基于可见/近红外光谱与化学计量学的杏品种无损鉴别方法

新疆南疆是全国杏种植面积最大的地区,杏品种繁多。在杏果品市场中,不同品种杏的品质和价格差异较大,以次充好、品质参差不齐等现象严重制约了新疆杏果业的发展。为探究利用可见/近红外光谱快速检测杏品种的可行性,基于样品的可见/近红外光谱与化学计量学方法,对新疆南疆地区的6个品种杏进行定性判别分析,建立一种杏品种的无损鉴别方法。采用光谱仪采集6个品种杏(“黄杏”、“橄榄杏”、“小白杏”、“小米杏”、“库买提杏”、“小吊干杏”)在350~1 000 nm(VIS/NIR)和1 000~2 500 nm(NIR)两个范围内的光谱数据,去除原始光谱首端的噪声后,对保留的光谱使用Savitzky-Golay(SG)卷积平滑和多元散射校正(MSC)处理以消除光谱存在的干扰信息,采用主成分分析(PCA)、竞争性自适应重加权算法(CARS)、随机蛙跳(RF)、连续投影算法(SPA)对原始光谱降维,结合线性判别法(LDA)、朴素贝叶斯(NB)、 K最近邻(KNN)和支持向量机(SVM)对全光谱和降维后光谱建模对比。结果表明:基于全光谱数据建立的模型有较为准确的分类结果,在VIS/NIR范围,SVM模型分类正确率为95.7%, NIR范围内,LDA模型分类正确率为97.8%;采用PCA、 CARS-SPA、 RF-SPA与SPA方法对光谱数据降维后,模型仍能保持较高的分类精度,在VIS/NIR范围,PCA-LDA模型的分类正确率为97.8%, NIR范围内,RF-SPA-LDA模型的分类正确率高达95.7%。不同模型的结果表明,VIS/NIR范围内的模型分类效果优于NIR范围内模型;4种降维方法中,PCA方法降维效果最优;4种分类器中,LDA与SVM模型的正确率高于NB与KNN模型,更适用于杏品种的鉴别。结果表明,基于VIS/NIR范围光谱结合主成分分析和线性判别法可以实现杏品种的快速无损鉴别,为杏果实的在线分拣鉴定提供了新途径。

基于紫外-可见和近红外光谱技术的葡萄酒产地鉴别

该研究将紫外-可见光谱、近红外光谱技术与化学计量学方法相结合,建立一种快速、准确鉴别干红葡萄酒产地的方法。采集3个不同产地(怀涿盆地、宁夏贺兰山东麓和渤海湾)的108个赤霞珠干红葡萄酒样品的紫外-可见和近红外光谱信息。首先,对比采用标准正态变量变换(standard normal variable,SNV)、一阶导数(first derivative,FD)、二阶导数(second derivative,SD)及不同方法组合对两种光谱数据进行预处理,分别建立随机森林(random forest,RF)、K-最邻近法(K-nearest neighbor,KNN)和最小二乘支持向量机(least squares support vector machine,LS-SVM)判别模型,通过比较建模结果得到最优的预处理-建模方法组合;然后,基于最优判别模型,采用竞争性自适应重加权采样(competitive adaptive reweighted sampling,CARS)算法和无信息变量消除(uninformative variable elimination,UVE)法对光谱数据进行特征波段提取并建立判别模型。结果表明,基于紫外-可见光谱建立的SNV+FD-UVE-LSSVM模型的校正集和验证集的识别率分别达到97.53%和96.30%,基于近红外光谱建立的FD-CARS-KNN模型的校正集和验证集的识别率分别达到98.76%和96.30%。该结果证实将紫外-可见光谱、近红外光谱技术与机器学习相结合,有望成为一种简单、快速和低成本的工具,用于鉴别中国干红葡萄酒的地理来源。

一种近红外光谱水果内部品质自动检测系统

基于傅里叶变换近红外漫反射光谱技术探讨了水果内部品质快速自动检测的新方法.建立水果的内部品质自动检测系统由光源、迈克尔逊干涉仪、近红外漫反射光纤探头组件、铟镓砷检测器、数据采集卡和水果样品室等部件组成.利用该系统对不同采收期雪青梨糖度和总酸度进行了自动检测试验并结合多元校正算法偏最小二乘法,建立了雪青梨漫反射光谱与其内部糖度、酸度的相关关系.试验结果为:定标误差分别为0.25%、0.02%,预测误差分别为0.32%、0.02%.经研究表明,该自动检测系统可以直接用于水果内部品质的快速定量分析.

