生鲜乳作为乳制品生产的基本原料, 其质量是保证乳制品食用安全、 维护人类健康的基础。 可见/近红外光谱技术结合化学计量学方法, 构建生鲜乳品质指标的数学模型, 实现生鲜乳品质的现场评价。 在不同年份, 收集88份来自不同奶牛个体的生鲜乳样品。 便携式光谱仪采集生鲜乳漫透射光谱(500~1 010 nm), 二阶导数和卷积平滑进行光谱预处理, 以消除脂肪球引起的光散射和高频噪声。 变窗宽移动窗口偏最小二乘法(CSMWPLS)和遗传偏最小二乘法(GAPLS)用于筛选信息区间, 并构建预测模型。 CSMWPLS与GAPLS模型的预测性能相当, 脂肪、 蛋白质、 干物质和乳糖的预测标准误差(RMSEP)分别为0.115 6/0.103 3, 0.096 2/0.113 7, 0.201 3/0.123 7和0.077 4/0.066 8, 相对预测误差(RPD)分别为8.99/10.06, 3.53/2.99, 5.76/9.38和1.81/2.10。 同时构建了生鲜乳品质指标的多元线性回归(MLR)方程, 采用的最优变量数分别为8, 10, 9和7。 采用外部数据集检验, MLR预测性能与PLS相近甚至更优, 脂肪、 蛋白质、 干物质和乳糖模型的RMSEP分别为0.107 0, 0.093 0, 0.136 0和0.065 8; 相对预测误差(RPD)分别为9.72, 3.66, 8.53和2.13, 可用于现场准确测量。 结果显示, 便携式近红外光谱仪结合MLR模型可实现生鲜乳品质的现场快速评价, 为生鲜乳按质论价收购提供了一种新方法, 同时为便携式乳品近红外专用仪器设计提供技术参考。

样品温度对近红外光谱有很大影响, 在近红外技术评价水果品质的实际应用时, 需要修正温度变化对模型预测结果的影响。便携式近红外光谱仪采集不同温度下（0～30 ℃）苹果的漫透射光谱, 采用二阶导数和卷积平滑进行预处理。选取20 ℃下代表性样本的光谱数据, 建立基准PLS模型。斜率/偏差法分别计算苹果糖度PLS模型在0, 10和30 ℃下的修正方程。分析结果表明: 斜率/偏差法对0, 10和30 ℃下外部样本预测结果进行修正, 预测精度得到显著提高, 其修正前后的Q值分别为0.525 cv 0.810, 　0.680 cv 0.822, 0.669 cv 0.802。温度修正模型可以有效提高预测精度, 也扩展了近红外仪器的适用性, 为自主研发便携式近红外光谱仪提供参考。

采用便携式近红外光谱仪, 结合偏最小二乘回归法, 研究了牛奶脂肪、 蛋白质和干物质含量的测定方法, 建立了近红外漫反射定量分析模型。 结果显示, 脂肪、 蛋白质和干物质模型相关系数(R2)分别为0.98, 0.95, 0.98, 建模集标准残差(RMSEC)分别为0.187, 0.105, 0.217, 验证集标准残差(RMSEP)分别为0.187, 0.120, 0.296, 相对分析误差(RPD)分别为5.02, 2.60, 3.20。 同时探讨了各成分间的相关性, 发现脂肪与干物质间具有很好相关性(R2=0.921), 因此可通过脂肪模型预测来计算干物质含量, 提高了干物质的检测精度。 研究表明, 采用便携式近红外漫反射模式可为牛奶成分的现场检测提供一种无损、 快速的新方法。

基于近红外光谱分析技术结合模式判别方法建立了一种人参和西洋参鉴别的新方法。 收集根状、 根须和粉末状的样品共90份, 在有聚乙烯包装袋的情况下直接采集近红外光谱, 去除原始光谱中包装袋的显著吸收后进行了MSC与一阶导数处理, 然后采用移动窗口偏最小二乘法选择了建模光谱区间, 分别建立了PLS-DA, PCA-DA和SVM判别模型, 并对3种模型作了对比分析, 结果表明SVM判别效果最优, 其对预测集的正确判别率为100%。 该方法准确、 便捷, 可实际应用于企业原料药材的质量控制, 实现对原料药材的快速筛查<英文标题>Research on Fast Discrimination between Panax Ginseng and Panax Quinquefolium Based on Near Infrared Spectroscopy

光谱数据压缩、 信息变量提取是近红外应用研究的热点, 是简化模型、 提高预测精度的重要手段。 本文以杏可见/近红外光谱为例, 采用二阶导数、 标准化和正交信号校正(OSC)处理以滤除光谱与浓度阵无关的信号; 使用SCMWPLS选择出880, 894～910和932 nm为建模区间建立PLS预测模型, 其相关系数(R)、 校正误差(SEC)和预测误差(SEP)分别为0.920, 0.454和0.470; 进行独立运行GA程序100次, 依次选择入选频率较高的2个波长点888和900 nm作为回归变量, 建立GA-MLR预测模型, 其R, SEC, SEP分别为0.905, 0.488和0.459, 均优于全谱的偏最小二乘建模结果。 结果显示, OSC可以滤除光谱与浓度阵无关的信号, 减少建立模型所用的主因子数; SCMWPLS和GA可以寻找最优信息变量组合。 该方法对于建立低维度、 高精度近红外快速分析模型具有普遍参考意义。

