糖度是影响鲜食葡萄品质与风味的关键因素, 对其可溶性固形物SSC的检测具有切实需求。 近年来, 随着芯片级光谱传感器的生产技术趋于成熟, 具有高精确性与稳定性的片上光谱传感器为可见/近红外检测技术开辟了新的途径。 设计、 搭建、 测试了一套体积小、 易操作、 低成本的用于鲜食葡萄糖度无损检测的光学系统。 系统以两块搭载芯片级光谱分析技术的新一代可见/近红外光谱传感器AS7263(美国AMS半导体公司)为核心元件。 每个AS7263传感器具有6个集成了纳米光干涉滤波器的数字光谱通道和一个可通过单芯片准确控制电流(1~100 mA)的LED光源。 传感器光谱通道的中心波长范围610~860 nm; 两个LED光源的中心波长分别为730和850 nm, 半峰全宽(FWHM)为50 nm。 首先, 运用此原型在避光环境下采集276颗巨峰葡萄浆果的光谱信息; 用手持式PAL-1糖度仪检测样本SSC(°Brix)并计算基于t分布的样本糖度真值SSCt: SSCt0.9与SSCt0.95。 其次, 针对样本原始光谱数据, 采用PCA提取主成分, 根据得分因子分布, 剔除了16个位于置信区间外的异常样本; 进一步采用一阶导数First Derivative(FD)、 归一化Normalization(0, 1)与标准化Standardization(0, 1)3种方式做数据预处理, 求取样本在12个通道下的吸光度A或Kubelka-Munk函数值F(R)。 针对可见/近红外光谱自变量之间具有多重相关性、 光谱信息与糖度信息之间非线性相关的特点, 建立PLS-BP神经网络糖度预测模型(自变量为吸光度A或F(R)值, 因变量为SSCt)。 结果显示, 当t分布的置信概率为0.95、 光谱预处理方式为Standardization(0, 1)、 光谱信息指标为吸光度A时所建立的预测模型精度最高: 决定系数rp2为0.93、 均方根误差RMSEP为0.181、 预测集偏差Bias为-0.01、 残留预测偏差RPD为3.78, 可认为模型具有较高精度与较好适应性对葡萄SSC做出预测。 最后, 结合实验结果, 作了葡萄浆果SSC光谱检测原理的分子尺度分析: 在各分子振动类型中, O—H键伸缩振动的3倍频、 4倍频, O—H键剪式振动与伸缩振动3倍频、 4倍频的合频, CO键伸缩振动的8倍频、 9倍频为可见/近红外光谱检测的有效振动频率。 该研究为未来工业与消费领域在线质量检测设备的高精度化、 便携化、 低成本化提拱了技术参考。
可见/近红外技术 鲜食葡萄 可溶性固形物 智能光谱传感器 BP神经网络 偏最小二乘法 Vis/NIR Table grapes SSC Smart spectral sensor BP neural network PLS 光谱学与光谱分析
2023, 43(7): 2146
1 上海交通大学机械系统与振动国家重点实验室,上海 200240
2 上海交通大学医学院附属瑞金医院,上海 200025
针对体表组织较厚部位的血管识别困难的问题,提出一种用于体表血管提取与三维成像的双目系统与图像处理算法。成像系统设计采用会聚双目近红外增强相机与近红外LED阵列,并基于朗伯特辐射模型优化了LED阵列的辐照分布均匀性。图像处理算法先通过以Frangi滤波为基础的单目图像处理流程提取左图像中血管骨架,再通过改进的滑窗匹配算法结合右图信息计算血管骨架深度。实验分析了该系统在手背、小臂、颈部以及仿体模型上的血管提取效果、立体匹配有效率以及处理速度,验证了该系统在体表组织较厚部位的实用性。
医用光学 医用光学仪器 近红外技术 血管可视化设备 三维重建 照明设计 自动穿刺
1 华中农业大学 工学院,湖北 武汉 430070
2 农业部长江中下游农业装备重点实验室,湖北 武汉 430070
本文研究基于可见/近红外透射光谱技术的红提糖度和含水率的无损检测方法。采集360个红提样本,并分别利用标准正态变量变换(Standard Normal Variable transformation,SNV)、SavitZky-Golay卷积平滑处理法(SavitZky-Golay,S_G)等光谱预处理方法处理后的数据建立PLSR模型,分别采用一次降维(GA、SPA、CARS、UVE)和二次降维组合(CARS-SPA、UVE-SPA、GA-SPA)7种数据降维方法对光谱进行特征变量提取,分别建立红提糖度和含水率的偏最小二乘回归算法(Partial Least Squares Regression,PLSR)和最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)含量检测模型并对比分析模型的优劣。