期刊文献+
共找到12,597篇文章
< 1 2 250 >
每页显示 20 50 100
近红外光谱技术用于酱香型白酒基酒关键成分的快速定量分析 认领 引用 被引量:3
1
作者 王凡 张文娟 +6 位作者 李国辉 卢君 李长文 曾影 王勇 吴勇 李军 《现代食品科技》 CAS 北大核心 2026年第2期322-330,共9页
为实现酱香型白酒基酒关键指标的快速检测,该研究以气相色谱法、滴定法为参考方法,利用近红外光谱技术结合偏最小二乘算法建立了酱香型白酒中7种关键成分的分析模型。通过间隔偏最小二乘法筛选出各物质的特征波段,并在12种单一或组合的... 为实现酱香型白酒基酒关键指标的快速检测,该研究以气相色谱法、滴定法为参考方法,利用近红外光谱技术结合偏最小二乘算法建立了酱香型白酒中7种关键成分的分析模型。通过间隔偏最小二乘法筛选出各物质的特征波段,并在12种单一或组合的方法中筛选出最优谱图处理方式。优化后的乙酸、丙酸、乙酸乙酯、乳酸乙酯、糠醛、乙酸异戊酯、总酸模型交叉验证决定系数RVal2为0.8542~0.9638,交叉验证均方根误差RMSECV为0.0038~0.5158;外部验证预测标准偏差SEP为0.0028~0.4785;RPD为2.41~6.43,模型预测准确性与稳健性良好。该研究表明近红外方法可快速检测酱香型白酒基酒中乙酸、丙酸、乙酸乙酯、乳酸乙酯、糠醛、乙酸异戊酯、总酸含量,极大提升检测效率,实现生产过程中的快速反馈,并为在线近红外光谱技术在智能酿造中的应用提供了方法基础。 展开更多
关键词 酱香型白酒基酒 近红外光谱 化学计量学 快速检测 偏最小二乘
暂未订购 下载PDF
近红外光谱结合改进的排列组合总体分析方法鉴别浓香型白酒基酒等级 认领 引用 被引量:2
2
作者 王怡博 庹先国 +3 位作者 张贵宇 张磊 向星睿 严俊 《食品工业科技》 EI CAS 北大核心 2026年第2期347-355,共9页
白酒基酒中含有种类繁多、关系复杂的微量成分,如何快速简便地预测其等级具有重要意义。为实现快速准确的鉴别,并考虑多组分样本物质间协调关系,降低计算复杂度,本文在近红外光谱数据基础上,提出了一种改进的排列组合总体分析(improved ... 白酒基酒中含有种类繁多、关系复杂的微量成分,如何快速简便地预测其等级具有重要意义。为实现快速准确的鉴别,并考虑多组分样本物质间协调关系,降低计算复杂度,本文在近红外光谱数据基础上,提出了一种改进的排列组合总体分析(improved permutation combination population analysis,imPCPA)特征选择方法。研究基于浓香型白酒4种等级基酒共687个样品,建立了近红外光谱白酒基酒等级判别模型,采用了组合特征选择策略对光谱点进行筛选。先使用区间偏最小二乘法(interval partial least squares,IPLS)对预处理后的光谱进行无信息变量的剔除,再使用imPCPA对选取的区间进行波点筛选,最后建立极端梯度提升树(established extreme gradient boosting,XGBoost)分类模型。最终筛选出了32个特征波点,相比于改进之前的算法在计算量上减少了80%,分类模型预测集准确率中位数达95.65%。综上,该方法缓解了现有的感官品评方法进行酒类分析带来的主观性强、重现性差的特点,实现了多组分样本中成分间的协调作用的捕捉,特征选择结果解释性好,为白酒基酒等级的快速检测提供了参考。 展开更多
关键词 近红外光谱 白酒基酒 组合特征选择 排列组合总体分析 峰识别
暂未订购 下载PDF
基于近红外光谱技术结合机器学习的咖啡粉掺假检测分析 认领 引用 被引量:2
3
作者 张付杰 曾庆宇 +5 位作者 孔丹丹 余小宁 胡伟明 陈申奥 岳啸先 梁嘉雯 《食品科学》 EI CAS CSCD 北大核心 2026年第1期309-316,共8页
开发一种基于近红外光谱结合机器学习建模的快速、无损检测方法,用于对掺杂大豆粉的咖啡进行定量检测,采用分层建模策略以提高预测准确率。支持向量回归结合3种光谱预处理方法被用于构建预测模型。通过对比竞争性自适应重加权采样和迭... 开发一种基于近红外光谱结合机器学习建模的快速、无损检测方法,用于对掺杂大豆粉的咖啡进行定量检测,采用分层建模策略以提高预测准确率。支持向量回归结合3种光谱预处理方法被用于构建预测模型。通过对比竞争性自适应重加权采样和迭代保留信息变量方法,确定30个特征波长。引入3种优化算法(蜣螂优化算法、粒子群优化算法、灰狼优化算法),构建的模型校正集和测试集的决定系数(R2)为0.9784、0.9669,均方根误差分别为0.0157和0.0228,残差预测偏差比分别达到6.8096、5.4998。研究表明,近红外光谱技术为识别掺假大豆粉的咖啡检测提供了一种有效的技术手段。 展开更多
关键词 近红外光谱技术 咖啡掺假 支持向量回归
暂未订购 下载PDF
基于傅里叶红外光谱褐煤官能团及腐植酸含量研究 认领 引用 被引量:2
4
作者 金伟 樊玉萍 +3 位作者 马晓敏 董宪姝 朱本康 李德浩 《太原理工大学学报》 CAS 北大核心 2026年第1期89-99,共11页
