【目的】探索建立基于近红外光谱技术的土壤微量元素监测技术。【方法】采集三峡库区(重庆)主要加工甜橙基地果园背景土壤样品168个,随机选取100个作为建模样本,其余为检验样本;测定所有样本的近红外反射光谱和土壤Fe、Mn、Zn全含量;运用最佳光谱预处理方法和偏最小二乘法(partial least square method,PLS)及内部交叉验证方法建立校正模型,并进行模型精度检验。【结果】变量标准化(standard normal variables,SNV)为土壤Fe、Mn、Zn含量近红外光谱预测的最佳光谱预处理方法;运用SNV光谱预处理和偏最小二乘法(PLS)及内部交叉验证法建立的土壤F...

【目的】采用近红外光谱(Near-infrared spectroscopy,NIRS)分析技术对食醋中的总酸和还原糖进行快速定量分析,为食醋品质的检测提供技术支持。【方法】用近红外透射光谱法采集食醋的光谱信息,用Savitzky-Go-lay一阶导数和小波导数(Wavelet derivative,WD)对采集到的食醋光谱进行预处理,采用连续投影算法(Successiveprojections algorithm,SPA)的波长筛选方法对食醋的总酸以及还原糖定量分析模型进行优化。【结果】食醋光谱经小波导数预处理和基于SPA的波长优选后,总酸和还原糖含量分析精度得以提高,模型得到简化。总酸的预...

【目的】高粱是酿酒和饲料的主要原料之一,其籽粒直链淀粉含量与支链淀粉含量的比值大小与白酒品质及饲料质量密切相关。传统的高粱成分化学检测方法已不适合高通量测试,采用改进最小二乘法(modified PLS)对高粱样品的近红外光谱图进行光谱预处理、得分处理和结果监控建立高粱籽粒直链淀粉、支链淀粉含量的预测模型,旨在得到一种快速高效低成本的检测方法,为高粱的遗传改良及品质分析提供依据。【方法】从450份高粱资源中筛选出112份代表品种作为校正集和验证集,通过双波长法测定112份高粱品种籽粒中直链淀粉、支链淀粉含量的化学值,并收集波长为850—1 048 nm的近红外光谱,对光谱进行扫描数据矩阵和化学数据计算得分(PL1)处理解释光谱间差异,剔除马氏距离(GH)大于3的超常品种以减小建模误差。采用Modified PLS回归技术建模,通过不同散射处理和导数处理等方法建立不同的定标模型。根据交叉验证标准偏差(SECV)、交叉验证相关系数(1-VR)确定最佳模型,并进行结果监控和非参数检验评估模型的预测性能。【结果】直链淀粉的近红外预测模型SECV是2.7732,1-VR是0.9503,相关系数(RSQ)是0.9688。Bias=0.2290.05;P=0.992>0.05)。【结论】所建立的近红外模型精准度高,稳定性好,能准确快速地检测高粱籽粒中直链淀粉、支链淀粉的含量,可用于高粱的遗传改良及高粱品质的检测。

【目的】变量选择是可见光-近红外光谱研究至关重要的步骤,通过分析可见光-近红外光谱不同特征的选择方法筛选出土壤全氮敏感波段,建立基于敏感波段的土壤全氮最佳预测模型,为土壤全氮的快速定量估算提供重要的理论指导依据。【方法】在红壤典型地区江西省吉安县采集代表性土壤样品120个,对可见光-近红外光谱采用主成分分析(PCA)、无信息变量消除(UVE)和无信息变量消除后结合连续投影(UVE-SPA)3种变量特征选择方法,建立基于不同变量选择的偏最小二乘回归(PLSR)模型、最小二乘-支持向量机(LS-SVM)、反向传播神经网络(BPNN)和遗传算法优化的反向传播神经网络(GA-BPNN)模型,从模型对预...

