华东交通大学智能机电装备创新研究院， 江西 南昌 330013
糖度是评价苹果内部品质的重要指标之一。 建立苹果糖度预测模型时， 建模样本和波长的质量影响模型的准确性和后期的更新维护。 以90个苹果样本为研究对象， 采集350~1 150 nm波段共1 044个波长的苹果近红外漫透射光谱， 研究基于最小角回归索套算法(LASSOLars)优选建模样本和波长的有效性和可行性。 结合使用Norris平滑、 一阶微分和归一化变量排序对光谱预处理。 根据浓度排序划分样本集的75%为原始训练集(68个)和25%为预测集(22个)， 使用LASSOLars建立优选训练集， 对比LASSOLars和蒙特卡罗无信息变量消除、 竞争性自适应重加权法， 从样本、 波长的数目和分布以及模型的结果进行对比分析。 结果表明， 优选训练集压缩了原始训练集16%的样本， 在不改变原始训练集平均水平的前提下， 更接近预测集分布， 没有削弱模型质量。 优选和原始的训练集交叉验证均方根误差RMSECV分别为0.460和0.491， 交叉验证决定系数R2CV分别为0.913和0.916， 预测集均方根误差RMSEP分别为0.462和0.471， 预测集决定系数R2P分别为0.909和0.906。 LASSOLars筛选出40个信噪比高的波长， 数目最少， 建立的模型效果最好， RMSECV， R2CV， RMSEP， R2P和RPD分别是0.933， 0.400， 0.944， 0.373和2.838。 基于LASSOLars优化建模样本和波长建立苹果糖度预测模型， 拓展了LASSOLars算法在子集选择方面的应用， 为优化、 更新和维护模型提供思路。
近红外光谱分析技术 基于最小角回归索套算法 样本优选 波长优选 Near-infrared spectrum LASSOLars Samples optimization Wavelengths optimization 光谱学与光谱分析
2023, 43(5): 1419
1 华东交通大学智能机电装备创新研究院, 江西 南昌 330013
2 浙江德菲洛智能机械制造有限公司, 浙江 金华 321000
糖度(SSC)是苹果内部品质主要评价指标之一, 近红外光谱技术是预测苹果SSC的首选技术, 优化近红外光谱采集装置的参数, 可以提升模型的性能。 采用本课题组自主研发的动态在线设备采集苹果的近红外光谱(350~1 150 nm), 研究不同参数条件下(运动速度、 积分时间和光照强度)对近红外光谱预测苹果糖度模型的影响, 优化动态在线装置的参数。 210个红富士苹果被分为两批, 第一批90个苹果样品, 经过Kennard-Stone算法(K-S)算法分为建模集和预测集, 用于研究不同运动速度、 不同积分时间对苹果SSC含量在线预测模型的影响。 在0.3和0.5 m·s-1两种运动速度下, 使用多元散射校正(MSC)、 小波变换(WT)、 标准正态变量变换(SNV)对采集到的光谱进行预处理, 对不同移动速度的光谱构建糖度的偏最小二乘回归模型(PLS), 结果表明: 装置的运动速度为0.5 m·s-1所建立的预测模型性能较优, 在四种不同积分时间中, 积分时间为120 ms时, 经SNV预处理所建立的模型性能最优, 其预测集的相关系数和均方根误差分别为0.968和0.331。 第二批苹果120个, 经K-S分为建模集和预测集, 选择运动速度为0.5 m·s-1, 积分时间为120 ms的装置参数进行不同光照强度对苹果SSC预测模型影响的研究, 结果发现: 在光照强度为4.5 A时, 采集到的光谱相对其他光照强度组有较大的变化, 光谱在640和800 nm处的波峰基本消失。 在光照强度为6.5 A时, 经SNV预处理后建立的模型性能最优。 再使用竞争性自适应重加权算法(CARS)、 连续投影算法(SPA)对采集的光谱数据进行波长筛选后, 建立苹果SSC模型, 结果表明: CARS-PLS所建立的模型性能较好, 其预测集的相关系数和均方根误差分别为0.991和0.149, 同时简化了模型, 提高了模型的稳定性。 研究表明: 对动态在线设备进行参数优化, 有助于提高苹果模型的预测精度, 该研究有助于对苹果品质在线分选提供技术支持。