结石红外光谱自动分析系统联合健康干预指导对泌尿系上尿路结石患者术后复发的影响

目的:研究红外光谱自动分析系统在泌尿外科结石患者结石成分分析及术后预防复发中的效果。方法:选择2021年1月至2023年4月在濉溪县医院泌尿外科接受手术治疗的300例上尿路肾和输尿管结石患者为研究对象,对所有患者结石采用结石红外光谱自动分析系统进行成分分析,结合结石分析结果给予针对性术后健康干预指导,旨在降低术后复发率。结果:300例患者的结石成分可知一水草酸钙的患者例数(201例)最多,比例为67%,其次是碳酸磷灰盐(50例)和二水草酸钙(30例),比例分别为16.67%和10%。本次研究对所有患者进行结石成分分析后,结合具体结果,在术后给予针对性干预指导,所有患者术后3个月出现复发的患者7例,其复发率是2.33%,术后6个月复发的患者10例,复发率是3.33%,术后1年出现复发的患者是12例,复发率是4%,整体而言,不同时间段的复发概率均比较低。结论:对泌尿结石患者采用红外光谱自动分析系统进行分析,能对尿路结石成分快速准确分析,结合结石成分和属性对患者提供针对性的健康指导策略,可降低尿路结石复发率,该系统可以在临床泌尿科广泛应用。

近红外光谱结合极限学习机用于红参产地鉴别研究

中药是中华民族的文化瑰宝,其质量的鉴别研究与中药现代化进程关系密切,具有深远意义。本文利用近红外漫反射光谱技术结合主成分分析(PCA)、K-近邻算法(KNN)、极限学习机(ELM)方法建立预测模型,对7种不同来源的红参药材样品进行产地鉴别研究,以期为其他中药材的快速、准确鉴别和质量控制提供参考。本文利用NIRS采集来自不同产地的红参光谱信息(900~2200 nm),通过光谱预处理手段消除噪声和样品组内差异的影响,进而建立主成分分析、K-近邻算法(KNN)、极限学习机预测模型,对不同来源的红参进行产地鉴别。结果表明:7种红参(1种高丽红参+6种国产红参)在主成分分析模型中表现出了较为明显的分类聚集特征,但仍存在误判的可能;在K-近邻算法(KNN)模型中,当K值为5时,具有较强的识别能力,准确率达到96%;相比KNN模型,极限学习机模型中的21个红参样本产地识别正确率达100%。近红外漫反射光谱技术结合ELM方法建立的预测模型能够快速、准确、无损地鉴别不同产地的红参,可以解决传统检测方法很难克服的中药材鉴别规模庞大、分类多、建模速度慢等问题,且使用方便,具有很高的推广价值。

基于近红外光谱的甲苯磺酸索拉菲尼片抗癌有效成分的无损鉴别与含量预测

采用近红外光谱技术对抗癌药物甲苯磺酸索拉非尼片建立定性定量模型以便快速无损分析。以甲苯磺酸索拉非尼片为研究对象,用光纤探头测定样品的近红外光谱,通过一致性指数(CI)值和CI值限度比较法,对甲苯磺酸索拉非尼片建立一致性检验模型;运用最小偏二乘法(PLS)通过内部交叉验证的方法建立甲苯磺酸索拉非尼片的定量分析模型。建立的一致性检验模型能有效进行甲苯磺酸索拉非尼片的定性鉴别,迅速区分不同类产品,建立的甲苯磺酸索拉非尼片的定量模型相关系数(r^(2))为98.34%,交叉验证均方根差(RMSECV)为0.178。该方法简便快速、绿色无损,可用于甲苯磺酸索拉非尼片的快速定性定量分析。

