功能性近红外光谱技术研究的可视化分析

背景:近年来,功能性近红外光谱技术因便携性、低成本、非侵入性和高时间分辨率的特点,在认知神经科学、临床医学和工程技术等领域展现出广泛的研究意义和应用潜力。目的:分析近10年来功能性近红外光谱技术的研究进展、热点问题及前沿趋势。方法:在Web of Science数据库中检索2013-01-01/2023-11-30发表的功能性近红外光谱技术相关文献,运用CiteSpace和VOSviewer软件对发文统计量、期刊、国家、机构、作者和关键词进行可视化分析。结果与结论:共纳入2 714篇文献进行研究,近10年有关功能性近红外光谱技术的文献总量整体呈上升趋势。选择的2 714篇文献,来自68个国家2 400个机构的9 171名作者,共发表在495种期刊上,美国和英国伦敦大学是代表性的国家和机构,Ehlis和Fallgatter是该研究领域具有影响力的2位作者,《神经影像》期刊以高引用率位居首位。功能性近红外光谱技术研究主要来自英国伦敦大学、中国北京师范大学和德国图宾根大学。使用VOSviewer 1.6.20生成的关键词共现网络图揭示了6个研究集群,通过分析各集群的具体关键词进一步把握了该领域的研究热点。关键词的突现分析揭示了研究前沿和发展趋势,为功能性近红外光谱技术未来研究方向提供了重要指导。

特丁基对苯二酚的密度泛函理论计算及红外光谱分析

特丁基对苯二酚(Tert-butylhydroquinone,TBHQ)是一种常见的新型合成抗氧化剂,可以被用来延长食物的保质期,但过量使用会危害健康.目前的检测方法中振动光谱技术具有无损快速的优点,因此采用密度泛内涵理论与振动光谱技术相结合的研究方法可以为TBHQ的检测提供理论依据和参考.理论上,基于密度泛函理论DFT(RB3LYP)的三参数混合方法以及6-31G(d,p)和6-311++G(d,p)基组对TBHQ分子空间结构进行优化,给出了TBHQ的键长、键角和二面角等空间结构参数值,确定该分子空间构型为非平面结构.采Multiwfn和VMD程序计算并分析TBHQ分子的前线轨道和静电势,预测了该分子的反应活性位点,得出苯环和酚羟基的反应活性最强.TBHQ分子静电势最小值位于酚羟基的O原子附近,最大值位于酚羟基的H原子附近.亲电试剂和亲核试剂通过静电作用将与酚羟基发生作用.实验上,利用傅里叶变换红外光谱仪对TBHQ分子进行检测,然后在优化结构的基础上计算TBHQ分子的理论红外光谱.将得到的理论红外光谱与实验采集的数据进行对比,呈现出较好的一致性.理论计算结果可见TBHQ分子在0-2000 cm^(-1)和2000-4000 cm^(-1)范围两个区域有明显的红外活性,前者主要是指纹区的振动,后者是官能团的振动;从计算结果还可以明显看出943.9 cm^(-1)为叔丁基C-C伸缩振动以及C-H面外弯曲振动.由于-OH极性基团的取代,在1278.3 cm^(-1)、1307.1 cm^(-1)、1439.1 cm^(-1)、1587.5 cm^(-1)处出现了较强的骨架振动吸收峰和酚羟基-OH面内弯曲振动模式.这些均可作为TBHQ分子的特征峰.这为理解TBHQ的作用机理提供了重要信息,也为食品添加剂的检测研究提供了理论依据.

基于Fourier变换红外光谱分析咖啡豆成分

采用Fourier变换红外光谱对不同产区、不同海拔的5组浅中烘焙的咖啡豆样品进行分析,根据官能团的红外光谱特征峰分析样品主要成分;为进一步分析5组样品的成分差异,对原始光谱进行二阶导数处理,结合聚类分析理论建立平均偏离分析方法,计算出5组样品间的平均偏离大小并进行分析.结果表明:5组样品的红外光谱特征峰峰形相似,即主要成分相同;根据红外光谱得到平均偏离大小与产区海拔差值呈正相关.研究结果为分析咖啡豆产区和海拔提供鉴别依据,并对红外光谱研究提供一定参考.

