共查询到19条相似文献，搜索用时 234 毫秒
1.
基于近红外光声光谱的土壤有机质含量定量建模方法 总被引：13，自引：7，他引：6
该研究的目的在于应用近红外光声光谱技术结合不同的定量分析方法实现5种不同类型土壤有机质含量的快速估测。对中国中、东部地区5种不同类型土壤风干样本进行光谱扫描,经过多元散射校正、一阶导数、二阶导数及平滑等预处理后,应用逐步多元回归(SMLR)、主成分分析(PCR)、偏最小二乘法(PLS)和偏最小二乘法-反向传播神经网络(PLS-BPNN)等方法建立土壤有机质含量的定量估测模型。结果显示,不同预处理方法对所建土壤有机质含量估测模型的预测精度有较大影响,总体表现为多元散射校正+Norris一阶导数>多元散射校正>Norris一阶导数>标准正态化>Norris二阶导数>吸光度>Savitzky-Golay平滑后一阶导数>Savitzky-Golay平滑后二阶导数。对于4种不同建模方法,均以多元散射校正+Norris一阶导数滤波平滑后的光谱建模精度最高,其中采用PLS-BPNN方法建模效果最好,其次是PLS、SMLR和PCR。采用PLS-BPNN建立有机质校正模型具有极高的预测精度,建模决定系数和均方根偏差分别为0.97和1.88,模型测试决定系数和均方根偏差分别为0.97和1.72。因此,基于多元散射校正+Norris一阶导数光谱建立的PLS-BPNN模型可能是土壤有机质含量估测建模的最优方法。 相似文献
2.
特征波长筛选在近红外光谱测定梨硬度中的应用 总被引：1，自引：0，他引：1
为了提高应用近红外光谱分析技术快速测定梨硬度的精度和稳定性,该研究采用联合区间偏最小二乘和遗传算法（siPLS-GA）在校正模型中用来筛选特征光谱区域和波长,通过交互验证法确定模型的主成分因子数和筛选的波长,并以预测均方根误差（RMSEP）和相关系数（Rp）作为模型的评价标准。基于siPLS-GA的最优模型包含4个光谱区、96个变量和10个主成分因子。该模型结果显示：最佳预测模型相关系数（Rp）和RMSEP分别为0.9083和0.5573。研究结果表明,近红外光谱技术结合siPLS-GA建模用于无损、快速测定梨的硬度是可行的。 相似文献
3.
基于近红外光谱技术的茶油原产地快速鉴别 总被引：2，自引：3，他引：2
为研究茶油原产地溯源问题,维护其市场秩序,促进公平竞争。该文利用近红外光谱技术采集湖南、江西、安徽和浙江4个不同产地茶油的光谱数据,并运用 Savitzky-Golay 平滑（savitzky-golay, SG）、多元散射校正（multiplicative scatter correction, MSC）、一阶导数（first derivation, FD）和矢量归一化（vector normalization, VN）等4种方法对其进行预处理。采用偏最小二乘法（partial least squares, PLS）提取最佳主成分,构建 PLS 回归模型;同时,采用主成分分析（principal component analysis, PCA）和 PLS 算法提取最佳主成分,作为 BP 人工神经网络（BP artificial neural network, BPANN）输入变量,构建 PCA-BPANN 和 PLS-BPANN 模型。以验证集相关系数 RP 和验证集均方根误差 RMSEP 为模型的评价指标,分别优选最佳 PLS 和 BPANN 模型。试验结果表明,SG-PLS-DA 和 SG-PLS-BPANN-DA 模型对未知样本的整体分类准确率均大于90%。其中,SG-PLS-BPANN-DA 的鉴别效果优于前者,其建模集相关系数 RC、均方根误差 RMSEC 分别为0.974、0.170,验证集相关系数 RP、均方根误差 RMSEP 分别为0.972、0.172,对上述两类样本集的总体分类准确率分别为98.15%、95.83%,该模型能较准确鉴别茶油原产地。研究结果可为快速辨别茶油原产地提供参考。 相似文献
4.
