水果采收期的成熟度决定了其最终食用品质, 选择果实最佳的采收期是提高水果品质的关键措施之一。 可见-近红外光谱技术以其快速、 无损的检测特点, 适合用于水果的成熟度、 采收期检测。 由于采收期果实品质差异大, 传统化学计量学方法需进行复杂的光谱预处理, 模型难以满足不同的季节、 果园等需求。 提出了一种基于全卷积神经网络（CNNs）的黄花梨采收期可见-近红外光谱（Vis-NIR）检测方法, 利用卷积神经网络进行光谱特征信息提取, 采用误差反向传播算法结合随机梯度下降法进行层与层之间的连接权重调节, 输出多采收期的Logistic回归结果, 实现了黄花梨采收期的端到端检测。 设计了包含1个输入层、 2个卷积层、 1个池化层和1个Softmax输出层等5层的一维全卷积神经网络, 采用交叉熵为损失函数, 增加L2正则项以防止模型的过拟合, 无光谱预处理, 对比分析了此方法与PLSDA方法的建模结果。 试验采集了两个年度黄花梨样品共450个, 其中, 第一年度的300个组成训练集, 90个样本组成测试集1, 第二年度的60个样本组成测试集2。 实验结果表明, 当测试集样品与训练集来自相同年份时, PLSDA和CNNs模型对测试样品集采收期正确识别率均为100%, 当测试集样品来自不同年份时, 测试集样品采收期的正确识别率分别降为41.67%和88.33%, 相关系数、 互信息计算模型的回归系数表明, CNNs模型充分利用了样品全波段信息。 可见, CNNs方法通过迭代对卷积核进行优化, 实现了更灵活的光谱预处理, 可降低模型训练难度, 所建模型有较好的可解释性和泛化能力, 该方法对建立稳健的水果采收期可见-近红外光谱检测模型有一定的参考价值, 有利于实现水果精细化的分期、 分批采收。

提出了特征矩阵联合对角化(JADE)结合超限学习机(ELM)的稳健建模方法, 并应用于砂梨成熟度的鉴别。砂梨近红外光谱是多种独立化合物光谱信号的随机线性混合, 首先采用多元散射校正和小波变换去除原始光谱噪声, 再利用 JADE提取独立光谱, 得到包含独立化合物浓度信息的混合矩阵; 随后使用 ELM算法, 通过调节隐层节点个数建立稳健性强的成熟度鉴别模型。JADE利用高阶累积量全面提取原始光谱的幅值、相位信息, 降低不同化合物之间的光谱干扰, 而 ELM隐层节点参数随机生成, 两者的有机结合可使所建模型稳健性强, 有利于模型的传递与共享。该方法应用于砂梨 4种不同成熟度的鉴别, 所建模型预测准确率为 96.67%。

提出了一种可克服背景光对田间光谱测量影响的方法。 采集田间水果光谱时, 环境背景光的干扰强, 难以获取样品有效光谱信息。 在田间采用套袋方式遮挡现场光线能得到较理想的结果, 但检测效率低, 仪器暗场校正和参考光谱校正等方法有利于减小模型误差, 但不能有效消除环境光照的干扰。 通过在测量探头前加装快门, 打开快门时测得样品在仪器光源和背景光共同作用下的现场光谱, 关闭快门时测得样品仅在现场环境光线作用下的背景光谱, 将背景光谱从现场光谱中扣除进行背景光校正。 利用偏最二乘法建立田间(背景光校正前、 后)以及室内样品光谱建立黄花梨糖度预测模型, 预测值与真实值的相关系数分别为0.1, 0.69, 0.92, 均方根误差分别为0.89°Brix, 0.42°Brix, 0.27°Brix, 预测集的RPD分别为0.79, 1.69, 2.58, 结果表明实验所采用的背景光校正方法可有效减小田间环境光照对黄花梨可见/近红外光谱采集的影响, 可用于田间水果的近红外光谱采集, 有利于充分发挥可见/近红外光谱技术在果实采收前的田间管理、 采收成熟度检测等方面的潜力。

