基于近红外光谱技术乳制品品种快速无损鉴别

研究了使用近红外透射光谱法对四种乳制品品种进行快速鉴别的方法.首先对样品光谱进行多元散射校正等预处理,然后对处理后的光谱进行小波基为db3,分解尺度为6的小波压缩,最后以压缩后光谱数据作为输入变量,分别采用BP-ANN、RBF-ANN和SVM-ANN三种人工神经网络建立品种鉴别模型.结果显示,当光谱预处理方法为多元散射校正加S-G平滑加小波变换(MSC +S-G +WT)时,三种网络对样品的鉴别率均达到了100％.所以近红外光谱技术可以实现对乳制品品种的快速无损鉴别.     

不同产地苹果的近红外光谱分类识别法

以山东和陕西两地产的红富士苹果作为实验对象,提出了一种不同产地苹果的分类识别法。首先对苹果的近红外光谱数据进行小波软阈值预处理,去除噪声和冗余;再采用主成分分析法(Principle ComponentAnalysis,PCA)进行降维;然后应用Fisher判决(Fisher DiscriminantAnalysis,FDA)进一步提取特征;最后使用K_近邻法进行分类识别(K_near neighbor classification,KNN)。通过实验比较,本文提出的方法能很好地实现不同产地苹果无损、快速和准确分类识别,识别正确率达到97.5%。     

基于光纤光谱技术的农药残留快速检测实验研究

针对我国主要食品中广泛存在的化学性有害物残留,特别是农药残留带来的食品安全问题,研究一种适合于基层执法部门使用的性价比高的快速检测技术和方法,具有重要的意义。本文采用荷兰Avantes公司的微型光纤光谱仪,建立了一种基于光纤光谱技术的农药残留快速检测方法,进行了相关的实验研究,配制了毒死蜱、辛硫磷、甲基万虫净和甲基1605等标准农药溶液,绘制了UV/VIS/NR光谱图,并确定了最佳吸收波长,得出了四种农药的UV/VIS/NR吸收光谱图,观察了随农药浓度变化的吸收光谱,研究了四种农药的吸收峰。实验结果表明：采用光纤光谱技术进行农药残留快速检测,具有性价比高、操作简便、易于推广、分析速度快、可实现在线测量等优点,可适用于基层执法部门和执法人员进行农药残留的现场快速检测,具有广阔的应用前景。     

近红外光谱技术鉴别连翘产地

采用近红外光谱结合SIMCA模式识别方法鉴别五个不同产地的连翘.研究结果表明,在6700～5300cm-1波数范围内的光谱,通过SNV预处理方法后,利用SIMCA的模式识别方法分别为卢氏、栾川、洛宁、新安和山西安泽等五个产地连翘建立了模型.交叉验证的最佳主成分数分别为3,2,2,3,4.在α=5%的显著水平下,预测集的10个样品中只有1个被错判,表明该方法具有良好的鉴别分类功能.     

基于近红外光谱的化学品鉴别方法研究

化学品自动鉴别分类对于其安全监管十分重要,本文研究了利用近红外光谱检测技术实现化学品自动检测分类的方法。首先,在近红外光谱仪器及光源基础上,研究了几种常见化学品的光谱特征,然后,结合光谱特征提取与概率统计分析中的贝叶斯方法,研究自动鉴别分类方法,并通过验证了该方法自动分类鉴别准确性。本文所研究的方法为实现化学品的在线快速检测提供了参考,具有比较重要的应用价值。     

乐山茶叶的近红外光谱分类识别

以乐山产正品竹叶青、劣质竹叶青和峨眉山毛峰为研究对象,提出了一种基于近红外光谱的不同茶叶品种分类识别算法.该算法采用多元散射校正(Multiplicative Scatter Correction,MSC)对3种茶叶的近红外光谱数据进行预处理,最大限度地扣除光谱数据中的随机变异;再采用主成分分析算法(Principal Component Analysis,PCA)对预处理后的光谱数据进行降维,去除冗余;接下来进行线性判别分析(Linear Discriminant Analysis,LDA),进一步提取特征;最后采用K_近邻算法(K_Nearest Neighbor,KNN)对LDA结果的前两个特征进行分类,从而达到对茶叶进行定性分类的目的.实验结果表明,该算法能有效地对3种茶叶进行分类,正确识别率达到100％.本研究为不同品种茶叶的分类识别提供了一种新思路.     

近红外光谱分析技术的数据处理方法

介绍了近红外光谱分析技术原理及数据处理的重要意义,分析了光谱预处理的常用方法,最后比较了几种不同的光谱数据处理方法优缺点,总结了各自的应用进展.     

