期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
结合2D-COS和光谱融合技术的小麦淀粉回生特性定量表征 被引量:4
1
作者 安焕炯 翟晨 +4 位作者 马倩云 张凡 王书雅 孙剑锋 王文秀 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2023年第1期162-168,共7页
回生是淀粉加工、运输和储藏过程中的重要理化性质,快速检测淀粉回生程度对淀粉制品的品质和保质期有重要意义。为了探究二维相关光谱法(2D-COS)优选回生淀粉特征变量的可行性,研究结合2D-COS和光谱融合技术对小麦淀粉的回生特性进行定... 回生是淀粉加工、运输和储藏过程中的重要理化性质,快速检测淀粉回生程度对淀粉制品的品质和保质期有重要意义。为了探究二维相关光谱法(2D-COS)优选回生淀粉特征变量的可行性,研究结合2D-COS和光谱融合技术对小麦淀粉的回生特性进行定量表征。首先,将不同回生时间的小麦淀粉测定结晶度和回生度,从淀粉体系中晶体含量和对淀粉酶水解抗性的角度表征淀粉回生特性。然后,分别采集样品的近红外和中红外光谱数据,对采集的原始光谱进行Savitzky-Golay平滑和标准正态变量变换预处理后,结合偏最小二乘法分别基于近红外光谱、中红外光谱和融合光谱构建全光谱的预测模型。在此基础上,以回生天数为外部扰动,分别选取回生0,1,2,3,5,7,10,14,21和35 d的10条淀粉光谱进行2D-COS分析。通过分析同步谱和自相关谱,辨识了近红外13个和中红外11个与回生特性有关的特征波长。最后,基于这些特征波长进一步建立回生度和结晶度的预测模型。结果表明,全光谱模型结果中,光谱融合后的模型预测效果较好,结晶度模型的相对分析误差(RPD)值由1.2034和2.0690提高至3.9809,回生度模型的RPD值由2.5940和2.1099提高至4.5763,表明光谱融合能提高模型性能。利用2D-COS筛选特征波长后建立的模型预测效果有大幅度提高,结晶度模型的RPD值提高至8.0959,回生度模型的RPD值提高至14.1836。与利用竞争性自适应重加权算法筛选特征波长建立的模型结果相比,2D-COS更能提高光谱分辨率,获得更多的化学结构信息,因此光谱融合技术结合2D-COS的模型结果更佳。研究结果表明,将2D-COS用于筛选与淀粉回生特性有关的特征波长是可行的,为融合光谱的特征变量优选提供了新思路;同时也表明光谱融合技术结合2D-COS可以实现淀粉回生程度的快速检测,为淀粉食品的质量和保质期的快速检测提供了方法支持。 展开更多
关键词 淀粉 回生特性 光谱融合技术 二维相关光谱
在线阅读 下载PDF
红外指纹区光谱结合多阶导数融合技术无损分类鞋底物证 被引量:2
2
作者 孔昊 董泽 +2 位作者 卫辰洁 王继芬 高春芳 《中国塑料》 CAS CSCD 北大核心 2021年第2期94-100,共7页
为了提高检验效率,降低检验鉴定成本,实现对鞋底的快速无损分类。采用傅里叶变换红外指纹光谱及其多阶导数光谱对5类不同品牌共计50个样本的鞋底进行分析,并构建Bayes判别和支持向量机2种分类模型。结果表明,在鞋底鉴别过程中,基于原始... 为了提高检验效率,降低检验鉴定成本,实现对鞋底的快速无损分类。采用傅里叶变换红外指纹光谱及其多阶导数光谱对5类不同品牌共计50个样本的鞋底进行分析,并构建Bayes判别和支持向量机2种分类模型。结果表明,在鞋底鉴别过程中,基于原始数据、一阶导数数据和二阶导数数据建立的融合模型,初级融合模型的区分效果优于单一模型和中级融合模型,总体分类准确率能达到80%以上。而基于初级模型进行的成分特征提取中,BDA结合原始数据结合一阶导数模型是最好的,总体分类准确率达到92%。红外指纹光谱结合一阶求导、二阶求导构建不同的融合模型进行区分对比,选择最为有效的融合模型可实现对日常皮鞋、运动鞋鞋底快速的无损鉴别,对今后的治安工作作具有借鉴意义,不仅缩小排查范围,也为案件的快速侦破提供了一种新的方式。 展开更多