近红外高光谱成像的建筑材料缺陷自动检测系统

为提升建筑材料缺陷自动检测准确率,提高检测效率,研究近红外高光谱成像的建筑材料缺陷自动检测系统。设计系统硬件,组成包括图像采集传感器、高光谱成像仪及ARM处理器,由硬件实现建筑材料高光谱图像的采集。经近红外高光谱图像黑白校正,降低暗电流、噪音、光源强度引起的干扰后,采用MGS算法提取高光谱图像波长,并将其作为稀疏表示分类器的输入变量,分类器的输出结果即为建筑材料缺陷自动检测结果。实验证明:光谱反射率越高则表明缺陷越严重,可实现建筑材料不同类型缺陷自动检测,检测准确率平均可达96.5%;检测效率不受待检测建材数量影响,检测稳定好。

近红外光谱无损分析肉类品质的研究进展

近年来,近红外光谱分析技术以其无损、快速、高效、环境友好等特点,被广泛应用于肉类品质无损快速分析领域。然而,由于基质复杂、水分含量高,肉类常会对近红外光谱产生一定干扰,进而影响分析结果的准确度。为进一步明确近红外光谱分析技术在肉类品质无损分析方面的最新研究进展,本文对近年来近红外光谱技术在牛肉、羊肉、猪肉、鸡肉、水产品5种常见肉类的品质无损分析方面的应用进行梳理,包括品质检测、分类研究、真伪鉴别、质量安全4个方面,并就近红外光谱分析技术在肉类品质无损分析方面的应用进行总结与展望。可为近红外光谱分析技术在肉类品质无损检测、分类研究、真伪鉴别及质量安全方面的应用提供一定的参考与借鉴。

近红外光谱法结合化学计量学方法用于茶油真伪鉴别分析

采用近红外光谱透反射模式结合化学计量学方法对纯茶油进行真伪鉴别。收集并扫描了163个样品(合格97个,不合格66个),对样本进行光谱数据预处理优化及有效波段筛选。在5750～6000 cm-1波段处,光谱经过平滑,一阶导数以及自归一化后,采用无监督学习算法即主成分分析法(Principal componentanalysis,PCA)进行分类,然后再采用有监督学习算法即判别分析(Discriminant analysis,DA)建立校正模型,进行预测。PCA和DA都能够得到满意的结果,两种方法的分类准确率均达到98.8%。结果表明:近红外光谱可作为一种简单、快速、无损、可靠的方法用于鉴别纯茶油的真伪。

近红外光谱鉴别冬虫夏草道地药材

目的研究冬虫夏草药材的道地性。方法收集不同产地的冬虫夏草药材样品102批,采用漫反射法,测定药材粉末及药渣的近红外光谱,采用透射法测定药材甲醇提取物的近红外光谱。采用TQ定量分析软件,对样品的青海和西藏产地进行判别分析。结果药材粉末的判断准确率达到100%,药材的甲醇提取物光谱较药渣更能显示药材的产地差别。结论在扩大建模样本的前提下,近红外光谱分析可以用于冬虫夏草药材的产地鉴别。

基于近红外光谱技术的茶油原产地快速鉴别

为研究茶油原产地溯源问题,维护其市场秩序,促进公平竞争。该文利用近红外光谱技术采集湖南、江西、安徽和浙江4个不同产地茶油的光谱数据,并运用Savitzky-Golay平滑(savitzky-golay,SG)、多元散射校正(multiplicative scatter correction,MSC)、一阶导数(first derivation,FD)和矢量归一化(vector normalization,VN)等4种方法对其进行预处理。采用偏最小二乘法(partial least squares,PLS)提取最佳主成分,构建PLS回归模型;同时,采用主成分分析(principal component analysis,PCA)和PLS算法提取最佳主成分,作为BP人工神经网络(BP artificial neural network,BPANN)输入变量,构建PCA-BPANN和PLS-BPANN模型。以验证集相关系数RP和验证集均方根误差RMSEP为模型的评价指标,分别优选最佳PLS和BPANN模型。试验结果表明,SG-PLS-DA和SG-PLS-BPANN-DA模型对未知样本的整体分类准确率均大于90%。其中,SG-PLS-BPANN-DA的鉴别效果优于前者,其建模集相关系数RC、均方根误差RMSEC分别为0.974、0.170,验证集相关系数RP、均方根误差RMSEP分别为0.972、0.172,对上述两类样本集的总体分类准确率分别为98.15%、95.83%,该模型能较准确鉴别茶油原产地。研究结果可为快速辨别茶油原产地提供参考。