杂交稻种品系与真伪的可见-近红外光谱鉴别

提出了一种基于可见-近红外光谱技术快速、无损鉴别杂交稻种品系与真伪的新方法。采集了5种稻种的光谱数据,各获取32个样本,随机分成训练集(125份)和检验集(35份)。光谱经S.Golay平滑和标准归一化(SNV)处理后,以主成分分析法(PCA)降维。将降维所得的前9个主成分作为新变量。分别用模糊模式识别、BP-神经网络、Fisher多类线性判别以及Bayes多类逐步判别四种方法进行分析。对35个未知样的预测结果说明可见-近红外技术进行杂交稻种品系与真伪的快速、无损鉴别是可行的,且PCA结合Bayes多类逐步判别是一种优选方法。     

基子光谱差分吸收技术的农药残留检测研究

针对国内主要食品中广泛存在的农药残留带来的食品安全问题,研究一种方便快捷且成本适宜的检测技术,具有重要的意义。目前,已有相关实验将光谱吸收技术用于食品农药残留检测,但是,对于定量检测及测量精度方面该实验还存在一些不足。本文基于差分吸收技术,采用荷兰Avantes公司的微型光纤光谱仪以及分光光度计,进行了相关实验,实现了对敌敌畏水剂农药的定量测量,从而对基于光谱吸收技术的农药残留检测技术进行了完善,使其更加适合实际应用。     

基于太赫兹时域光谱技术的农药残留检测方法

太赫兹时域光谱(THz-TDS)技术是近年来涌现出来的崭新的光谱测量新技术.本研究提出了一种基于THz-TDS技术农药残留检测方法,并以灭多威和乙氧氟草醚两种农药作为实验介质证明此方法的可行性.应用太赫兹时域光谱系统测得了这两种农药的时域光谱信号,利用基于菲涅尔公式的数据处理模型得到了它们在THz波段的折射率谱和吸收系数谱.从实验结果可以看出两种农药在0.2~2.0THz范围内存在明显的特征吸收峰,且差别很大.经分析认为这些吸收峰是由分子的集体振动模式以及分子间相互作用引起,它们是农药分子的指纹吸收光谱,可以应用于分子识别中.本研究证明了THz-TDS技术应用于农药残留检测的可行性,表明其在农药残留检测中具有潜在的应用价值.     

基于电源线和位置指纹的室内定位技术

该文提出将室内环境不可或缺的电源线作为天线,通过在电源线上注入宽带高频信号构造室内空间的位置指纹,进而实现室内空间精确定位。首先介绍了电源线上宽带高频信号注入模块的实现技术,以及室内空间位置指纹的构造方法;其次,介绍了基于朴素贝叶斯分类算法的室内定位原理;最后,通过实验分析证明在多训练样本情况下,基于朴素贝叶斯分类算法的定位算法比基于K最邻近点(KNN)分类算法的定位算法有更好的定位准确率和时间迁移适应能力。     

小波分析及其在土壤成分的近红外分析中的应用

用近红外光谱(NIR)对秦皇岛市昌黎地区土壤的有机质和氮含量进行了分析．光谱的预处理方法分别采用一阶微分和二阶微分,然后采用多元线性回归,以确定最佳维数．在数据处理过程中,对微分光谱数据进行了小波去噪处理,使信噪比得到了增加,从而使分析精度得到了改善．结果表明,近红外光谱分析技术与化学分析方法有很大的相关性。     

基于LOCAL算法的秸秆水分和热值的近红外光谱快速分析

水分和热值是与秸秆能源转化利用相关的重要特性指标,采用近红外光谱技术结合LOCAL算法来予测秸杆水份和热值.首先将样品分别按水分含量和热值大小均分为高、中、低三个子集分段建模,结果高、中、低含量样品建立的模型的交互验证标准差(SECV)几乎都小于全部样品模型的SECV,表明了秸秆水分和热值变幅对近红外光谱模型的预测精度有较大的影响.针对化学值变幅对模型精度的影响,引入LOCAL算法实现近红外光谱技术预测,快速分析测定秸秆的水分和热值.研究结果表明,LOCAL算法为每个预测样品选择合理的定标集,与常规的PLS和MPLS模型相比,有效提高了近红外光谱技术预测精度,在秸秆近红外光谱定量分析中有着广阔的应用前景.     

基于小波分析及KNN的民族文字分类方法

提出一种基于小波分析的少数民族文字文字分类识别方法.该方法采用多辨识小波分解,从而获得小波能量和小波能量比例分布的特征描述,结合少数民族文字文本图片的纹理特征,选择加权KNN分类器.实验证明:该识别方法对藏文、西双版纳傣文、纳西象形文、维吾尔文、德宏傣文和彝文6种常用的少数民族文字及汉字、英语共8种文字的分类测试达到96%的识别效果.     