【目的】采用近红外光谱和不同建模方法测定土壤中的有机质和速效P含量。【方法】分别采集江西不同地区的土样240个,采集土壤样品的近红外漫反射光谱,以对光谱数据进行主成分分析得到的前6个主成分(PCs)和偏最小二乘回归(PLSR)建模得到的6个潜在变量(LVs),分别作为反向传播神经网络(BPNN)和偏最小支持向量机(LS-SVM)的输入变量,共建立6个模型,分别为主成分回归(PCR)、PLSR、BPNN-PCs、BPNN-LVs、LS-SVM-PCs和LS-SVM-LVs,并对这些建模方法预测土壤有机质和速效P含量的结果进行评价,从中筛选出最佳模型。【结果】在预测土壤有机质和速效P含量时,LS-...

【目的】快速、无损、准确地获取柑橘叶片营养信息。【方法】以盆栽蓬安100锦橙为试材,通过精确控制施肥处理(K0:0g,K1:30g,K2:75g,K3:90,K4:120gk2O/株/年),利用鲜叶进行光谱检测钾素营养状况分析。【结果】可见近红外波段范围内,各施钾处理蓬安100锦橙夏梢叶片光谱反射强度呈K3>K0>K1>K2>K4趋势。通过对反射光谱、一阶微分、二阶微分和倒数对数光谱进行多元散射(multiple scattering correction,MSC)校正处理,运用偏最小二乘法(partial least square method,PLS)与内部交叉验证建立了钾含量预测回归模型...

为了提高应用近红外光谱技术无损检测雷竹Phyllostachys violascens竹笋硬度的精度,研究了雷竹笋硬度光谱检测模型的优化方法。首先对雷竹笋原始光谱进行正态变量变换(SNV),然后采用后向间偏最小二乘法(bi PLS)去除部分与竹笋硬度无关的变量,随后进一步采用竞争性自适应权重法(CARS)剔除无关变量,最后采用连续投影算法(SPA)将光谱变量个数从1 557个减少为25个。最终,bi PLS-CARS-SPA模型的交叉验证相关系数(rcv),预测相关系数(rp),交叉验证均方误差(RMSECV)以及预测均方误差(RMSEP)分别为0.984,0.926,0.300 N·cm-2...

为探讨柑橘内部品质无损检测方法,通过3阶Daubechies小波4级分解,对柑橘近红外光谱进行消噪预处理,并运用偏最小二乘法建立了柑橘贮藏中可溶性固形物、糖度、酸度和维生素C含量的校正预测模型。结果表明:建立的可溶性固形物含量预测模型,其预测值与标准值的相关系数为0.954,预测校正均方差为0.418%,最优光谱波段为6 101.7-4 246.5 cm-1;建立的可溶性总糖含量预测模型,其预测值与标准值的相关系数达0.975,预测校正均方差为0.490%,最优光谱波段为7 507.7-6 097.8 cm-1;建立的总酸含量预测模型,其预测值与标准值的相关系数达0.948,预测校正均方差为0...

本试验选取了不同浓度的KCl、K2SO4和CaCl2试剂,以6种不同耕作方式下的紫色土为对象,研究其提取土壤溶解性有机碳(DOC)的浸提效果。结果表明,各试剂提取土壤DOC含量均随生育期变化,呈现先增加后减弱的趋势,在拔节期达到峰值。同一生育期下,2.00 mol·L-1KCl和0.25 mol·L-1K2SO4提取DOC平均含量相对最高,0.05 mol·L-1KCl和0.15 mol·L-1CaCl2提取DOC平均含量相对较低。几种试剂中0.25 mol·L-1K2SO4提取的成熟期土壤DOC量占总有机碳比例最大(2.67%),同时,0.25 mol·L-1K2SO4测定各时期结果重复间的...