近红外光谱分析技术 动态在线装置 光照强度 波长筛选 参数优化 Near-infrared spectrum Dynamic on-line Light intensity Wavelength screening Parameters optimization
1 State Key Laboratories of Transducer Technology,shanghai Insitute of Technical Physices,Chinese Academy of Science,shanghai 200083,China
2 Key Laboratory of Infrared Imaging Materials and Detectors,Shanghai Institute of Technical Physics,Chinese Academy of Sciences,Shanghai 200083,China
3 ShanghaiTech University,Shanghai 201210,china
4 University of Chinese Academy of Sciences,Beijing 100049,China
5 Technology Center of Hefei Customs District,Hefei 245000,China
基于近红外光谱(NIRS)技术和遗传算法-反向传播(GA-BP)神经网络建立模型, 分析茶叶掺蔗糖样品的1~2.5 μm原始光谱数据的有效性及冗余度。 固定样本数据, 对模型的参数优化选择后建立茶叶蔗糖含量定量检测模型。 将1~2.5 μm原始数据分1~1.7, 1~1.3, 1.3~1.7, 1.7~2.5和2~2.2 μm。 利用建立的模型对同一分辨率下的不同波段进行模型训练。 预测结果表明, 1~1.7和1~2.5 μm波段存在数据冗余。 仅使用1.3~1.7或1.7~2.5 μm波段即可有效建立模型。 预测模型对同一波段下的不同分辨率进行研究, 从2 nm到20 nm改变分辨率, 当波段范围为1~2.5 μm时, 模型的R均介于0.9和0.95之间, 且RMSEP也在1.7和2.1之间。 当波段范围为1~1.7 μm时, 模型的R均在0.9和0.93之间, 且RMSEP也在1.95和2.25之间。 结果表明, 1~2.5 μm原始数据中确实存在波长范围和光谱分辨率的冗余。 通过光谱特征分析和算法建模, 可以显著提高光谱数据获取的有效性; 对于茶叶中蔗糖含量的检测, 可以采用更窄的波长范围和更低的光谱分辨率。
遗传算法 BP神经网络 近红外光谱分析 有效性 茶叶 Genetic algorithm BP neural network Near-infrared spectroscopy Validity Tea 光谱学与光谱分析
2022, 42(11): 3647
华北作物改良与调控国家重点实验室, 华北作物种质资源研究与利用教育部重点实验室, 河北省作物种质资源实验室, 河北农业大学农学院, 河北 保定 071001
花生籽仁中的糖含量是影响食味品质的重要指标, 建立快速测定糖含量的方法可有效提高食用型花生的检测效率。 样品外观颜色是影响近红外分析的重要因素之一, 按样品外观颜色分类定标(校正)更有利于提高模型的预测性能。 研究选择不同糖含量的花生种质332个, 采用色差仪将花生种质按种皮颜色分成黑紫色、 红色和粉色三大类。 采用3,5-二硝基水杨酸法、 蒽酮乙酸乙酯法、 蔗糖酶法分别测定籽粒中的总糖、 可溶性糖及蔗糖含量。 