结果表明:红提糖度和含水率的最优PLSR模型波长提取方法为GA-SPA-PLSR,最优模型的预测集相关系数分别为0.958、0.938;红提糖度和含水率的最优LSSVM模型波长提取方法分别为CARS-SPA-LSSVM、UVE-SPA-LSSVM,最优模型的预测集相关系数分别为0.969、0.942;LSSVM所建模型的效果好于PLSR所建模型,但模型的运算时间较长。研究结果表明:基于可见/近红外技术无损检测红提糖度和含水率的方法可行,两种最优检测模型的预测精度均较高,都能满足检测要求。在不同应用下,可酌情选择不同模型,PLSR所建最优模型的运算时间较短,适合在线快速检测;LSSVM的检测性能最佳,可更加准确地检测红提糖度和含水率。
红提 糖度 含水率 可见/近红外技术 无损检测 red globe grape sugar content moisture content visible/near-infrared technology non-destructive testing
成都中医药大学, 中药材标准化教育部重点实验室, 中药资源系统研究与开发利用省部共建国家重点实验室培育基地, 四川 成都 611137
利用云端-互联便携式近红外技术结合化学计量学对名贵药材西红花与其常见伪品(红花、 玉米须、 莲须、 菊花、 纸浆)和掺伪品进行现场快速真伪鉴别及掺伪量的定量预测。 用移动手机控制的PV500R-I便携式近红外仪采集西红花与其伪品和掺伪品光谱数据。 对原始光谱数据进行一阶导, 二阶导, 三阶导, 标准正态变量转换和光散射校正前处理。 采用偏最小二乘判别分析分步建立西红花与其伪品、 西红花与其掺伪品鉴别模型。 结果表明, 一个最优模型可将西红花与其五类伪品彼此完全区分; 两个最优模型分步区分西红花与其五类掺伪品, 外部预测准确率最低为93%, 西红花掺入红花、 玉米须、 莲须、 菊花和纸浆的识别水平分别为0.5%, 0.5%, 4.0%, 0.5%和0.5%。 采用偏最小二乘回归对五类西红花掺伪品的掺伪量建立定量预测模型, 五个最优模型的外部预测相关系数范围为0.920~0.999, RMSEP范围为0.005~0.044, 当西红花掺入红花、 菊花、 莲须、 纸浆和玉米须的掺伪量大于8%时, 其外部预测相对误差分别低于8%, 8%, 3%, 10%和5%, 表明最终模型能较好地预测西红花掺伪品的掺伪量。 基于云端-互联便携式近红外光谱技术所建立的西红花真伪鉴别方法和掺伪品掺伪量预测方法快速准确, 经济环保, 能满足西红花现场快速无损伤真伪鉴别要求。
云端-互联便携式近红外技术 化学计量学 西红花 伪品 掺伪品 Cloud-connected portable near-infrared technology Chemometrics Saffron Adulterant Adulterated samples 光谱学与光谱分析
2020, 40(10): 3029
1 南京林业大学林学院, 江苏 南京 210037
2 南京林业大学林业资源高效加工利用协同创新中心, 江苏 南京 210037
3 中国林业科学研究院林产化学工业研究所, 江苏 南京 210042
为解决速生桉抽出物测定方法繁琐耗时, 木浆生产能耗居高不下等问题, 以引种的3种广西速生尾巨桉原料(DH32-29, DH32-26, DH33-27)为研究对象, 采集了144个样本的近红外光谱, 按国标方法测定全部样品的苯醇抽出物和1%NaOH抽出物含量。 在Matlab 8.0中采用信号平滑, 一阶、 二阶导数, 矢量归一化, 多元散射校正等方法预处理原始光谱, 用偏最小二乘法、 支持向量机法和人工神经网络法以及常用于宏观经济分析的LASSO法分别结合上述预处理方法建立模型, 筛选出最优建模方法。 运用遗传算法对波段进行选择, 提高了模型的精确度从而优化了模型。 确定了建立苯醇抽出物含量模型时, 可联用平滑、 MSC和一阶导数预处理光谱数据, 以1 345.0~1 821.4和2 127.8~2 241.3 nm区间波段参与建模, 建模方法为偏最小二乘法, 最佳主成分数为9时, 模型有最好的精确度。 其RMSEP值可达0.25%, 绝对偏差范围为-0.39%~0.38%。 筛选出的波段包含了如1 410和1 447 nm附近酚羟基伸缩振动的一级倍频, 2 133 nm处苯环上碳氢键的伸缩振动与碳碳双键伸缩振动的合频等苯醇抽出物的特征波段。 建立1%NaOH抽出物分析模型时, 可联用平滑、 矢量归一化和一阶导数预处理, 选择1 138.2~2 363.0 nm波段数据, 建模方法为LASSO, 选取的调整参数值μ为12.61, 此时模型精确度最高。 