导读:本文包含了近红外光谱法论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:光谱,茶叶,技术,木材,在线,氢键,卷积。
近红外光谱法论文文献综述
刘鹏,艾施荣,杨普香,李文金,熊爱华[1]（2019）在《非线性流形降维方法结合近红外光谱技术快速鉴别不同海拔的茶叶》一文中研究指出为提高不同海拔茶叶品质近红外光谱技术鉴别方法的精度,提出采用局部线性嵌入法(LLE)和拉普拉斯特征映射法(LE)非线性流形学习方法对近红外光谱数据进行降维处理,并与基于核函数的非线性(KPCA)及线性(PCA)降维方法比较,建立不同海拔茶叶品质的近红外光谱LSSVM鉴别模型。不同降维方法可视化结果表明,KPCA和PCA方法的数据点离散性较大,400～800 m和800～1 200 m的样本点重迭较多,而非线性流形学习方法能将同一类样本点在叁维空间很好地聚集在一起,不同海拔的茶叶能较好地区分开,且聚集效果方面LE方法好于LLE方法。模型性能表明,LE_LSSVM模型性能最佳,预测集总体判别率、Kappa系数分别为100%和1.00;相比于PCA_LSSVM、KPCA_LSSVM和LLE_LSSVM,模型预测集总体判别率分别提高1.7%、1.7%、3.3%;Kappa系数分别提高0.025、0.03、0.05。研究表明,LE等非线性流形学习降维方法在近红外光谱数据降维、简化模型复杂度、提高模型精度方面效果很好,为茶叶品质快速检测方法研究提供了一种新思路。(本文来源于《茶叶科学》期刊2019年06期）
王晴,徐芳芳,张欣,徐冰,李执栋[2]（2019）在《在线近红外光谱监测桂枝茯苓胶囊流化床干燥过程水分的方法研究》一文中研究指出目的采用在线近红外光谱(NIRS)技术,建立桂枝茯苓胶囊流化床干燥过程水分实时监测模型。方法通过NIRS漫反射探头采集16个生产批次共176个样本进行建模,优选移动窗口平滑法进行光谱预处理,采用间隔偏最小二乘法(si PLS)结合移动窗口偏最小二乘法(mw PLS)筛选特征变量为4 759.45～5 338.00 cm-1、5 503.84～6 101.67 cm-1、8 512.25～8 809.24cm-1,采用偏最小二乘(PLS)法建立水分含量多变量校正模型。结果水分预测的交叉验证均方根误差(RMSECV)为0.243%,性能偏差比(RPD)值为13.384,预测相对偏差(RSEP)为0.270%。以8个生产批次对在线监控方法的可靠性进行持续验证,结果 40个样本的相对预测误差均小于4.7%。干燥过程水分实时监测趋势图显示可准确判断干燥终点,终点样本水分含量位于控制限内。结论在线NIRS结合PLS建立的定量模型,可应用于生产规模桂枝茯苓胶囊流化床干燥过程水分含量在线监控且预测性能稳健、准确。(本文来源于《中草药》期刊2019年22期）
陈剑虹,刘泽晨,朱凌建[3]（2019）在《磁场作用下葡萄糖近红外光谱检测技术研究》一文中研究指出采用傅立叶变换红外光谱仪(FTIR)研究了磁场强度对葡萄糖溶液近红外光谱的影响,发现磁场作用下葡萄糖的近红外光谱吸收强度和部分峰位发生显着变化。分析了磁场对葡萄糖溶液近红外光谱吸收的影响机理。采用偏最小二乘回归法(PLS)建立了磁场作用下葡萄糖溶液的定量分析模型,使用验证集进行验证。研究结果表明,磁场对葡萄糖分子基团偶极矩产生诱导作用,使偶极矩增大,吸收增强;同时磁场作用下,葡萄糖分子趋于沿平行于磁场的方向排列,其基团振动频率(特征吸收峰)吸光度与浓度变化的线性关系得到极大的改善。该研究有助于提高葡萄糖分子吸收强度及其测量精度,为进一步提高血糖检测精度提供技术支持。(本文来源于《分析测试学报》期刊2019年11期）