柑桔黄龙病近红外光谱无损检测 总被引：3，自引：1，他引：2
为探讨快速无损检测柑桔黄龙病的可行性,应用近红外光谱技术结合机器学习方法进行研究。在4000~9000cm-1光谱范围内,采集黄龙病、缺素和健康3类叶片样本的近红外光谱。采用一阶导数、平滑和多元散色校正组合的光谱预处理方法,消除光谱的基线漂移和散射效应。分别对偏最小二乘判别模型(PLS-DA)的主成分因子数和最小二乘支持向量机(LS-SVM)的输入变量数量、核函数类型及其参数进行了优化,建立了PLS-DA和LS-SVM模型。采用预测集样本,评价模型的预测能力,经比较,采用11个主成分得分向量为输入、线性核函数和惩罚因子为2.25的LS-SVM模型预测效果最佳,模型误判率为0。结果表明采用近红外光谱技术结合最小二乘支持向量机进行柑桔黄龙病无损检测是可行的。 相似文献
5.
基于可见-近红外光谱识别氧乐果污染的脐橙 总被引：7，自引：1，他引：6
该文对喷施过不同浓度氧乐果农药的脐橙样品采集可见-近红外光谱进行识别。采用多元散射校正（MSC）、标准正交变量变换（SNV）、一阶导数（FD）和二阶导数（SD）4种不同光谱预处理方法时,分别选取430～1 000、1 000～1 800和430～1 800 nm 3种波谱范围建立偏最小二乘法（PLS）农药污染预测模型。比较实验结果表明：波谱范围取430～1 000 nm,采用一阶导数的预处理方法时应用建立的PLS预测模型最优,其验证组脐橙表面氧乐果污染程度的实际类别与预测类别的相关系数Rpred为0.9817,预测样本均方根误差RMSEP是0.1564。 相似文献
6.
基于高光谱图像光谱与纹理信息的枸杞多糖及总糖含量检测 总被引：1，自引：0，他引：1
为利用高光谱图像技术实现枸杞多糖及总糖含量的快速无损检测,采用主成分分析对原始高光谱图像进行处理,选取前3个主成分图像,根据其在全波段下的权重系数选取5个特征波长并提取对应图像的平均光谱值,提取主成分图像及特征波长图像的纹理特征,利用偏最小二乘回归分别建立基于不同特征参量的预测模型。结果表明,单独利用特征光谱或图像数据,预测结果不理想;将特征光谱与纹理数据组合后,预测模型的校正集结果明显提高,但预测集结果偏低。因此,为提高预测结果准确性,对所有特征按照与两指标的相关程度进行筛选,优化后特征构建的检测模型具有最佳预测结果:R_(C(多糖))~2=0.9604,R_(P(多糖))~2=0.8961;R_(C(总糖))~2=0.9657,R_(P(总糖))~2=0.8670。由此可见,基于高光谱图像光谱与纹理信息检测枸杞多糖和总糖含量是可行的,根据相关系数筛选最适宜的特征提高了模型的预测性能,同时减少了计算的复杂性。本研究结果为枸杞整体品质的快速无损检测提供了重要参考。 相似文献
7.
羊肉色泽傅立叶变换近红外光谱定量分析方法研究 总被引：3，自引：0，他引：3
以从北京市、山西大同市、宁夏吴忠市3个地区筛选的有代表性的227份羊肉样品为试材,应用傅里叶变换近红外光谱技术探讨羊肉色泽无损检测的方法。以决定系数(R2)、校正标准差(RMSECV)和预测标准差(RMSEP)为近红外光谱检测模型的评价指标,采用偏最小二乘法(PLS)对近红外光谱信息与样品的色差e值进行拟合,确定最佳的光谱预处理方法、主成分数和光谱区间范围。结果表明:所选227个羊肉样品的色差e值分布范围为1.556～9.879,其中80%以上的样品e值在1～5之间,具有显著的代表性;在11995.5～4597.6cm-1的波段范围内,最佳主成分数为6时,近红外光谱经最大最小归一法处理后,建立的羊肉色泽预测模型精度最高,R2达到0.776,RMSECV为0.451;用此模型对预测集48个样品进行预测,预测值与实测值的相关系数(R)为0.835,RMSEP为0.517,该研究表明利用近红外光谱技术检测羊肉色泽可行。 相似文献
8.