林木生物质能源作为一种新型可再生能源,具有非常广阔的发展前景.基于近红外光谱技术,首次引入稀疏偏最小二乘回归建立木屑生物质的工业分析模型,用于生物质燃料特性的快速分析测定.工业分析总共测定了80种木屑的水分、灰分、挥发分和固定碳含量百分比;按照样品种类和产地将其划分为训练集和测试集,利用近红外光谱仪采集光谱数据并进行小波滤波处理;再利用稀疏偏最小二乘回归建立木屑生物质的定量分析模型,并与主成分回归、偏最小二乘回归、最小绝对收敛及变量筛选方法的建模效果进行比较.结果证明,相对于以上三种建模方法,稀疏偏最小二乘回归能够挑选出有重要影响的波长群组,降低非目标波段的噪声干扰,从而增强数学模型的解释能力并提高定量分析的准确度.利用稀疏偏最小二乘回归算法挑选的波长区间基本覆盖了工业分析中水分的吸收峰,而对于灰分、挥发分和固定碳的吸收峰波段尚无准确定位,需要继续探讨.总体而言,稀疏偏最小二乘回归能够减少无关信息的干扰,提高模型定量分析的准确度,增强模型的解释能力,将会在近红外光谱技术应用领域内起到重要作用.

提出了一种基于近红外漫反射光谱技术的不同产地苹果货架期鉴别方法。从市场上购买山东和陕西的富士苹果各20 个，分别对购买当日和存放1 周(7d)后的样品进行光谱测试，分析表明一周后不同品种样品光谱在1 420nm 和1 630 nm 处吸光度值均有不同程度的增大。通过主成分分析研究了样品产地对不同货架期样品光谱的影响，将总贡献率为97.78%的前15 个特征变量作为输入，建立基于径向神经网络的有监督式近红外光谱不同产地苹果货架期的快速鉴别模型，从四类样品光谱中选择20 个作为预测集。实验结果表明，所建模型对校正集和预测集识别率均为100%，其中18 个预测样品准确率高于93%。本研究为实现不同产地苹果货架期的快速无损检测提供了新方法，具有很好的应用前景及使用价值。

本文利用近红外(NIR)透射光谱分析技术结合连续投影算法(SPA)建立了黄酒中酒精度、酸度定量检测模型。为考察不同类黄酒对模型精度的影响，对比研究了干型、半干型黄酒样品的分类及混合偏最小二乘法(PLS)模型，确定了黄酒中酒精度和酸度的最佳建模方式。应用SPA 对样品近红外全波段(800~2 500 nm)进行优化，建立的SPA-PLS 模型效果优于全波段PLS 模型。干黄酒酒精度、半干黄酒酒精度和两类黄酒酸度SPA-PLS 模型的R 分别为0.983、0.993 和0.943，RMSECV 分别为0.174、0.189 和0.258。结果表明，分类建模显著提高了黄酒酒精度模型检测精度，混合建模能改善酸度模型精度；应用SPA 对模型优化，简化了模型且提高了模型精度及稳健性。研究结果为建立稳健的黄酒品质近红外检测应用模型提供了有效方法，对黄酒品质在线检测模型的研究具有参考价值。

本文提出了基于近红外光谱的茶叶成份检测仪的设计与实现。该检测仪采用干涉滤光片作为分光器件,其旋转样品池内嵌了漫反射标准白板,以实现快速交替检测样品及白板漫反射信号,使样品与白板的检测同步完成,简化仪器机械结构, 提高了光谱稳定性和样品检测速度与精度。光电信号检测系统采用了InGaAs 光电探测器,利用仪表放大器和24 位A/D 转换器分别完成信号调理和数据采集,以USB 2.0 实现仪器与计算机的数据传输,再由计算机化学计量学软件完成吸光度计算及茶叶样品的成分分析。实验结果表明,本样机实测茶叶成份值与理化检验值的相对误差小于5%。

基于径向基函数神经网络(RBFN)建立了茶多酚总儿茶素含量的近红外光谱分析模型.茶多酚光谱采用小波压缩、标准化处理后,进行主成分分解,以主成分光谱作为RBFN的隐层输入函数,并通过改变主成分数对模型进行优化.当主成分数为7时得到了RBFN优化模型,该模型对定标样品集、全样品集和预测样品集的预测值与实际值回归系数R分别为0.999,0.999和0.992,预测均方误RMSEP分别为1.08%,2.06%和3.68%.