中红外检测（精选12篇）
中红外检测 篇1
为防止目标被探测或识别,必须对目标进行伪装处理,本系统是四波段(UVB、可见光、中波红外和长波红外)伪装效果检测系统,本文是对3μm-5μm中红外波远距离伪装效果检测的光学进行设计。
1 目标红外辐射源
目标红外辐射源的探测与自然红外辐射源密切相关,地球表面的热辐射有地球本身的热辐射和反射的太阳辐射两部分组成[1,2,3]。每一种分布都有两个峰值,一个在波长λ=0.5μm处,另一个在λ=10μm区域,在3μm-5μm之间有一个极小值。在军用设备导弹、坦克等发动机尾喷管,产生大量热辐射,这些热辐射的峰值集中在中红外波(3μm-5μm)波段。
2 技术指标和外形尺寸计算
2.1 技术指标
工作波段:3μm-5μm;探测距离:2000m;视场角:2ω=5°。
2.2 外形尺寸计算
在中红外波成像系统的设计中,采用320×256制冷型平面焦平面探测器。探测器主要技术参数为:探测器材料选用Hg CdTe像素320×256,像元尺寸30μm,响应波段3μm-5μm。
由系统的参数可知:成像尺寸:9.6mm×7.68mm;半对角线尺寸:
由ymax=-f′tanω,相对孔径D/f′=1∶2,则f′=140.8mm,D=70.4mm;数据规整后,f′=140mm,D=70mm。由y′=yβ=yf′/x,则可得到地面收容面积:
3 镜头类型和像差校正
3.1 选用镜头类型
在摄影镜头类型中,匹兹万适用于相对孔径大,视场角偏小。由系统的相对孔径1∶2,视场角2ω=5°,所以采用匹兹万镜头结构,布局图如图1所示,其初始结构中的球差很大。
3.2 像差分析和结论
匹兹万镜头是由两个分开的正光组透镜构成,该物镜曲率半径比较大;但两组分开(两正光焦度分开),场曲却增大了;要校正场曲,则球差与彗差就会增大。因此该镜头对球面和色差可以校正的很好,但却存在严重的场曲现象。本文在校正像差时把前后两组双胶合改为双分离式的。虽然在校正像差方面稍有提高,但是仍然存在较大的场曲,为了很好的校正结构中存在的场曲,镜头在焦面附近加了一个负场镜,校正场曲。
从校正好的光学系统的像差曲线来看,本设计的MTF接近衍射极限,能量比较集中(图2),球差得到了很好的校正(图3),尤其是本系统中比较难校正的像散和场曲,这里都得到了很好地消除。
4 结语
本文对中波红外成像系统的设计达到了其要求的技术指标,实现了远距离目标探测,并达到了接近衍射极限像质,从而达到检测中波红外伪装效果。虽然匹兹万镜头有结构总长较长的缺陷,但由于本系统对长度和重量要求不高,所以不会造成影响。
摘要：本设计可用于中红外波伪装效果的检测,它以中红外波光学成像为原理,通过分析目标辐射源和计算外形尺寸,确定镜头初始结构,校正像差,使辐射源清晰地成像在探测器上,完成检测。
关键词：伪装效果检测,中红外波光学成像,目标辐射源,探测器
参考文献
[1]张以谟.应用光学[M].北京:电子工业出版社,2008.
[2]吴宗凡,柳美琳,张绍举,等.红外与微光技术[M].北京:国防工业出版社,1998.
[3]车念曾,阎达远.辐射度学和光度学[M].北京:北京理工大学出版社,1990.
