近紅外光譜
- 基于ResNet的森林土壤碳含量近紅外預(yù)測(cè)模型
對(duì)象，利用近紅外光譜（NIRs）技術(shù)，建立SOC預(yù)測(cè)模型。利用深度殘差網(wǎng)絡(luò)（ResNet18）算法建立預(yù)測(cè)模型，從光譜數(shù)據(jù)的預(yù)處理（一階導(dǎo)數(shù)（1D）+Savitzky-Golay（SG）卷積平滑、標(biāo)準(zhǔn)正態(tài)變量變換（SNV）、SG卷積平滑和去趨勢(shì)（DT））和批量2個(gè)角度對(duì)模型進(jìn)行優(yōu)化，并將該模型與偏最小二乘回歸（PLSR）、BP神經(jīng)網(wǎng)絡(luò)（BPNN）和卷積神經(jīng)網(wǎng)絡(luò)VGG19模型進(jìn)行對(duì)比。研究結(jié)果表明，利用1D+SG卷積平滑組合的方式進(jìn)行預(yù)處理，批量大小為15，
森林工程 2023年6期2023-11-28
- 基于多元經(jīng)驗(yàn)?zāi)B(tài)分解的可見(jiàn)/近紅外光譜識(shí)別木材研究
基于可見(jiàn)/近紅外光譜技術(shù)探究一種快速、準(zhǔn)確的木材識(shí)別方法。以8種進(jìn)口木材為研究對(duì)象，運(yùn)用多元經(jīng)驗(yàn)?zāi)B(tài)分解（MEMD）和最大互信息系數(shù)（MIC）的方法對(duì)采集的光譜數(shù)據(jù)進(jìn)行分解、篩選和重構(gòu)，進(jìn)而利用連續(xù)投影法（SPA）進(jìn)行特征波段提取，再結(jié)合XGBoost分類(lèi)器進(jìn)行分類(lèi)識(shí)別。為進(jìn)一步驗(yàn)證該方法的可行性，將提出的木材識(shí)別方法分別與經(jīng)驗(yàn)?zāi)B(tài)分解（EMD）算法和傳統(tǒng)的支持向量機(jī)（SVM）、K近鄰分類(lèi)算法（KNN）、BP神經(jīng)網(wǎng)絡(luò)（Back Propagation Ne
森林工程 2023年4期2023-08-08
- 流形學(xué)習(xí)在紅松籽仁蛋白質(zhì)含量近紅外檢測(cè)中的應(yīng)用
白質(zhì)含量的近紅外光譜分析技術(shù)，在用變量標(biāo)準(zhǔn)化校正+一階導(dǎo)數(shù)+小波變換對(duì)原始光譜進(jìn)行預(yù)處理的基礎(chǔ)上，分別運(yùn)用主成分分析、改進(jìn)型局部線(xiàn)性嵌入、局部切空間對(duì)齊、黑塞特征映射進(jìn)行光譜數(shù)據(jù)的降維處理，分別構(gòu)建偏最小二乘、嶺回歸、支持向量回歸、極度梯度提升數(shù)學(xué)模型。結(jié)果表明，改進(jìn)型局部線(xiàn)性嵌入+支持向量回歸法建立的參數(shù)優(yōu)化模型質(zhì)量最佳。其降維方法優(yōu)化參數(shù)為：維度取4，鄰域數(shù)取50；驗(yàn)證集均方差均值為0.568 1，驗(yàn)證集皮爾遜相關(guān)系數(shù)均值達(dá)0.940 8?？梢?jiàn)，模型的
江蘇農(nóng)業(yè)學(xué)報(bào) 2023年1期2023-06-08
- 基于近紅外光譜的陳化大米定性鑒別和摻假分析方法
。該文基于近紅外光譜與機(jī)器學(xué)習(xí)方法相結(jié)合，提供了一種陳化大米以及不同程度的混摻大米的定性定量檢測(cè)方法。研究中將原始近紅外光譜數(shù)據(jù)采用標(biāo)準(zhǔn)正態(tài)變量變換預(yù)處理后，建立核極限學(xué)習(xí)機(jī)分別用于陳化大米的定性判別和摻假大米的定量分析，其準(zhǔn)確度和R2分別達(dá)到90%和0.889 2。引入北方蒼鷹優(yōu)化算法用于模型的兩個(gè)重要參數(shù)尋優(yōu)，結(jié)果表明北方蒼鷹優(yōu)化算法能有效提高核極限學(xué)習(xí)機(jī)的性能，測(cè)試集預(yù)測(cè)準(zhǔn)確度和R2分別提高約5%和0.054 1，為陳化大米的定性定量鑒別提供了新方法
食品安全導(dǎo)刊 2023年5期2023-05-30
- 基于原煙外觀圖像和近紅外光譜的煙葉感官質(zhì)量模型研究
物理特性及近紅外光譜對(duì)其感官質(zhì)量的影響，找到一種可以客觀反映煙葉感官質(zhì)量的方法。選取了四川3個(gè)產(chǎn)地、3個(gè)部位、10個(gè)等級(jí)和2個(gè)品種的單料煙，以組為單位進(jìn)行采集，每組10片，共采集煙葉7897片。使用變量標(biāo)準(zhǔn)化（SNV）方法對(duì)原始光譜數(shù)據(jù)進(jìn)行校正，用Standard Scaler方法對(duì)煙葉外觀指標(biāo)、物理特性、校正后的光譜數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化。采用主成分分析（PCA）法對(duì)數(shù)據(jù)進(jìn)行降維。分別運(yùn)用二次判別分析算法（QDA）、K近鄰算法（KNN）、支持向量機(jī)（SVC）構(gòu)建
甘肅農(nóng)業(yè)科技 2023年3期2023-04-20
- 飼料玉米品質(zhì)分析的化學(xué)計(jì)量學(xué)方法
飼料玉米;近紅外光譜;Rank-KS算法中圖分類(lèi)號(hào)：S816? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? 文章編號(hào)：1674-1161（2022）03-0057-04 玉米是用途最為廣泛的飼料作物，可為家禽和牲畜提供多種生長(zhǎng)所需的營(yíng)養(yǎng)成分，被稱(chēng)為“飼料之王”。粗蛋白含量是評(píng)價(jià)飼料玉米品質(zhì)最常見(jiàn)和最重要的指標(biāo)，傳統(tǒng)的粗蛋白含量檢測(cè)主要采用實(shí)驗(yàn)室濕化學(xué)方法，存在檢測(cè)周期長(zhǎng)、試劑種類(lèi)多且用量大、操作繁瑣等缺點(diǎn)。近紅外光譜分析技術(shù)具有無(wú)損、快速、樣品前處理簡(jiǎn)單、多組分同時(shí)在線(xiàn)檢
農(nóng)業(yè)科技與裝備 2022年3期2022-07-15
- 延胡索配方顆粒多指標(biāo)成分的近紅外光譜快速檢測(cè)方法
素多指標(biāo)的近紅外光譜快速檢測(cè)方法。方法以已知的延胡索配方顆粒水分、醇溶性浸出物、延胡索乙素、去氫延胡索甲素含量值為對(duì)照，運(yùn)用偏最小二乘法（PLS）選擇合適的光譜范圍及光譜預(yù)處理方法建立近紅外定量模型，并對(duì)驗(yàn)證集樣品各指標(biāo)成分的含量進(jìn)行驗(yàn)證。結(jié)果水分、醇溶性浸出物、延胡索乙素、去氫延胡索甲素預(yù)測(cè)值與實(shí)測(cè)值的平均相對(duì)偏差分別為1.18%、2.19%、3.14%、1.73%，預(yù)測(cè)相關(guān)系數(shù) R2分別為0.979、0.915、0.948、0.962，準(zhǔn)確度較高。結(jié)論
中國(guó)醫(yī)藥科學(xué) 2022年9期2022-07-13
- 近紅外光譜技術(shù)快速檢測(cè)小龍蝦新鮮度