采用反向区间偏最小二乘法和组合区间偏最小二乘法优化桃糖度可见/近红外光谱的信息区间组合, 在选择 的信息区间的基础上建立了一种线性组合权重PLS模型.对近红外光谱进行二阶导数处理、卷积平滑校正后, 发现 在区间分割数为15时筛选结果最优, BiPLS所选择的信息区间为742～770nm和 862～920nm, SiPLS所选择的信息 区间为742～770nm、832～860nm和892～920nm.直接组合信息区间BiPLS和SiPLS模型的RMSEP值分别为0.386 和0.308, 线性组合权重PLS模型的RMSEP值分别为0.351和0.364.结果说明在近红外定量分析中线性组合权重 模型的建立克服了复杂样品各信息区间对PLS建模贡献率不一样的问题.

利用反向区间偏最小二乘法(BiPLS)定位光谱糖度若干信息区间，运用遗传算法(GA)从中选择波长点，建立了多元线性回归(MLR)模型。光谱进行卷积平滑和二阶导数处理后，将光谱(225个数据点)分割成25个子区间时，BiPLS优化结果最优。在所定位的信息区间进行GA二次选择特征变量，运行100次依次选择入选频率较高的12个波长点。为简化MLR模型，对于入选的相邻波长选择频率较高者，最后选择638，734，752，868，910，916和938nm作为回归变量，建立的MLR预测模型相关系数(R^2)、校正均方根误差(RMSEC)和预测均方根误差(RMSEP)分别为0.984，0.364和0.471，优于常用的逐步多元线性回归的建模结果。表明BiPLS结合GA可以有效地对李子糖度可见/近红外光谱MLR回归变量进行筛选，提高了模型的精度。

提出一种偏最小二乘法（PLS）和人工神经网络（ANN）结合用于近红外光谱（NIRS）的分析方法， 以提高奶粉蛋白质模型的预测精度。 首先采用基于遗传算法的波长选择法（RS-GA）优化光谱数据， 建立GA-PLS模型预测奶粉蛋白线性部分； 然后在RS-GA法选择的波段上进行主成分分析（PCA）， 以主成分的得分矩阵作为ANN模型输入层， 以GA-PLS预测值与真实值之差作为输出层， 建立PC-ANN模型预测其非线性部分。 最终预测结果为两个模型预测值之和， 以模型的预测标准偏差（RMSEP）作为评价指标， 以便考察新方法的有效性。 同时建立线性的全谱模型（Fr-PLS）， 其Fr-PLS、 GA-PLS和GA-PLS+PC-ANN模型的RMSEP分别为0.511， 0.440和0.235。 结果表明： 考虑奶粉蛋白含量近红外模型的非线性部分， 可以显著提高模型的预测精度， 该方法也可为其它复杂体系模型精度的提高提供借鉴。

温度变化对水果品质近红外评价有很大影响, 需要补偿温度波动对模型的影响。 文章研究了温度变化(2～42 ℃)对苹果近红外漫反射光谱的影响, 采用剔除温度变量法和内校正法补偿温度对模型的影响, 提高预测精度。 研究表明, 温度与光谱信息存在一定相关性, 其模型R2=0.985, RMSEC=1.88, RMSEP=2.32； 未进行温度校正模型的预测标准偏差达到2.55； 采用复合预处理方法和改进的遗传算法对光谱数据优化, 剔除温度变量法模型的R2=0.954, RMSEC=0.63, RMSEP1=0.72, RMSEP2=0.74； 内校正法的模型R2=0.952, RMSEC=0.64, RMSEP1=0.69, RMSEP2=0.68； 相比未进行温度补偿模型均提高了预测精度。 结果显示： 温度对苹果近红外光谱影响呈非线性变化, 剔除温度变量法和内校正法可用于补偿温度对模型的影响, 可提高模型预测精度。

遗传算法不受搜索空间限制性假设的约束, 利用简单的编码技术和繁殖机制来解决复杂近红外光谱数据的优化问题。 文章采用遗传算法的波段选择法(R-SGA)对砂梨近红外光谱进行了波段优化, 得到丰水、 圆黄、 黄金三种梨的R-SGA最佳因子数分别为10, 12和16, 并分别建立了单一品种GA-PLS模型； 丰水梨和黄金梨的GA-PLS模型精度高于全谱PLS模型, 其模型的RMSEP分别为0.608/0.632和0.524/0.540； 圆黄梨GA-PLS模型精度(RMSEP=0.610)与全谱PLS模型(RMSEP=0.595)相当。 经波段优化分析表明, 使用552个数据点建立多品种砂梨混合模型, 具有较高稳健性和预测性(RMSEC=0.627, RMSEP=0.641)。 结果表明： 基于遗传算法进行波段优化可以提高砂梨糖度模型精度, 提高建模效率, 同时说明建立多品种砂梨糖度通用模型是可行的。