红提葡萄V_C含量的可见/近红外检测模型

为了建立红提葡萄VC含量的可见/近红外漫反射光谱检测模型,并评价其应用价值,应用不同的化学计量学建模方法和光谱预处理方法,在不同特征波长区间内建立定标模型,讨论建模效果,并通过预测集样品验证最优模型的精度。结果显示:在全光谱范围内,应用改进偏最小二乘法(MPLS)结合一阶导数、5点平滑、加权多元离散校正(WMSC)处理得到的定标模型效果最优,交互验证标准差SECV为0.054 3,定标决定系数R2cv为0.920 2,预测决定系数R2p为0.931 8,预测标准差SEP为0.050 0,残差平方和PRESS为0.188 0,预测相对分析误差RPD为3.640 0。故应用可见/近红外漫反射技术对红提葡萄果实VC含量进行快速无损检测是可行的,模型稳定且精度较高。     

棉籽饼粉水解液为有机氮源对L-谷氨酸发酵的影响

棉籽饼粉水解液作为廉价的有机氮源,在发酵领域中具有潜在的应用价值。对棉籽饼粉水解液和豆饼水解液中的氨基氮和氨基酸分析表明两种水解液的氨基氮含量分别为16.38 g/L和19.11 g/L,总氨基酸含量分别为97.78 g/L和91.59 g/L,两者营养成分接近。以L-谷氨酸发酵为例,考察了棉籽饼粉水解液和豆饼水解液作为有机氮源对谷氨酸温度敏感突变株强制发酵和生物素亚适量谷氨酸发酵工艺的影响。结果表明,在相同的发酵工艺下,分别以棉籽饼粉水解液和豆饼水解液作为有机氮源,最终得到的生物量以及L-谷氨酸产量相当。因此,棉籽饼粉水解液可以作为一种新型的有机氮源应用于发酵行业中,具有广阔的工业应用前景。     

冬枣水分高光谱快速反演模型研究

冬枣的水分是冬枣分级的重要指标,为了提高检测效率,需要做到快速大批量检测。但是传统的高光谱反演模型研究都在暗箱中进行,并不能做到大批量和快速检测。文章对南疆十一团的冬枣所采取的光谱进行了平场校正,提取5×5感兴趣区域,使用了4种光谱预处理方法和2种波长算法使用偏最小二乘回归(PLSR)建立最优模型。模型的校正标准偏差(RMSEC)为1.0683 (g/100 g),预测标准偏差(RMSEP)1.0805 (g/100 g),校正决定系数(RC2)为0.8013,预测决定系数(Rp2)为0.8053,RPD为2.3346,相关系数(r)为0.9156。将所建立的最优模型应用到冬枣的每一个像素点,利用伪彩色编码技术进行假彩色合成。将冬枣表面的水分差异通过不同的颜色表示出来,能够有效地对南疆冬枣的水分进行快速无损检测。     

近红外分析技术快速检测白酒基酒中的总酯含量

采用近红外光谱分析技术,对基酒总酯进行无损检测研究。利用近红外光谱仪采集基酒样品在4000～10000 cm~(-1)波段内的光谱数据,首先对光谱数据进行一阶导数预处理,然后采用Si-PLS组合间隔偏最小二乘法优选特征波长,最后运用PLS偏最小二乘法建立基酒总酯模型。该模型校正集的决定系数R_C~2为0.95,校正集的均方根误差RMSEC为0.17;预测集的决定系数R_P~2为0.93、预测集的均方根误差RMSEP为0.19。与全波段光谱模型相比,该模型预测能力更强,稳定性更优。     

基于高光谱技术检测小麦粉灰分含量

目的 基于高光谱技术实现对小麦粉灰分含量的准确检测。方法 利用高光谱成像技术采集小麦粉的光谱数据,建立基于偏最小二乘法(partial least squares regression,PLSR)和深度极限学习机(deep extreme learning machines,DELM)的小麦粉灰分含量预测模型;通过分析3种预处理算法和4种波长选择算法,分别选出最佳的预处理与波长选择方法,最后构建基于特征波段光谱信息的预测模型,并对结果进行比较。结果 标准正态变量校正(standard normal variable,SNV)为最佳预处理方法;连续投影算法(successive projections algorithm,SPA)相较于随机森林(random forest,RF)、无信息变量消除(uninformative variable elimination,UVE)和遗传算法(genetic algorithm,GA)选择特征波长的模型更优;DELM模型更适用于灰分含量的检测,最优模型的测试集决定系数为0.968,预测集均方根误差为0.024。结论 高光谱成像技术可以快速、精准的...     