邹惠玲,张爱,郑金凤[4]（2019）在《近红外光谱法在汽柴油分析检测中的应用》一文中研究指出近红外光谱技术在20世纪七八十年代掀起两次热潮,该方法以计算机技术为支撑,检测方法简便、快速、准确率高,可以有效提高油品分析工作的效率,该方法对模型的质量要求很高,数据结果很大程度上取决于模型样品的种类、数量及含量的分布。建立在数据模型的基础上该方法适用于油品流通领域中汽柴油质量监管的快速筛查分析。因此近年来该技术在汽柴油分析领域得到了极为广泛的应用和越来越多的青睐。(本文来源于《中国标准化》期刊2019年22期）
陈玲,李姝,罗体英,冉淑琴[5]（2019）在《近红外光谱（NIRS）技术在茶叶品质保真中的应用前景》一文中研究指出近红外光谱(Near-infrared spectroscopy,NIRS)是一种新兴快速无损检测方法,近几年,在茶叶质量检测方面得到了有效应用。为给茶叶质量检测提供可靠参考,文章对近红外光谱检测技术在茶叶品质保真中应用的现实需求进行了分析,然后结合近红外光谱检测技术的特征,对近红外光谱技术在茶叶品质保真中的应用前景进行了详尽论述。(本文来源于《农业技术与装备》期刊2019年11期）
陈玲,包福书,韩波,刘杨[6]（2019）在《近红外光谱技术在茶叶上的研究进展》一文中研究指出近红外光谱技术是一种可以用于茶叶质量检测的技术,相较于以往的茶叶质量检测手段,该技术检测效果更好。从近红外光谱技术入手,讨论近红外光谱技术在鲜叶原料控制中的研究,并分析了如何在茶叶加工过程和成品茶检验中的应用,希望对相关研究者有所帮助。(本文来源于《种子科技》期刊2019年16期）
张美多[7]（2019）在《红外光谱法在香烟过滤嘴检验中的应用》一文中研究指出采用红外光谱法对香烟过滤嘴的纤维成分进行检验分析,对采取不同部位对检验结果的影响进行了研究,在此基础上对同厂家同品牌不同系列香烟过滤嘴纤维样本进行分析,发现组成香烟过滤嘴纤维的基础物质相同,但不同系列的过滤嘴所含这些纤维的量或配比上还可能存在一定差异,所以特征峰位置和强弱存在明显差异性。据此,可以实现对不同系列香烟过滤嘴的比对鉴定或缩小认定范围,希望为香烟过滤嘴的检验提供一定参考。(本文来源于《黑龙江科学》期刊2019年22期）
王翠秀,曹见飞,顾振飞,徐明雪,吴泉源[8]（2019）在《基于近红外光谱大豆蛋白质、脂肪快速无损检测模型的优化构建》一文中研究指出为实现大豆蛋白质、脂肪含量的快速无损检测,采集350～2 500 nm光谱范围内的大豆近红外光谱。运用经典Kennard-Stone算法选取建模样本及验证样本,对近红外原始光谱进行卷积平滑(savitzky and golay, SG)+一阶微分、变量标准化(standard normal variate, SNV)+去趋势算法(de-trending,DT)、正交信号校正(orthogonal signal correction,OSC)处理;然后通过竞争性自适应重加权采样方法(competitive adaptive reweighted sampling,CARS)筛选出特征波长,比较偏最小二乘法(partial least squares,PLS)、BP神经网络法所建模型,最终获得对于大豆蛋白质、脂肪含量的快速、无损检测的最佳模型。结果表明:(1)经CARS特征波段挑选后,波长的变量个数由1 981个减少为100个以下,变量压缩率大于94.95%;(2)CARS波段选择能够提高建模精度,基于挑选的特征波段所建立模型的决定系数均>0.9;(3)OSC+CARS+PLS与OSC+CARS+BP该类数据处理组合方式在一定程度上能够实现大豆蛋白质、脂肪的快速、无损检测。优化构建的该模型能够精准快速无损的检测大豆蛋白质、脂肪含量,对大豆品质评估以及作物改良具有重要意义。(本文来源于《大豆科学》期刊2019年06期）
