基于支持向量机算法的红外光谱技术在奶粉蛋白质含量快速检测中的应用

蛋白质是奶粉中重要的营养成分,实现对奶粉中蛋白质含量的快速、无损检测十分重要。文章采用近红外及中红外光谱技术检测了不同品种奶粉的蛋白质含量。采用最小二乘支持向量机对光谱透射率值和蛋白质值建模。模型在全波段对样本蛋白质含量预测得到了较好的结果,绝对系数(R2_p)达到0.9517,预测误差均方根(RMSEP)为0.520 201。预测结果要优于传统的偏最小二乘回归(PLS)的预测结果,说明红外光谱技术能够实现奶粉蛋白质含量的无损检测,且检测过程比传统化学检测方法简单,操作性强。文章同时还研究了分别基于中红外光谱范围和近红外光谱范围的建模。模型预测结果显示中红外光谱区域的建模效果要优于近红外光谱区域。该研究为今后奶粉蛋白质含量快速无损检测提供了新的方法。     

基于近红外的奶粉品质检测技术研究

奶粉种类繁多且检测的理化指标较多,为了进一步简化近红外光谱检测技术在奶粉生产过程中的应用步骤,文章首次提出了建立包含不同种类奶粉样品集的6个指标：酸度、脂肪、乳糖、蔗糖、蛋白和灰分的近红外模型,用于奶粉质量控制。该文采用全谱分析结合模型优化方法研究,分别建立了该混合奶粉样品集的6个指标的近红外模型。实验表明：除酸度外,该研究所建立混合奶粉的其他理化指标的近红外定标模型具有较好的稳定性和预测能力(RSD<10%,RPD>3)。因此该方法的提出可以简化近红外技术在奶粉定量分析中的步骤。     

近红外漫反射光谱无损检测乳粉蛋白质的研究

利用近红外漫反射光谱技术对奶粉蛋白质含量的快速无损检测进行了研究。挑选来自国内不同地区的29种奶粉,以化学分析值作参比,采用偏最小二乘回归算法建立奶粉光谱信息和蛋白质含量的定量模型,预测均方根差(RMSEP)为0.687%。采用波长选择对模型进行优化后,波长点从1 558个减为11个,大大加快了运算速度,同时还在一定程度上提高了模型的精度。为了减小颗粒大小不均匀和粒子表面非特异性散射的影响,对光谱数据进行了标准正态变量(SNV)变换和多元散射校正(MSC),结果表明这两种方法是有效的,得到RMSEP减小了约37%。研究结果表明,近红外漫反射光谱测定奶粉中蛋白质含量实时、快速,能满足工业过程分析中的测量精度要求,为提高奶粉质量分析水平提供了新的途径。     

微型近红外光纤光谱仪用于奶粉中蛋白质脂肪的定量检测研究

提出利用微型近红外光谱仪、结合Y型光纤探头,在900～1 700 nm范围内对奶粉中蛋白质、脂肪含量进行快速、无损检测的漫反射光谱检测方法。基于Unscrambler 9.7化学计量学软件,选择合适的光谱波段,通过PLS算法分别建立了蛋白质、脂肪的校正模型,得到蛋白质、脂肪校正模型的决定系数R2分别为0.987和0.986,均方根误差RMSC分别为0.385和0.419。利用所建模型对预测样本数据集进行预测验证,得到蛋白质的标准差SEP_Protein=0.768、脂肪的标准差SEP_Fat=1.109,表明所建模型具有较高的预测能力,已基本达到实用化要求。     

基于波段注意力卷积网络的近红外奶粉皮革水解蛋白掺假检测

近年来,深度学习技术在近红外光谱、拉曼光谱、荧光光谱等的光谱学数据建模上取得一系列突破。由于深度学习方法对于样本数量的需求高,而在分析化学领域获得大量有标签样本较为困难,因此过拟合问题一直是深度神经网络在化学计量学中应用时研究者高度关注的问题。该工作提出基于波段注意力卷积网络(WA-CNN)的近红外数据建模方法,并应用于婴儿配方奶粉皮革水解蛋白(HLP)掺假定量分析。WA-CNN在传统卷积网络的基础上加入波段注意力模块,该模块采用卷积操作自训练波段注意力权值,并以乘法加权形式对有效波段进行激活,从而有效缓解深度神经网络在近红外数据建模中的波段信息冗余问题,达到抑制过拟合,提升预测精度的目的。研究中共测试100个皮革水解蛋白掺假婴儿配方奶粉样本的近红外光谱数据,其中皮革水解蛋白的掺假比例范围是0%～20%。采用60%的样本训练,剩余40%样本测试,随机采样10次,通过测试集均方根误差(RMSEP)、决定系数(R²)以及相对分析误差(RPD)的均值来进行模型评价。并建立偏最小二乘回归(PLS)、支持向量机回归(SVR)和常规的一维卷积神经网络(CNN)三种传统模型用于...     