要：應(yīng)用近紅外光譜技術(shù)實(shí)現(xiàn)對(duì)小龍蝦新鮮度的快速檢測(cè)。利用化學(xué)計(jì)量學(xué)方法，通過(guò)對(duì)近紅外品質(zhì)分析儀采集的蝦肉絞碎前后光譜（850～1 050 nm）調(diào)整不同預(yù)處理方法、偏最小二乘法和組合算法，建立一種基于總揮發(fā)性鹽基氮（total volatile basic nitrogen，TVB-N）含量的小龍蝦新鮮度定量預(yù)測(cè)模型。結(jié)果表明：采用標(biāo)準(zhǔn)正態(tài)變量變換與一階導(dǎo)數(shù)結(jié)合的預(yù)處理方法模型預(yù)測(cè)效果最好，且絞碎后的蝦肉光譜比絞碎前建模效果更好;為滿(mǎn)足實(shí)際應(yīng)用需要，對(duì)絞
肉類(lèi)研究 2022年6期2022-07-06
- 基于近紅外光譜技術(shù)的云南片煙綜合質(zhì)量評(píng)價(jià)
為探索利用近紅外光譜技術(shù)快捷、全面評(píng)價(jià)片煙質(zhì)量的可行性，以2015—2017年初烤煙葉和復(fù)烤片煙為研究材料，使用偏最小二乘法等數(shù)據(jù)處理方法建立了片煙常規(guī)化學(xué)成分、香型、部位、感官質(zhì)量的近紅外光譜預(yù)測(cè)模型，驗(yàn)證模型效果后對(duì)2018—2019年度云南片煙質(zhì)量進(jìn)行了預(yù)測(cè)和評(píng)價(jià)。結(jié)果表明，2019年度較2018年度，化學(xué)成分呈現(xiàn)總糖、還原糖極顯著下降、總氮極顯著上升的趨勢(shì);清香型指數(shù)略有下降;兩年上、中、下部位指標(biāo)差異不顯著;近紅外感官質(zhì)量模型評(píng)價(jià)的70個(gè)片煙中有
中國(guó)煙草科學(xué) 2022年2期2022-05-27
- 基于卷積降噪自編碼器的蘋(píng)果樹(shù)種鑒別模型研究
基于可見(jiàn)-近紅外光譜數(shù)據(jù)集來(lái)識(shí)別蘋(píng)果樹(shù)種。首先，通過(guò)網(wǎng)格式搜索、平行實(shí)驗(yàn)的方法優(yōu)化了L1范數(shù)等參數(shù)，提高了模型的魯棒性;然后，對(duì)比實(shí)驗(yàn)分析了CDAE-RF、主成分分析-隨機(jī)森林模型（PCA-RF）、K最近鄰分類(lèi)算法等方法在不同噪聲水平下光譜識(shí)別的準(zhǔn)確性和魯棒性。實(shí)驗(yàn)結(jié)果表明，相對(duì)于傳統(tǒng)算法，新提出的CDAE-RF模型識(shí)別準(zhǔn)確率達(dá)97.92%，在加噪情況下具有更高的魯棒性。CDAE-RF模型降低了隨機(jī)森林算法對(duì)噪聲的敏感性，提高了噪聲光譜圖像識(shí)別的準(zhǔn)確性，為
計(jì)算機(jī)時(shí)代 2022年5期2022-05-27
- 近紅外光譜技術(shù)在水產(chǎn)養(yǎng)殖行業(yè)的應(yīng)用進(jìn)展
要：介紹了近紅外光譜分析技術(shù)（NIR）的原理與特點(diǎn)，綜述其在水產(chǎn)養(yǎng)殖業(yè)中育種育苗、養(yǎng)殖水水質(zhì)監(jiān)測(cè)和水產(chǎn)苗種飼料方面的應(yīng)用現(xiàn)狀，對(duì)近紅外光譜分析技術(shù)在水產(chǎn)養(yǎng)殖業(yè)應(yīng)用中出現(xiàn)的問(wèn)題進(jìn)行分析，并對(duì)其應(yīng)用規(guī)模預(yù)測(cè)和發(fā)展前景展望。關(guān)鍵詞：近紅外光譜;水產(chǎn)養(yǎng)殖;應(yīng)用;模型中國(guó)是世界水產(chǎn)養(yǎng)殖大國(guó)。作為世界上從事水產(chǎn)養(yǎng)殖歷史最悠久的國(guó)家之一，自改革開(kāi)放以來(lái)，在以養(yǎng)為主的發(fā)展方針指導(dǎo)下，我國(guó)水產(chǎn)養(yǎng)殖業(yè)發(fā)展迅猛，產(chǎn)業(yè)布局變化巨大，從傳統(tǒng)養(yǎng)殖區(qū)（沿海地區(qū)和長(zhǎng)江、珠江流域等）逐步擴(kuò)
河北漁業(yè) 2022年2期2022-02-19
- 穩(wěn)定同位素、礦質(zhì)元素及可見(jiàn)-近紅外光譜技術(shù)在禽制品真實(shí)性鑒別中的應(yīng)用研究進(jìn)展
術(shù)及可見(jiàn)-近紅外光譜技術(shù)在禽制品真實(shí)性鑒別中的應(yīng)用與發(fā)展趨勢(shì)，旨在為我國(guó)禽制品真實(shí)性鑒別研究提供參考。關(guān)鍵詞：禽制品;同位素;礦質(zhì)元素;可見(jiàn)-近紅外光譜Progress in the Application of Stable Isotope Techniques， Mineral Element Fingerprint and Visible-Near Infrared Spectroscopy in the Authenticity Identific
肉類(lèi)研究 2021年11期2021-12-23
- 桂北桉樹(shù)人工林紅壤速效鉀含量高光譜反演模型研究
詞 可見(jiàn)-近紅外光譜;近地遙感;線(xiàn)性模型;人工林;土壤信息中圖分類(lèi)號(hào) S 714.8? 文獻(xiàn)標(biāo)識(shí)碼 A文章編號(hào) 0517-6611（2021）21-0154-03doi：10.3969/j.issn.0517-6611.2021.21.037開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：Hyperspectral Inversion Model of Available Potassium Content in Red Soil of Eucalyptus Pl
安徽農(nóng)業(yè)科學(xué) 2021年21期2021-11-26
- 近紅外光譜在線(xiàn)檢測(cè)技術(shù)在制藥行業(yè)總混工序的應(yīng)用
要：為利用近紅外光譜分析技術(shù)，降低片劑產(chǎn)品碎片率，合理控制混合時(shí)間以提高其生產(chǎn)效能，以某片劑顆?？偦爝^(guò)程為對(duì)象，使用近紅外光譜在線(xiàn)檢測(cè)技術(shù)及設(shè)備，依據(jù)顆粒質(zhì)量指標(biāo)，建立總混過(guò)程的定量和定性分析模型。在顆?；旌线^(guò)程中實(shí)時(shí)在線(xiàn)監(jiān)控顆粒均勻度的真實(shí)情況，并對(duì)顆粒質(zhì)量指標(biāo)進(jìn)行在線(xiàn)預(yù)測(cè)，以消除人工檢驗(yàn)的滯后性，從而提高顆粒一次性合格率。關(guān)鍵詞：在線(xiàn)檢測(cè);近紅外光譜;混合均勻度0??? 引言混合均勻度是影響醫(yī)藥產(chǎn)品品質(zhì)的重要因素，若混合不均勻，產(chǎn)品的配比就不一樣，尤其
機(jī)電信息 2021年26期2021-11-06
- 農(nóng)作物種子活力檢測(cè)方法研究進(jìn)展
;發(fā)芽率;近紅外光譜;高光譜成像中圖分類(lèi)號(hào)：S5 文獻(xiàn)標(biāo)識(shí)碼：B 文章編號(hào)：2095–3305（2021）06–0007–02種子從自然成熟到衰老，其活力會(huì)逐漸減弱。種子活力是衡量種子品質(zhì)的重要指標(biāo)，綜合了種子發(fā)芽率、出苗率、幼苗生長(zhǎng)潛力、植物抗性和生產(chǎn)潛力[1]。低活力種子的發(fā)芽率較低，種植成本較高;高活力的種子可以幫助人們節(jié)省時(shí)間、勞動(dòng)力和物質(zhì)資源。因此，快速、高效的種子活力檢測(cè)方法有助于提高農(nóng)作物產(chǎn)量。1 發(fā)展歷程農(nóng)作物種植歷史悠久，但是關(guān)于農(nóng)作物種