基于小波去噪与SVR的小麦冠层含氮率高光谱测定 总被引：4，自引：1，他引：3
为改进小麦冠层含氮率的高光谱测定模型,以正交试验筛选出小波去噪的最优参数组合（小波类型取haar,分解层数为5,阈值方案选择Fixed form threshold,噪声结构定为Unscaled white noise）,并利用去噪后的小麦冠层光谱建立偏最小二乘回归（PLS）模型,对不同预处理方法进行比较分析。发现采用小波去噪结合一阶导数能最有效消除原始光谱的背景信息,此时PLS模型校正集均方根误差（RMSEC）为0.260,预测集均方根误差（RMSEP）为0.288。对经一阶导数结合小波去噪后的光谱用主成分分析（PCA）进行降维,以前6个主成份为输入变量,建立最小二乘支撑向量机回归模型（LS-SVR）,其RMSEC与RMSEP分别为0.154与0.259,具有比PLS模型更高的精度。结果表明：以小波去噪结合一阶导数去除小麦冠层反射光谱中的土壤背景信息以提高模型的精度是可行的,且LS-SVR是建模的优选方法。 相似文献
9.
基于近红外光谱技术的淡水鱼品种快速鉴别 总被引：5，自引：1，他引：4
为探索淡水鱼品种的快速鉴别方法,该文应用近红外光谱分析技术,结合化学计量学方法,对7种淡水鱼品种的判别分类进行了研究。采集了青、草、鲢、鳙、鲤、鲫、鲂等7种淡水鱼,共665个鱼肉样品的近红外光谱数据,经过多元散射校正(multiplicative scatter correction,MSC)、正交信号校正(orthogonal signal correction,OSC)、数据标准化(standardization,S)等20种方法预处理,在1 000~1 799 nm范围内分别采用偏最小二乘法(partial least square,PLS)、主成分分析(principal component analysis,PCA)和BP人工神经网络技术(back propagation artificial neural network,BP-ANN)、偏最小二乘法和BP人工神经网络技术对7种淡水鱼原始光谱数据进行了鉴别分析。结果表明,近红外光谱数据,结合主成分分析和BP人工神经网络技术建立的淡水鱼品种鉴别模型最优,模型的鉴别准确率达96.4%,对未知样本的鉴别准确率达95.5%。模型具有较好的鉴别能力,采用该方法能较为准确、快速地鉴别出淡水鱼的品种。 相似文献
10.
为了探讨线性渐变分光近红外光谱仪在水果内部品质无损快速检测方面应用的可行性及其光谱学机理,本文以基于线性渐变分光近红外光谱仪所采集的苹果光谱数据为自变量,以苹果可溶性固形物含量为因变量,采用偏最小二乘回归结合全交互验证算法,分别对全谱、一倍频、二倍频、三倍频、一二倍频、一三倍频、二三倍频共7个谱区建立校正模型并根据模型准确度选择优化谱区。对优化谱区采用平滑、标准正态变量变换、多元散射校正、一阶导数进行光谱数据预处理优化。最后采用外部验证集对优化预处理的模型进行预测准确度评价。结果显示,基于一二倍频区的校正模型准确度较其他谱区最高,其校正测定系数、校正均方根误差、交互验证测定系数、交互验证均方根误差分别为0.753 9、 0.93、 0.745 9、0.95;在此基础上,多元散射校正预处理后所建模型准确度更高,模型校正测定系数、校正均方根误差、交互验证测定系数、交互验证均方根误差分别为0.755 9、 0.92、 0.748 2、 0.94;外部验证集模型预测测定系数、预测均方根误差分别为0.683 4、 1.01。上述3个模型均通过F检验证明其可溶性固形物含量预测值与参考值之间具有显著的相关关系。结果表明,基于一二倍频区数据所建模型基本可以满足苹果可溶性固形物含量快速无损检测的需求,并可为基于线性渐变分光的便携式近红外光谱仪的应用提供一定的参考。 相似文献
11.