基于红外光谱与聚类分析法的宁夏产地枸杞子品种鉴别研究

宁夏枸杞(Lycium barbarum L.)为宁夏传统道地中药材,因其良好的药食两用价值,已引种至甘肃、新疆、青海等省区。因长期引种和改良,宁夏枸杞品种繁多,是影响其质量的重要因素之一。本研究采用傅里叶变换红外光谱(FTIR)对宁夏中宁产地的宁杞1号、4号、5号、7号、0909号、10号共6个品种的枸杞子进行测定,一维红外光谱及二阶导数光谱范围均为4000~650cm^(-1),得到图谱后进行图谱解析;采用谱带较密集的指纹区(1800~650cm^(-1))计算红外光谱图的相似系数;然后结合SMICA聚类分析法对不同品种枸杞子的红外指纹图谱进行聚类比较。结果表明,不同品种枸杞子样品的一维红外光谱图较为相似,峰的位置、峰高和峰形都较为接近,其共同吸收峰较多,仅在3282~3288、1239~1242和1143~1147 cm^(-1)附近的吸收峰强度、峰位置、峰形状有所不同,说明不同品种枸杞子中多糖类、苷类、蛋白质类、脂类和黄酮类等成分的种类和含量有所差异。二阶导数光谱中,宁杞1号、4号、7号在2880 cm^(-1)处吸收峰不明显,0909号在969 cm^(-1)处吸收峰不明显。不同品种枸杞子的相似度范围在0.9489~0.9928之间,说明不同品种枸杞子存在一定差异,其中,宁杞7号与其他品种的平均相似度系数最小,为0.9640,说明其成分特异性最高。0909号与宁杞10号相似系数为0.9928,相似度最高。采用Assure ID软件以各药材吸收波数为变量进行聚类分析,宁杞1号与其他品种的差异均较小,类间距在2.17~2.97范围内;0909号与其他品种间的差异最大,类间距在2.97~8.06范围内。聚类模型中,不同品种枸杞子的识别率均为100%,仅宁杞1号的拒绝率较低,为66%,易与其他品种枸杞子混淆,0909号的拒绝率和识别率均为100%,最易区分。类模型图中,0909号与宁杞5号、0909号与宁杞7号两两分开,可以明显鉴别出不同品种的样品。采用已知品种的枸杞子对聚类分析模型进行验证,其识别率和拒绝率与聚类分析模型相同。不同品种枸杞子类模型图与一维红外光谱、二阶导数图谱、相似度、类间距、识别率和拒绝率结果相互印证,佐证了宁杞1号为大多数宁杞系列品种的来源品种,而09系列品种0909号与其他品种有较大差异。因此,红外光谱与聚类分析法相结合可以快速、无损地鉴别不同品种枸杞子,对枸杞子药材生产和新品种选育具有一定的指导作用。

基于近红外光谱技术苹果尺寸差异对糖度模型适用性的影响

为消除水果自身尺寸差异对其糖度预测模型的不利影响,进一步提高水果分选模型精度,应用近红外光谱在线检测装置采集不同果径苹果的近红外光谱,对光谱进行多种预处理后,分别建立苹果可溶性固形物的偏最小二乘法模型,再用苹果果径75~85mm组中的建模集预测苹果果径分别为65~75、85~95mm组中的预测集样品,最后用果径组65~75、75~85、85~95 mm中的建模集和预测集,分别作为混合苹果尺寸糖度预测模型的建模集和预测集,并利用特征光谱选择算法对模型进行简化,建立苹果糖度通用预测模型。结果显示:与建模集和预测集果径不同时所建立的苹果糖度预测模型最优组相比,其相关系数Rp由0.805提高至0.943,预测集均方根误差值RMSEP由0.778减小至0.480,RPD由0.96增加至3.05,再对建立的通用模型进行简化,可以降低苹果尺寸对苹果糖度模型的影响,提高模型预测性能。

基于近红外光谱的卷烟配方模块香型预测

为提高卷烟配方模块的分类识别准确率,并为卷烟配方模块的科学评估提供技术支撑,提出了一种基于近红外光谱特征筛选的卷烟配方模块香型预测方法。选取2017—2019年238个卷烟配方模块样品的近红外光谱数据,结合特征工程中的递归特征消除法和BP神经网络、随机森林、XGBoost3种机器学习技术,构建了基于特征变量的香型预测模型。与全光谱数据训练的分类效果对比,经过递归特征消除法筛选后的光谱特征变量能够有效提升卷烟配方模块香型的识别准确率,其中,XGBoost算法分类效果最佳,模型对测试集的识别准确率达到了90.41%。结果表明,基于近红外光谱特征筛选的香型预测方法对卷烟配方模块的快速定位、科学评价及卷烟配方设计等有一定的辅助决策作用。