農(nóng)業(yè)災(zāi)害研究 2021年6期2021-10-31
- 近紅外光譜技術(shù)在農(nóng)產(chǎn)品檢測(cè)中的應(yīng)用研究進(jìn)展
飛摘 要：近紅外光譜技術(shù)作為一種快速、高效、無(wú)損的分析技術(shù)，已被廣泛應(yīng)用于農(nóng)產(chǎn)品檢測(cè)領(lǐng)域。近紅外光譜技術(shù)結(jié)合化學(xué)計(jì)量學(xué)方法，可有效實(shí)現(xiàn)農(nóng)產(chǎn)品營(yíng)養(yǎng)成分和質(zhì)量安全的檢測(cè)，亦可用于農(nóng)產(chǎn)品產(chǎn)地溯源和作物育種。該文綜述了近紅外光譜技術(shù)在農(nóng)產(chǎn)品檢測(cè)中的應(yīng)用現(xiàn)狀，并對(duì)其今后的發(fā)展進(jìn)行了展望。關(guān)鍵詞：近紅外光譜;農(nóng)產(chǎn)品;檢測(cè);應(yīng)用進(jìn)展中圖分類(lèi)號(hào) O657.3 文獻(xiàn)標(biāo)識(shí)碼 A文章編號(hào) 1007-7731（2021）17-0155-04Application Research
安徽農(nóng)學(xué)通報(bào) 2021年17期2021-09-26
- 藥品檢測(cè)中近紅外光譜分析的應(yīng)用價(jià)值研究
接影響。而近紅外光譜技術(shù)在藥品質(zhì)量監(jiān)測(cè)中存在明顯的優(yōu)勢(shì)，為探究其應(yīng)用研究，此次研究根據(jù)近紅外光譜原理，分析近紅外光譜在藥品質(zhì)量檢測(cè)中所具有的優(yōu)勢(shì)與劣勢(shì)，并總結(jié)出具體的應(yīng)用策略，保證近紅外光譜技術(shù)合理應(yīng)用的同時(shí)，為今后藥品安全檢測(cè)提供參考?！娟P(guān)鍵詞】藥品檢測(cè)；近紅外光譜；安全檢測(cè)；應(yīng)用價(jià)值【中圖分類(lèi)號(hào)】R927 【文獻(xiàn)標(biāo)識(shí)碼】A 【文章編號(hào)】2096-5249（2021）06-0219-02紅外光譜是目前人們所發(fā)現(xiàn)的吸收光譜中首個(gè)非可見(jiàn)光區(qū)，在紅外光譜和可見(jiàn)
醫(yī)學(xué)食療與健康 2021年6期2021-09-17
- 近紅外光譜測(cè)定小麥粉常規(guī)營(yíng)養(yǎng)成分的模型優(yōu)化
目的：應(yīng)用近紅外光譜（NIR）結(jié)合偏最小二乘法（PLS）建立小麥粉常規(guī)營(yíng)養(yǎng)成分蛋白質(zhì)、水分和脂肪的含量預(yù)測(cè)模型，并選擇最佳模型。方法：收集117份小麥粉樣品的近紅外光譜，化學(xué)法測(cè)定蛋白質(zhì)、水分和脂肪的含量，利用主成分分析（PCA）隨機(jī)分組，81份樣品用于構(gòu)建模型、36份樣品用作驗(yàn)證模型的預(yù)測(cè)能力。探討波長(zhǎng)范圍和光譜預(yù)處理方法對(duì)所建模型預(yù)測(cè)能力的影響。結(jié)果：3個(gè)營(yíng)養(yǎng)成分預(yù)測(cè)能力最好的模型分別是：對(duì)于蛋白質(zhì)，預(yù)處理采用矢量歸一化（SNV），波長(zhǎng)選取7 505.
中國(guó)食物與營(yíng)養(yǎng) 2021年5期2021-09-10
- 近紅外高光譜成像結(jié)合特征波長(zhǎng)篩選識(shí)別小麥赤霉病癟粒
霉病癟粒;近紅外光譜;無(wú)損檢測(cè)中圖分類(lèi)號(hào)：?S123;TP391.41??文獻(xiàn)標(biāo)識(shí)碼：?A??文章編號(hào)：?1000-4440（2021）02-0509-08Abstract：?In order to realize rapid identification of unfilled grain from wheat infected by Fusarium， principal component analysis （PCA） combined with O
江蘇農(nóng)業(yè)學(xué)報(bào) 2021年2期2021-06-30
- 營(yíng)養(yǎng)成分檢測(cè)與NIR預(yù)測(cè)模型構(gòu)建
;營(yíng)養(yǎng)素;近紅外光譜;NIR預(yù)測(cè)模型中圖分類(lèi)號(hào)：TS252.7? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? ? ? ? ? ? ?文章編號(hào)：1001-5922（2021）07-0101-04Nutrient Component detection and NIR Prediction Model ConstructionLiu Jing， Gao Ying， Li Qian（Institute of Clinica
粘接 2021年7期2021-04-27
- 基于近紅外光譜的金鯧魚(yú)新鮮度快速檢測(cè)技術(shù)
本研究擬用近紅外光譜技術(shù)進(jìn)行金鯧魚(yú)肉質(zhì)新鮮度的檢測(cè)，采用一階微分（1st Der）、二階微分（2nd Der）、多元散射校正（Multiplicative scatter correction ， MSC）、標(biāo)準(zhǔn)正態(tài)變換（Standard normal variate transform，SNV）對(duì)金鯧魚(yú)魚(yú)肉的近紅外光譜數(shù)據(jù)進(jìn)行預(yù)處理，通過(guò)比較預(yù)測(cè)結(jié)果，確定多元散射校正為最優(yōu)預(yù)處理方法。分別采用偏最小二乘法（PLS）和主成分回歸法（PCR）建立金鯧魚(yú)魚(yú)肉T
江蘇農(nóng)業(yè)學(xué)報(bào) 2021年1期2021-03-25
- 近紅外光譜快速檢測(cè)烏珠穆沁羊肉氨基酸含量
要：利用近紅外光譜分析技術(shù)快速檢測(cè)烏珠穆沁羊肉中不同氨基酸含量。選取42 只相同飼喂條件、體質(zhì)量相近的6 月齡烏珠穆沁羊，采集背最長(zhǎng)肌、臂三頭肌、股二頭肌3 個(gè)部位共126 塊肌肉樣本，采集樣本近紅外光譜并測(cè)定氨基酸含量。采用偏最小二乘法關(guān)聯(lián)光譜與氨基酸數(shù)據(jù)，建立烏珠穆沁羊肉中17 種氨基酸的定量預(yù)測(cè)模型，最后以模型交叉驗(yàn)證均方根及校正決定系數(shù)（R2校正）、驗(yàn)證決定系數(shù)（R2驗(yàn)證）、預(yù)測(cè)模型的驗(yàn)證集標(biāo)準(zhǔn)偏差與預(yù)測(cè)標(biāo)準(zhǔn)偏差比值（ratio of stand
肉類(lèi)研究 2020年9期2020-12-14
- 近紅外光譜在保障現(xiàn)代糧食供應(yīng)中的應(yīng)用