【目的】探究褐煤性质与腐植酸含量的相关关系,并对腐植酸含量进行预测。【方法】选取宁夏、内蒙、新疆3种褐煤煤样,采用浮沉实验以及X射线衍射仪、元素分析仪、傅里叶红外光谱仪等实验方法和测试仪器,对样品进行工业分析、矿物组成分... 【目的】探究褐煤性质与腐植酸含量的相关关系,并对腐植酸含量进行预测。【方法】选取宁夏、内蒙、新疆3种褐煤煤样,采用浮沉实验以及X射线衍射仪、元素分析仪、傅里叶红外光谱仪等实验方法和测试仪器,对样品进行工业分析、矿物组成分析、元素分析和官能团分析研究,并利用分峰拟合技术对其官能团进行定量分析,探究了褐煤特性与腐植酸含量的内在关系。通过SPSS软件建立多元线性回归方程对腐植酸含量进行预测。【结果】研究结果表明:灰分低、密度级低、O/C原子比高的褐煤中的腐植酸含量较高;官能团中的羟基醚氧氢键可在腐植酸形成过程中促进有机分子之间聚集形成较大的分子聚合体;羰基C=O及羧基C=O为高度反应性官能团,它们产生的一系列交联反应有助于形成大分子网络从而构建腐植酸的复杂化学结构;富含羟基醚氧氢键、羰基C=O以及羧基C=O的褐煤中腐植酸含量高。对煤样进行腐植酸含量的预测,其实验值与预测值之间的最小误差可以达到0.28%,表明建立的预测模型具有拟合优度高、预测准确性高的优点,为褐煤中腐植酸含量的快速测定提供了新的方法和思路。 展开更多
关键词 褐煤性质 腐植酸含量 傅里叶红外光谱 分峰拟合 预测模型
暂未订购 下载PDF
基于近红外光谱分析技术的蕨麻产地判别及定量检测模型评价 认领 引用 被引量:2
5
作者 吕博文 温馨 +1 位作者 李军乔 王聪 《草业学报》 CSCD 北大核心 2026年第1期140-153,共14页
本试验旨在利用近红外光谱技术,建立蕨麻产地判别模型和营养成分快速检测的近红外预测模型。以32个采样点蕨麻块根为研究对象,参考国家标准和行业标准分别测定蕨麻中淀粉、蛋白质、多糖、鞣质和总皂苷5个关键质量属性的含量,并采集其全... 本试验旨在利用近红外光谱技术,建立蕨麻产地判别模型和营养成分快速检测的近红外预测模型。以32个采样点蕨麻块根为研究对象,参考国家标准和行业标准分别测定蕨麻中淀粉、蛋白质、多糖、鞣质和总皂苷5个关键质量属性的含量,并采集其全反射红外光谱(ATR)和近红外光谱(NIR)数据。利用ATR和NIR光谱数据结合建模方法、校正方法、图谱类型为因素进行3因素3水平的正交试验,选取蕨麻样品分为校正集430个,预测集215个构建并验证产地判别模型的优劣。经比对分析,ATR模型中,以建模方法为扩散模型(DM),校正方法为标准正态变量校正(SNV),谱图类型为原谱图的组合为最优建模条件,优化后,其识别率为99.07%,预测率为97.21%,判别效果较好。在此基础上,通过优化预处理方法、建模波段等建模条件,建立了蕨麻5种有效营养成分的定量检测模型。其中,鞣质最优模型为PCR+MSC+D1+Norris平滑(5,5),建模波段为6148~5379 cm-1,其预测相关系数(Rp)为0.9393,外部验证相对分析误差(RPD)为2.86,>2.00;多糖的预测模型效果次之,其最优模型为PCR+MSC+spectrum+Norris平滑(5,5),建模波段为7000~4173 cm-1,其Rp为0.8470,RPD为1.68,>1.40。近红外光谱技术结合化学计量学可实现蕨麻产地判别及多种营养成分综合质量的快速准确检测,为蕨麻快速综合质量评价模型的建立奠定了基础。 展开更多
关键词 蕨麻 红外光谱 产地判别模型 定量检测模型
暂未订购 下载PDF
基于近红外光谱与Transformer的烟叶感官指标预测方法 认领 引用 被引量:1
6
作者 张云伟 张健涛 +3 位作者 张海 周渭皓 李斌 陶成金 《农业机械学报》 EI CAS CSCD 北大核心 2026年第1期386-396,共11页
为克服传统卷烟配方设计与维护过程中存在的主观性强、过度依赖人工经验及感官评吸等技术瓶颈,利用“近红外光谱-化学成分-感官指标”的间接关联,提出了一种基于近红外光谱与Transformer架构的端到端烟叶感官质量指标预测方法。首先采用... 为克服传统卷烟配方设计与维护过程中存在的主观性强、过度依赖人工经验及感官评吸等技术瓶颈,利用“近红外光谱-化学成分-感官指标”的间接关联,提出了一种基于近红外光谱与Transformer架构的端到端烟叶感官质量指标预测方法。首先采用Savitzky-Golay卷积平滑法(SG)、一阶导数法(D1)、多元散射校正(MSC)3种光谱预处理技术有效消除基线漂移和散射干扰;进而设计了一种面向光谱数据特征的Transformer预测模型,实现了烟叶感官质量三维评价体系(风格特征:清香、甜香、焦香;烟气特征:浓度、劲头;质量特征:香气质、香气量、杂气、刺激、余味)的精准预测,并采用了SHAP方法对模型进行分析,增强了模型的可解释性。结果表明,模型对各感官指标测试集预测的平均绝对误差均不高于0.56,具有较好可用性;针对不同感官指标,模型表现出对不同光谱特征波段的捕捉,有效挖掘了光谱特征的协同作用机制,具有较好可解释性。在此基础上,进一步结合多维相似度分析设计了一种辅助烟叶替代方法,可为烟叶替代与配方优化提供量化决策支持。 展开更多
关键词 烟叶感官指标 近红外光谱 Transformer 预测模型 烟叶替代
暂未订购 下载PDF
基于多模型特征融合技术的皮蛋凝胶品质分级方法 认领 引用 被引量:1
7
作者 汤文权 王巧华 +2 位作者 杨烝 张浩 范维 《农业机械学报》 EI CAS CSCD 北大核心 2026年第3期377-386,共10页
