近紅外光譜技術(shù)在多組分檢測及模式識別中的應(yīng)用研究.pdf

1、本文通過近紅外光譜技術(shù)結(jié)合化學(xué)計量學(xué)手段分別對食品、飼料和復(fù)合肥等多組分含量的快速檢測以及模型識別判別分析進行了較為深入的方法研究。文中所建立的方法成功應(yīng)用于產(chǎn)品分析和質(zhì)量控制，發(fā)揮了近紅外光譜技術(shù)快速、準確和實用的優(yōu)勢。同時，化學(xué)計量學(xué)方法在具體問題的解決中，也得到發(fā)展。由于產(chǎn)品中成分復(fù)雜，相互干擾嚴重，用于分析的近紅外光譜吸光度差異通常很小、信號弱、吸收峰之間混疊，且譜峰寬。以致于找不到待測組分不受任何干擾的特征峰，使對產(chǎn)品中多組分

2、同時定量和識別分析較為困難。為此，提出了PLS，KPLS，PLS-BP，GRNN和ELMAN方法建立線性和非線性多組分定量模型和PCA-馬氏距離建立模式識別模型，本文的主要研究內(nèi)容如下：
　　 1、偏最小二乘近紅外光譜技術(shù)在多組分分析中的應(yīng)用與研究
　　 本文建立了近紅外光譜PLS法對瘦肉7種脂肪酸含量測定的方法，在建立PLS模性時，需對采集的原始光譜進行數(shù)學(xué)處理，以過濾噪音、提高信噪比。實驗表明，光散射是影響近紅外光譜

3、的主要因素。同時，PLS提取主成分時，因其能同時將因變量矩陣和自變量矩陣用主成分表示，可以有效地降維，消除自變量間可能存在的復(fù)共線關(guān)系，而明顯改善數(shù)據(jù)結(jié)果的可靠性和準確度。本研究還用核函數(shù)建立以復(fù)合肥中N、P2O5、K2O三組分為對象的KPLS非線性多組分模型，KPLS通過非線性映射到高維數(shù)空間提取了光譜中掩藏的非線性信息。相對于PLS線性體系，KPLS對多組分的含量預(yù)測準確度和相關(guān)性都有提高。尤其對P2O5、K2O含量的預(yù)測提高更明顯

4、。
　　 2、偏最小二乘與BP神經(jīng)網(wǎng)絡(luò)用于近紅外光譜技術(shù)多組分定量分析研究
　　 為解決BP網(wǎng)絡(luò)過擬合、以及學(xué)習(xí)速度慢等問題，用PLS對輸入BP網(wǎng)絡(luò)的光譜數(shù)據(jù)進行壓縮，建立了PLS-BP法同時測定飼料中水分、灰分、蛋白質(zhì)、磷四組分含量和飼料中四種氨基酸含量的方法。與BP法比較，PLS-BP輸入網(wǎng)絡(luò)的數(shù)據(jù)減少，大大提高運算速度和減少訓(xùn)練次數(shù)，模型的預(yù)測精度也好于BP模型。本研究還提出了用PLS提取光譜X和組分Y的主成分及權(quán)

5、重，解決近紅外光譜BP模型隱含層節(jié)點數(shù)，輸入和輸出層初始權(quán)值憑經(jīng)驗選取問題。建立了以土豆中粗纖維、淀粉、蛋白質(zhì)三種營養(yǎng)組分含量的PLS-BP近紅外光譜多組分預(yù)測模型，這種經(jīng)PLS和BP組合的網(wǎng)絡(luò)較BP網(wǎng)絡(luò)改進了訓(xùn)練效果，使得運算速度加快，網(wǎng)絡(luò)達到最優(yōu)，精度也更高。這一研究對近紅外光譜BP網(wǎng)絡(luò)結(jié)構(gòu)的建立，具有一定的理論和指導(dǎo)意義。
　　 3、偏最小二乘與廣義回歸神經(jīng)網(wǎng)絡(luò)用于近紅外光譜技術(shù)多組分定量分析研究
　　 提出了將G

6、RNN方法引入近紅外光譜多組分分析中，用PLS對輸入網(wǎng)絡(luò)的光譜數(shù)據(jù)進行壓縮，建立了飼料中水溶性氯化物、粗纖維、脂肪三組分含量測定方法。PLS-GRNN與BP、GRNN網(wǎng)絡(luò)進行比較，PLS-GRNN，GRNN模型訓(xùn)練步數(shù)要明顯少于BP網(wǎng)絡(luò)，訓(xùn)練時間也短。PLS-GRNN要比GRNN和BP網(wǎng)絡(luò)的預(yù)測精度和擬合性能更好。應(yīng)用該法還成功預(yù)測了南豐蜜桔總糖、總酸含量，這一研究為近紅外光譜多組分分析提供了一種新的途徑。
　　 4、基于Elm

7、an神經(jīng)網(wǎng)絡(luò)的近紅外光譜技術(shù)多組分定量分析研究
　　 發(fā)展了Elman網(wǎng)絡(luò)與近紅外光譜分析技術(shù)的結(jié)合，提出把具有動態(tài)信息處理能力的Elman網(wǎng)絡(luò)模型引入近紅外光譜多組分分析中，經(jīng)PLS壓縮提取主成分，加入內(nèi)部反饋信號，增加了Elman網(wǎng)絡(luò)本身處理動態(tài)信息的能力，使得Elman網(wǎng)絡(luò)在節(jié)點結(jié)構(gòu)更簡單，從而提高了建模和預(yù)測速度。在飼料苯丙氨酸、賴氨酸、酪氨酸和胱氨酸四組分含量測定中，對BP和Elman網(wǎng)絡(luò)進行了比較，在BP和Elman

8、兩模型學(xué)習(xí)誤差相同，Elman網(wǎng)絡(luò)擬和殘差平均值MRE也不如BP模型下，Elman網(wǎng)絡(luò)網(wǎng)絡(luò)預(yù)報精度卻高。說明ELman網(wǎng)絡(luò)對動態(tài)系統(tǒng)具有適應(yīng)時變特性的能力。應(yīng)用該法還成功預(yù)測了鮮乳中脂肪、蛋白質(zhì)、乳糖含量，表明Elman神經(jīng)網(wǎng)絡(luò)是一種新穎、可靠的預(yù)測方法。這為同時測定近紅外光重疊的多組分動態(tài)非線性體系提供了新的途徑。
　　 5、近紅外光譜技術(shù)聯(lián)用PCA-馬氏距離對摻假乳的鑒別
　　 以PCA-馬氏距離近紅外光譜法建立了巴