在近红外光谱数据分析中, 全光谱数据具有波长点多、 冗余量大、 共线性关系严重的特点, 导致了部分波长点对建立校正模型没有积极作用, 甚至还会降低模型的预测能力。 波长选择被证明是有效避免上述问题的重要方法。 针对近红外光谱的特性, 提出了一种基于直接正交信号校正(DOSC)与蒙特卡罗方法(Monte Carlo, MC)结合的波长选择算法。 与大多数根据波长的“重要性”进行选择的方法不同, MC-DOSC依据波长的“不重要”性进行选择。 波长“不重要”性通过DOSC的权重w来度量。 首先将w归一化作为波长被滤除的概率, 以此建立波长选择的概率模型, 并使用蒙特卡罗随机抽样得到N个波长子集的集合。 在每一次抽样过程中, 用选择的波长点建立PLS模型, 计算相应的交叉验证均方根误差(RMSECV)。 经过N次随机抽样后, 以RMSECV最小时的PLS模型对应的波长子集作为备选子集。 将备选子集包含的光谱数据作为新的光谱阵, 重复上述过程直到RMSECV不再下降为止。 迭代停止后, 将RMSECV最小的备选子集作为最佳波长子集。 采用玉米数据集和汽油数据集对该算法进行测试, 同时与蒙特卡罗无信息变量消除法(MCUVE)、 遗传算法(GA)、 竞争性自适应权重取样法(CARS)三种算法进行比较。 实验结果表明: 该算法能大幅度减少波长点个数, 并且相应的PLS模型的预测能力也提高了。 玉米数据集的实验运行结果, 波长点个数从全光谱的700个减少到15个, 预测集相关系数从0.828 2提高到0.931 4, RMSEP从0.109 8减少到0.071 3。 汽油数据集的实验运行结果, 波长点个数从全光谱的301个减少到31个, 预测集相关系数从0.987 5提高到0.993 9, RMSEP从0.255 5减少到0.178 8。 该算法在2个数据集中的表现均优于对比的三种算法。
近红外光谱 波长选择 正交信号校正 蒙特卡罗 偏最小二乘 Near-infrared spectroscopy Wavelength selection Direct orthogonal signal correction Monte Carlo Partial least squares
中国农业大学信息与电气工程学院, 北京 100083
为了提升虾新鲜度判别的准确性, 提出了一种基于宽度学习(BLS)的虾新鲜度检测方法。 首先采用多元散射校正(MSC)、 标准正态变量校正(SNV)和直接正交信号校正(DOSC)对不同冷藏天数虾的原始高光谱进行预处理, 再使用t分布随机邻域嵌入(t-SNE)将预处理之后的数据可视化, 可视化结果表明DOSC聚类效果最佳。 然后使用随机森林(RF)、 主成分分析(PCA)和二维相关光谱分析(2D-COS)对经DOSC预处理之后的光谱数据进行特征选择。 最后基于选择的特征波长对虾新鲜度进行建模分析。 将宽度学习(BLS)首次用于虾新鲜度建模, 同时与偏最小二乘判别(PLS-DA)和极限学习机(ELM)等经典判别模型做比较。 研究结果表明RF方法最大限度地消除了光谱中的冗余信息, 而BLS与线性建模方法PLS-DA以及非线性建模方法ELM相比, 准确率更高并且判别时间更短, 因此RF-BLS组合模型获得了最佳新鲜度判别效果, 表明高光谱成像技术结合宽度学习识别虾的新鲜度是可行的, 可以为在线检测虾新鲜度系统的开发提供理论依据。
虾新鲜度 直接正交信号校正 随机森林 宽度学习 高光谱成像技术 Freshness of shrimp Direct orthogonal signal correction Random forest Broad learning system Hyperspectral imaging technology 
山东师范大学地理与环境学院, 山东 济南 250014
滨海盐碱区土壤盐分的快速、 准确监测对土地合理利用和保护具有重要意义。 可见光近红外(Vis-NIR)光谱技术已广泛用于土壤属性的高效估测。 然而, 水分对含盐土壤光谱的干扰导致传统土壤盐分估测模型的精度降低。 旨在探究分段直接标准化(PDS)和正交信号校正(OSC)在含水条件下土壤盐分估测中的应用, 从而建立面向滨海盐碱区的“除水”Vis-NIR定量模型。 为此, 将获取的144份黄河三角洲滨海盐碱区表层(0~20 cm)土壤盐分数据划分为建模集(17个样本)和验证集(127个样本)。 通过严格加水控制实验, 测量10个含水率梯度(0%, 1%, 5%, 10%, 15%, 20%, 25%, 30%, 40%和50%)的建模集土壤光谱数据, 验证集的土壤光谱则是根据生成的1~50随机整数, 通过随机加水实验测量获取。 采用PDS和OSC与偏最小二乘回归(PLSR)结合的建模策略, 构建土壤盐分估测模型, 并进行性能验证和比较。 结果表明, OSC比PDS更能有效减轻水分在土壤盐分估测中的建模干扰。 具体来说, 光谱校正前后生成的所有PLSR模型均取得一定的成功($R^{2}_{p}$=0.79~0.91, RMSEP=2.6~3.98 g·kg-1, RPD=1.98~2.37)。 