中红外检测 篇2
作 者：曹艳 吴晓曦 CAO Yan WU Xiaoxi 作者单位：曹艳,CAO Yan(长沙航空职业技术学院,湖南,长沙,410124;湖南大学机械与汽车工程学院,湖南,长沙,410082)
吴晓曦,WU Xiaoxi(长沙航空职业技术学院,湖南,长沙,410124)
刊 名：长沙航空职业技术学院学报英文刊名：JOURNAL OF CHANGSHA AERONAUTICAL VOCATIONAL AND TECHNICAL COLLEGE年，卷(期)：8(3)分类号：V267+.4关键词：红外无损检测 飞机探伤 应用
中红外检测 篇3
【关键词】状态检修；红外成像；输变电设备
【中图分类号】U224 【文献标识码】A 【文章编号】1672—5158（2012）08—0191-01
0.引言
状态检修，就是在设备状态监测的基础上，根据监测和分析诊断的结果，科学安排检修时间和项目。状态检修的内容不仅包括在线监测与诊断，还包括设备运行维护、带电检测、预防性试验、故障记录、设备管理、设备的检修及验收等许多方面。而红外检测技术是通过非接触式的红外检测手段来监测设备的运行状态，对电力系统中具有电流致热型、电压致热型或其他致热型设备进行成像测温、分析诊断，可以有效诊断设备过热等缺陷，便于及时发现设备隐患，消除设备缺陷，确保输变电设备安全运行。
1.红外检测与诊断的应用
随着经济的发展，长期以来形成的定期检修已不能满足供电企业生产目标，即用最低的成本，建设具有足够可靠水平的输送电能的电力网络。要掌握设备的运行状况可通过先进的仪器对设备进行检测，做到及时掌握设备的运行状况，目的将传统的“预防性检修”提高到“状态性检修”上来。在运行单位要掌握设备的运行状况若还采用传统的检修模式不但消耗大量的人力物力和财力而且没有针对性，不能从根本上消除设备存在的缺陷。运行中的输变电设备由于施工问题和运行环境的变化压接管和引流线部分都有发热的可能若不依靠设备有可能到发生事故时才会发现缺陷。
本着如何有效控制检修成本、合理延长设备使用寿命等问题，在输变电设备中运行维护中大力推进设备状态检修管理理念的应用，使用红外成检测的方法可随时掌握致热型设备的运行状况。根据现有红外检测设备的技术性能等级，由高到低可分为：焦平面热像仪、光机扫描热像仪，斩波型热电视、平移加瞬变型热电视、平移型热电视、红外测温仪。输变电设备可配置高性能的红外热成像仪。
2.红外热成像仪测温原理
每一个有一定热量的物体，都会以电磁波的形式向外界辐射能量，而辐射能量的大小与该物体的热力学温度的四次方成正比。基于此种原理开发研制的红外热成像仪，可以获取设备的红外辐射状态的热信息，并转换成温度进行显示，能测量设备表面上某点周围确定面积的平均温度，以温度高低来判断其工作状态的正常与否，无需与物体直接接触，可实现输变电设备在运行状态时远距离非接触式的测量物体的温度，检测设备的运行状况，通过对电气设备表面温度及其分布的测试、分析和判断，发现设备故障引起的异常温度，准确地发现电气设备运行中的异常和缺陷。从而实现故障隐患的提早发现并进行处理，给输变电设备运行监测提供了—种先进手段。
3.红外成像检测方法
使用红外热成像仪，在开机后应进行温度校准，待图像稳定后先对所有应测部位进行全面扫描，找出热态异常部位，然后对异常部位和重点检测设备进行准确测温。针对不同的检测对象应选择相对应的环境温度参照体；测量设备发热点、正常相的对应点及环境温度参照体的温度值时，应使用同一仪器相继测量；做同类比较时要注意保持仪器与各对应被测点的距离一致、方向一致；正确键入大气温度、相对湿度、测量距离等补偿参数；并选择适当的测温范围；应从不同的方向进行检测，求出最热点的温度值；记录异常设备的实际负荷电流和发热相、正常相及环境温度参照体的温度值。
将采集回来的红外热图传输到电脑上，图片经过分析软件；相应的“分析结果表”中就显示出设备表面的最大值，当然红外热图传输到电脑上后可以在工作站所建立的图片库中找到本幅图片的真实写照来上传到分析报告中（又称可见光图）
4.红外成像检测管理
在专业管理方面，可通过对输变电设备在线监测数据、交接预试信息、运行信息的分析，科学地判断设备综合健康状况，对设备进行状态评估，并根据评估结果，确定维修计划，做到当修必修、需修才修。在输变电红外检测的实际应用中可根据电气设备的重要性、电压等级、负荷、运行方式及环境条件等确定运行设备红外测温的周期。
对输变电设备在330KV变电站中，在停电检修前及预试前检测一次，以便查出的缺陷在检修中得到及时处理，避免重复停电。在重负荷运行前应进行一次检测。在正常运行时每两周进行一次一般检测。在重负荷（迎峰度夏、迎峰过冬等）运行期间每天应检测一次。对330kV及以上变压器、断路器、电抗器、套管、电压互感器、电流互感器、避雷器、电容器、电缆终端等设备每年进行一次精确检测并建立图库。