为了解决工厂在皮蛋凝胶品质分级时存在的成本高、主观性强等问题,设计了一种适用于可见/近红外光谱数据的多模型特征融合分类模型。使用CARS(Competitive adaptive reweighted sampling)算法提取皮蛋可见/近红外光谱的特征波段;设计了... 为了解决工厂在皮蛋凝胶品质分级时存在的成本高、主观性强等问题,设计了一种适用于可见/近红外光谱数据的多模型特征融合分类模型。使用CARS(Competitive adaptive reweighted sampling)算法提取皮蛋可见/近红外光谱的特征波段;设计了一维高效通道注意力(One-dimensional efficient channel attention,ECA_1D)模块,并添加在所建立1DCNN模型中得到了1DCNN_ECA模型,提取光谱的卷积特征;在LSTM网络中引入自注意力(Self attention)模块建立了LSTM_Self模型,来捕捉光谱序列的长期依赖关系;融合CARS算法、1DCNN_ECA模型和LSTM_Self模型所提取的特征建立了特征融合模型TripleFusion模型,其分级准确率可达95.0%。研究结果表明多模型特征融合方式可以弥补单模型在特征提取能力上的不足,大幅提升模型的分类准确率,解决了皮蛋凝胶品质分选难题,丰富了可见/近红外光谱数据的分析和建模方法。 展开更多
关键词 皮蛋 凝胶品质分级 可见/近红外光谱 多模型 特征融合
暂未订购 下载PDF
融合多尺度注意力与领域对抗学习的铝土矿近红外光谱跨设备建模 认领 引用 被引量:1
8
作者 徐志彬 许昊 +2 位作者 王刚 左玉昊 雷萌 《分析测试学报》 CAS CSCD 北大核心 2026年第3期563-572,共10页
该文提出了一种融合多尺度注意力机制与领域对抗学习的跨设备建模方法。在特征提取阶段,构建结合卷积块注意力模块与多尺度特征融合的一维编码-解码网络,以同时捕获光谱的全局趋势与局部细节特征并抑制噪声;在迁移策略上,引入领域对抗学... 该文提出了一种融合多尺度注意力机制与领域对抗学习的跨设备建模方法。在特征提取阶段,构建结合卷积块注意力模块与多尺度特征融合的一维编码-解码网络,以同时捕获光谱的全局趋势与局部细节特征并抑制噪声;在迁移策略上,引入领域对抗学习,通过梯度反转层与领域分类器的对抗训练实现源设备与目标设备特征分布的端到端对齐,并结合标准正态变量变换与Savitzky-Golay卷积平滑提升光谱输入的一致性与信噪比。在基于两台便携式近红外光谱仪采集的1330条铝土矿光谱数据上的八折交叉验证中,该方法在目标设备上的决定系数达到0.8603,均方根误差为1.7521,显著优于传统校正方法和多种深度学习基线模型。特征分布可视化与消融实验进一步验证了多尺度特征融合、注意力机制及领域对抗策略在特征对齐和性能提升方面的有效性。 展开更多
关键词 近红外光谱 迁移学习 铝土矿 多尺度融合
暂未订购 下载PDF
ATR-FTIR光谱结合二阶导数与CNN和CNN-LSTM模型对10种苹果的分析鉴别 认领 引用 被引量:1
9
作者 马殿旭 蔡彦 +5 位作者 杨海涛 单长吉 杜国芳 李章艳 单嵛琼 陈玖福 《光散射学报》 北大核心 2026年第1期307-314,共8页
文章应用水平衰减全反射傅里叶红外光谱(ATR-FTIR)和二阶导数光谱对10种苹果进行分析,并运用卷积神经网络(CNN)和卷积神经网络(CNN)与长短期记忆网络(LSTM)结合的混合模型(CNN-LSTM)对其进行了鉴别。在10种苹果的傅里叶红外光谱中,均在3... 文章应用水平衰减全反射傅里叶红外光谱(ATR-FTIR)和二阶导数光谱对10种苹果进行分析,并运用卷积神经网络(CNN)和卷积神经网络(CNN)与长短期记忆网络(LSTM)结合的混合模型(CNN-LSTM)对其进行了鉴别。在10种苹果的傅里叶红外光谱中,均在3500~2850 cm-1、1650~1400 cm-1和1200~900 cm-1等范围表现出了较强吸收,可以看出苹果含有丰富的糖类、维生素、氨基酸、脂质、有机酸、酚类和黄酮类等物质,尤其在1200~900 cm-1的指纹区,不同品种的苹果在糖类、果胶等成分含量上存在一定的差异。对1200~900 cm-1指纹区进行二阶导数光谱分析,在二阶导数光谱中可以识别出不同苹果品种的化学组成差异,依据其峰位和峰形的变化,能够有效区分甘肃和新疆的黄元帅品种,同时也可以区分红富士和秦冠不同系别的结构特征,为苹果的质量控制和溯源鉴定提供了可靠的指纹图谱依据。进一步对10种苹果329个光谱进行CNN分析,采用分层抽样法和K-折交叉验证将各品种光谱数据按7:3比例划分为训练集和预测集,通过一定迭代和训练,使得CNN模型在训练集上的分类准确率达到100%的最优状态,再对66个样品光谱进行预测,在CNN分析中准确率为86.4%。为提高模型准确率,进一步运用CNN与LSTM结合的混合模型CNN-LSTM对其进行了鉴别,准确率提高到90.9%。模型都表现出了非常好的分类准确率。因此ATR-FTIR、二阶导数、CNN和CNN-LSTM神经网络分析方法在苹果分析鉴别研究中相互补充,可以对苹果进行准确分类,并且该方法可以运用到其他物质分类鉴别分析。 展开更多
关键词 苹果 水平衰减全反射傅里叶红外光谱ATR-FTIR 二阶导数光谱 神经网络分析模型 鉴别
暂未订购 下载PDF