方面剖析了近紅外光譜技術(shù)，并研發(fā)了移動(dòng)近紅外光譜產(chǎn)品。該產(chǎn)品提供卓越的近紅外光譜分析能力，可用于現(xiàn)代糧食供應(yīng)和安全領(lǐng)域，有助于更進(jìn)一步探索近紅外光譜技術(shù)的應(yīng)用。[關(guān)鍵詞]糧食供應(yīng);糧食安全;近紅外光譜;移動(dòng)光譜儀;糧食檢測(cè);追溯系統(tǒng)中圖分類(lèi)號(hào)：S513 文獻(xiàn)標(biāo)識(shí)碼：A DOI：10.16465/j.gste.cn431252ts.2020091 背景糧食供應(yīng)是保障國(guó)家糧食安全、推進(jìn)全面建設(shè)小康社會(huì)的重要組成部分，深入研究糧食供應(yīng)與安全并且完善現(xiàn)代糧食供應(yīng)與
糧食科技與經(jīng)濟(jì) 2020年9期2020-12-07
- 基于在線(xiàn)近紅外技術(shù)的片煙煙堿均質(zhì)化系統(tǒng)研究
。關(guān)鍵詞：近紅外光譜;煙堿含量;高低搭配;均質(zhì)化煙草作為我國(guó)的重要經(jīng)濟(jì)作物，其產(chǎn)品質(zhì)量關(guān)系到煙草企業(yè)的發(fā)展。在煙草的眾多質(zhì)量評(píng)價(jià)指標(biāo)中，煙堿又稱(chēng)尼古丁，分子式為C10H14N2，其含量與煙草制品的濃度、勁頭、香氣量、香氣質(zhì)、余味、雜氣和刺激性等感官質(zhì)量存在對(duì)應(yīng)關(guān)系，直接影響了煙草制品評(píng)吸質(zhì)量[1-3]。目前國(guó)內(nèi)煙葉種植主要以農(nóng)業(yè)個(gè)體戶(hù)為主，不同來(lái)源的煙葉品質(zhì)存在較大的差異[4]。因此，需要在打葉復(fù)烤階段對(duì)煙葉按照一定的方式進(jìn)行混配，以達(dá)到均勻加工的目的。2
科技風(fēng) 2020年29期2020-11-10
- 基于近紅外光譜的新疆土壤鉛含量測(cè)定方法研究
對(duì)象，利用近紅外光譜技術(shù)建立了該區(qū)農(nóng)田土壤中鉛含量的定量預(yù)測(cè)模型并對(duì)所建立的模型進(jìn)行優(yōu)化，以便快速測(cè)定土壤中鉛含量。結(jié)果表明：優(yōu)化后定量預(yù)測(cè)模型的校正集預(yù)測(cè)值與測(cè)定值之間的相關(guān)系數(shù)RC為0.99，校正集標(biāo)準(zhǔn)差SEC為0.96，驗(yàn)證集標(biāo)準(zhǔn)差SEP為1.27，交互檢驗(yàn)驗(yàn)證集標(biāo)準(zhǔn)差SECV為1.15，預(yù)測(cè)值與實(shí)測(cè)值的相對(duì)偏差為1.49%～9.00%。該定量模型具有較高的預(yù)測(cè)效果，可用于快速定量預(yù)測(cè)新疆北部農(nóng)田中土壤中鉛含量。關(guān)鍵詞：土壤;鉛含量;近紅外光譜;定量
環(huán)境與發(fā)展 2020年9期2020-10-23
- 基于調(diào)制近紅外反射光譜的土壤養(yǎng)分近場(chǎng)遙測(cè)方法研究
究基于調(diào)制近紅外光譜，提出了一種土壤養(yǎng)分主動(dòng)式近場(chǎng)遙測(cè)方法，可有效避免土壤反射自然光的干擾。該方法使用波長(zhǎng)范圍1260～1610 nm的8通道窄帶激光二極管作為近紅外光源，通過(guò)測(cè)量8通道激光光束的土壤反射率，建立土壤養(yǎng)分中氮（N）關(guān)于土壤反射率的計(jì)量模型，實(shí)現(xiàn)了N的快速檢測(cè)。在74組已知N含量的土壤樣品中，選取54組作為訓(xùn)練集，20組作為預(yù)測(cè)集?；谝话憔€(xiàn)性模型，對(duì)訓(xùn)練集中土壤N含量與土壤反射率的定量化參數(shù)進(jìn)行訓(xùn)練，篩選顯著波段后的計(jì)量模型R2達(dá)到0.97
智慧農(nóng)業(yè)（中英文） 2020年2期2020-09-10
- 近紅外光譜法同時(shí)測(cè)定橙汁中多種成分含量
0種橙汁的近紅外光譜數(shù)據(jù)，通過(guò)光譜預(yù)處理和特征波段的選擇，分別建立了橙汁中總糖、總氨基酸、維生素C和總酸的定量分析模型，模型的相關(guān)系數(shù)分別為0.996 3、0.963 1、0.988 0、0.999 2，交互驗(yàn)證均方差（RMSECV）分別為0.854 0、0.020 1、0.070 4、0.185 0。通過(guò)10種未知橙汁樣品含量和t檢驗(yàn)法對(duì)模型進(jìn)行檢測(cè)，結(jié)果顯示，模型穩(wěn)定性良好，預(yù)測(cè)結(jié)果準(zhǔn)確。利用所建模型不需任何前處理，即可同時(shí)、快速、準(zhǔn)確地測(cè)定橙汁中總糖
安徽農(nóng)業(yè)科學(xué) 2020年15期2020-09-06
- 利用近紅外光譜技術(shù)快速檢測(cè)配方煙絲摻配均勻性的探討
【關(guān)鍵詞】近紅外光譜;煙絲摻配檢測(cè);均勻性;成分分析隨著卷煙產(chǎn)品的不斷發(fā)展，人們對(duì)于產(chǎn)品的質(zhì)量和精細(xì)程度有了越來(lái)越高的要求，這就需要廠商進(jìn)行更加精細(xì)、更加勻質(zhì)的加工。煙絲是卷煙產(chǎn)品質(zhì)量的關(guān)鍵，從煙絲的生產(chǎn)加工到煙絲的配比，最后在到煙絲的摻配都要經(jīng)過(guò)嚴(yán)格的把關(guān)和篩選，只有如此，才能夠生產(chǎn)出真正高質(zhì)量的香煙?，F(xiàn)階段，各大煙草生產(chǎn)商都有著自己的煙絲摻配比例與配方，并且很多煙草生產(chǎn)上對(duì)于煙絲摻配均勻性沒(méi)有嚴(yán)格的界定標(biāo)準(zhǔn)。隨著相關(guān)技術(shù)的不斷發(fā)展，廠商對(duì)于煙絲摻配均勻
- 基于近紅外光譜的安吉白茶溯源模型的建立與驗(yàn)證
吉白茶進(jìn)行近紅外光譜檢測(cè)，預(yù)處理方法分別采用SNV和MSC，通過(guò)LDA模型識(shí)別率比較二者優(yōu)劣，并通過(guò)PCA、K-means聚類(lèi)和HCA聚類(lèi)等方法進(jìn)行模型驗(yàn)證。采用SPSS分析聚類(lèi)結(jié)果與樣品地理位置的關(guān)系。[結(jié)果] MSC預(yù)處理效果優(yōu)于SNV，LDA分析模型識(shí)別率可達(dá)100%。模型驗(yàn)證顯示，經(jīng)MSC預(yù)處理后，PCA方法可在前3個(gè)PC下清晰聚類(lèi)，K-means和HCA聚類(lèi)方法都可將266個(gè)產(chǎn)地內(nèi)和118個(gè)產(chǎn)地外樣品成功預(yù)測(cè)出。SPSS聚類(lèi)分析顯示，7個(gè)安吉白茶
安徽農(nóng)業(yè)科學(xué) 2020年13期2020-07-14
- 基于近紅外光譜的普洱茶產(chǎn)地識(shí)別研究
7份，利用近紅外光譜采集單個(gè)普洱茶樣本在1 100～2 498 nm的光譜數(shù)據(jù)，分別采用主成分聚類(lèi)分析法和判別分析法建立普洱茶產(chǎn)地識(shí)別定性分析模型。結(jié)果表明，2種分析模型的校正集正確識(shí)別率均大于90%，可用于普洱茶產(chǎn)地的識(shí)別。其中，基于判別分析方法建立的判別分析模型效果更好，其校正集和驗(yàn)證集的識(shí)別正確率達(dá)到98.15%和100%，更適用于普洱茶產(chǎn)地的識(shí)別。應(yīng)用近紅外光譜技術(shù)可快速、無(wú)損識(shí)別普洱茶產(chǎn)地，為普洱茶產(chǎn)地檢測(cè)提供參考。關(guān)鍵詞：近紅外光譜;普洱茶;聚
湖北農(nóng)業(yè)科學(xué) 2020年5期2020-07-14