李灵巧,潘细朋,冯艳春,尹利辉,胡昌勤[9]（2019）在《深度卷积网络的多品种多厂商药品近红外光谱分类》一文中研究指出近红外光谱(NIR)分析具有分析高效、样品无损、环境无污染以及可现场检测等优点,特别适合药品的快速建模分析。但NIR存在吸收强度弱以及谱带重迭等缺点,需要建立稳健可靠的化学计量学模型对其进行分析。深度卷积神经网络是深度学习方法中一个重要分支,它通过逐层抽取数据特征并进行组合、转换,形成更高层的语义特征,具有极强的建模能力,广泛应用于计算机视觉、语音识别等领域,而在药品NIR分析方面尚未见报道。基于深度卷积网络模型,对药品NIR多分类建模进行研究。针对药品NIR数据的特点,设计若干个面向多品种、多厂商药品NIR分类的一维深度卷积网络模型。模型中卷积层和池化层交迭排列用于逐层抽取NIR数据特征,输出层连接softmax分类器,对药品NIR数据进行分类概率预测。在输出层之前采用全局最大池化层,将特征图进行整体池化,形成一个特征点,用于解决全连接层存在的限制输入维度大小,参数过多的问题。同时,在网络模型中引入批处理操作和dropout机制,以防止梯度消失和减小网络过拟合的风险。在网络模型的设计过程中,通过设计不同的卷积网络层数以及不同的卷积核尺寸大小,分析其对建模效果的影响,同时分析五种经典数据预处理方法对NIR分析的影响。以我国7个厂商生产的头孢克肟片和11个厂商生产的苯妥英钠片样本NIR为实验对象,建立药品的多品种、多厂商分类模型,该模型在二分类、多分类实验中取得了良好的分类效果。在十八分类实验中,当训练集与测试集比例为7∶3时,分类准确率为99.37±0.45,比SVM, BP, AE和ELM算法取得更优的分类性能。同时,深度卷积神经网络模型推理速度较快,优于SVM和ELM算法,但训练速度慢于二者。大量实验结果表明,深度卷积神经网络可对多品种、多厂商药品NIR数据准确、可靠地判别分类,且模型具有良好的鲁棒性和可扩展性。该方法也可推广到烟草、石化等其他领域的NIR数据分类应用中。(本文来源于《光谱学与光谱分析》期刊2019年11期）
赵鹏,李悦[10]（2019）在《可见光/近红外光谱分析的木材树种与密度同时预测》一文中研究指出光谱分析已经在木材特性参数(例如木材树种、气干密度、强度、含水率、表面粗糙度等)检测中得到应用,但是,现有的木材检测研究都只是针对上述某一项参数做数学建模和预测。如果需要检测木材多项参数,那么需要进行多次建模,并且每次建模预测时使用的数学模型类型(例如神经网络的类型)和内部结构参数一般各不相同。为了提高木材质量检测效率,提出了一种基于可见光/近红外光谱的木材树种和密度同时预测方法,它只需要一次建模和预测就可以实现这两项参数的同时输出。对东北5种常见木材(杨木、桦木、樟子松、白松和落叶松)进行检测,首先,采用K/S算法划分样本集,保证了训练集和预测集具有一定的代表性。然后,使用主成分分析和小波变换两种光谱降维方法,分别与BP神经网络和偏最小二乘支持向量机相结合建立了4种木材树种和密度同时预测模型和预测精度对比。采用美国海洋公司的Ocean Optics USB2000-VIS-NIR微型光纤光谱仪采集样本的可见光/近红外光谱并进行预测处理,光谱范围为350～1 100 nm。