高频燃烧-红外吸收光谱法测定镍基铸造高温合金中碳和超低硫的含量 认领 引用 被引量:1
10
作者 年季强 陈颖杰 《理化检验(化学分册)》 CAS CSCD 北大核心 2026年第3期305-313,共9页
提出了高频燃烧-红外吸收光谱法测定镍基铸造高温合金中碳和超低硫元素含量的方法,并优化了制样方式等一系列条件。结果表明,粒状样品与屑状样品中碳、硫元素的测定结果存在明显偏差,粒状样品的测试结果低于屑状样品的,但屑状样品多次... 提出了高频燃烧-红外吸收光谱法测定镍基铸造高温合金中碳和超低硫元素含量的方法,并优化了制样方式等一系列条件。结果表明,粒状样品与屑状样品中碳、硫元素的测定结果存在明显偏差,粒状样品的测试结果低于屑状样品的,但屑状样品多次测定结果的极差略小;对于单晶高温合金,采用粒状样品进行测试,结果更具可靠性。采用空气冷切割或水冷切割方式,结合相同打磨工艺去除样品表面氧化层,对碳、硫元素的测试结果无明显影响。超低碳硫单晶高温合金条状样品表面经不同打磨方式制样后,金刚石锉刀打磨样品的碳元素测定结果比合金钢锉刀和氧化铝砂纸打磨样品的高,而对硫元素测定结果影响较小。经1050℃灼烧1 h的陶瓷坩埚,其碳、硫元素空白值更低且更稳定;选择2.20 kW分析功率进行燃烧熔融时,检测结果稳定性更佳;钨锡助熔剂的空白值最低。采用与待测样品同类型的铁、镍基标准样品,且选用与待测元素含量相近的标准样品进行仪器校准,可使测定误差最小、结果最准确。采用GB/T 20123—2006、HB 5220—2008及ASTM E1019-18标准方法进行测试,结果极差均小于GB/T 20123—2006规定的再现性限,无显著差异。本方法用于测定镍基铸造高温合金中碳元素及超低硫元素含量,测定结果与其他公司按照ASTM E1019-18标准方法测定的结果基本一致,其中超低硫元素6次平行测定结果的相对标准偏差小于25%,碳元素6次平行测定结果的相对标准偏差小于3.0%。 展开更多
关键词 高频燃烧 红外吸收光谱法 镍基铸造高温合金
暂未订购 下载PDF
基于可见-近红外光谱的新梅轻度碰伤光谱演化特征 认领 引用
11
作者 张慧 刘建江 +3 位作者 文龙 赖丽思 邹湘军 王鑫 《农业工程学报》 EI CAS CSCD 北大核心 2026年第10期343-352,共10页
为解决新梅果实在采后分选与运输过程中轻度碰伤难以及时识别、内在碰伤随时间累积进而影响品质的问题,该研究基于反射式可见-近红外光谱建立新梅轻度碰伤识别与时间演化表征方法。首先,利用自制碰撞装置制备轻度碰伤样本,并对比反射模... 为解决新梅果实在采后分选与运输过程中轻度碰伤难以及时识别、内在碰伤随时间累积进而影响品质的问题,该研究基于反射式可见-近红外光谱建立新梅轻度碰伤识别与时间演化表征方法。首先,利用自制碰撞装置制备轻度碰伤样本,并对比反射模式与透射模式两种采集方式,确定反射式可见-近红外光谱(visible and near-infrared spectroscopy,Vis-NIR)为光谱获取手段;在标准白板反射率控制原则与控制变量法基础上,优化积分时间、光源与样本距离、光谱平滑度及采集姿态等参数,以保证光谱重复性。其次,采集碰伤后1、6、24、48 h 4个时段的反射光谱,并设置完好果实为对照;采用平均光谱曲线分析,结合主成分分析(principal component analysis,PCA)与统一流形近似与投影(uniform manifold approximation and projection,UMAP)进行降维可视化,刻画不同时间点的光谱差异;进一步构建支持向量机(support vector machine,SVM)、随机森林(random forest,RF)与极端梯度提升(extreme gradient boosting,XGBoost)分类模型,对比识别性能与泛化能力。结果表明,轻度碰伤样本在700~950 nm波段反射率随时间变化显著,且24 h时与对照组差异最为突出;在多元散射校正(multiplicative scatter correction,MSC)、去趋势(detrending,DT)与连续小波变换(continuous wavelet transform,CWT)预处理条件下,SVM模型分类准确率均超过92.00%,其中连续小波变换-无信息变量消除-支持向量机(CWT-UVE-SVM)在24 h节点的识别准确率为96.67%。基于轻度碰伤样本训练的模型在迁移验证中对中、重度碰伤仍保持良好泛化性能,对重度碰伤识别准确率达99.17%;引入时间标签后模型准确率由94.17%提升至97.78%。综上,该研究揭示了轻度碰伤新梅的光谱时间响应规律,可为采后动态识别与分选策略优化提供方法参考与数据支撑。 展开更多
关键词 近红外光谱 无损检测 机器学习 新梅 轻度碰伤 时间频谱演化
暂未订购 下载PDF
基于可见-近红外光谱的多策略特征融合新梅货架期判别分析 认领 引用
12
作者 张慧 文龙 +3 位作者 刘建江 李晓娟 邹湘军 焦海峰 《食品科学》 EI CAS CSCD 北大核心 2026年第8期384-395,共12页