- 基于偏最小二乘法的新疆杏可溶性固形物含量的無(wú)損檢測(cè)
性固形物;近紅外光譜;偏最小二乘法;無(wú)損檢測(cè)杏是新疆南部的特色果樹(shù)之一，具有適應(yīng)性強(qiáng)、管理容易、果實(shí)早熟的特點(diǎn)，常以杏麥間作、杏棉間作，因其經(jīng)濟(jì)效益高、生態(tài)效益明顯等特性，被廣泛種植。根據(jù)2018年新疆統(tǒng)計(jì)年鑒可知，新疆杏種植面積已達(dá)111 246 hm2，產(chǎn)量達(dá)933 088 t，成為當(dāng)?shù)剞r(nóng)民重要的經(jīng)濟(jì)來(lái)源。庫(kù)車(chē)小白杏是新疆重要的地方品種，其果實(shí)卵圓形、呈黃白色，果面光滑無(wú)毛，肉質(zhì)較細(xì)，纖維素含量少，品質(zhì)上乘，是鮮食及加工的優(yōu)質(zhì)杏品種[1]。近紅外光譜（
江蘇農(nóng)業(yè)科學(xué) 2020年9期2020-06-21
- 基于近紅外光譜分析技術(shù)的水蜜桃產(chǎn)地溯源
摘要：利用近紅外光譜分析技術(shù)對(duì)來(lái)自3個(gè)省份的水蜜桃進(jìn)行研究，比較主成分分析-線(xiàn)性判別分析（PCA-LDA）、 判別偏最小二乘法（DPLS）、 支持向量機(jī)（SVM）等方法對(duì)光譜數(shù)據(jù)識(shí)別的有效性差異。結(jié)果表明， SVM的準(zhǔn)確率和召回率均高達(dá)94.47%，明顯優(yōu)于 PCA-LDA和DPLS，更適用于水蜜桃產(chǎn)地溯源。關(guān)鍵詞：水蜜桃;產(chǎn)地溯源;近紅外光譜;主成分分析-線(xiàn)性判別分析;判別偏最小二乘;支持向量機(jī)中圖分類(lèi)號(hào)：TS207.7文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1000-
江蘇農(nóng)業(yè)學(xué)報(bào) 2020年2期2020-05-27
- 近紅外光譜結(jié)合CARS-PLS模型檢測(cè)草莓可溶性固形物含量研究
檢測(cè)，采用近紅外光譜結(jié)合競(jìng)爭(zhēng)性自適應(yīng)重加權(quán)算法采樣（CARS）變量選擇以及多變量校正分析的測(cè)定方法。164個(gè)草莓樣本被分成校正集（123個(gè)）和預(yù)測(cè)集（41個(gè)）?；谌庾V數(shù)據(jù)，通過(guò)CARS算法獲得了可以表征原始光譜信息的117個(gè)特征光譜變量。全光譜變量和特征光譜變量分別作為輸入構(gòu)建了偏最小二乘回歸PLS和多元線(xiàn)性回歸MLR模型，通過(guò)比較3類(lèi)模型發(fā)現(xiàn)，基于特征光譜的PLS模型（即CARS-PLS模型）對(duì)草莓內(nèi)部可溶性固形物含量測(cè)定性能最優(yōu)，針對(duì)預(yù)測(cè)集樣本，模
安徽農(nóng)業(yè)科學(xué) 2020年8期2020-05-20
- 近紅外光譜分析技術(shù)在酒類(lèi)成分檢測(cè)中的應(yīng)用
內(nèi)容摘要 近紅外光譜分析技術(shù)是一種檢測(cè)速度快、分析準(zhǔn)確高、結(jié)果展示性非常好的綠色檢測(cè)技術(shù)，在各個(gè)領(lǐng)域都得到了廣泛的應(yīng)用。文章簡(jiǎn)述了近紅外光譜分析技術(shù)在酒類(lèi)成分檢測(cè)方面的應(yīng)用，包括其在白酒酒醅、葡萄酒、果啤、保健酒、黃酒的成分檢測(cè)中的應(yīng)用，并討論了近紅外光譜分析檢測(cè)技術(shù)在人們健康保障方面所起的作用。關(guān)鍵詞 近紅外光譜 酒類(lèi)檢測(cè) 健康保障1 引言傳統(tǒng)上對(duì)酒的鑒定只是利用酒的色、香、味來(lái)進(jìn)行鑒別，存在很大程度上的不準(zhǔn)確性，而且效率較低，近年來(lái)，在對(duì)酒類(lèi)的研究中，
博鰲觀察 2020年1期2020-05-08
- 不同產(chǎn)地鎖陽(yáng)近紅外光譜鑒別分析
詞：鎖陽(yáng);近紅外光譜;主成分分析;產(chǎn)地鑒別中圖分類(lèi)號(hào)：R284.1? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? 文章編號(hào)：1005-5304（2020）04-0066-04DOI：10.3969/j.issn.1005-5304.201904122Identification Analysis of Cynomorii Herba from Different Producing Areas Based onNear Infrared Diffuse Reflectanc
中國(guó)中醫(yī)藥信息雜志 2020年4期2020-04-29
- 基于近紅外光譜的水泥生料氧化物含量快速測(cè)定方法研究
?要?采用近紅外光譜分析技術(shù)快速測(cè)定了水泥生料中4種氧化物含量。 以漫反射方式采集不同水泥生料樣品的近紅外光譜，采用X射線(xiàn)熒光光譜法測(cè)定氧化物含量作為參考值，根據(jù)馬氏距離去除異常樣品，然后利用SPXY（Sample set partitioning based on joint X-Y distance）法將樣本集劃分為校正集和驗(yàn)證集，應(yīng)用向后間隔偏最小二乘和遺傳算法選擇最優(yōu)波數(shù)變量，采用偏最小二乘算法建立了4種氧化物的定量校正模型，顯示出了良好的預(yù)測(cè)效果
分析化學(xué) 2020年2期2020-02-29
- 不同品種雞蛋貯期S-卵白蛋白含量分析及其可見(jiàn)/近紅外光譜無(wú)損檢測(cè)模型研究
， 可見(jiàn)/近紅外光譜能夠?qū)Σ煌贩N的S-卵白蛋白含量進(jìn)行無(wú)損檢測(cè)， 建立的通用預(yù)測(cè)模型為開(kāi)發(fā)便攜式蛋白含量無(wú)損檢測(cè)裝置奠定了基礎(chǔ)。關(guān)鍵詞?可見(jiàn)/近紅外光譜; 雞蛋; S-卵白蛋白; 相關(guān)性; 通用模型1?引 言雞蛋作為人們?nèi)粘Ｉ钪兄匾澄镏唬?其品質(zhì)的評(píng)價(jià)和預(yù)測(cè)一直是食品加工等領(lǐng)域的研究熱點(diǎn)。卵白蛋白（Ovalbumin， Ova）是蛋清蛋白的主要成分， 占蛋清總蛋白的54%～63%， 卵白蛋白在貯存期間不可逆地轉(zhuǎn)化為一種熱穩(wěn)定形式S-型空間構(gòu)象異構(gòu)體
分析化學(xué) 2020年2期2020-02-29
- 近紅外光譜結(jié)合小波變換-隨機(jī)森林法快速定量分析甲醇汽油中甲醇含量
了一種基于近紅外光譜（Near infrared spectroscopy，NIR）結(jié)合小波變換-隨機(jī)森林（Wavelet transform-Random forest，WT-RF）的用于甲醇汽油中甲醇含量快速定量分析的方法。采用傅里葉變換紅外光譜儀采集54個(gè)甲醇汽油樣品的光譜，并進(jìn)行光譜解析;探究不同光譜預(yù)處理方法對(duì)樣品NIR光譜的處理效果，重點(diǎn)探究基于不同小波基函數(shù)與小波分解層數(shù)的小波變換（Wavelet transform，WT）光譜預(yù)處理效果，并
分析化學(xué) 2019年12期2019-12-20
- 遺傳模擬退火算法在玉米秸稈纖維素含量檢測(cè)中的應(yīng)用