在110kV变电站中，在重负荷运行前应进行一次检测。110kV枢纽变电站、重负荷变电站在正常运行时每月进行一次一般检测。发现异常进行精确检测，并建库。在重负荷（迎峰度夏、迎峰过冬等）运行期间每天应检测一次。110kV其他变电站每季度检测一次。
35kV及以下变电站（含10kV开闭所）中，在正常运行时每半年检测一次，在重负荷（迎峰度夏、迎峰过冬等）运行期间每月检测一次。
对于运行环境差、陈旧或有缺陷的设备，在重负荷运行期间、系统运行方式改变且设备负荷突然增加期间，需增加对设备的检测次数。
新建、改扩建或大修后的电气设备，应在投运带负荷后不超过1个月内（但至少在24h以后）进行一次检测。并对变压器、断路器、电抗器、套管、电压互感器、电流互感器、避雷器、电容器、电缆终端进行精确检测，对原始数据进行图像存档。
330kV及以上输电线路在重负荷运行前应进行一次检测。在正常运行期间应每半年进行一次检测，在重负荷（迎峰度夏、迎峰过冬等）运行期间每月进行一次检测。
110kV及以下输电线路在重负荷运行前应进行一次检测。在正常运行期间应每半年进行一次检测，在重负荷（迎峰度夏、迎峰过冬等）运行期间必要时进行检测。
新建、改扩建或大修后的线路，应在投运带负荷后不超过1个月内（但至少在24h以后）进行一次检测。
110kV及以上电缆终端设备，在正常运行期间，每季度检测一次；在重负荷（迎峰度夏、迎峰过冬等）运行期间每两周检测一次。
35kV及以下电缆终端设备每半年检测一次。
在重大事件、重大节日、重要负荷以及重要负荷突然增加等特殊情况应增加检测次数，进行有针对性的检测。
对设备进行红外测温检测后应完成测试记录及数据管理。红外测温的检测和诊断数据，主要包括现场记录、设备热像图、设备参数及诊断分析报告。现场记录内容应包括日期、气象条件、地点、设备名称、缺陷部位、實际负荷、检测结果、诊断结论和处理结果。对典型缺陷应拍摄热像图和检查处理时的照片，做为技术资料存档，以便积累经验。
保存采集到的设备红外检测状态信息，可作为输变电设备的状况评分依据。对设备状态进行评分所依据的信息称为状态信息，主要包括运行工况、预试数据、缺陷、检修、在线监测数据、家族缺陷等。评分值可以基本上判断设备的健康状况，并以此作为延长或者缩短检修周期的依据。
5.结束语
利用红外诊断技术，人员可以多次预知性的发现设备发热故障，跟踪检测发热设备，是状态检修在输变电设备的具体应用，在电力系统中发现和避免了许多设备事故，确保了电力设备的安全稳定运行。非接触式红外测温方法在输变电设备应用为缺陷发现、日常维护提供了一个新的监测手段，使大量设备缺陷消除在萌芽状态，使输变电设备的状态检修很有意义，提高了输变电设备运行管理水平，保证了电网安全供电。
参考文献
[1]《带电设备红外诊断应用规范》中华人民共和国国家发展和改革委员会2008.6
红外图像中人体目标检测技术研究 篇4
由于红外图像对比度低、边缘模糊、信噪比低、噪声大和人体目标非刚体等特性,使得对红外图像进行人体目标检测难度较大。目前常用的运动目标检测方法背景减除法[1]、帧差法[2]、光流法[3]等,在摄像机不固定的情况下,基于背景的目标检测方法将变得十分困难,因此采用单帧图像分割的方法显得更加可行。
本文采用的红外序列图像中人体目标检测的方法是:采用FAST(Features from Accelerated Segment Test)[4]算法,在单帧图像中进行特征点提取;基于检测出的特征点,利用基于局部二值模型纹理特征(Local Binary Pattern, LBP)核函数的算法提取图像的局部特性,得到人体可能存在的感兴趣区域;利用双密度双树小波变换和小波熵提取训练样本的特征信息,并采用模式识别方式对提取出的感兴趣区域(Regions of Internet,ROI)进行分类检测,得到人体目标所在区域。
1 基于特征点的人体目标区域初定位
由于传统的基于视频的目标检测方法,在摄像机不固定的条件下,运算量过大且鲁棒性较差,因此在此基于单帧图像进行人体目标检测。本文采用先提取红外图像中的特征点,然后在特征点的邻域内搜寻人体目标的方法进行人体目标区域提取,如图1所示。
1.1 基于FAST算法的特征点提取
FAST算法是一种运算简单的特征点检测方法,首先通过Segment-Test算法来定义特征点:如果图像中以某一个像素点p为中心,r为半径的一个Bresenham圆上,超过N个连续像素的亮度均超过像素p某一阈值,或者低于像素p某一阈值,则该像素p处存在一个特征角点。在应用时,为了减少所提取的特征点的数量,将相邻的特征点进行合并,如图2所示。