OSC-PLSR模型的土壤盐分估测精度提高, $R^{2}_{p}$, RMSEP和RPD分别为0.91和2.6 g·kg-1和2.37。 而PDS-PLSR模型效果不理想, $R^{2}_{p}$, RMSEP和RPD分别为0.79, 3.98 g·kg-1和1.98。 模型整体表现出了OSC-PLSR>PLSR>PDS-PLSR的土壤盐分估测性能。 此外, 提出了变量投影重要性(VIP)和Spearman相关系数(r)结合的分析策略, 进一步探究了模型的估测机理。 模型的重要波长(VIP>1)与土壤盐分敏感波长(|r|>0.4)吻合, 对估测模型有重要意义。 比较而言, OSC-PLSR精确提炼了位于830, 1 940和2 050 nm附近的模型估测的关键波长, 而常规的PLSR和PDS-PLSR包含了大量的冗余信息。 综合来看, OSC-PLSR模型在Vis-NIR土壤盐分估测中具有较好的除水效果, 为土壤含水状态下的土壤盐分研究提供可靠方法。
Vis-NIR光谱 土壤盐分 水分校正 正交信号校正 滨海盐碱区 Vis-NIR spectroscopy Soil salinity Moisture correction Orthogonal signal correction Coastal saline region 光谱学与光谱分析
2021, 41(10): 3077
浙江大学生物系统工程与食品科学学院, 浙江 杭州 310058
用高光谱图像技术结合化学计量学方法, 实现了番茄叶片中过氧化物酶(POD)活性的快速检测。 利用高光谱图像的光谱特征建立预测模型步骤为: 采集高光谱图像数据、 获取光谱曲线、 光谱数据预处理、 提取特征波段、 建立POD酶活性预测模型。 与预处理方法(SG, SNV, MSC, 1-Der和2-Der)相比, DOSC预处理对POD酶活性预测效果最好。 研究表明: 以443, 464, 413, 410, 401, 402, 426和926 nm这八个特征波段的光谱数据建立的DOSC-SPA-PLS模型对POD酶活性预测结果为Rp=0.935 3, RMSEP=37.80 U·g-1。 这说明高光谱图像技术测定番茄叶片POD活性具有可行性, 且预测结果令人满意, 这为抗氧化酶活性和番茄植株生长状况的动态检测提供了新的方法。
高光谱图像技术 番茄 直接正交信号校正 连续投影算法 偏最小二乘法 过氧化物酶 Hyperspectral imaging technology Tomato Direct orthogonal signal correction (DOSC) Continuous projection algorithm (SPA) Partial least squares (PLS) Peroxidase (POD) 光谱学与光谱分析
2012, 32(8): 2228
1 集成光电子国家重点联合实验室吉林大学实验区, 吉林大学电子科学与工程学院, 吉林 长春 130012
2 吉林大学化学学院, 吉林 长春 130012
3 吉林大学通信工程学院, 吉林 长春 130012
短波近红外光谱结合多元校正方法测量酒精度具有快速、 无损的特点, 可以现场应用和在线检测。 但是温度对预测模型的性能影响很大。 作者研究了温度变化对乙醇水溶液的短波近红外光谱的影响, 采用四种方法建立了温度变化下的偏最小二乘(PLS)传递校正模型: 直接校正、 全局校正、 正交信号处理(OSC)和广义最小二乘加权法(GLSW)。 结果表明, 温度变化时直接传递校正存在很大的预测系统偏差, 而采用全局校正、 OSC和GLSW均能在一定程度上减小系统误差。 全局校正需要较多的建模样品数量, 得到的模型也更为复杂。 而OSC和GLSW方法能得到更为简洁的模型和优良的预测结果。 相比之下, GLSW算法得到的预测误差和使用的建模隐含变量数目均小于OSC方法, 能够建立更为稳健的传递校正模型。
短波近红外 温度校正 正交信号处理 广义最小二乘加权法 Short-wave near infrared Temperature correction Orthogonal signal correction Generalized least squares weighting 光谱学与光谱分析
2012, 32(8): 2080
中国科学院长春光学精密机械与物理研究所应用光学国家重点实验室, 吉林 长春130033
近红外无创生化检测中采用不同血流容积光谱相减的方法理论上能够消除人体组织产生的强背景干扰, 但人体光谱相减后得到的血液光谱的光程是未知的, 这给校正模型的建立带来了困难。 通过设计模拟实验并采用正交信号校正的方法对光程信息进行校正, 提高不同光程的光谱建立校正模型的预测精度。 分别建立了光程校正前后的模型, 模型的交叉验证标准偏差从90.17 mg·dL-1下降到31.62 mg·dL-1, 相关系数从0.978 7提高到0.996 8。 实验结果表明, 采用正交信号校正的方法能够有效抑制光程信息的干扰, 提高模型的预测精度, 这为不同血流容积光谱相减法的实际应用提供了基础。