【背景】牛奶中钠（sodium,Na）、钾（potassium,K）和镁（magnesium,Mg）含量的准确检测有助于奶牛的健康养殖，同时也是稳定乳制品质量的前提。但目前检测牛奶中矿物质含量的常规方法昂贵且耗时，因此需要一种低成本且快速检测牛奶Na、K和Mg含量的方法。【目的】利用中红外光谱（mid-infrared spectroscopy,MIRS）预测中国荷斯坦牛牛奶中Na、K和Mg含量的潜力，为测定牛奶中Na、K和Mg含量提供快速检测技术，为牛群饲养管理和奶牛遗传育种提供大量表型数据支撑。此外，比较不同特征波段选择算法改进预测牛奶中Na、K和Mg含量的MIRS定量预测模型的能力。【方法】以来自华北地区的255份健康中国荷斯坦牛牛奶样本为研究对象。首先，使用Milko Scan TMFT+收集牛奶样本的MIRS数据，并使用电子耦合等离子体发射光谱法测定牛奶样本中Na、K和Mg含量的真实值。随后，以MIRS数据为预测变量，Na、K和Mg含量的真实值为因变量，利用4种光谱预处理算法（一阶导数、二阶导数、SG平滑和标准正态变换）、4种特征选择算法(无信息变量消除（uninformative variable elimination,UVE）、竞争性自适应重加权算法（Competitive adaptive reweighted sampling,CARS）、遗传算法（Genetic Algorithm,GA）及最小角回归算法（Least Angle Regression,LAR）)和9种建模算法（偏最小二乘回归、支持向量机、随机森林和弹性网络等），分别建立预测牛奶中Na、K和Mg含量的MIRS定量预测模型，并选出最优模型组合（特征选择算法+光谱预处理算法+建模算法）。【结果】CARS特征波段选择算法对Na、K和Mg含量预测模型的改进效果优于UVE、GA和LAR算法。基于CARS特征选择算法、一阶导数预处理和弹性网络建模算法开发的Na含量预测模型效果最好，该模型预测集决定系数（coefficient of determination of prediction set,R _p²）=0.72，预测集均方根误差（root mean squared error of prediction,RMSEp）=63.28 mg·kg^-1，预测集平均绝对误差（mean absolute error of prediction set,MAEp）=49.03 mg·kg^-1，性能偏差比（ratio of performance to deviation,RPD）=1.90；基于CARS特征选择算法、原始光谱和支持向量机建模算法开发的K含量预测模型效果最好，该模型R _p²=0.57,RMSEp=141.49mg·kg^-1,MAEp=116.24 mg·kg^-1,RPD=1.57；基于CARS特征选择算法、原始光谱和偏最小二乘回归建模算法开发的Mg含量预测模型效果最好，该模型R _p²=0.51,RMSEp=12.08 mg·kg^-1,MAEp=9.84 mg·kg^-1,RPD=1.30。【结论】利用MIRS预测中国荷斯坦牛牛奶中Na和K含量的方法可行，可以较准确地预测Na含量，近似地定量预测K含量（用于区分低浓度K和高浓度K样品）。在建模之前利用CARS算法提取特征波段提高了MIRS预测模型的准确性，并大大减少了运算时间，可提高MIRS模型预测表型数据的效率。

为快速准确地测定茶油中脂肪酸含量，建立了应用近红外光谱技术检测茶油中脂肪酸含量的方法。选取市售的１５６份茶油样品，利用气相色谱仪测定其脂肪酸组成及含量，同时采用近红外光谱仪采集油样的光谱数据，并分析原始（Ｒ）光谱、ＳＧ平滑（ＳＧ）光谱和二阶导数变换（ＳＤ）光谱与茶油中脂肪酸含量的相关性，采用偏最小二乘回归法（ＰＬＳＲ）比较全光谱波段与显著性波段对建模精度的影响，优选出茶油中脂肪酸含量的定量检测模型。结果表明：茶油中棕榈酸、油酸和亚油酸含量较高，分别为４．４２８％～１０．９３１％、７８．０３６％～８４．６２１％、７．０１３％～９．８６３％；采集的茶油近红外光谱曲线特征变化较为明显，光谱特征峰的位．．．