高光谱图像技术快速预测发酵醋醅总酸分布 总被引：2，自引：1，他引：1
固态发酵是镇江香醋生产的重要环节之一,直接决定着成品醋的风味和品质。但目前固态发酵的生产控制主要依赖人工经验,难以有效保障镇江香醋的品质。该文分析了总酸（total acid content,TAC）、pH值、含水率在不同阶段的变化规律;采用高光谱图像技术结合联合区间偏最小二乘法（synergy interval partial least squares,siPLS）快速预测固态发酵基质（醋醅）的TAC、pH值和含水率,其最佳模型的相关系数R分别为0.8316、0.9455和0.8503;同时利用主成分分析和逐步多元线性回归模型（stepwise multiple linear regression,SMLR）对醋醅高光谱图像进行分析,研究了总酸在醋醅中的分布情况,以此来快速判断醋醅发酵的均匀性。研究表明,利用高光谱图像技术快速预测醋醅的理化参数及其分布的方法是可行的,结果可为镇江香醋固态发酵的工艺控制提供基础数据和技术手段。 相似文献
12.
基于dbiPLS-SPA变量筛选的固态发酵湿度近红外光谱检测 总被引：2，自引：1，他引：1
为了提高基于近红外光谱技术的固态发酵关键过程参数——湿度快速检测的精度和稳定性,研究采用动态反向区间偏最小二乘（dbiPLS）法结合连续投影算法（SPA）进行最佳光谱子区间和特征组合变量的筛选,通过交互验证法确定偏最小二乘（PLS）模型的主成分因子数,并以预测均方根误差（RMSEP）和相关系数（Rp）作为模型的评价标准。试验结果显示,最佳dbiPLS-SPA模型筛选的组合变量个数为8,其RMSEP和Rp分别为1.1795%（质量分数）和0.9430。试验结果表明,dbiPLS-SPA是一个有效的波长组合变量筛选方法,可简化模型结构、增强模型精度和稳健性。 相似文献
13.
近红外光谱快速检测食用油必需脂肪酸 总被引：3，自引：0，他引：3
为了建立食用油必需脂肪酸快速检测的方法,该研究提出了基于近红外光谱技术检测食用油中α-亚麻酸和亚油酸含量的快速测定方法。对光谱信息分别采用偏最小二乘回归方法(PLS)和最小二乘支持向量机(LS-SVM)建立模型。比较了多种光谱预处理方法对模型预测能力的影响。结果表明对于亚油酸含量的预测,采用Savitzky-Golay平滑法结合多元散射校正(MSC)的光谱预处理所建立的LS-SVM模型最优。预测集的决定系数(R2)、预测均方根误差(RMSEP)和剩余预测偏差(RPD)分别达到了0.989,0.0161和9.4783。对于α-亚麻酸含量的预测,采用Savitzky-Golay平滑法结合标准正态变换(SNV)的光谱预处理所建立的LS-SVM模型最优。α-亚麻酸含量预测结果的R2、RMSEP和RPD为0.972,0.0036和6.0561,据此表明,应用近红外光谱技术能够检测食用油中α-亚麻酸和亚油酸的含量,为快速检测食用油的必需脂肪酸提供了参考。 相似文献
14.
