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
1 云南农业大学农学与生物技术学院, 云南 昆明 650201
2 云南省农业科学院药用植物研究所, 云南 昆明 650200
3 玉溪师范学院资源环境学院, 云南 玉溪 653100
4 云南技师学院, 云南 安宁 650300
采用傅里叶变换红外光谱技术结合多元统计分析建立快速鉴别不同年份、 不同产地美味牛肝菌的方法。 采集2011年—2014年云南26个不同地区152个美味牛肝菌样品的红外光谱, 使用正交信号校正(orthogonal signal correction, OSC)、 微波压缩(wavelet compression)方法对原始光谱进行优化处理, OSCW校正前后的光谱数据进行偏最小二乘判别分析(partial least squares discriminant analysis, PLS-DA), 比较光谱预处理前后PLS-DA的分类效果。 将152个美味牛肝菌随机分为训练集(120个)和验证集(32个), 建立OSCW校正前后的PLS分类预测模型。 结果显示, 经OSCW处理后的PLS-DA分类效果明显优于处理前的结果, 主成分得分图能准确区分不同年份、 不同产地美味牛肝菌样品, 表明OSCW处理能有效滤除光谱中的噪音及与因变量无关的干扰信息, 提高光谱分析的准确性和计算速率。 OSCW处理前PLS模型训练集的R2和RMSEE分别为0.790 1和21.246 5, 验证集的R2和RMSEP分别为0.922 5和14.429 2; OSCW预处理后训练集的R2和RMSEE分别为0.852 3和17.238 1, 验证集的R2和RMSEP分别为0.845 4和20.87, 表明OSCW预处理提高了训练集的预测效果, 但OSCW-PLS出现了过拟合现象降低验证集的预测能力, 因此, OSCW不适宜与PLS结合建立模型。 OSCW结合PLS-DA能滤除光谱中大量的干扰信息, 准确区分不同年份、 不同产地美味牛肝菌样品, 为野生食用菌的鉴别分类提供可靠依据。
红外光谱 正交信号校正-微波压缩 偏最小二乘判别分析 美味牛肝菌 鉴别 Infrared spectroscopy OSCW PLS-DA Boletus edulis Discrimination 光谱学与光谱分析
2016, 36(7): 2117
1 新疆大学理化测试中心, 新疆 乌鲁木齐830046
2 新疆大学物理科学与技术学院, 新疆 乌鲁木齐830046
为建立快速测定新疆薰衣草精油中芳樟醇(linalool)、 乙酸芳樟酯(linalyl acetate)含量的定量分析模型, 采用近红外吸收光谱法(NIR)测定了165个精油样品, 通过对近红外光谱吸收峰分析, 在7 100～4 500 cm-1波数范围内化学信息量比较丰富且噪音低, 可选择此波数段为分析区间。 剔除8个异常样本后, 通过聚类方法划分为105个校正集样本和52个验证集样本, 结合气相色谱质谱(GC-MS)法测定的薰衣草精油linalool和linalyl acetate的含量, 建立原始数据矩阵。 对比不同的预处理方法对原始近红外光谱的过滤作用, 其中正交信号变换(OSC)方法效果明显, 对两种化合物的预测均方根误差(RMSEP) 分别为0.226和0.558, 再用向前间隔偏最小二乘法(FiPLS)剔除与待测成分无关或呈非线性关系的波长点, 最终得到8个间隔区间共160个波长点的数据子集。 使用OSC-FiPLS优化处理的数据子集结合偏最小二乘法(PLS)建立新疆薰衣草精油中linalool和linalyl acetate的快速定量分析模型, 在模型中二成分的隐变量数都为8。 交互验证均方根误差(RMSECV)分别为0.170和0.416; 预测均方根误差(RMSEP)分别为0.188和0.364。 结果表明, 经OSC和FiPLS预处理建立的PLS-NIR定量分析模型稳健性好, 测定精度高, 能快速测定薰衣草精油中linalool和linalyl acetate含量, 并且具有良好的预测能力。 可为新疆薰衣草精油主要成分的快速定量分析提供一种新的有效方法。
薰衣草精油 近红外光谱 正交信号校正 向前间隔偏最小二乘法 Lavender essential oil Near infrared spectroscopy Orthogonal signal transformation Forward interval partial least squares 光谱学与光谱分析
2015, 35(9): 2526
1 中国农业大学理学院应用化学系, 北京100193
2 云南省烟草公司曲靖市公司, 云南 曲靖655000
采用近红外光谱技术对烟草中常规化学成分总糖、 还原糖、 烟碱、 总氮、 淀粉和挥发性碱进行测定。 利用正交信号校正法(OSC)对烟叶的近红外光谱进行预处理, 再使用主成分回归方法(PCR)建立烟叶中六种化学成分的定量分析模型, 采用蒙特卡洛交互验证作为集成的建模策略优化模型参数, 使用外部预测的相对预测性能(RPD)评价模型。 结果表明, OSC有效解决了PCR投影方向并非浓度相关性最大方向的问题, 同时解决了噪声、 基线漂移、 杂散光等问题。 OSC-PCR建立的模型能够有效检测烟草常规化学成分。 该研究方法通过确定化学值的波动范围初步监控烟叶中常规成分的含量, 对于烟草品质评价和控制质量稳定性以及烟草香气成分分析具有重要意义。
烟草 正交信号校正 主成分回归 近红外光谱 常规化学成分 Tobacco OSC PCR NIR spectroscopy Routine chemical component 光谱学与光谱分析
2013, 33(6): 1517
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
应用便携式近红外光谱分析仪对112个柑桔进行无损检测, 运用主成分正交信号校正、 加强正交信号校正结合广义回归神经网络的方法分别建立柑桔酸度定量分析模型。 结果表明: 采用EOSC方法能够使模型具有良好的预测能力并能够防止对数据造成过度校正。 EOSC柑桔酸度模型校正集相关系数Rc=0.888 0, 预测集相关系数Rp=0.885 6, RMSEP=0.081 65。 研究结果表明EOSC预处理方法结合广义回归神经网络可以用于柑桔样本的酸度测定。
近红外光谱 柑桔 酸度 主成分正交信号校正 加强正交信号校正 Near infrared spectroscopy Orange Acidity PCOSC EOSC 光谱学与光谱分析
2012, 32(7): 1931
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