近红外光谱 无创生化检测 光程差异 正交信号校正 Near-infrared spectroscopy Noninvasive biochemical sensing Different pathlength Orthogonal signal correction 光谱学与光谱分析
2012, 32(5): 1423
1 西安理工大学自动化与信息工程学院， 陕西 西安710048
2 西安交通大学电气工程学院， 陕西 西安710049
针对烷烃类多组分混合气体中红外光谱存在的基线漂移问题， 提出一种直接正交信号校正算法用于光谱数据预处理。 实验中采用傅里叶变换红外光谱仪采集了936组混合气体样本的光谱数据， 混合气体主要由不同浓度范围的七种组分气体组成。 将直接正交信号校正算法与导数算法进行了对比分析， 采用偏最小二乘回归方法建立了各组分气体定量分析模型， 并对模型参数（主元个数、 导数步长及正交分量的个数）进行了遍历优化选取最优分析模型。 结果表明直接正交信号校正算法对于中红外光谱基线校正效果最好， 直接正交信号校正算法用于烷烃类混合气体中红外光谱基线校正可行， 效果良好， 具有一定的实用和研究价值。
基线漂移 直接正交信号校正 导数算法 偏最小二乘回归 定量分析 混合气体 Baseline departure Direct orthogonal signal correction Derivative algorithm Partial least square regression Quantitative analysis Gas mixture 光谱学与光谱分析
2012, 32(4): 1038
北京化工大学材料科学与工程学院, 北京 100029
通过用近红外光谱和PLS建立测定二元、 三元调合食用油中花生油含量模型以及二甲亚砜水溶液浓度模型, 使用交互验证统计参数, 包括决定系数RC, 标准偏差SEC, 预测值和实际值线性拟合方程的斜率a和截距b, 和外部验证统计参数, 包括决定系数RV, 标准偏差SEP, 预测值和实际值线性拟合方程的斜率a和截距b, 评价建模效果, 比较了分别使用原始光谱和正交信号校正(OSC)处理光谱的PLS建模结果。 研究结果表明: OSC校正可明显改善近红外光谱与被测物质浓度的线性相关性。 虽然OSC预处理可以改善PLS模型的交互验证结果, 但是外部验证结果变差, 即正交信号校正用于PLS建模将导致过拟合现象。 通过分析算法原理, 认为OSC与PLS1对光谱中与性质无关的信息作了重复剔除, 误删除了部分有效信息, 导致过拟合效应。
正交信号校正 近红外光谱 过拟合 Orthogonal signal correction Near infrared spectroscopy PLS PLS Over-fitting 光谱学与光谱分析
2011, 31(6): 1688
中国林业科学研究院木材工业研究所， 北京100091
应用近红外光谱法对慈竹微纤丝角和纤维长度进行快速预测研究。 采用X射线衍射法和显微镜法分别测定慈竹微纤丝角和纤维长度， 并用光纤漫反射模式采集近红外光谱， 对原始光谱分别进行消噪和消噪与正交信号校正相结合预处理， 建立偏最小二乘（PLS）数学模型， 对比分析模型预测能力。 结果表明， 慈竹微纤丝角和纤维长度原始光谱经消噪和正交信号校正二者结合预处理后， 所建PLS模型比相应原始光谱模型预测能力显著提高， 其预测模型相关系数（R）分别达到0.893 6和0.988 3， 预测标准差（RMSEP）为0.292 0和0.146 0， 校正预测模型均具有很好的相关性， 表明近红外光谱法可以实现慈竹微纤丝角和纤维长度的预测。
近红外光谱法 偏最小二乘 正交信号校正 慈竹 微纤丝角 纤维长度 Near infrared spectroscopy Partial least squares Orthogonal signal correction Neosinocalamus affinis Keng Microfibril angle Fiber length 光谱学与光谱分析
2011, 31(12): 3251
北京化工大学材料科学与工程学院， 北京100029
通过近红外光谱技术建立二元、 三元调和食用油中花生油含量模型以及二甲亚砜水溶液浓度模型， 比较了分别采用原始光谱和正交信号校正(OSC)处理后光谱进行MLR建模的结果， 并对所建的正交信号校正后光谱MLR模型与原始光谱PLS模型进行预测结果比较。 比较过程中使用交互验证参数(包括决定系数RC， 标准偏差SEC， 预测值和实际值线性拟合方程的斜率a和截距b)以及外部预测统计参数(包括RV， 标准偏差SEP, 预测值和实际值线性拟合方程的斜率a和截距b)来评价模型能力。 研究结果表明: 与原始光谱相比， 使用OSC处理后的光谱进行MLR建模(采用相同波长)， 得到的模型交互验证结果以及外部预测结果均有变好的趋势。 通过优选建模波长组合(无共线性影响)， OSC与MLR联用建模可得到优于PLS模型的结果。
正交信号校正 近红外 多元线性回归 Orthogonal signal correction Near infrared spectroscopy MLR PLS PLS 光谱学与光谱分析
2011, 31(12): 3228