为了预测鲜枣常温贮藏的保鲜期,确保鲜枣的品质要求及食用安全,应用近红外光谱建立了室温贮藏下鲜枣内部霉菌菌落总数变化的动力学模型。通过对几种数据预处理方法的比较及特征波数的选择,实现了鲜枣霉菌菌落总数变化的近红外模型的优选。结果表明:经过多元散射校正处理的鲜枣近红外光谱,应用多元线性回归方法建立的霉菌菌落总数模型预测能力较好,校正集相关系数为0.920,均方根误差为1.503,预测集相关系数为0.889,均方根误差为1.514。同时,将近红外光谱模型应用于霉菌菌落总数随贮藏时间变化的零级反应动力学模型中,得到模型的相关系数为0.981。根据近红外光谱吸光度值与贮藏时间的线性关系,当霉菌菌落总数初始值小于等于10cfu/g时,预测出鲜枣在室温下的保鲜期一般为8d。研究表明,结合动力学模型的近红外光谱技术可以作为一种无损、快速检测方法来检测鲜枣霉菌菌落总数变化。 相似文献
15.
Fourier transform infrared (FTIR) spectroscopy combined with chemometric multivariate methods was proposed to discriminate the type (unfermented and fermented) and predict the age of tuocha tea. Transmittance FTIR spectra ranging from 400 to 4000 cm(-1) of 80 fermented and 98 unfermented tea samples from Yunnan province of China were measured. Sample preparation involved finely grinding tea samples and formation of thin KBr disks (under 120 kg/cm(2) for 5 min). For data analysis, partial least-squares (PLS) discriminant analysis (PLSDA) was applied to discriminate unfermented and fermented teas. The sensitivity and specificity of PLSDA with first-derivative spectra were 93 and 96%, respectively. Multivariate calibration models were developed to predict the age of fermented and unfermented teas. Different options of data preprocessing and calibration models were investigated. Whereas linear PLS based on standard normal variate (SNV) spectra was adequate for modeling the age of unfermented tea samples (RMSEP = 1.47 months), a nonlinear back-propagation-artificial neutral network was required for calibrating the age of fermented tea (RMSEP = 1.67 months with second-derivative spectra). For type discrimination and calibration of tea age, SNV and derivative preprocessing played an important role in reducing the spectral variations caused by scattering effects and baseline shifts. 相似文献
16.
Degradation of green tea catechins in tea drinks 总被引：9，自引：0，他引：9
Green tea cateachins (GTC). namely (-) epicatechin (EC), (-) epicatechin gallate (ECG), (-) epigallocatechin (EGC), and (-) epigallocatechin gallate (EGCG), have been studied extensively for their wide-ranging biological activities. The goal of the present study was to examine the stability of GTC as a mixture under various processing conditions. The stability study demonstrated that GTC was stable in water at room temperature. When it was brewed at 98 degrees C for 7 h, longjing GTC degraded by 20%. When longjing GTC and pure EGCG were autoclaved at 120 degrees C for 20 min, the epimerization of EGCG to (-) gallocatechin gallate (GCG) was observed. The relatively high amount of GCG found in some tea drinks was most likely the epimerization product of EGCG during autoclaving. If other ingredients were absent, the GTC in aqueous solutions was pH-sensitive: the lower the pH, the more stable the GTC during storage. When it was added into commercially available soft drinks or sucrose solutions containing citric acid and ascorbic acid, longjing GTC exhibited varying stability irrespective of low pH value. This suggested that other ingredients used in production of tea drinks might interact with GTC and affect its stability. When canned and bottled tea drinks are produced, stored, and transported, the degradation of GTC must be taken into consideration. 相似文献
17.