总糖含量分别在6.42%~39.53%(黑紫色籽粒)、 9.66%~39.71%(红色籽粒)和8.52%~38.84%(粉色籽粒)之间; 可溶性糖含量分别在2.4%~14.32%(黑紫色籽粒)、 2.94%~13.75%(红色籽粒)和2.19%~14.53%(粉色籽粒)之间; 蔗糖含量分别在0.92%~7.53%(黑紫色籽粒)、 1.05%~7.23%(红色籽粒)和0.95%~7.99%(粉色籽粒)之间, 变异系数均在33%以上。 采用瑞典波通DA7250型近红外分析仪(950~1 650 nm)采集籽粒的近红外光谱值, 选用基于全波段的偏最小二乘回归法(PLSR), 通过对比单一和复合预处理方法, 对比模型的相关系数和误差确定最佳预测模型。 分别建立了黑紫色、 红色、 粉色花生籽仁的总糖含量、 可溶性糖含量和蔗糖含量的近红外光谱定标模型, 共计9个模型, 预测相关系数(Rc)在0.883~0.925之间, 预测均方根误差(RMSEC)在0.370~1.988之间。 对总糖含量所建立的模型中, 粉色种皮花生的预测相关系数Rc可达0.925, RMSEC为1.705; 对可溶性糖含量所建模型中, 黑紫色种皮花生的预测相关系数Rc可达0.921, RMSEC为0.667; 对蔗糖含量所建的模型中, 粉色种皮花生的预测相关系数Rc可达0.914, RMSEC为0.435。 并分别用15份种质进行外部验证, 9个模型的预测相关系数Rp在0.892~0.967之间, 预测均方根误差RMSEP在0.327~2.177之间。 本研究建立的近红外光谱模型可同步、 快速地检测花生籽粒中的多种糖含量, 为高糖含量的鲜食花生育种提供了技术支持。
花生 近红外光谱分析 种皮颜色 蔗糖含量 可溶性糖含量 总糖含量 Peanut Near-infrared spectroscopy analysis Seed coat color Sucrose content Soluble sugar content Total sugar content 光谱学与光谱分析
2022, 42(9): 2896
1 中国农业科学院农产品加工研究所, 农业部农产品加工综合性重点实验室, 北京 100193
2 金胜粮油集团有限公司, 山东 莒南 276600
3 北京农学院, 北京 102206
花生球蛋白、 伴花生球蛋白及亚基含量显著影响蛋白质的凝胶性和溶解性等功能特性, 进而影响其在肉制品、 植物蛋白饮料中的应用效果。 目前常采用提取蛋白质后再用电泳及光密度法测定球蛋白、 伴球蛋白及亚基含量的方法, 操作步骤繁琐, 样品损失量大。 为此收集了178个花生品种, 分别提取蛋白, 采用电泳法测定球蛋白、 伴球蛋白、 23.5和37.5 kDa亚基含量并获得大量数据的基础上, 利用近红外光谱技术进行整粒花生样品的光谱扫描, 将其与传统方法测定的化学值进行拟合, 采用偏最小二乘回归(PLSR)化学计量法构建数学模型。 通过比较单一和复合光谱预处理方式, 对比模型相关系数和误差评估预测模型性能。 确定球蛋白模型最佳预处理方法为2nd-der with Detrend, 校正集相关系数为0.92, 标准差为1.41; 伴球蛋白模型最佳预处理方法为Detrend with 1st-der, 校正集相关系数为0.85, 标准差为1.46; 23.5 kDa亚基含量模型最佳预处理方法为Normalization with 2nd-der, 校正集相关系数为0.91, 标准差为0.53; 37.5 kDa模型最佳预处理方法为Detrend with Baseline, 校正集相关系数为0.91, 标准差为0.89。 外部验证结果表明, 球蛋白预测均方根误差(square errors of prediction, SEP)为1.25, 伴球蛋白SEP为0.73, 23.5 kDa模型SEP为0.47, 37.5 kDa模型SEP为0.75。 本研究基于近红外光谱技术实现了对整粒花生进行球蛋白、 伴球蛋白、 23.5 kDa和37.5 kDa亚基含量的同步、 快速和无损检测, 为育种专家加工专用品种选育和蛋白加工企业原料选用提供了根据。