RMSEP值为0.37%, 绝对偏差范围为-0.56%~0.53%。 筛选出的波段包含了1 158和1 170 nm附近乙酰脂基团CH3中C—H的伸缩振动二级倍频吸收, 1 666, 1 681和1 790 nm附近CH3中C—H伸缩振动的一级倍频吸收等特征吸收。 模型的预测能力从组分结构角度得到了解释。 模型的RPD值分别为4.67和5.77, 模型性能均可满足实际需求, 有望应用于制浆造纸生产线上的速生桉抽出物含量分析。 研究结果表明, 通过预处理方法选择和建模方法选择, 结合遗传算法的应用, 可以建立并优化广西速生桉木抽出物含量的近红外测定模型; 同时, LASSO算法作为一种新兴算法, 在近红外光谱分析中表现出了较好的处理共复线性数据的能力, 可以建立准确性较好的分析模型。
近红外技术 LASSO算法 预处理 遗传算法 Near-infrared technique LASSO algorithm Pretreatment Genetic algorithm
1 中国林业科学研究院林产化学工业研究所, 国家林业局林产化学工程重点开放性实验室, 江苏省生物质能源与材料重点实验室, 江苏 南京 210042
2 南京林业大学林业资源高效加工利用协同创新中心, 江苏 南京 210037
3 南京林业大学轻工科学与工程学院, 江苏 南京 210037
近年来, 随着林纸一体化战略的推进, 多使用混合原料制浆。 而混合原料比例及成分含量的快速分析难以实现已成为制约制浆工业发展的瓶颈。 为解决此问题, 以广泛使用的杨木-桉木混合原料为研究对象, 用傅里叶近红外光谱仪采集了131个不同比例的杨木-桉木混合样品和30个单一杨木、 桉木样品的近红外光谱; 用化学法测定其综纤维素、 聚戊糖及Klason木素含量。 因主要化学成分含量的近红外光谱信息集中于7 600~4 000 cm-1区间, 对该区间的光谱数据进行平滑、 标准正态变换和一阶导数的预处理, 运用LASSO算法建立了杨木含量与聚戊糖含量模型; 对该区间数据进行平滑、 标准正态变换和二阶导数预处理后结合LASSO算法建立了综纤维素含量模型; 对该区间数据进行平滑、 多元信号校正和二阶导数预处理后结合LASSO算法建立了Klason木素含量模型。 杨木含量、 综纤维素、 聚戊糖、 Klason 木素含量模型的预测均方根误差分别为1.82%, 0.52%, 0.67%和0.59%; 绝对偏差范围分别为-3.01%~2.94%, -0.91%~0.83%, -0.91%~1.07%, -0.79%~0.92%。 4种模型的性能总体上略优于传统偏最小二乘法所建的模型且满足实际需求, 可以用于工业生产。
近红外技术 LASSO算法 预处理 混合原料 Near-infrared spectroscopy technology LASSO algorithm Pretreatment Mixed raw materials 光谱学与光谱分析
2018, 38(8): 2400
药品是直接关系到每一个公民身体健康与生命安危的特殊商品, 其生命周期内的每一个环节都需要进行严密的质量监控。 近红外光谱分析技术由于快速、 非破坏性和无污染等特点, 十分适合于流通领域药品的质量监测。 因此, 将我国1997年以来, 应用近红外技术进行药品终产物快速分析的文献进行了总结、 整理, 从分析对象、 分析方法和分析仪器等方面综述了该领域的研究进展, 并阐述了亟待解决的问题和发展前景。
近红外技术 流通领域药品 质量监测 假药 Near infrared technique Drug in circulation Quality monitoring Counterfeit drugs 光谱学与光谱分析
2014, 34(5): 1222
以不同含水量的燕麦种子为材料,将近红外光谱技术与主成分-马氏距离识别 方法相结合,研究比较了经控制劣变处理后的燕麦种子的活力差异。结果表明,在选取4000cm5050cm-1、5200cm 6790cm-1和7192cm10000cm-1波长范围内的光谱数据和含水量为4.0%、10.0%、16.0%、22.0% 时,用多元散射校正(MSC)预处理方法对选取的8个主成分进行预测的效果最佳,对校正样本和预测样本的鉴别率均可达到100%;在 含水量为22.0%、28.0%、34.0%、40.0%时,用标准归一化预处理方法对选取的8个主成分进行预测的效果最佳,但仍有较高的 误判数。在确定的种子含水量范围内,利用近红外技术可以准确地区别不同活力水平的燕麦种子。
近红外技术 马氏距离 种子活力 燕麦 near infrared spectroscopy Mahalanobis distance seed vigour oat