Zhou YB Wan XC Shang YY Hu JW Shao L Chen W Li DX 《Journal of agricultural and food chemistry》2012,60(7):1619-1627
Metabolic profiles of broiler chickens were examined after the ingestion of green tea, tea polyphenols, and (-)-epigallocatechin-3-gallate (EGCG). Solid-phase extraction of serum and litters yielded free catechins and their metabolites, which were then identified and quantified by liquid chromatography-tandem mass spectrometry. In plasma samples, (-)-gallocatechin, (+)-catechin, and EGCG were detected in the green tea group; pyrogallol acid, (epi)catechin-O-sulfate, 4'-O-methyl-(epi)gallocatechin-O-glucuronide, and (epi)catechin-3'-O-glucuronide were detected in the tea polyphenols group; and EGCG, (-)-gallocatechin gallate (GCG), and 4'-O-methyl-(epi)gallocatechin-O-glucuronides were detected in the EGCG group. In litters, gallic acid, EGCG, GCG, and ECG were detected in the green tea and tea polyphenols groups; EGCG and ECG were detected in the EGCG group. The conjugated metabolites, 4'-O-methyl-(epi)gallocatechin-O-glucuronide, (epi)catechin-3'-glucuronide, and 4'-O-methyl-(epi)catechin-O-sulfate, were identified in the green tea group; 4'-O-methyl-(epi)catechin-O-sulfate and 4'-O-methyl-(epi)gallocatechin-O-sulfate were identified in the tea polyphenols group; only 4'-O-methyl-(epi)gallocatechin-O-sulfate was detected in the EGCG group. The excretion of tea catechins was 95.8, 87.7, and 97.7% for the green tea, tea polyphenols, and EGCG groups, respectively. 相似文献
18.
表面增强拉曼光谱检测脐橙果皮混合农药残留 总被引：2，自引：2，他引：2
为了研究果皮农药残留快速检测方法。该文以脐橙为例,混合农药(亚胺硫磷和乐果)为研究对象,选用银纳米线作为增强基底,利用共焦显微拉曼光谱仪对农药残留进行检测。通过表面增强拉曼光谱(surface enhanced Raman scattering,SERS)技术,采集脐橙表皮混合农药残留的SERS光谱。对混合农药定性分析,银纳米线对2种农药都有较好的增强效果。对采集的光谱进行预处理后,建立模型,进行定量分析,研究结果表明,经过二阶微分预处理后光谱数据结合偏最小二乘法(partial least squares,PLS)得到的模型预测效果最好,预测相关系数(R_p)为0.954,其预测均方根误差(root-mean-square prediction error,RMSEP)为4.822 mg/L。挑选两种农药特征峰的特征波段,混合农药中亚胺硫磷的特征波段经多元散射校正(multiplicative scatter correction,MSC)处理后,建模效果较好,其中R_p为0.898,RMSEP为6.621 mg/L;混合农药中乐果的特征波段经基线校正处理后,建模效果较好,其中R_p为0.911,RMSEP为7.369 mg/L。研究结果表明SERS技术是一种快速、可靠的检测混合农药残留的方法。 相似文献
19.
Kinetic study of the thermal stability of tea catechins in aqueous systems using a microwave reactor
Tea catechins may undergo complex reactions such as oxidation, polymerization, and epimerization during thermal processing. The thermal stability of tea catechins in an aqueous system, including degradation and epimerization reactions, was investigated using a microwave reactor. Reactions were controlled at high temperatures ranging from 100 to 165 degrees C with various durations up to 120 min. Three sources of tea catechins containing different levels of (-)-epigallocatechin gallate (EGCG), (-)-epicatechin gallate (ECG), and their epimers were studied. Kinetic models for the degradation/epimerization of tea catechins were developed and validated by the reactions at 145 degrees C. It was shown that the epimerization and degradation of tea catechins followed first-order reactions and the rate constants of reaction kinetics followed the Arrhenius equation. Values of the activation energy (E(a)) for the epimerization of EGCG from epi- to nonepi-structures, the epimerization of GCG from nonepi- to epi-structures, and the total degradation of EGCG and its epimer GCG were 117.6, 84.2, and 42.8 kJ/mol, respectively. For ECG and CG, the E(a) values were 119.3, 96.2, and 41.6 kJ/mol, respectively. The mathematical models may provide a useful prediction for the loss of tea catechins during any thermal processing. 相似文献