本研究利用可见-近红外(visible-near infrared spectroscopy,Vis-NIR)光谱技术采集新梅4个不同货架期(采后1、3、5、7 d)的光谱信息,采用Savitzky-Golay(SG)卷积平滑、标准正态变量变换(standard normal variate transformation,SNV)... 本研究利用可见-近红外(visible-near infrared spectroscopy,Vis-NIR)光谱技术采集新梅4个不同货架期(采后1、3、5、7 d)的光谱信息,采用Savitzky-Golay(SG)卷积平滑、标准正态变量变换(standard normal variate transformation,SNV)、基线校正(baseline correction,BC)和最大-最小归一化(min-max normalization,MN)4种预处理方法,并利用竞争性自适应重加权采样算法(competitive adaptive reweighted sampling,CARS)、变量空间迭代收缩法(variable iterative space shrinkage approach,VISSA)和连续投影算法(successive projections algorithm,SPA)分别提取特征波长,与波段比、波段差和归一化强度差(normalized spectral intensity difference,NSID)3种光谱形态特征形成组合特征集,用于构建偏最小二乘判别分析(partial least squares-discriminant analysis,PLS-DA)与极限学习机(extreme learning machine,ELM)分类模型。结果表明,基于全光谱建模时,PLS-DA与ELM判别模型判别性能有限,验证集准确率均仅为70.24%;而采用MN预处理并融合SPA特征提取方法与NSID形态特征的MN-SPA-NSID-ELM模型,在仅使用24个变量数与30个隐含层神经元的条件下,验证集准确率达97.62%,显著优于其他模型组合。此外,在独立制备的新梅外部测试样本集上,该模型仍实现了99.18%的准确率,Kappa系数为0.989,有效地提升了新梅果品货架期分类判别效率,本研究可为新梅生产与分级环节提供快速、精准、无损的检测技术支持。 展开更多
关键词 新梅 可见-近红外光谱 货架期 多策略特征融合 机器学习
暂未订购 下载PDF
基于可见-近红外光谱的虾青素/超氧化物歧化酶饲喂鸡蛋鉴别与品质预测 认领 引用
13
作者 王巧华 陈燕斌 +3 位作者 顾梦圆 范维 肖运才 陈帝斯 《农业机械学报》 EI CAS CSCD 北大核心 2026年第2期234-244,共11页
禽蛋是我国农业农村经济支柱产业之一,饲料强化鸡蛋品质快速无损检测对产业发展意义重大。本研究基于可见-近红外光谱技术,探究虾青素(ASTA)和超氧化物歧化酶(SOD)饲料强化鸡蛋的特异性光谱特征,并构建鉴别和品质预测模型。首先,采集AST... 禽蛋是我国农业农村经济支柱产业之一,饲料强化鸡蛋品质快速无损检测对产业发展意义重大。本研究基于可见-近红外光谱技术,探究虾青素(ASTA)和超氧化物歧化酶(SOD)饲料强化鸡蛋的特异性光谱特征,并构建鉴别和品质预测模型。首先,采集ASTA/SOD饲喂鸡蛋与普通鸡蛋在波段500~950 nm范围内的透射光谱,并通过理化测定验证其品质差异,结果表明:ASTA组可显著提高鸡蛋蛋白质含量、蛋黄颜色(P <0.05);在饲喂前期,SOD组可显著提高鸡蛋脂肪含量(P<0.05) ASTA组和SOD组均能显著降低鸡蛋含水率(P<0.05)。根据透射光谱探究饲喂鸡蛋的特异性光谱特征,通过不同预处理方法结合竞争性自适应重加权(CARS)算法、连续投影法(SPA)及非信息变量剔除(UVE) 3种特征选择算法构建了支持向量机(SVM)鉴别模型和偏最小二乘回归(PLSR)模型。结果表明ASTA/SOD饲喂鸡蛋最优鉴别模型为SG-CARS-SVM,测试集识别率为95.33%。对于ASTA/SOD饲喂鸡蛋蛋白质含量、含水率和脂肪含量这3类关键品质指标,ASTA组最优预测模型分别为FD-CARSPLSR、Auto-CARS-PLSR和SNV-CARS-PLSR对应的测试集Rp2分别为0.933、0.937和0.889,RMSEP分别为0.250%、0.209%和0.196%;而在SOD组中,最优模型分别为FD-CARS-PLSR、MSC-CARS-PLSR和FDCARS-PLSR,其测试集Rp2分别为0.929、0.824和0.817,RMSEP分别为0.239%、0.310%和0.273%。本研究建立的光谱模型可实现对ASTA/SOD饲喂鸡蛋无损鉴别及品质快速预测,为鸡蛋品质监测与高质量养殖提供支持。 展开更多
关键词 可见-近红外光谱 虾青素 超氧化物歧化酶 饲喂鸡蛋 品质预测
暂未订购 下载PDF
基于NIR光谱和梯度提升决策树的农作物含水率快速检测平台研究 认领 引用
14
作者 杨宁 方啸 +4 位作者 程巍 张钊源 王亚飞 陈思 毛罕平 《农业机械学报》 EI CAS CSCD 北大核心 2026年第8期299-307,共9页
