- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
基于数字微镜器件（DMD）的二进制检测压缩拉曼光谱技术最新研究趋势
摘要： 高维高光谱数据的采集通常是高光谱拉曼成像过程中最耗时的步骤。采用传统阵列式拉曼光谱技术获取化学图像可能需要数小时甚至数天。为提高拉曼数据采集速度，近期已有多种压缩检测（CD）策略被证实可行——这些策略能同步感知并压缩光谱信号。与传统高光谱成像（需先测量完整光谱再进行后处理和成像）不同，压缩检测通过在仅包含目标信息的低维空间中进行测量来提升数据采集速度，从而实现实时成像。单通道探测器的使用为压缩检测策略带来关键优势：利用光学滤波函数获取组分强度?；谎灾庑┞瞬ê抵噬鲜茄分凶榉痔卣鞑ǔぷ楹系挠呕Ｊ?，每个滤波器透射的强度直接反映了相应得分值。本质上，压缩高光谱图像由"得分"像素（而非"光谱"像素）构成。本文综述了基于数字微镜器件（DMD）的二进制检测策略在压缩拉曼检测设计及性能验证方面的最新进展。
关键词： 化学计量学、多元数据分析、数字光处理器（DLP）、数字微镜器件（DMD）、最优二值滤波器、空间光调制器（SLM）、拉曼光谱、化学成像、压缩检测
更新于2025-09-23 15:22:29
-
实验设计与多元分析在拉曼光谱在线监测Suzuki交叉偶联反应中的应用及多元分析方法
摘要： 采用拉曼光谱监测构建Ce-C键的Suzuki偶联反应。通过中心复合设计研究了温度和浓度对反应产率的影响。各数据点的百分产率采用气相色谱-质谱联用技术离线测定。利用拉曼光谱结合偏最小二乘法(PLS)进行在线反应监测以建立预测模型。建模使用了五个不同采样时间点采集的拉曼光谱数据。经验证的PLS模型结果表明，该模型能高精度预测实验限内外的反应产率。研究证明此类模型非常适合监测化学和制药工业中广泛应用的Suzuki偶联反应。
关键词： 拉曼光谱、多元数据分析、反应监测、铃木偶联反应
更新于2025-09-23 15:21:21
-
基于近红外光谱与机器学习方法的小麦单?；盍ζ拦?
摘要： 了解单粒小麦种子的活力状态可为优良种质筛选和幼苗培育提供科学依据。尽管多种因素共同作用会降低或损害种子活力，但目前已有多种方法用于检测单粒种子活力。本研究旨在验证近红外光谱技术检测单粒小麦种子活力的可行性，并确定适宜的机器学习分类模型。研究选取1152粒小麦种子样本，其中五分之六经人工老化处理（AA）。所有种子光谱通过单粒近红外系统采集，覆盖1200-2400 nm波段范围?；袢〗焱夤馄缀?，所有种子均进行发芽试验以确认其活力状态。选取3天发芽、5天发芽及未发芽种子的光谱数据用于构建三类分类模型。经Savitzky-Golay（SG）二阶导数法和标准正态变量（SNV）校正预处理后，对高维光谱数据进行平滑处理，并通过主成分分析（PCA）和连续投影算法（SPA）两种光谱降维方法筛选特征波长。将支持向量机（SVM）、极限学习机（ELM）、随机森林（RF）和自适应提升（AdaBoost）四种机器学习算法分别与两种降维方法结合，构建八种模型用于判别预测单粒小麦种子活力。结果表明：基于两种降维方法构建的八类机器学习分类模型对单粒小麦种子活力的检测效果相当，各模型准确率均高于84.0%，其中PCA-ELM和SPA-RF模型分类准确率最高（分别为88.9%和88.5%）。这两个模型的宏观平均F1值同为0.887，表明其评估种子活力的能力基本相当。本研究为植物育种者、小麦质检人员及加工企业开发基于近红外光谱技术的快速无损高通量单粒小麦种子活力分选系统奠定了重要基础。
关键词： 多重分类、机器学习、近红外光谱、多元数据分析、小麦种子活力
更新于2025-09-19 17:13:59
-
基于紫外-可见光谱、同步荧光光谱和近红外光谱数据融合及化学计量学分析的茶叶分类研究
摘要： 研究了紫外-可见光谱（UV-Vis）、同步荧光光谱和近红外光谱（NIR）以及这些方法测量数据融合技术在茶叶生产工艺分类中的潜力。采用线性判别分析（LDA）、二次判别分析（QDA）、正则化判别分析（RDA）和支持向量机（SVM）四种分类方法分析光谱数据，通过主成分分析（PCA）降低数据维度后再进行分类。以分类错误率评估各方法对茶叶样品的分类性能。 结果表明：采用不同工艺生产的黑茶、绿茶、白茶、黄茶、黑茶（深发酵茶）和乌龙茶具有特征性的UV-Vis、荧光和NIR光谱。单独光谱及数据融合模型在校准集和验证集中，QDA与SVM方法获得的最低错误率分别不超过3.3%和0.0%。单独光谱验证集的最低分类错误率为：UV-Vis（RDA法12.8%）、同步荧光（SVM法6.7%）和NIR（QDA法2.7%），其中NIR结合QDA优于其他单一光谱方法。所有数据融合数据集（同步荧光+UV-Vis、同步荧光+NIR、NIR+UV-Vis结合SVM方法）在验证集中的分类错误率均低于3%。研究表明UV-Vis、荧光和近红外光谱具有互补性，可降低茶叶类型分类的错误率。
关键词： 荧光光谱法、食品掺假、近红外光谱、茶叶分类、多元数据分析、数据融合、紫外 - 可见光谱法
更新于2025-09-10 09:29:36
-
利用可见/近红外光谱技术对‘Marsh’葡萄柚外部和内部品质参数进行无损评估的校准建模
摘要： 消费者对无瑕疵水果的偏好影响着本地和国际市场的水果购买行为。园艺领域的最新趋势表明，消费者偏好受外观与优质内在感官品质相关联这一保证的影响。因此，对外部和内部质量参数进行无损评估具有重要需求。本研究旨在开发和测试用于综合预测"马什"葡萄柚外部和内部质量的校准模型。采用可见-近红外光谱技术（Vis/NIRS）获取522个完整果实的光谱信息。通过常规方法测得颜色指数（亮度L*、绿色度a*和黄色度b*）、果皮干物质含量（DM）、果皮总酚浓度、BrimA值、碳水化合物、甜度指数（SI）和总甜度指数（TSI）等参考质量参数。运用主成分分析对光谱数据进行异常值识别，采用二阶多项式Savitzky-Golay二阶导数作为预处理方法校正光谱散射特性。将光谱数据按60%校准集和40%验证集划分进行测试集验证，运用偏最小二乘回归法建立各参数预测模型。模型验证结果显示：果皮质量参数（L*、a*、b*、DM）的R2值达0.99，BrimA、SI和TSI的R2值分别为0.77、0.99和0.99，预测精度令人满意。L*、a*、b*、DM、BrimA、SI和TSI的剩余预测偏差（RPD）分别为64.1、61.4、123.4、12.9、1.4、9.0和13.9。Vis/NIR校准与验证结果表明，该技术可用于预测"马什"葡萄柚的质量参数。
关键词： 柑橘类水果、多元数据分析、果皮、化学计量学、近红外光谱法、'马什'葡萄柚
更新于2025-09-09 09:28:46