近红外光谱技术鉴别海面溢油

为快速了解和掌握海面溢油的种类 ,以便采取应急措施 ,提出了近红外光谱技术结合模式识别鉴别海面溢油的方法。自行配制了 5 6个汽油、柴油、润滑油的模拟海水样品 ,用有机溶剂萃取出海水中的溢油后记录其近红外光谱 ,将原始光谱进行多元散射校正 (MSC)和Norris一阶导数平滑预处理后 ,在主成分分析 (PCA)提取不同种类溢油样品特征的基础上引入马氏距离建立溢油样品的识别模型。研究了光谱预处理对溢油鉴别的影响 ;探讨了马氏距离阈值的确定。结果表明 ,主成分分析可将原始数据压缩而马氏距离判别可给出离群点的阈值 ,本文建立的校正模型能正确判别浓度在 0 4 μL·mL-1以上的溢油类别 ,为近红外光谱结合化学计量学方法建立校正模型进行海面实际溢油样品的分类提供了思路。

基于可见/近红外光谱的水稻品种快速鉴别研究

提出了一种应用可见/近红外光谱技术与化学计量学相结合的快速、无损鉴别稻谷品种的新方法。收集了5个品种水稻共150个样本作为实验样本,通过可见/近红外光谱仪扫描这些样本获得了从350nm到1075nm波长范围的光谱信息。将样本的光谱信息进行小波分解以消除高频噪声。将去噪声后的光谱数据经主成分分析压缩成数目较少的新变量(主成分),压缩得到的前4个主成分能够解释99·891%的原始光谱信息。将前4个主成分作为BP神经网络的输入,不同水稻品种值的二进制代码值作为BP神经网络的输出,建立稻谷品种的模式识别模型。模型的预测误差阈值是0·2,模型是3层网络结构,各层的节点分别是4,9和3。150个样本被随机的分成包含100个样本的建模集和50个样本的预测集。结果表明,预测未知的50个样本的正确率达到96%。说明该方法具有较高的鉴别准确度,为稻谷品种的快速无损鉴别提供了一种新的方法。

近红外光谱技术定性鉴别蜂蜜品种及真伪的研究

提出了蜂蜜品种及真伪定性鉴别的新方法。在12000～4000cm-1范采集荆条蜜、槐花蜜、油菜蜜和掺假蜜的近红外光谱,结合一阶导、多元散射校正及变量标准化)三种方法对光谱进行预处理,以主成分分析结合马氏距离判别法,在不同谱区建立蜂蜜品种及真伪定性鉴别模型。研究发现6100～5700cm-1谱区为最佳建模波段,品种判别正确率达90%以上,真伪鉴别正确率为93.10%。

基于近红外光谱和仿生模式识别玉米品种快速鉴别方法

文章提出了一种采用近红外光谱快速鉴别玉米品种的新方法，并对不同品种的玉米种子建立了相应的鉴别模型。对7个玉米品种共140个样本，通过近红外光谱仪扫描获得4000-12000cm^-1波段范围内的光谱数据。为了消除噪声、提高数据处理效率，对原始数据进行了归一化预处理，采用固定尺寸移动窗口渐进因子法（fix-sizedmovingwindowevolvingfactoranalysis）寻找特征波段，使用主成分分析（PCA）方法得到能反映玉米种子99．96％光谱信息的5个主成分，进而利用仿生模式识别（biomimeticpatternrecognition）方法建立玉米品种的鉴别模型。对于每个品种中的20个样本，随机挑选10个样本作为训练样本，其余10个样本作为第一测试集，其他品种共120个样本作为第二测试集。在对第二测试集平均正确拒识率达到99．1％的情况下，对第一测试集中的样本取得了94．3％的平均正确识别率。该方法具有较高的鉴别准确度，可以作为一种快速无损的玉米品种鉴别方法。