?要?利用近紅外光譜分析方法預(yù)測(cè)了玉米秸稈纖維素的含量。針對(duì)近紅外光譜的高維高相關(guān)性的特點(diǎn)，探討在對(duì)玉米秸稈纖維素建立偏最小二乘（PLS）預(yù)測(cè)模型時(shí)的特征波長(zhǎng)篩選問(wèn)題。首先探討了聯(lián)合區(qū)間偏最小二乘法（SIPLS）和后向區(qū)間偏最小二乘法（BIPLS）的區(qū)間劃分?jǐn)?shù)對(duì)算法效果的影響。在SIPLS和BIPLS的基礎(chǔ)上，利用遺傳模擬退火算法（GSAA）進(jìn)行二次特征波長(zhǎng)篩選，進(jìn)一步提高模型的預(yù)測(cè)精度和建模效率。結(jié)果表明：相對(duì)于PLS方法，3種算法單獨(dú)使用均能夠提高所建
分析化學(xué) 2019年12期2019-12-20
- 近紅外光譜技術(shù)法快速鑒別茶油摻偽
目的]采用近紅外光譜技術(shù)法，快速鑒別茶油摻偽。[方法]基于近紅外光譜技術(shù)，比較馬氏距離聚類(lèi)分析法與反向傳播神經(jīng)網(wǎng)絡(luò)，建立茶油與摻有菜籽油、棕櫚油摻偽茶油的模式識(shí)別模型。[結(jié)果]采用馬氏距離聚類(lèi)分析法建模時(shí)，參數(shù)如下：光譜一階導(dǎo)數(shù)處理后，結(jié)合SNV、Norris Derivative濾波方法，經(jīng)主成分分析法，提取8個(gè)主成分，模型對(duì)預(yù)測(cè)集樣本的準(zhǔn)確率達(dá)100%;采用反向傳播神經(jīng)網(wǎng)絡(luò)建模時(shí)，參數(shù)如下：輸入向量為前8個(gè)主成分的33個(gè)吸收峰，隱含層神經(jīng)元個(gè)數(shù)為15，
安徽農(nóng)業(yè)科學(xué) 2019年19期2019-12-14
- 黃酒發(fā)酵過(guò)程理化指標(biāo)的近紅外光譜快速檢測(cè)方法研究
黃酒醪液的近紅外光譜，并應(yīng)用近紅外技術(shù)結(jié)合偏最小二乘方法（PLS）建立一種能夠同時(shí)測(cè)定黃酒醪液酒精度、總酸和總糖的定量分析模型。結(jié)果顯示：優(yōu)化后3種指標(biāo)模型的決定系數(shù)（R）分別為0.99、0.91和0.98，交互驗(yàn)證標(biāo)準(zhǔn)偏差（RMSECV）分別為0.42、0.32和1.19;模型進(jìn)行外部驗(yàn)證時(shí)，預(yù)測(cè)標(biāo)準(zhǔn)偏差（RMSEP）分別為0.45、0.35和2.01，預(yù)測(cè)平均相對(duì)偏差分別為3.37%、4.57%和4.66%，滿(mǎn)足黃酒發(fā)酵過(guò)程中對(duì)樣品分析檢測(cè)精度的要求。
中國(guó)測(cè)試 2019年3期2019-11-15
- 淺談近紅外光譜分析在藥品檢測(cè)中的應(yīng)用
分重要的。近紅外光譜良好的傳輸性能、不會(huì)損害藥品、工作效率高、適應(yīng)性強(qiáng)、成本低且環(huán)保的分析檢測(cè)技術(shù)應(yīng)用在藥品檢測(cè)中也是順其自然的，不僅避免了傳統(tǒng)藥品檢測(cè)中可能出現(xiàn)的問(wèn)題，還促進(jìn)了我國(guó)制藥行業(yè)的發(fā)展，為我國(guó)醫(yī)藥行業(yè)不斷前行保駕護(hù)航。文章分析了光譜原理以及近紅外光譜分析技術(shù)的特點(diǎn)，并且探究了近紅外光譜分析在藥品檢測(cè)中的應(yīng)用。關(guān)鍵詞：近紅外光譜；藥品檢測(cè)；應(yīng)用1光譜原理近紅外光是一種電磁波，主要介于紅外光與可見(jiàn)光之間。近紅外光譜是一種由分子振動(dòng)的非諧振性將分子振
名城繪 2019年6期2019-10-21
- 近紅外光譜技術(shù)在農(nóng)產(chǎn)品品質(zhì)檢測(cè)中的應(yīng)用探究
文將從當(dāng)前近紅外光譜技術(shù)的概況出發(fā)，對(duì)檢測(cè)農(nóng)產(chǎn)品品質(zhì)中近紅外光譜技術(shù)的主要應(yīng)用進(jìn)行分析與探究，希望為相關(guān)人員提供一些幫助和建議，更好地運(yùn)用近紅外光譜技術(shù)。關(guān)鍵詞：品質(zhì)檢測(cè)；農(nóng)產(chǎn)品；近紅外光譜0 引言近紅外光譜技術(shù)具備測(cè)量便捷、維持樣品原樣、測(cè)量迅速等多種優(yōu)點(diǎn)，這使其得到了農(nóng)產(chǎn)品、化工產(chǎn)品、藥物、食品等領(lǐng)域定量分析、定性分析的廣泛應(yīng)用。伴隨近紅外光譜技術(shù)幾十年的發(fā)展，當(dāng)前的近紅外光譜技術(shù)已經(jīng)逐漸趨于成熟，能夠成功地對(duì)大量農(nóng)作物樣品展開(kāi)快速地分析，檢測(cè)其品質(zhì)、
炎黃地理 2019年5期2019-10-20
- 八段錦身心鍛煉對(duì)老年人語(yǔ)言流暢性的影響
言流暢性;近紅外光譜中圖分類(lèi)號(hào)：G 804.8? ? ? ? ? 學(xué)科代碼：040302? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：AAbstract：Objective：speech fluency test（VFT） and near-infrared spectroscopy （NIRS） were used to investigate the effects of Baduanjin mind-body（BDM） exercise on the cogni
首都體育學(xué)院學(xué)報(bào) 2019年4期2019-10-08
- 淺析近紅外光譜分析技術(shù)在煙草成分分析中的可用性
【摘 要】近紅外光譜信息和有機(jī)物的構(gòu)造有著緊密的關(guān)系，近紅外光譜分析技術(shù)能用于探討和檢測(cè)煙草的很多品質(zhì)特點(diǎn)。作者重點(diǎn)簡(jiǎn)述近紅外分析工藝和它在煙草運(yùn)用中所需的提前處理、降維和建模措施。在這個(gè)前提上，主要研究了近紅外分析工藝在煙草組成定量預(yù)測(cè)中的運(yùn)用。【關(guān)鍵詞】近紅外光譜;煙草;成分;分析近紅外光譜分析技術(shù)普遍運(yùn)用到食品行業(yè)、石油行業(yè)、化工行業(yè)、制藥行業(yè)等方面。近紅外技術(shù)在煙草工業(yè)中被普遍運(yùn)用到水分的測(cè)量，此外，該分析技術(shù)也不斷運(yùn)用到其他成分的定量分析和探討。
智富時(shí)代 2019年8期2019-09-23
- 微波干燥技術(shù)在卷煙近紅外快速預(yù)測(cè)中的應(yīng)用
煙末樣品在近紅外光譜圖和主成分空間分布上有明顯的差異，說(shuō)明水分含量對(duì)卷煙樣品的性質(zhì)有較大影響;（2）微波和烘箱干燥后的樣品經(jīng)近紅外模型預(yù)測(cè)后發(fā)現(xiàn)，卷煙煙末樣品的預(yù)測(cè)結(jié)果穩(wěn)定性整體優(yōu)于煙絲樣品，微波干燥1、2 min后的預(yù)測(cè)結(jié)果能達(dá)到甚至優(yōu)于傳統(tǒng)烘箱 40 ℃ 干燥2 h的模型預(yù)測(cè)結(jié)果。綜合來(lái)看，將微波快速干燥技術(shù)應(yīng)用于卷煙煙末樣品的近紅外快速預(yù)測(cè)是可行的，但對(duì)于卷煙煙絲樣品不適宜。關(guān)鍵詞：近紅外光譜;微波;烘箱;干燥;含水率中圖分類(lèi)號(hào)： O657.33 ?