农作物含水率与其质量息息相关,含水率过高易引发霉变,过低则会影响形态完整,然而现有便携检测方法存在精度低、检测速度慢等问题,烘干法处理单样本需40 min,定容称量法检测误差为1.2%,为满足农作物含水率快速检测需求,本文设计了一种... 农作物含水率与其质量息息相关,含水率过高易引发霉变,过低则会影响形态完整,然而现有便携检测方法存在精度低、检测速度慢等问题,烘干法处理单样本需40 min,定容称量法检测误差为1.2%,为满足农作物含水率快速检测需求,本文设计了一种基于近红外(Near-infrared, NIR)光谱和梯度提升决策树(Gradient boosting decision tree, GBDT)的农作物含水率快速检测平台。基于Zemax优化设计了离轴切尼-特纳(Czerny-Turner, CT)光学结构,采用ZYNQ芯片内嵌线阵CCD解码算法并与手机连接,在手机上建立萨维茨基-戈雷(Savitzky-Golay, SG)去噪和分段直接标准化(Piecewise direct standardization, PDS)数据迁移算法,通过光谱采样平台采样后再加载手机的GBDT模型预测含水率。Zemax仿真证明离轴设计光学结构在体积和像差控制上均优于传统球面设计,在像面边缘950 nm处仍可以保持2 nm分辨率。SG去噪可使信噪比(SNR)从18.11 dB提升到35.10 dB,基于GBDT建立的含水率预测模型在验证集回归预测中决定系数R2和预测均方根误差(RMSEP)分别为0.877 7和0.135 4%,在测试集中R2和RMSEP分别为0.861 7和0.121 4%,含水率绝对误差小于等于0.4%。检测平台具有体积小、速度快、方便携带等优势,单样本检测时间相较于烘干法(40 min)小,仅需0.5 min,满足农作物含水率快速高效检测需求。 展开更多
关键词 含水率 快速检测 近红外光谱 切尼-特纳结构 梯度提升决策树
暂未订购 下载PDF
基于机器学习与近红外光谱的高粱淀粉定量分析 认领 引用
15
作者 李珂 欧阳润坤 +4 位作者 戴奕杰 李杰 侯爱香 杨雨 李宗军 《食品与机械》 CAS CSCD 北大核心 2026年第6期60-66,共7页
[目的]针对高粱淀粉快速定量建立一种基于近红外光谱技术与机器学习算法的模型。[方法]以酿酒高粱为原料,通过近红外光谱仪器采集近红外漫反射光谱,利用孤立森林算法剔除异常样本,优化数据集后,运用多种建模软件对比多种预处理方法及回... [目的]针对高粱淀粉快速定量建立一种基于近红外光谱技术与机器学习算法的模型。[方法]以酿酒高粱为原料,通过近红外光谱仪器采集近红外漫反射光谱,利用孤立森林算法剔除异常样本,优化数据集后,运用多种建模软件对比多种预处理方法及回归模型,分析并建立高粱淀粉定量模型。[结果]经孤立森林预处理后,偏最小二乘回归法(PLSR)模型性能最优,其校正集决定系数(Rc2)为0.993,预测均方根误差(RMSECV)为3.401。[结论]该模型简便、快速、精准,适用于高粱淀粉含量的定量分析。 展开更多
关键词 近红外光谱 机器学习 淀粉 定量分析 高粱
暂未订购 下载PDF
葡萄酒多酚红外光谱特性与其光谱检测技术研究进展 认领 引用
16
作者 白雪冰 刘乾鑫 +4 位作者 蒋鑫怡 宋卓 陈鑫龙 黄润祥 熊晓林 《农业机械学报》 EI CAS CSCD 北大核心 2026年第10期384-394,共11页
多酚是含苯环的天然有机分子,广泛存在于葡萄与葡萄酒中,为葡萄酒带来独特色泽的涩感风味。传统的多酚分析检验方法主要依靠HPLC法,但其复杂的检测过程使结果具有滞后性。红外光谱作为一种无损快速检测技术,可通过解析特定官能团的吸收... 多酚是含苯环的天然有机分子,广泛存在于葡萄与葡萄酒中,为葡萄酒带来独特色泽的涩感风味。传统的多酚分析检验方法主要依靠HPLC法,但其复杂的检测过程使结果具有滞后性。红外光谱作为一种无损快速检测技术,可通过解析特定官能团的吸收特性,实现葡萄酒多酚的定性定量分析。本文在汇集近年红外光谱解析葡萄酒多酚相关研究成果的基础上,解析了葡萄酒中主要多酚化合物特定分子结构官能团在中红外(MIR)和近红外(NIR)光谱区间的吸收特性,明确了葡萄酒多酚的定性定量分析理论依据;详细论述了葡萄酒多酚的红外光谱分析模型构建方法,依次讨论了光谱预处理、异常值剔除、数据集划分的常用方法,并针对葡萄酒多酚定性或定量的不同目标,重点分析了MIR用于葡萄酒多酚定性分析和确定分子结构的两类模型(监督学习和非监督学习),以及NIR用于葡萄酒多酚定量分析的两类模型(线性模型和非线性模型);总结了红外光谱技术在酿酒葡萄智慧栽培、葡萄酒智慧酿造、葡萄酒市场流通追溯等领域的应用进展,并从细化揭示葡萄酒多酚光谱表征规律、开发高集成微型光谱采集前端、提升葡萄酒多酚解析模型智能化等3个方面展望了红外光谱技术在葡萄酒领域的研究应用前景,为提升葡萄酒酿造工艺,推动葡萄酒智慧酿造科技发展提供参考。 展开更多
关键词 红外光谱 葡萄酒 多酚 光谱表征 定性定量模型
暂未订购 下载PDF
基于传统机器学习和LSTM的近红外光谱玉米中ZEN和DON定性分析方法 认领 引用
17
作者 高曼 钱承敬 +2 位作者 丁子元 罗云敬 翟晨 《食品与机械》 CAS CSCD 北大核心 2026年第4期59-67,共9页