结果表明,这四种模型都可实现对木材树种和密度的同时预测,其中小波变换降维方法结合偏最小二乘支持向量机所建立的模型预测效果相对较好,树种正确识别率为100%,训练集密度的R为0.973 4,预测集密度的R为0.940 8,训练集密度的RMSE为0.026 13,预测集密度的RMSE为0.038 46,它为同时对木材多项特性参数进行预测的便携式多功能一体化木材光谱检测仪器的开发奠定了理论基础。此外,还采用该公司生产的另一款光谱范围为900～1 650 nm的FLAME-NIR型微型光纤光谱仪进行了同样的实验。对比发现,利用FLAME-NIR型光谱仪所得出的结果整体比利用USB2000-VIS-NIR型光谱仪所得到的结果好,但是相差并不是很大。这说明该方法可用于对木材种类与密度的同时预测,而且具有一定的稳定性和精度,也节约了仪器的成本。(本文来源于《光谱学与光谱分析》期刊2019年11期）
近红外光谱法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
目的采用在线近红外光谱(NIRS)技术,建立桂枝茯苓胶囊流化床干燥过程水分实时监测模型。方法通过NIRS漫反射探头采集16个生产批次共176个样本进行建模,优选移动窗口平滑法进行光谱预处理,采用间隔偏最小二乘法(si PLS)结合移动窗口偏最小二乘法(mw PLS)筛选特征变量为4 759.45～5 338.00 cm-1、5 503.84～6 101.67 cm-1、8 512.25～8 809.24cm-1,采用偏最小二乘(PLS)法建立水分含量多变量校正模型。结果水分预测的交叉验证均方根误差(RMSECV)为0.243%,性能偏差比(RPD)值为13.384,预测相对偏差(RSEP)为0.270%。以8个生产批次对在线监控方法的可靠性进行持续验证,结果 40个样本的相对预测误差均小于4.7%。干燥过程水分实时监测趋势图显示可准确判断干燥终点,终点样本水分含量位于控制限内。结论在线NIRS结合PLS建立的定量模型,可应用于生产规模桂枝茯苓胶囊流化床干燥过程水分含量在线监控且预测性能稳健、准确。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
近红外光谱法论文参考文献
[1].刘鹏,艾施荣,杨普香,李文金,熊爱华.非线性流形降维方法结合近红外光谱技术快速鉴别不同海拔的茶叶[J].茶叶科学.2019
[2].王晴,徐芳芳,张欣,徐冰,李执栋.在线近红外光谱监测桂枝茯苓胶囊流化床干燥过程水分的方法研究[J].中草药.2019
[3].陈剑虹,刘泽晨,朱凌建.磁场作用下葡萄糖近红外光谱检测技术研究[J].分析测试学报.2019
[4].邹惠玲,张爱,郑金凤.近红外光谱法在汽柴油分析检测中的应用[J].中国标准化.2019
[5].陈玲,李姝,罗体英,冉淑琴.近红外光谱（NIRS）技术在茶叶品质保真中的应用前景[J].农业技术与装备.2019
[6].陈玲,包福书,韩波,刘杨.近红外光谱技术在茶叶上的研究进展[J].种子科技.2019
[7].张美多.红外光谱法在香烟过滤嘴检验中的应用[J].黑龙江科学.2019
[8].王翠秀,曹见飞,顾振飞,徐明雪,吴泉源.基于近红外光谱大豆蛋白质、脂肪快速无损检测模型的优化构建[J].大豆科学.2019
[9].李灵巧,潘细朋,冯艳春,尹利辉,胡昌勤.深度卷积网络的多品种多厂商药品近红外光谱分类[J].光谱学与光谱分析.2019
[10].赵鹏,李悦.可见光/近红外光谱分析的木材树种与密度同时预测[J].光谱学与光谱分析.2019