江蘇農(nóng)業(yè)科學(xué) 2019年7期2019-09-17
- 近紅外光譜在制藥過(guò)程控制中的應(yīng)用分析
祁俊摘要：近紅外光譜技術(shù)（NIR）是一種高效快速的現(xiàn)代分析技術(shù)，它綜合運(yùn)用了計(jì)算機(jī)技術(shù)、光譜技術(shù)和化學(xué)計(jì)量學(xué)等多個(gè)學(xué)科的最新研究成果，以其獨(dú)特的優(yōu)勢(shì)在多個(gè)領(lǐng)域得到了日益廣泛的應(yīng)用。近紅外光譜技術(shù)在制藥過(guò)程控制應(yīng)用主要表現(xiàn)在對(duì)原料藥的主要活性成分，結(jié)晶狀態(tài)、粒徑、旋光性和密度進(jìn)行檢測(cè)，對(duì)只要過(guò)程中的混合均勻性，干燥過(guò)程水分，注射用產(chǎn)品滅菌，膜衣厚度，粒徑，主要成分和中間產(chǎn)物濃度，溶出度，藥物中微生物定性定量監(jiān)測(cè)。關(guān)鍵詞：近紅外光譜；制藥過(guò)程控制；應(yīng)用分析；藥
名城繪 2019年5期2019-09-10
- 滑皮金桔糖度的近紅外光譜無(wú)損檢測(cè)技術(shù)
目的】采用近紅外光譜技術(shù)對(duì)滑皮金桔的糖度開(kāi)展無(wú)損檢測(cè)技術(shù)研究，為今后實(shí)現(xiàn)滑皮金桔在線(xiàn)糖度品質(zhì)分級(jí)分選提供參考依據(jù)?！痉椒ā恳訬IR Magic 1100型便攜式果品近紅外光譜分析儀為主要研究設(shè)備，對(duì)采集的滑皮金桔光譜分別進(jìn)行S-G卷積平滑（SG-smooth）、標(biāo)準(zhǔn)正態(tài)變量變換（SNV）和多元散射校正（MSC）處理，結(jié)合偏最小二乘法建立滑皮金桔糖度預(yù)測(cè)模型并進(jìn)行驗(yàn)證。【結(jié)果】建模的最佳光譜波段為720～920 nm;光譜采用SG-smooth處理后建立模型
南方農(nóng)業(yè)學(xué)報(bào) 2019年4期2019-09-10
- 滑皮金桔糖度的近紅外光譜無(wú)損檢測(cè)技術(shù)
目的】采用近紅外光譜技術(shù)對(duì)滑皮金桔的糖度開(kāi)展無(wú)損檢測(cè)技術(shù)研究，為今后實(shí)現(xiàn)滑皮金桔在線(xiàn)糖度品質(zhì)分級(jí)分選提供參考依據(jù)。【方法】以NIR Magic 1100型便攜式果品近紅外光譜分析儀為主要研究設(shè)備，對(duì)采集的滑皮金桔光譜分別進(jìn)行S-G卷積平滑（SG-smooth）、標(biāo)準(zhǔn)正態(tài)變量變換（SNV）和多元散射校正（MSC）處理，結(jié)合偏最小二乘法建立滑皮金桔糖度預(yù)測(cè)模型并進(jìn)行驗(yàn)證?！窘Y(jié)果】建模的最佳光譜波段為720～920 nm;光譜采用SG-smooth處理后建立模型
南方農(nóng)業(yè)學(xué)報(bào) 2019年4期2019-09-10
- 近紅外光譜法快速檢測(cè)赤芍配方顆粒芍藥苷和浸出物含量
出物含量的近紅外光譜測(cè)定方法。選用積分球系統(tǒng)測(cè)定樣品的近紅外光譜，定量模型的預(yù)處理方法采用多元散射校正和一階導(dǎo)數(shù)進(jìn)行處理，光譜范圍分別為5 492～5 103 cm-1，7 428～7 201 cm-1，6 942～5 322 cm-1。結(jié)果表明，定量模型中芍藥苷含量和浸出物含量的最佳主因子數(shù)分別為7和6，內(nèi)部交叉驗(yàn)證均方差分別為0.082 6和0.226 0，決定系數(shù)（R2）分別為0.981 7和0.982 4，系統(tǒng)精密度RSD值分別為1.1%和0.9%
河北工業(yè)科技 2019年1期2019-09-10
- 近紅外光譜法檢測(cè)芝麻油中摻假大豆油
cm-1的近紅外光譜來(lái)采集樣品，通過(guò)The Unscrambler 9.7軟件對(duì)試驗(yàn)數(shù)據(jù)進(jìn)行建模，建模集的Correlation和RMSEC分別為0.998 749和1.410 906，預(yù)測(cè)集的Correlation和RMSEP分別為0.837 732和20.375 10。為了選出最優(yōu)波段進(jìn)而利用MATLAB再次建模，分別采用IPLS和SIPLS對(duì)波長(zhǎng)進(jìn)行篩選，得到IPLS建模集的Correlation為0.998 465和RMSEC為1.562 843，
糧食科技與經(jīng)濟(jì) 2019年5期2019-09-10
- 近紅外光譜技術(shù)在醫(yī)學(xué)檢測(cè)中的研究進(jìn)展
【摘?要】近紅外光譜（near-infrared spectrum，NIRS）是光譜測(cè)量技術(shù)的一種，具有測(cè)量速度快、分析精度高及對(duì)樣品無(wú)損傷等優(yōu)勢(shì)。本文介紹了NIRS技術(shù)的原理，探討了NIRS的技術(shù)特點(diǎn)、研究現(xiàn)狀及在醫(yī)學(xué)檢測(cè)中的應(yīng)用，并對(duì)其未來(lái)的發(fā)展進(jìn)行了展望?！娟P(guān)鍵詞】近紅外光譜;無(wú)創(chuàng)血糖檢測(cè);血氧飽和度檢測(cè);功能近紅外光譜1引言近紅外光區(qū)是指波段范圍在780-2500nm之間的電磁波，發(fā)生在該區(qū)域的吸收譜帶對(duì)應(yīng)于分子基頻振動(dòng)的倍頻和組合頻。利用近紅外光
- 制漿材木質(zhì)素含量近紅外分析模型傳遞研究
兩臺(tái)便捷式近紅外光譜儀間的傳遞，對(duì)制漿材木質(zhì)素樣品近紅外光譜數(shù)據(jù)集進(jìn)行代表性樣本的選取、光譜預(yù)處理和界外樣本的剔除，建立了源機(jī)的優(yōu)化偏最小二乘（PLS）校正模型。分別采用斜率截距算法（S/B）、直接校正算法（DS）和典型相關(guān)分析算法（CCA）進(jìn)行源機(jī)與目標(biāo)機(jī)間的模型傳遞并比較了預(yù)測(cè)效果。結(jié)果表明，S/B算法模型傳遞效果較差，而經(jīng)DS算法和CCA算法模型傳遞后的預(yù)測(cè)效果均有大幅提升。DS算法模型傳遞后決定系數(shù)（R2）、預(yù)測(cè)標(biāo)準(zhǔn)差（RMSEP）和相對(duì)標(biāo)準(zhǔn)差（R
中國(guó)造紙學(xué)報(bào) 2019年3期2019-09-10