[目的]建立快速、准确的玉米中真菌毒素检测分析方法。[方法]基于近红外光谱技术建立玉米中的玉米赤霉烯酮(ZEN)和脱氧雪腐镰刀菌烯醇(DON)含量的定性模型,使用144个自然污染的玉米样品,采集玉米粉末和毒素提取液两种不同样品制备的近... [目的]建立快速、准确的玉米中真菌毒素检测分析方法。[方法]基于近红外光谱技术建立玉米中的玉米赤霉烯酮(ZEN)和脱氧雪腐镰刀菌烯醇(DON)含量的定性模型,使用144个自然污染的玉米样品,采集玉米粉末和毒素提取液两种不同样品制备的近红外光谱,采用5种预处理方法对原始光谱进行处理,选择两种特征波长筛选方法进一步提取光谱中有效信息,通过最临近分类算法、最小二乘支持向量机、随机森林3种机器学习算法以及深度学习的长短期记忆网络(LSTM)算法建立ZEN和DON的污染分类模型。[结果]LSTM算法在玉米粉末光谱数据上的表现优于其他算法,其中ZEN的最佳定性模型测试集分类准确率高达97%,DON的最佳定性模型测试集分类准确率达到83%。[结论]LSTM算法能有效缓解过拟合问题,显著提升模型分类性能。 展开更多
关键词 近红外光谱 玉米 脱氧雪腐镰刀菌烯醇 玉米赤霉烯酮 定性模型 LSTM
暂未订购 下载PDF
Intelligent analysis of direct coal liquefaction diesel components by near-infrared spectroscopy 认领 引用
18
作者 WANG Xiwu LI Haowei +4 位作者 QI Zhendong WANG Xingbao FENG Jie ZHU Yimeng LI Wenying 《燃料化学学报(中英文)》 EI CAS CSCD 北大核心 2026年第4期17-28,共12页
Diesel accounts for over 60%of the products derived from direct coal liquefaction(DCL).Compared to petroleum-based diesel,DCL diesel exhibits a cetane number ranging from 30 to 40,which fails to meet the automotive di... Diesel accounts for over 60%of the products derived from direct coal liquefaction(DCL).Compared to petroleum-based diesel,DCL diesel exhibits a cetane number ranging from 30 to 40,which fails to meet the automotive diesel standard requirement of≥45.Therefore,rapid and accurate analysis of its chemical composition is crucial for property optimization to meet fuel specifications by component blending.Thought traditional methods like gas chromatography offer high accuracy,they are unsuitable for rapid online analysis under industrial conditions.Near-infrared(NIR)spectroscopy can provide advantages in rapid,non-destructive analysis.Its application however,is limited by the complexity of spectral data interpretation.Machine learning(ML)is effective method for extracting valuable information from spectra and establishing high-precision prediction models.This study integrates NIR spectroscopy with ML to construct a spectral-composition database for DCL diesel.Feature extraction was performed using the correlation coefficient and mutual information methods to screen key wavelength variables and reduce data dimensionality.Subsequently,the predictive performance of three ML models—Lasso,SVR and XGBoost—was compared.Results indicate that excluding spectral data with absorbance greater than 1 significantly enhances model accuracy,increasing the test set R2 from 0.85 to 0.96.After feature extraction,the optimal number of wavelength variables was reduced to 177,substantially improving