应用近红外光谱快速鉴别酸奶品种的研究

提出了一种用近红外光谱技术快速鉴别酸奶品种的新方法。首先应用光谱仪获得5种典型酸奶品种的光谱曲线,用主成分分析法对5种酸奶品种进行聚类分析,再结合人工神经网络技术建立模型进行品种鉴别。主成分分析表明,主成分1和主成分2的累积可信度已达98.96%,前7个主成分的累积可信度达到99.97%。以每一个样品的前7个主成分作为神经网络的输入,品种类型作为神经网络的输出,建立三层BP人工神经网络模型。每个品种各27个样本,5个品种共135个样本用来建立神经网络模型,余下每个品种各5个共25个用于预测。建模品种的拟合率和预测品种的识别率均为100%。说明该方法能快速无损的检测酸奶品种,为酸奶的品种鉴别提供了一种新方法。

基于近红外光谱技术和人工神经网络的玉米品种鉴别方法研究

提出了一种采用近红外光谱技术结合人工神经网络对玉米品种进行鉴别的方法。在3800～10000cm^-1（波长1000～2632nm）范围内采集四种玉米单粒完整籽粒的近红外漫反射光谱,经Savitky-Golay平滑和多重散射校正预处理后,对数据进行主成分分析,再结合人工神经网络技术进行品种鉴别。主成分分析表明,前8个主成分的累积贡献率达到99.602%。以前8个主成分作为网络输入,品种类型作为输出,建立三层LMBP神经网络模型。每个品种各取30粒共120个样本用于建模,10粒共40个样本用于预测。模型对建模集120个样本鉴别率为100%,对预测集40个样本的鉴别率为95%。实验结果说明该方法能快速无损地鉴别玉米品种,为玉米的品种鉴别提供了一种新方法。

近红外光谱结合主成分分析鉴别不同产地的南丰蜜桔

采用近红外光谱结合主成分分析(PCA)建立不同产地南丰蜜桔鉴别模型,实现不同产地南丰蜜桔的快速鉴别。分别研究一个果园内不同位置的蜜桔,洽湾、市山和白舍等南丰县三个不同乡镇的南丰蜜桔,福建邵武、广西柳城和江西南丰等三个不同省份的南丰蜜桔之间的差异,蜜桔保存时间对主成分分析模型的影响。结果表明同一个果园内不同位置的蜜桔不存在明显差别,不同产地的蜜桔有很好的分类效果,蜜桔的短时间保存对近红外光谱的主成分分析模型不会产生明显影响。不同的光谱预处理方法对主成分分析模型产生较大影响,多元散射校正(MSC)结合二阶导预处理得到的主成分分析投影具有最佳的分类效果。该研究可为南丰蜜桔的产地鉴别提供一种参考方法。

近红外光谱与化学计量学方法用于镉污染稻米的定性鉴别

采用近红外光谱漫反射模式结合化学计量学方法对稻米镉含量是否超标进行可行性鉴别分析。本研究收集了120个样本,测定其镉含量值(合格49个,不合格71个)。对光谱数据预处理方法优化,确定了平滑,一阶导数以及自归一化后的数据作为输入变量。采用竞争性自适应重加权算法筛选了45个关键变量,并对上述变量的光谱吸收带进行归属。比较了主成分分析-判别分析法、偏最小二乘识别分析、线性判别分析、K-最近邻法与簇类独立软模式法5种模式识别方法。确定采用偏最小二乘识别分析建模效果最好,模型训练集与预测集鉴别准确率分别达到98.8%与91.7%。结果表明,近红外光谱作为初筛方法可用于鉴别稻米中镉含量是否超标。

近红外光谱技术鉴别猪肉和牛肉的研究

以近红外光谱分析技术结合模式判别方法建立一种鉴别猪肉和牛肉的方法为目的。采用近红外漫反射光谱法,通过多元散射校正(MSC)、一阶导数加Norris导数平滑点(5,3)处理光谱,波段范围选取5996.42～5805.84,9058.85～8546.36cm-1,利用TQAnalyst光谱分析软件中的马氏距离设为1建立判别分析模型。结果表明,模型能够准确地鉴别出猪肉、牛肉。因此,近红外光谱技术用于猪肉、牛肉鉴别分析具有可行性,可以为肉类工业提供快速、有效的鉴别方法。