氢氧化钠分子结构原位漫反射一维及二维漫反射中红外光谱研究

通过原位一维漫反射中红外(MIR)光谱开展了氢氧化钠分子结构研究。实验发现,氢氧化钠分子结构主要红外吸收模式包括OH基团伸缩振动模式(νOH-NaOH-_(一维))和OH基团面内摇摆振动模式(ρOH-NaOH-_(一维))。进一步开展了氢氧化钠分子结构的原位二维漫反射MIR光谱研究。采用原位漫反射一维及二维漫反射MIR光谱开展氢氧化钠结构研究,对氯碱工业具有重要意义。

基于红外光谱技术与变量选择算法的柴油纯度检测

为实现柴油纯度的快速检测,采用RS法、KS法和SPXY法对利用红外光谱技术所采集的柴油样本数据进行样本集划分,之后利用蒙特卡洛交叉验证法(MCCV)剔除异常样本,并采用无信息变量消除法(UVE)、竞争性自适应重加权采样法(CARS)、遗传算法(GA)和自举柔性收缩算法(BOSS)对全光谱变量进行优选,根据所选变量建立偏最小二乘(PLS)模型。结果表明:SPXY法划分样本后所建立的模型效果最好,其预测均方根误差RMSEP为0.0412,预测相关系数R_(P)为0.9921;经MCCV法剔除异常样本后,模型的RMSEP降低了4.85%,R_(P)提高了0.50%;经UVE法选择的变量所建立的PLS模型性能最好,其RMSEP可达0.0239,R_(P)可达0.9977,与全谱模型相比,RMSEP降低了39.03%,R_(P)提高了0.06%,变量减少率可达67.27%。

基于近红外光谱特征的国产绿茶产地溯源研究

目的研究我国多省出产绿茶近红外光谱特征,探索以近红外光谱差异进行绿茶产地溯源研究的可行性。方法运用傅里叶变换红外光谱仪漫反射法扫描我国多个产区的169份代表性绿茶样本,谱图分别采用一阶导数(first derivative,1st)、最大最小归一化(max-min normalization,Max-min)、标准正态变量变换(standard normal variable transformation,SNV)和多元散射校正(multiplicative scatter correction,MSC)4种预处理方式处理,采用连续投影算法(successive projections algorithm,SPA)筛选产地差异波段,采用主成分分析(principal component analysis,PCA)对光谱降维处理,建立茶叶产区判别模型。结果采用Max-min、SNV、MSC处理的数据前3个主成分的累计方差贡献率均达到95%以上。分别建立基于主成分的线性判别分析(linear discriminant analysis,LDA)、支持向量机(support vector machine,SVM)、K-最近邻算法(K-nearest neighbor algorithm,KNN)判别模型。经交叉验证和测试集验证,确定最佳处理路线为卷积平滑(Savitzky-Golay,S-G)+MSC+SPA+PCA,结合KNN和SVM建立非线性模型,其光谱测试集判别正确率均达到94%以上。结论近红外光谱结合判别模型可以用于绿茶产地溯源,本研究为绿茶溯源及模型参数选择提供了一定的参考。

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。

基于反向比例解析的近红外光谱定量模型快速构建方法

为解决光谱漂移问题,该研究设计了一种基于反向比例解析的近红外光谱定量模型方法。以烟叶近红外光谱和烟碱含量为研究对象,将数据划分为训练集和测试集。通过计算训练集光谱与测试集光谱的相关性并按照高低排序,选择前20%的光谱,运用约束规划的方法,计算测试集的拟合系数,得到测试集光谱的估计值。结果显示,使用反向比例解析法建立的模型的平均绝对误差为0.3466,预测标准偏差为0.4252,相关系数为0.7932,优于PLS模型。反向光谱比例解析可以有效解决光谱漂移问题,实现烟草中烟碱含量的准确预测,为烟碱的有效测量提供参考。