扫描次数对番茄叶漫反射光谱和模型精度的影响研究

近红外光谱分析技术因其诸多优点成为近年来发展最快的定量和定性分析技术之一,它是依据有机分子中的含氢基团(C—H, O—H, N—H)振动的合频与各级倍频的吸收获得信息。但是,近红外光谱易受到光谱仪的工作状态和扫描时各种参数的设置,如波长的准确性、仪器的分辨率、噪声、扫描次数、样品粒度的均匀性等的影响。为了给建立实际模型时选择最佳的测量条件提供依据,文章以番茄叶为研究对象,分析了扫描次数对番茄叶漫反射光谱和叶绿素定量模型精度的影响。结果发现扫描次数对番茄叶漫反射光谱和模型精度有较大的影响。随着扫描次数的增加,近红外光谱的均方根噪声的方差值逐渐变小。扫描次数越多,光谱的质量较高,但是仪器产生的系统误差也会增大;扫描次数越少, 光谱的质量较差,但是光谱较为光滑,系统的误差较小。在128次扫描次数下,叶绿素定量模型的决定系数较高,但是模型不稳定。当扫描次数为32时,模型的决定系数较低,但该模型比较稳定,检测时间也较短。同时,不同扫描次数下所建模型都用于预测叶绿素含量,发现没有显著差异(α＝0.05)。在采集光谱建立模型时,应考虑综合因素选择合适的扫描次数。     

应用灰色系统模型提高仪器精度

文中介绍了灰色系统的原理及建模方法 ,并把它与测量仪器的使用结合起来 ,提出一种提高测量精度的新方法。实验结果证明了此方法的经济性和有效性。     

近红外光谱法同时测定鱼粉中脂肪,蛋白质和水份

本文使用近红外光谱分析法同时测定鱼粉中的蛋白质，脂肪和水份。本法简便，无污染。     

小波分解重建算法提高近红外煤质水分检测精度

水分是煤质经济价值的基本指标,会造成煤质利用率下降和能源浪费。因此,近红外光谱法实现煤质水分快速、无损、低成本检测具有重要意义。针对目前近红外煤质水分检测精度普遍在1%,且鲜有关于精度提高系统性研究的现状,从光谱预处理及波长选择进行比较,提出了提高煤质水分检测精度的可行性方法。实验结果表明,采用小波分解重建算法对1 300～2 400 nm光谱区间进行降噪及去基线预处理,对重建光谱进行偏最小二乘建模,其建模结果明显优于其他方法,RMSEC达到0.06%,RMSEP达到0.27%,相关性系数R-square达到0.995,且证明模型稳定性较好,显著提高了近红外煤质水分的检测精度。     

FTIR光谱法与奶粉的品质分析

采用傅里叶变换红外光谱法（FTIR）获得了11种奶粉产品的红外光谱。奶粉中的主要营养成分在红外光谱中具有明显的指纹特征。同一生产厂家不同品牌的奶粉,其脂肪、蛋白质和碳水化合物的相对比例在红外光谱上差异性较显著,不同厂家相同类别的奶粉既有一定的一致性,在添加辅料的类型和用量上又有所不同。奶粉中脂肪含量高的谱图在1747cm^-1附近的C-O吸收峰和2926cm^-1附近的CH2吸收峰很强;蛋白质高的奶粉所对应的酰胺Ⅰ带的C=O吸收峰（1650cm^-1）和酰胺Ⅱ带的N—H及C-N吸收峰（1540cm^-1）强度较大;奶粉中碳水化合物所对应的C-O伸缩振动峰和环的振动峰在1150～900cm^-1范围内较显著。麦芽糊精、蔗糖和乳糖这三种常用辅料同样具有明显的指纹特征。该方法可简便、快速、直观地评价奶粉品质的优劣。     

二维相关近红外谱结合NPLS-DA判别掺杂牛奶的研究

将二维相关近红外谱与多维偏最小二乘判别分析方法结合起来,建立了掺杂牛奶与纯牛奶的判别模型.分别配置掺杂尿素牛奶(1～20 g/L)和掺杂三聚氰胺牛奶(0.01～3 g/L)样品各40个,采集纯牛奶及掺杂牛奶样品的近红外光谱.在量化二维相关近红外同步谱的基础上,采用多维偏最小二乘判别分析法分别建立了掺杂尿素、掺杂三聚氰胺及两种掺杂牛奶与纯牛奶的判别模型对未知样品进行判别,其判别正确率分别为95％、90％和92.5％,并与偏最小二乘判别和隐变量正交投影判别建模方法进行了比较.结果表明:多维偏最小二乘判别分析法具有更强的预测能力可推广到其它食品的掺杂检测中.     