computational efficiency.Among the models evaluated,the SVR-MI-0.9 model,based on mutual information feature selection,demonstrated the best performance,achieving training and test set R2 values both exceeding 0.98.This model enables precise prediction of paraffin,naphthene,and aromatic hydrocarbon contents.This research provides a robust methodology for intelligent online quality monitoring.An intelligent NIR spectroscopy data analysis software was independently developed based on the established model.Compared with comprehensive two-dimensional gas chromatography,the software reduced the analysis time by over 98%,with an absolute prediction error below 0.2%.Thus,rapid analysis of DCL diesel components was successfully realized. 展开更多
关键词 direct coal liquefaction diesel real-time spectral detection machine learning feature extraction component prediction
暂未订购 下载PDF
近红外光谱技术快速检测烟草花中主要活性成分含量的研究 认领 引用
19
作者 付秋娟 许明磊 +6 位作者 张忠锋 黄择祥 谭效磊 侯小东 韩晓 孙婷婷 孟凡超 《中国烟草科学》 CSCD 北大核心 2026年第1期116-123,共8页
为了实现对烟草花中主要活性成分(还原糖、总黄酮、绿原酸、芸香苷和西柏三烯二醇)的快速无损检测,以全国196份不同产地、不同品种的烟草花为研究对象,采用近红外光谱技术建立了5种活性成分的分析模型。通过筛选光谱预处理方法,优化谱... 为了实现对烟草花中主要活性成分(还原糖、总黄酮、绿原酸、芸香苷和西柏三烯二醇)的快速无损检测,以全国196份不同产地、不同品种的烟草花为研究对象,采用近红外光谱技术建立了5种活性成分的分析模型。通过筛选光谱预处理方法,优化谱区范围和主成分数,进一步提升了模型性能。利用内部交叉验证,得到了各成分的最优模型。结果表明:还原糖、总黄酮、绿原酸、芸香苷和西柏三烯二醇5种活性成分的近红外校正模型中,校正集相关系数(Rc)为0.957~0.986,校正均方根误差(RMSEC)为0.025%~0.995%;交叉验证相关系数(Rcv)为0.901~0.979,交叉验证均方根误差(RMSECV)为0.030%~1.350%。外部验证结果显示,5种活性成分模型的相对标准偏差(RSD)均小于10%,且t检验表明,近红外光谱法预测值与传统化学分析值之间无显著差异。这表明该方法具有较高的准确性和可靠性,能够快速无损地检测烟草花中5种主要活性成分,为烟草花的高效开发利用提供了技术支撑。 展开更多
关键词 烟草花 近红外 还原糖 总黄酮 绿原酸 芸香苷 西柏三烯二醇
暂未订购 下载PDF
基于改进一维卷积神经网络的蛋清粉近红外光谱掺杂指标检测 认领 引用
20
作者 祝志慧 金永涛 +3 位作者 李沃霖 韩雨彤 马美湖 王巧华 《食品科学》 EI CAS CSCD 北大核心 2026年第5期296-304,共9页
针对蛋清粉掺假市场监管需求,基于近红外光谱数据、掺杂样本种类数据及对应的掺杂浓度数据,本研究改进一维卷积神经网络,构建掺杂种类检测和掺杂浓度预测的双模型。针对掺杂种类检测模型,该模型无需光谱预处理,对增量剂、富氮类化合物... 针对蛋清粉掺假市场监管需求,基于近红外光谱数据、掺杂样本种类数据及对应的掺杂浓度数据,本研究改进一维卷积神经网络,构建掺杂种类检测和掺杂浓度预测的双模型。针对掺杂种类检测模型,该模型无需光谱预处理,对增量剂、富氮类化合物、混合掺杂的总准确率分别可达到98.19%、99.38%、94.79%,针对整个测试集的总准确率可达到98.11%,其检测限分别可达到1%、1%、5%,平均检测时间为0.017 7 s;针对掺杂浓度预测模型,在增量剂、富氮类化合物和混合掺杂浓度预测中将分别采用去趋势、多元散射校正(multiplicative scatter correction,MSC)和MSC方法对原光谱数据进行处理,3类掺杂浓度预测的测试集决定系数(Rp2)均大于0.9,残差预测误差均高于2.5,满足市场监管检测需求。双检测模型为后续便携式近红外检测仪开发提供关键技术支撑。 展开更多
关键词 蛋清粉 近红外光谱 掺杂 一维卷积神经网络
暂未订购 下载PDF
上一页 1 2 250 下一页 到第
在线咨询 使用帮助 返回顶部 意见反馈