近红外光谱分析 花生球蛋白 伴花生球蛋白 亚基含量(23.5和37.5 kDa) 偏最小二乘法(PLSR) Near infrared spectral analysis Arachin Conarachin Subunit content (23.5 kDa and 37.5 kDa) Partial least squares regression (PLSR)
1 石河子大学机械电气工程学院, 新疆 石河子 832003
2 农业部西北农业装备重点实验室, 新疆 石河子 832003
西甜瓜(西瓜和甜瓜)味甘多汁, 营养丰富, 其内部品质的检测对其生产和流通具有重要意义。 西甜瓜内部品质的传统检测方法检测时间长, 成本高且为有损检测, 不能满足现代生产的需要。 随着光谱分析技术的快速发展, 应用近红外光谱分析和高光谱成像进行西甜瓜内部品质的无损检测已成为研究热点。 为跟踪国内外最新研究进展并分析研究现状, 介绍了近红外光谱分析和高光谱成像的技术特点和系统组成, 归纳了光谱信息预处理、 变量筛选、 模型建立和模型评价等光谱信息解析方法, 综述了近红外光谱分析和高光谱成像在西甜瓜内部品质(可溶性固形物含量、 坚实度、 总酸含量、 成熟度、 水分等)无损检测中的应用, 并从技术难点和实际应用两方面讨论了光谱分析技术在西甜瓜内部品质无损检测中的发展趋势, 指出利用深度学习进行光谱信息解析、 建立多特征信息融合的综合评价模型、 开发基于人工智能与移动终端深度融合的快速无损检测系统等将成为新的研究方向。
西甜瓜 内部品质 近红外光谱分析技术 高光谱成像技术 无损检测 综述 Watermelon and muskmelon Internal quality Near-infrared spectroscopy Hyperspectral imaging Non-destructive detection Review 光谱学与光谱分析
2020, 40(7): 2035
1 东北林业大学信息与计算机工程学院, 黑龙江 哈尔滨 150040
2 东北林业大学机电工程学院, 黑龙江 哈尔滨 150040
节子影响着实木板材力学性能, 如何准确刻画出节子在实木板材内部的形态, 进而计算出实木板材力学性能是一个具有应用价值的科学问题。 目前, 基于机器视觉的缺陷检测方法实现了实木板材表面缺陷检测与识别, 超声波检测方法可以判断出实木板材中缺陷的存在, X-ray虽然可以全面的掌握实木信息, 但其检测成本较高。 近红外光谱分析具有结构丰富, 测试方便、 无损快速的特点, 但是, 光谱中存在的冗余与非线性信息影响建模精准度, 提出一种基于Isomap和小波神经网络融合的节子倾角辨识方法, 利用Isomap完成光谱信息非线性降维, 运用小波神经网络建立节子边缘的物质成分与倾角间的非线性关联, 通过边缘多点倾角反演出节子在实木板材内部的形态。 首先, 采用Pablo提出的节子斜圆锥模型, 并结合图像处理提取实木板材表面的节子缺陷区域, 计算出相应中心位置; 提取节子边缘的多点位置, 采集光谱信息并完成基线漂移和去噪处理; 然后, 利用K-S划分校正样本集, 运用主成分与马氏距离结合剔除异常光谱; 接着, 运用Isomap方法设定降维数和邻近数, 通过PLS完成不同光谱维度的快速建模, 进而迭代出理想光谱特征; 最后, 应用具有局部信息优化能力的小波神经网络建立节子边缘光谱与该点倾角间的非线性关系, 构建出1个12输入、 1输出的网络模型, 并运用梯度修正网络参数; 将节子倾角预测结果输入Solidworks软件完成节子椎体形态的三维呈现。 实验采用落叶松实木板材作为对象, 选取并采集了40个节子的160组光谱数据, 通过测量上、 下表面节子的相对空间位置, 计算出边缘点倾斜角数值并进行建模分析, 实验结果表明: 采用S-G平滑与一阶导数进行光谱预处理, 得到的光谱轮廓更清晰、 吸收峰更明显; 采用Isomap特征降维方法, 选取非线性降维数d=12、 近邻数k=19时, SECV最小, 可以消除光谱信息的冗余数据; 采用小波神经网络建立的节子倾角非线性模型, 其预测相关系数为0.88, 预测标准差为7.65, 相对分析误差为2.14; 可以实现节子在实木板材内部的形态反演, 可以为力学性能预测提供定量化分析手段。