应用可见-近红外光谱技术快速无损鉴别婴幼儿奶粉品种

为了快速无损鉴别婴幼儿奶粉品种,提出了结合偏最小二乘(PLS)法和人工神经网络(ANN)综合预测婴幼儿奶粉品种的新方法。获取婴幼儿奶粉样本在400～1 000 nm波段的漫反射光谱,采取平均平滑法和多元散射校正(MSC)进行预处理,用PLS建立校正模型进行模式特征分析及主成分的提取。经过交互验证法判别,提取7个主成分作为神经网络的输入变量,奶粉的品种值作为输出,建立了三层BP神经网络。9个典型品种的婴幼儿奶粉各取样本30个,共计270个作为训练集。随机抽取的各个品种的10个样本,共90个作为预测检验样本,结果表明,90个未知样本的品种预测准确率为100％。说明提出的方法具有很好的分类和鉴别作用,为婴幼儿奶粉的品种快速无损鉴别提供了一种新方法。     

近红外光谱分析技术识别奶粉中淀粉掺假的研究

将蒙牛、伊利、完达山三个品牌的奶粉样品掺入不同量的淀粉构成32份实验样品。在跨度近两个月时间内,用JDSU微型近红外光谱仪,分五天重复5次采集这些样品的中波近红外漫反射光谱。采用仿生模式识别（BPR）算法对样品进行掺假识别定性分析,并研究了分析的可靠性与模型的稳健性。以90%作为评价分析结果（样品掺杂的正确识别率 CAR与正确拒识率 CRR）的阈值：将测试结果高于此阈值的所有样品中掺入淀粉的最低含量分别称为样品掺杂的正确识别限与正确拒识限。结果显示：三个品牌奶粉样品分别各自建模时,若用同一天测定的部分光谱数据建立模型,预测该天剩余光谱,样品掺杂的正确识别限与正确拒识限都可以达到0.1%。对于三种品牌奶粉合并后的纯奶粉及其淀粉掺杂样品混合建模时,若用同一天测定的光谱建模与测试,样品掺杂的正确识别限也可以达到0.1%,正确拒识限则为1%;若用不同时间采集的光谱进行交叉测试,正确识别限与正确拒识限都只有5%;若用四天的光谱数据联合建模,测试第五天的数据,正确识别限可以稳定达到1%,正确拒识限可以达到5%。应用两种算法对奶粉中淀粉含量进行定量分析比较,进一步验证了有关定性分析对样品掺杂正确识别限和正确拒识限的可靠性。     

荧光光谱结合支持向量机测定食用色素纯度

采用一种由原点矩法改造所得的特征压缩算法对荧光光谱数据进行预处理,将处理后的数据与加权最小二乘支持向量机(WLS-SVM)算法结合,建立鲁棒回归模型,用以预测实际食用色素粉末的纯度。以亮蓝和胭脂红这2种色素为例论述该方法对实际食用色素粉末纯度的预测效果。首先,利用FLS920荧光光谱仪测量获得两种色素的标准样本和实际样本在最佳激发波长下的荧光发射光谱数据,利用由原点矩法改造所得的特征压缩算法对获取的荧光光谱数据进行压缩和变换,一方面缩短了算法的运算时间,另一方面也提高了模型的预测精度。将预处理后的荧光光谱数据输入加权最小二乘支持向量机中建立浓度预测模型,该模型对亮蓝、胭脂红实际样本溶液给出的预测光谱与它们的实测光谱吻合程度好,半高峰宽区间内的平均决定系数分别为0.662和0.931。所有亮蓝、胭脂红溶液的预测浓度和标称浓度之间具有良好的线性关系,相关系数分别为0.997和0.992。由此通过多项式拟合得到的亮蓝、胭脂红粉末的预测纯度分别为61.0%和72.3%。     

FTIR结合SVR对三七总多糖含量快速预测

对中药进行快速质量控制,从整体层面反映中药的安全性与有效性具有重要意义。通过硫酸-苯酚显色反应测定三七总多糖含量,傅里叶变换红外光谱(FTIR)结合支持向量机回归(SVR)建立三七总多糖含量预测模型,以期为三七提供快速准确的质控方法。采集云南省12个产地60个三七样品的红外光谱,紫外分光光度法(UV-Vis)检测样品中总多糖含量。红外光谱经过二阶导数(2D)、正交信号校正(OSC)、小波变换(WT)和变量投影重要性(VIP)筛选等数据优化处理。SPXY算法将所有样本按2∶1的比例划分为训练集与预测集。训练集数据用于建立SVR预测模型,网格式搜索、遗传算法(GA)和粒子群优化算法(PSO)对SVR预测模型进行参数优化,预测集进一步对SVR模型的预测能力进行验证。结果显示：(1)葡萄糖标准品与三七总多糖在490 nm处存在最大共有吸收峰,490 nm可作为三七总多糖检测的定量波长;(2)文山丘北、曲靖师宗及红河蒙自等产地的三七总多糖含量较高,平均含量在25 mg·g-1以上;(3)分析3种参数优化模型的校正均方根误差(RMSEE)与预测均方根误差(RMSEP),与PSO优化模型相比,网格式搜索优化模型欠学习,GA优化模型过学习;(4)PSO-SVR模型对预测集数据预测效果最好,RMSEP=3.120 6,R2_pre=83.13%,预测值与紫外检测值接近。表明FTIR结合PSO-SVR模型能够对三七中总多糖含量进行快速准确的预测,为保证三七稳定、安全与有效用药提供数据。     

Prediction of States of Discrete Systems with Unknown Input of the Model Using Compensation

Russian Physics Journal - The problem of state prediction for linear dynamic systems with discrete time is considered in the presence of unknown input and inaccurately specified parameters in the...