一种基于维度加权盲K近邻算法的数字预失真技术

传统的数字预失真(DPD)模型通常在所有的输入信号功率上采用单一多项式模型和单一记忆深度对功率放大器(PA)进行线性化矫正。然而,功率放大器在不同的功率水平下会呈现出不同的非线性特性,并产生不同的记忆效应。针对这一问题,该文提出一种基于维度加权盲K近邻(KNN)算法的数字预失真模型,所提模型根据功放当前输入信号以及记忆输入信号的幅度进行维度加权的KNN分类,组成维度加权盲KNN记忆多项式(WKMP)模型,并为每一类输入信号序列建立子模型。所提方法用Doherty功率放大器进行实验验证,使用带宽为30 MHz、频点为2.2 GHz的3载波长期演进(LTE)信号作为输入,反馈端使用122.88 MHz的采样率进行采样。实验结果表明,所提维度加权盲KNN分类方法与记忆多项式(MP)模型结合时,功放正向建模效果和数字预失真效果均超过了广义记忆多项式(GMP)模型,并远超记忆多项式模型的效果,实验结果验证了所提模型的优良性能。     

基于联合分布适配的水下声源测距算法研究

水下声源被动测距基于接收数据中声源辐射的声压信号,通过特定方法在空域中搜索声源位置参数,是一个参数估计问题。对于参数估计问题,机器学习方法通常将其转化为分类问题,相比于传统匹配场处理(MFP)具有更准确的估计能力,并且无需先验的声场环境信息。但当训练数据和测试数据的概率密度函数服从不同的分布或者训练数据严重不足时,传统机器学习方法下的分类器预测效果通常较差。因此,该文提出基于联合分布适配(JDA)的水下声源测距算法,该算法使用JDA寻找恰当的变换矩阵进行数据映射,从而减小不同数据域间分布差异,实现源域到目标域的迁移。对经过JDA后数据进行实验的结果表明,JDA可以有效降低在不同时间和不同方位的水声场中获取航迹数据之间的差异,使得基于源域训练的分类器对目标域预测结果的均方根误差(RMSE)和平均绝对误差(MAE)降低了超过30%,从而实现对声源更准确的距离估计。     

近红外光谱技术在纺织布料聚类分析中的应用

以棉涤、棉氨、粘涤、棉锦、羊腈、锦涤六种纺织布料为研究对象,采集近红外光谱数据,进行一阶求导和矢量归一化预处理后,采用标准算法计算样品间的光谱距离,并利用Ward氏算法对样品进行聚类分析.试验对三种、四种、五种布料分别进行了聚类,所有不同种类的样品都得到了正确的分类,验证了近红外光谱检测法应用于纺织品聚类分析中的可行性.通过对聚类算法的分析,提出了局部回归算法在纺织品聚类分析中的应用,为进一步研究近红外光谱技术在纺织布料聚类分析中的应用提供了建议.     

RBF模糊神经网络用于NIR鉴别羊绒和羊毛的可行性研究

为了实现羊绒、羊毛纤维的快速、无损检测,建立了羊绒、羊毛近红外光谱数据库,包括228组各地羊绒、羊毛数据,并应用于羊绒、羊毛的定性检测上。首先介绍了羊绒、羊毛近红外光谱检测的数据库建立过程;然后,在对羊绒、羊毛原始近红外光谱进行预处理的基础上,对数据进行主成分分析,选出12种主成分,并结合改进的RBF模糊神经网络,建立羊绒、羊毛检测模型。通过与主成分分析-马氏距离建模方法的对比分析实验表明,建立近红外光谱数据库,并结合主成分分析和改进的RBF模糊神经网络的方法是一种有效的无损检测羊绒、羊毛的方法,可快速建立高精度的羊绒、羊毛纤维检测模型。     

采用虚拟仪器的近红外无损液体识别电子舌设计

为了能够在不对样品本身产生污染的前提下,对液体样品中的目标成分进行高效、准确的检测,本文基于Labview虚拟仪器和近红外光谱吸收技术,设计并完成了一套电子舌系统。该电子舌系统由近红外激光发射模块,样品池模块,探测器模块和基于LabVIEW虚拟仪器的上位机模块四个主要部分组成。 PCA( Principal Component Analysis,主成分分析)算法和BP( Back Propagation,反向传播)神经网络通过LabVIEW虚拟仪器所提供的MATLAB Script节点,被集成到上位机软件中,并被用来对采集到的数据进行分析。在实际测试中,该电子舌被用来对盐酸、氨水和乙醇溶液进行检测,测试结果表明该电子舌系统能够对检测对象的种类进行准确的区分,且能够在保证较高精度的前提下定量检测出液体中目标成分的浓度。总的说来,该电子舌能够较好的满足设计需求,运行稳定可靠,检测速度快,识别准确度高。     

基于BP神经网络的啤酒酒精度近红外光谱快速检测

以啤酒酒精度的快速测定为研究对象,采用误差反向传播算法(Back-Propagation,BP),结合主成分分析(PCA),构造了三层的神经网络结构,建立了PCA-BP神经网络模型,达到满意的预测精度,结果表明:使用BP神经网络方法后,验证集预测均方差、平均相对误差和回收率范围分别为0.114、1.131%和97.91%-104.59%,其效果优于PLS模型.