- 紅松籽中脂肪的近紅外光譜快速檢測(cè)研究
摘要：采用近紅外光譜分析方法對(duì)紅松籽脂肪進(jìn)行定量分析，建立紅松籽脂肪的快速檢測(cè)方法，利用多種預(yù)處理方法優(yōu)化模型，同時(shí)采用間隔偏最小二乘法、反向間隔偏最小二乘法、無(wú)信息變量消除法實(shí)現(xiàn)特征波段的選取。結(jié)果表明，紅松籽樣本光譜經(jīng)矢量歸一化預(yù)處理后建立的模型最佳;波段優(yōu)選能夠提高模型質(zhì)量，其中反向間隔偏最小二乘法的篩選結(jié)果最優(yōu)，其紅松籽脂肪模型校正集相關(guān)系數(shù)為0.889 2，驗(yàn)證集均方根誤差為0.765 1。由此可知，經(jīng)過(guò)優(yōu)化后，模型的預(yù)測(cè)性能較好，實(shí)現(xiàn)了紅松籽脂
江蘇農(nóng)業(yè)科學(xué) 2019年3期2019-08-10
- 基于近紅外光譜的紅提維生素C含量、糖度及總酸含量無(wú)損檢測(cè)方法
建立了基于近紅外光譜技術(shù)的紅提維生素C（Vc）含量、糖度及總酸含量的快速無(wú)損檢測(cè)方法。采集紅提樣本的光譜數(shù)據(jù)，分別應(yīng)用競(jìng)爭(zhēng)性自適應(yīng)重加權(quán)算法（CARS）、穩(wěn)定性競(jìng)爭(zhēng)自適應(yīng)重加權(quán)采樣算法（SCARS）和連續(xù)投影算法（SPA）進(jìn)行一次有效特征波段提取，對(duì)比測(cè)量上述3項(xiàng)指標(biāo)，建立相應(yīng)偏最小二乘回歸模型，并在一次有效特征波段的提取的基礎(chǔ)上結(jié)合SPA進(jìn)行二次特征波段的提取，建立相應(yīng)偏最小二乘回歸算法（PLSR）模型。結(jié)果表明，二次特征波段建立的PLSR模型的校正集與
分析化學(xué) 2019年6期2019-07-01
- 基于壓縮自編碼融合極限學(xué)習(xí)機(jī)的柑橘黃龍病鑒別方法
的柑橘葉片近紅外光譜數(shù)據(jù)作為訓(xùn)練集進(jìn)行實(shí)驗(yàn)，采用波形疊加極限學(xué)習(xí)機(jī)（Summation wavelet extreme learning machine， SWELM）、ELM、支持向量機(jī)（Support vector machine， SVM）、堆疊去噪自編碼（Stacked denoising auto-encoder， SDAE）、反向傳播模型（Back propagation， BP）、CAE作為對(duì)比方法。在柑橘黃龍病的鑒別實(shí)驗(yàn)中，無(wú)論訓(xùn)練集樣本大
分析化學(xué) 2019年5期2019-06-13
- 光譜技術(shù)在肉品摻雜摻假鑒別中的應(yīng)用研究進(jìn)展
譜技術(shù)，如近紅外光譜、高光譜成像、拉曼光譜等，作為快速、無(wú)損檢測(cè)技術(shù)在肉品摻雜摻假鑒別方面有很好的應(yīng)用前景。本文綜述近紅外光譜、高光譜成像和拉曼光譜技術(shù)在肉品摻雜摻假的定性判別和定量檢測(cè)中的研究進(jìn)展，并分析了3 種光譜技術(shù)的應(yīng)用現(xiàn)狀及存在的問(wèn)題，并對(duì)其應(yīng)用前景進(jìn)行了展望。關(guān)鍵詞：肉品;近紅外光譜;高光譜成像;拉曼光譜;摻雜摻假中圖分類(lèi)號(hào)：TS251.5? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：100
肉類(lèi)研究 2019年2期2019-06-05
- 多元校正模型傳遞方法的進(jìn)展與應(yīng)用
標(biāo)準(zhǔn)化; 近紅外光譜; 評(píng)述[HK][FQ（32，X，DY-W][CD15]2018-10-09收稿;2018-12-26接受本文系國(guó)家自然科學(xué)基金項(xiàng)目（No. 21365008）和國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目（No. 2017YFB0306501）資助* E-mail： chuxl.ripp@sinopec.com1 引 言多元校正模型是樣品的目標(biāo)值與其光譜參數(shù)之間建立的一種函數(shù)關(guān)系[1]。通常情況下，通過(guò)多元校正模型與近紅外光譜（Near infra-red
分析化學(xué) 2019年4期2019-05-13
- 采樣誤差分布分析法建立氯丙醇含量的穩(wěn)健近紅外光譜分析模型
?要?利用近紅外光譜技術(shù)結(jié)合采樣誤差分布分析（SEPA）方法建立了二氯丙醇產(chǎn)品生產(chǎn)過(guò)程的氯化液雜質(zhì)3-氯-1，2-丙二醇濃度的分析模型。對(duì)樣本數(shù)據(jù)進(jìn)行1000次隨機(jī)劃分，建立1000個(gè)子模型，獲得多個(gè)潛變量數(shù)下的交互檢驗(yàn)誤差，進(jìn)行統(tǒng)計(jì)分析。繪制了誤差分布圖，計(jì)算其中位數(shù)、標(biāo)準(zhǔn)偏差、偏斜度和分布峰度等統(tǒng)計(jì)指標(biāo)，通過(guò)這些指標(biāo)的綜合分析對(duì)近紅外光譜分析模型進(jìn)行條件優(yōu)化、建模和模型評(píng)價(jià)等。4種光譜處理方法顯示出比較理想的模型性能，作為候選與不同波長(zhǎng)區(qū)域的選擇相結(jié)合
分析化學(xué) 2019年2期2019-03-14
- 基于便攜式光譜儀的水產(chǎn)品孔雀石綠殘留檢測(cè)模擬實(shí)驗(yàn)研究
品；可見(jiàn)-近紅外光譜；孔雀石綠中圖分類(lèi)號(hào)：S948 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1671-2064（2018）20-0086-021 引言國(guó)內(nèi)檢測(cè)部門(mén)通用的孔雀石綠檢測(cè)方法是高效液相色譜熒光檢測(cè)法[1]。此方法存在回收率差異大，分層有時(shí)不明顯，基線(xiàn)噪音不穩(wěn)定等缺陷。[2]高光譜技術(shù)具有無(wú)損檢測(cè)，設(shè)備輕便，操作簡(jiǎn)單的優(yōu)點(diǎn)。近年來(lái)，周瑤等[3]利用近紅外拉曼光譜檢測(cè)辣椒粉中蘇丹紅的含量；王曉彬等[4]使用高光譜成像檢測(cè)面粉中的偶氮甲酰胺等研究，說(shuō)明高光譜技術(shù)在食
中國(guó)科技縱橫 2018年20期2018-11-22