近红外光谱技术快速鉴别碱水浸泡鸡肉的研究

采用近红外光谱分析技术并结合主成分分析法,建立碱水浸泡鸡肉快速鉴别模型。原始光谱经平滑、多元散射校正和一阶导数等预处理后进行系统主成分分析,结果显示正常鸡肉和碱水浸泡鸡肉能得到清晰的分类。通过不同光谱预处理方法,采用簇类的独立软模式法建立分类模型,结果显示通过对样品光谱采用7点卷积平滑方法预处理,分类模型综合正确率最高,校正回判正确率在77.08%~100%之间,预测正确率在81.25%~100%之间。综上,采用近红外光谱分析技术对碱水浸泡鸡肉进行快速鉴别可行。

基于迁移成分分析的近红外光谱定量分析通用模型

在近红外光谱定量分析中,由于光谱数据采集设备和环境条件的不同,已有模型在使用到不同设备或不同环境时会出现预测精度低的现象。为了增强定量分析模型的普适性和通用性,提高模型的预测精度,提出一种基于改进的迁移成分分析转移方法(TM-TCA)的近红外光谱定量分析通用模型构建策略。改进的迁移成分分析方法采用二次校正策略,通过对从机光谱数据的两次校正,改善由于仪器偏移、漂移或不稳定性引起的光谱差异性,确保数据的一致性和准确性,消除仪器不同或外界条件影响产生的偏差,使校正后的从机光谱数据特征尽可能接近主机光谱,以此增强模型对从机光谱的预测能力。首先求出主机与从机光谱转换矩阵,通过转换矩阵进行待测样品的一次校正,缩小主机与从机样品间受外界条件因素产生的差异性。将经过转换矩阵转换后的主机-从机光谱数据矩阵作为迁移成分分析方法的输入。接下来,基于多指标综合迭代优化选择迁移学习中的核函数和特征值个数的基础上构建定量分析通用模型。为了验证迁移成分分析改进效果,与多种方法的转移效果进行比较。通过优化分析选择RBF核函数,特征值个数为52,实验表明,基于TM-TCA的光谱校正率达到97.1%,光谱平均差异(ARMS)与转移前相比下降了82.9%,比TM和TCA方法分别降低了46.5%和30.2%。为了验证模型构建策略的有效性,构建基于TM-TCA和偏最小二乘回归(PLSR)的玉米水分定量分析通用模型,并对不同设备条件下的模型通用性进行分析。TM-TCA-PLSR模型的预测效果与TCA-PLSR模型的预测效果相比较,模型的预测决定系数达到了0.8729,提升了41%,预测均方根误差(RMSEP)和平均绝对误差(MAE)分别为0.1543和0.1159,均降低了90%以上,并且TM-TCA-PLSR模型相对分析误差(RPD)值超过了2.5,模型具有实际应用的价值。表明了TM-TCA转移方法能有效减少主机和从机光谱之间的差异性,基于TM-TCA和PLSR的主机模型具有一定的通用泛化能力。

基于实验型和工业型近红外光谱仪的木片材性预测建模对比研究

本研究探讨了采用工业型光谱仪和实验型光谱仪建立近红外模型用于快速预测木片材性的可行性,分析对比不同光谱仪的建模效果。针对不同材性指标分析特点,通过光谱信号校正和特征波长筛选算法优化模型预测性能,建立适宜的建模方法。结果表明,基于工业型光谱仪建立的近红外模型对木片水分、基本密度、纤维形态等物理性能指标表现出更高的预测精度,而化学组分含量的预测精度与实验型光谱仪无显著差异。工业型光谱仪木片理化材性近红外模型适用于制浆原料品质评价和工业过程分析。

近红外光谱技术在乳及乳制品质量检测中的应用

随着生活水平的提升,人们对食品质量的关注日益增加,快速获取产品质量信息已成为热点问题之一。近红外光谱技术作为一种快速、无损、定量的检测手段,能够在短时间内获取食品的质量信息,该技术已逐渐在食品质量评价中得到广泛应用。本文综述了近红外光谱技术在乳及乳制品质量检测方面的应用,旨在为该技术在乳制品行业中的进一步应用提供参考。

电力用油红外光谱检测技术

红外光谱检测技术因其检测速度快、对样品无损伤、无污染、易操作等特点,已广泛应用于石油化工、制药等行业的检测中。红外光谱检测方式主要包括定性检测和定量检测,定性检测通常采用比较法,即通过与标准物质对照或查阅标准谱图;定量检测是通过测量特征吸收谱带强度,结合化学计量学方法计算出对应组份含量。阐述了人工神经网络、偏最小二乘法等化学计量学方法在电力用油酸值、水分、抗氧化剂、糠醛等检测中的应用,并对其在油品检测中的应用给出了建议。

