分析算法(CCA)转移前后的效果进行了对比。结果表明SSA-DFN方法转移后的从机光谱与原主机光谱重合度最高,转移后主、从机总糖、烟碱含量的预测结果差异不显著,预测平均误差从8.32%、9.15%分别降至4.65%、4.82%,预测均方根误差(RMSEP)和决定系数(R^(2))等指标均优于PDS和CCA,取得了最佳的转移效果,可满足企业需求。结果表明该方法是一种有效的模型转移方法。