关键词 鞋底材料 光谱融合技术 Bayes判别分析 支持向量机分析
在线阅读 下载PDF
基于多光谱特征融合技术的面粉掺杂定量分析方法 被引量:4
3
作者 刘丰奎 张翠 +2 位作者 黄志轩 刘盼西 陈达 《分析测试学报》 CAS CSCD 北大核心 2019年第4期390-395,共6页
提出了一种基于拉曼光谱技术(Raman)和激光诱导击穿光谱技术(LIBS)的多光谱特征融合技术(MFFT),利用拉曼光谱中分子组分信息和激光诱导击穿光谱中原子组分信息之间的互补特性,采用自适应小波变换(AWT)-竞争性自适应加权(CARS)-偏最小二... 提出了一种基于拉曼光谱技术(Raman)和激光诱导击穿光谱技术(LIBS)的多光谱特征融合技术(MFFT),利用拉曼光谱中分子组分信息和激光诱导击穿光谱中原子组分信息之间的互补特性,采用自适应小波变换(AWT)-竞争性自适应加权(CARS)-偏最小二乘回归(PLS)建模技术,获取了面粉体系更为全面的特征信息。在多光谱特征融合技术中,首先采用AWT-CARS方法分别提取拉曼光谱和激光诱导击穿光谱中的特征变量,然后将两者的特征变量融合为一个向量,采用PLS方法构建MFFT模型,实现了面粉掺杂物的定量分析。通过对二氧化钛、硫酸铝钾等面粉掺杂体系建模分析,考察MFFT模型的有效性。结果表明,与单一拉曼光谱技术或激光诱导击穿光谱技术建立的预测模型相比,MFFT模型显著提升了模型的预测性能,二氧化钛和硫酸铝钾预测模型的线性相关系数分别从相对较差的Raman模型的0.884、0.877提升到0.981、0.980,其预测均方根误差分别从相对较差的Raman模型的0.151、0.154降低到0.069、0.068。表明多光谱特征融合技术可以准确提取Raman光谱中的分子信息和LIBS光谱中的元素信息,使其互为补充、互为校正,进而有效克服面粉基质对掺杂组分定量分析的干扰,显著提高模型的预测精度。 展开更多
关键词 拉曼光谱 激光诱导击穿光谱 光谱特征融合技术 面粉掺杂
在线阅读 下载PDF
基于光谱数据融合和人工神经网络的汽车灯罩鉴别 被引量:8
4
作者 卫辰洁 王继芬 +2 位作者 范琳媛 穆义龙 杜浩宇 《中国塑料》 CAS CSCD 北大核心 2020年第12期59-64,共6页
针对法庭科学领域对物证快速、无损、准确的检验需求,采用红外光谱原始数据和导数数据相结合的光谱数据融合技术对汽车灯罩样本进行分析。对收集的44个汽车灯罩样本采集红外谱图,采用自动基线校正、峰面积归一化、Savitzky-Golay算法平... 针对法庭科学领域对物证快速、无损、准确的检验需求,采用红外光谱原始数据和导数数据相结合的光谱数据融合技术对汽车灯罩样本进行分析。对收集的44个汽车灯罩样本采集红外谱图,采用自动基线校正、峰面积归一化、Savitzky-Golay算法平滑对谱图进行预处理,并对处理后的数据进行一阶求导,结合人工神经网络(ANN)算法构建分类模型。在径向基函数神经网络(RBF)模型中,结合主成分分析对光谱原始数据、一阶导数数据和融合的数据进行分类,分类准确率分别为81.2%、84.1%和90.9%;在多层感知器神经网络(MLP)模型中,结合主成分分析对光谱原始数据、一阶导数数据和融合的数据进行分类,分类准确率分别为84.1%、86.4%和97.7%,且在对44个汽车灯罩样本的12种品牌进行分类时,分类准确率也达到97.7%,实验结果理想。结果表明,基于红外光谱原始数据和导数数据相结合的光谱数据融合技术能够实现对汽车灯罩样本的准确分析,且满足快速、无损、准确的检验要求,可以为光谱融合技术在法庭科学领域中物证的检验提供一定参考。 展开更多
关键词 汽车灯罩 光谱数据融合技术 导数光谱 人工神经网络 分类
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部