【目的】本研究旨在建立麻疯树种子含油量的近红外光谱定标模型,为近红外光谱技术应用于麻疯树种子含油量的测定提供依据。【方法】利用瑞典波通DA7200型近红外光谱成分分析仪采集了125份麻疯树种子样品的光谱数据,通过样品化学值测定、光谱数据预处理以及回归统计方法建立了麻疯树含油量的近红外光谱定标模型,并利用10份未知含油量的种子样品对模型的准确性进行了检验。【结果】本研究建模所选125份样品的含油量范围为25.23%39.73%,平均值为33.91%±2.64%,中位数为34.31%,基本覆盖了当前麻疯树的主

利用瑞典波通DA7200型固定光栅连续光谱近红外分析仪,对来自不同产地的150份油茶种子样品进行含油量测定。依据其吸收光谱与化学特征分析数据,建立2个种仁含油率模型,并对模型的准确性进行预测评价。结果表明:用整颗油茶种仁建立的模型与常规方法测量结果之间的相关系数为0.88,预测标准偏差为0.91,该模型可用于测定准度要求相对不高而比较珍贵和量少的样品。而用粉碎油茶种仁建立的模型测定效果最好,与常规方法测量结果之间的相关系数为0.98,预测标准偏差为0.33,因此该模型可代替常规测试方法使用。检验结果表明定标模型预测精度高、稳定性较好。近红外光谱技术可用于快速测定油茶种仁含油量,具有很好的应用前...

【目的】木材基本密度在木材质量等级评定中具有重要作用,是木材分流及精细化利用的重要依据。【方法】以东北林区典型针叶树种为研究对象,结合近红外光谱技术,构建红松、落叶松、云冷杉木材基本密度近红外估测模型,分析比较了不同波段优选算法并进行了模型优化。研究采用竞争性自适应重加权法(CARS)、无信息变量消除法(UVE)和间隔偏最小二乘法(iPLS)对木材近红外光谱波段进行优化,基于卷积平滑算法对近红外光谱数据进行预处理,结合偏最小二乘法(PLS)建立针叶木材基本密度估测模型。依据相关系数(R)、均方根误差(RMSEC)等模型参数对模型效果进行评价,对比分析确定最佳波段优选方法,得到最优针叶木材基本密度近红外估测模型。【结果】利用CARS、UVE、i PLS的波段优化方法对近红外光谱波段的筛选,可以起到优化针叶木材基本密度模型的作用,减少参与建模的近红外光谱的波段变量数,明显提升模型的运算速度,使得模型准确度更高、稳定性更好;利用间隔偏最小二乘法结合偏最小二乘法(iPLS-PLS)进行波段优选的针叶木材基本密度模型效果最好,其模型校正相关系数为0.938 0,校正均方根误差为0.021 8,验证相关系数为0.8959,验证均方根误差为0.028 0。【结论】基于波段优选及模型优化构建东北林区典型针叶树种基本密度近红外估测模型,可以有效提高运算速度及估测精度,实现针叶材基本密度的快速、准确、无损估测,为针叶木材材性研究和森林培育提供了理论依据与技术支撑,有利于进一步实现木材的高效节约与精细化利用。

为快速测定人工林杨木的综纤维素含量,按国家标准测定了42个杨木木材样品的综纤维素含量,并用近红外光谱仪测定相应的光谱。在350~2 500、1 300~2 050、2 050~2 500 nm 3个不同的光谱区域,采用未处理、Baseline、一阶导数、二阶导数等光谱预处理方法,再用PLS1、PLS2、PCR 3种不同建模方法建立相应的校正模型与交互验证模型。结果表明:当光谱区域为1 300~2 050 nm、光谱数据未进行预处理、采用PLS1的建模方法、主成分数为8时,建立的校正模型有最佳预测效果;采用建立的模型对未参与建模的样本进行预测,预测结果与实测结果间的相关系数为0.818 8。