实木板材 缺陷形态 近红外光谱分析 小波神经网络 Solid wood plate Knot status Near infrared spectrum ISOMAP Isomap Wavelet neural network 光谱学与光谱分析
2019, 39(8): 2618
中国矿业大学信息与控制工程学院, 江苏 徐州 221116
为研究一种快速有效的猪肉质量检测方法，解决传统检验方法耗时、成本高等问题，从市场上收集了109组猪肉样品，通过理化方法将其区分为健康猪肉和病死猪肉。使用FT-NIR光谱仪采集了样品的光谱，并对光谱进行去噪和降维处理。结果显示，光谱数据经过标准正态变换，结合多元散射校正处理和傅里叶变换降维后，建立了基于支持向量机的分类模型，5-折交叉验证准确率达到94.5%。结果表明，利用该方法可以很好地进行不同品质猪肉样品的分类，为用近红外光谱技术检测猪肉质量提供了依据和基础。
猪肉质量检测 近红外光谱分析 支持向量机 pork quality inspection near-infrared spectrum amalysis support vector machine
1 中国科学院长春光学精密机械与物理研究所, 吉林 长春 130033
2 中国科学院大学, 北京 100049
3 长春中医药大学护理学院, 吉林 长春 130117
为实现人体血液甘油三酯(TG)含量无创检测, 应用近红外光谱技术(NIRS), 对单体TG进行定量分析。 通过离体实验优选检测波段(5 700～5 600和4 600～4 400 cm-1), 优化设计检测探头, 综合预处理方法等手段, 对其中TG含量进行定标和预测。 以期提升单体TG无创检测精度及稳定性。 无创采集54组单体光谱数据, 并对其中TG含量进行定标预测, 经对比分析确定平滑滤波(SG)结合偏最小二乘方法(PLS)的定标模型稳健性最优, 对预测集1, 2样品最佳分析结果: 预测标准偏差RMSEP分别为12和12.8 mg·dL-1, 相对预测标准偏差RSD为16.25%和17.33%, 预测精度理想, 基本可用于单人TG的日常监测。 鉴于SG-PLS模型在单体TG无创测量及日变化趋势预测方面的良好表现, NIRS分析技术将在TG无创检测与日常管理领域有更为广泛的应用前景。
人体血液甘油三酯 无创生化检测 近红外光谱分析技术 Triglyceride Near-infrared spectroscopy Non-invasive detection
1 山东大学 光学高等研究中心, 山东 济南 250100
2 山东大学 信息科学与工程学院, 山东 济南 250100
3 中国科学院上海微系统与信息技术研究所 传感技术联合国家重点实验室, 上海 200050
4 国家茶叶及农产品检测重点实验室(黄山), 安徽 黄山 245000
将近红外光谱分析技术用于对山东省代表性绿茶(崂山绿茶和日照绿茶)进行快速、无损伤产地溯源.对平滑处理、一阶微分和二阶微分等几种不同的光谱预处理方法进行了系统性对比和研究创新.提出移动窗口BP神经网络(MW-BP-ANN)算法用于选择特征光谱变量.实验发现,一阶微分和移动窗口-BP神经网络可以大幅提高支持向量机(SVM)分类模型的预测能力.经预处理后,分类模型的最优鉴别准确率可达98.33%.研究结果表明,该光谱变量选择方法对提高产地溯源模型的预测能力起到至关重要作用.
近红外光谱分析技术 支持向量机 绿茶 产地溯源 near-infrared spectroscopy support vector machine green tea origin identification