基于红外光谱技术智能识别润滑油的研究进展

机器学习作为人工智能发展的核心,在各行业得到快速发展,近年来也成为润滑油领域研究的热点之一,标志着润滑油的研究不再局限于大规模的试验研究,高通量数据、机器学习、优化算法开始应用于润滑油的研究。文章介绍了基于红外光谱技术在润滑油种类鉴别、润滑剂筛选、润滑性能评估和润滑监测等方面的研究进展,并对未来基于红外光谱技术应用于智能识别润滑油的研究进行了展望。

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。

基于二维相关红外光谱对pH值影响大豆分离蛋白二级结构含量的快速分析

为满足不同种类食品对大豆分离蛋白(soybean protein isolate,SPI)不同功能性的需求,本研究利用红外光谱快速采集70组不同pH值处理后SPI的数据,探讨pH值变化对SPI结构含量的影响。使用均值中心化、多元散射校正、标准正态变量变换和归一化算法对红外光谱数据进行预处理,基于二维相关红外光谱提取特征波段,再利用偏最小二乘(partial least square,PLS)法和算术优化算法-随机森林(arithmetic optimization algorithm-random forests,AOA-RF)建立不同pH值条件下SPI结构及含量的预测模型。结果表明,经均值中心化和多元散射校正结合处理后,α-螺旋、β-折叠、β-转角和无规卷曲模型的相对标准偏差分别为1.29%、1.60%、1.37%、7.28%,两者结合对光谱数据的预处理效果最佳。预测α-螺旋和β-折叠含量最优模型为AOA-RF(特征波段),校正集决定系数为0.9350和0.9266,预测集决定系数为0.8568和0.8701;预测β-转角和无规卷曲含量最优模型为PLS(特征波段),校正集决定系数为0.9154和0.8817,预测集决定系数为0.8913和0.7843。本研究结果可为工业生产过程中产品质量快速检测和工艺条件控制提供理论支撑。

近红外光谱结合Stacking集成学习的猕猴桃糖度检测研究

利用近红外光谱技术Stacking集成学习对猕猴桃糖度的无损检测。以湖北“云海一号”猕猴桃为研究对象,采用红外分析仪获取了280个样本的光谱数据,包含了4000~10000cm^(-1)范围内的1557个波长数据,使用折射仪测量糖度值。通过蒙特卡洛随机采样结合T检验的奇异样本识别算法筛除异常值样本。利用SPXY算法按照4∶1的比例划分训练集和测试集。使用多元散射校正(MSC)、SG平滑滤波(SG)、趋势校正(DT)、矢量归一化(VN)、标准正态变换(SNV)五种方法对数据进行预处理。使用无信息变量消除法(UVE)、竞争性自适应重加权算法(CARS)和区间变量迭代空间收缩特征选择算法(iVISSA)提取特征波长,使用连续投影算法(SPA)进行二次提取,消除共线性变量。由于单一模型的泛化能力有限,为了扩大建模能力,设计了一种基于Stacking算法的集成学习模型。选择贝叶斯岭回归(BRR)、偏最小二乘回归(PLSR)、支持向量机回归(SVR)以及人工神经网络(ANN)作为基学习器,线性回归(LR)作为元学习器建立集成模型,比较不同组合下集成模型的性能。使用Pearson相关系数分析基学习器与集成模型之间的关系。结果表明:在五种预处理方法之中,矢量归一化的效果最佳。对预处理后的光谱进行特征波长提取,结果显示VN-CARS-PLSR模型效果最好,在测试集上的RP2为0.805,RMSEP为0.498。模型提取了177个特征波长,数据量相比于原始光谱减少了88.6%。通过Stacking算法对基学习器进行融合,对比不同的组合方式,发现PLS+SVR+ANN集成模型预测精度最高,RP2达到了0.853,RMSEP下降至0.433。通过Pearson相关系数分析了基学习器对集成模型性能的影响。研究表明,与单一模型相比,Stacking集成模型能够进行更加全面的建模,具有更高的泛化能力,该方法为猕猴桃糖度品质的无损检测提供了技术支持。