基于高光谱技术的红茶茶多酚可视化研究

目的 利用高光谱技术实现对英红九号红茶茶多酚含量的快速无损、可视化检测。方法 采集128个红茶光谱数据并进行光谱预处理后,引入蒙特卡罗-高斯分布方法寻找异常样本。经两次异常样本剔除,各模型预测集决定系数r²均有0.2～0.4的大幅提升。为解决大样本模型训练时间长、数据冗余问题,采用连续投影算法进行波长筛选,共得到14个能反映红茶茶多酚含量的特征波长,并比较了最小二乘回归、支持向量机回归、BP神经网路、粒子群优化最小二乘支持向量机回归(particle swarm optimization least squares support vector regression, PSO-LSSVR) 4种模型预测红茶茶多酚含量的精度。最后以最优模型建立茶多酚可视化模型。结果 合理剔除样本并以光谱特征为输入,结合PSO-LSSVR方法建立的模型效果最佳,其校正集决定系数为0.921,预测集决定系数为0.903,预测精度达到了90%以上,基本实现了茶多酚含量可视化检测。结论 可视化算法有效地反映了红茶茶多酚分布情况,适用于茶叶快速无损检测。     

基于NIR高光谱成像技术的滩羊肉内部品质无损检测

利用近红外高光谱成像技术对滩羊肉蛋白质和脂肪含量、pH值进行无损检测研究。通过高光谱系统(900~1700 nm)采集69个羊肉样本信息,先对全波段下的原始光谱和预处理后光谱建立偏最小二乘回归(PLSR)模型,对比优选出最佳预处理算法,后采用PLSR的加权β系数法提取特征波长,建立特征波长下各品质参数的PLSR模型,分析预测效果。结果表明:羊肉蛋白质、脂肪含量、pH值最佳预处理方法为基线校准(Baseline)、多元散射校正与S-G卷积平滑结合算法(MSC+SG)和原始光谱;利用特征波长建立预测模型,决定系数(RP2)分别为0.83、0.86和0.72,预测均方根误差(RMSEP)为0.57、0.09和0.12,可替代全波段建模。利用近红外高光谱成像技术对羊肉内部品质进行快速无损检测是可行的。     

近红外光谱结合连续投影算法检测综纤维素含量

为了简化模型并实现制浆材综纤维素含量近红外光谱法的快速准确检测,以连续投影算法（SPA）筛选出有效波长组合进行了建模实验研究和分析。选择5种制浆材原料共82个样品,测量其综纤维素含量及光谱数据,经蒙特卡罗交叉验证法剔除异常样品后,剩余样品按2∶1划分为校正集和预测集。校正集先以多元散射校正（MSC）方法预处理,再利用SPA选择波长结合偏最小二乘（PLS）回归建立了综纤维素含量的近红外分析模型,并与相关系数法、竞争性重加权自适应选择（CARS）算法所选波长的建模及预测效果进行了比较。结果表明,SPA算法选择出25个波长能充分表征全谱图中的综纤维素含量信息,预测精度最高,预测均方根误差（RMSEP）和预测决定系数（R2p）分别为0.8306和0.9801,满足工业应用精度需求。     

蜂蜜中还原糖组分的近红外光谱应用研究

为探索快速测定还原糖含量的方法,提出了用傅立叶变换近红外光谱技术结合偏最小二乘法(PLS)建立近红外光谱与蜂蜜还原糖含量的数学模型并进行预测。通过光谱扫描还原糖含量在61.3%～75.22%范围的蜂蜜样本,选择11992.1～7494.6cm-1波数范围、二阶导数、及10个因子数进行光谱预处理,偏最小二乘法(PLS)交叉验证。结果表明,模型的校正决定系数(Rcal)、校正均方差(RMSEE)、交叉验证决定系数(RCV)、交叉验证均方差(RMSECV)分别为99.71%、0.27%、98.44%、0.45%。用该模型对验证集样本进行预测并统计分析,表明预测值与测定值无显著差异。因此,用该方法快速准确定量分析大批蜂蜜中的还原糖含量具有重要意义。     

基于近红外漫反射技术的大米脂肪含量的研究

利用大米脂肪含量化学分析值及其近红外漫反射光谱建立分析大米中脂肪含量的数学模型.运用OPUS5.0定量分析软件优化,采用偏最小二乘法(PLS)算法,得到最佳光谱预处理方法为乘法散射校正法(MSC),选取11 998.9～4 246.5cm-1为最佳谱区,最佳主成分维数为8.由此参数进行内部交叉检验,建立校正模型,交叉验证决定系数(R2)为0.998 1,交叉验证误差(RMSECV)为0.0191;外部验证决定系数(R2)为0.988 9,预测误差(RMSEP)为0.024 1,证明了利用近红外光谱技术测定稻米脂肪含量的可行性.