1.2 基于CS-LBP算法的区域特性提取
LBP算法[5,6]首先是作为一种纹理操作的算子提出来的,并且在很多计算机视觉领域得到了很成功的应用。
LBP算法根据每个像素与其邻域像素的相对差值来描述该像素的特性,因此对由光线条件变化导致的像素值变化有很强的鲁棒性。如果邻域像素的亮度值大于或等于中心像素的亮度值,则该邻域像素对应的属性取值为1,否则取值为0。CS-LBP算法[7]是比较圆周上每对中心对称的像素之间的亮度值,因此在CS-LBP中,需要做的比较次数相对LBP算法降低了1/2。图像中位于(x,y)位置的像素CS-LBP值可根据其邻域信息计算如式(1)所示:
式中:T为一个很小的阈值。根据式(1),CS-LBPR,N,T具有2N/2个可能取值,因此整个图像区域上的CS-LBPR,N,T值的统计直方图特征维数为2N/2。在特征角点检测出来以后,需要在其周围确定一个图像区域,以根据该区域上的信息计算出用于描述该区域局部视觉特征向量。根据CS-LBP算法的原理,以该特征点为中心,以1为半径,比较其8邻域像素的灰度值,可计算出其LBP直方图,根据直方图特性可以提取出特征角点周围的特征区域,即所提取出的待选感兴趣区域(ROI)。
图3、图4分别展示了所计算出的LBP直方图和提取出的ROI区域。
2 候选ROI分类检测
本文基于离散小波变换(DWT)和小波熵对训练样本进行分类特征提取。在此基础上,为了更加准确地从所有选定的感兴趣区域中提取出人体目标,同时利用Boosting[8]、支持向量机(SVM)[9]的模式识别方法组成复合分类器,进行候选ROI区域分类筛选。本文主要训练了人体、车辆、其他(包括房屋、树木等非人体、车辆目标)等三类样本。
双密度双树离散小波变换(Double-density Dual-tree DWT)[10],综合了双密度小波和双树小波的优点,具有平移不变性和抗混叠特性、基2冗余且尺度不变、近似连续小波变换和具有良好的方向特性。双密度双树离散小波变换(DD-DT DWT),具有两个不同的尺度函数φh(t),φg(t)和四个不同的小波函数ψh,i(t),ψg,i(t),(i=1,2),其中ψh,1(t)和ψg,1分别是由ψh,2(t)和ψg,2偏移0.5构成,即:
式中:ψh,1,ψg,1和ψh,2,ψg,2分别为近似希尔伯特变换对,即:
图像经过双密度双树离散小波变换后生成4个低频子带和32个高频子带。小波系数能够反映16个频带上的细节信息,图像的小波熵能够反映图像小波变换频率空间的能量分布信息,将双密度双树离散小波变换与小波熵结合起来具有更大的表征能力。
定义单一尺度j下的小波能量Ej为该尺度下小波系数Cj(k)的平方和:
信号总能量为:
相对小波能量为:
如果把小波系数矩阵看作一个概率分布序列,则由此序列计算得到的熵反映了该系数矩阵的稀疏程度,即概率分布的有序程度,成为小波熵,根据香农熵的原理,小波熵定义为:
本文所采用的机器学习样本主要来自于OTCBVS Benchmark Dataset数据库和自己拍摄得到的红外图像,图5所示为部分机器学习样本。由于程序编程需要,所有样本宽度都是4的倍数,高度无此限制。正样本都是在人体轮廓的基础上外扩至少2个像素,负样本由自编程序在已有图像序列和视频中随机生成。最终获得人体正样本382个,车辆正样本288个,非人体非车辆负样本755个。
3 实验结果与分析
为了检验本文提出的方法性能,进行了实地实验,实验分别在下午温度比较高的时候和晚上温度比较低的时候进行,试验场景分别选择了背景相对简单的野外空地和背景相对复杂的城市道路场景。所有序列图像均由固定摄像机拍摄,图像大小均为384×288。红外序列图像中运动人体目标检测结果如图6所示。
根据实验结果,本算法在背景相对简单的环境下有很高的识别率和很低的虚惊率,可以正确识别红外序列图像中的人体目标,但算法同样存在着缺陷,由图6(c)可见,在背景相对复杂的环境下,温度较低时第81帧图像到第90帧图像中存在着漏检的情况,而在之后的图像序列中,检测率较高。
4 结 语
针对红外图像的特点,本文采用了基于FAST-LBP的红外人体目标检测方法,并采用了基于离散小波变换的小波熵进行分类特征提取,使得对候选区域的特征提取更加精确。使用Boosting和SVM组成的复合分类器进行目标区域分类,确保了目标检测的鲁棒性。经试验验证,本文提出的方法具有一定的可靠性,但在温度较低、背景复杂的情况下,检测效果相对其他情况下要稍差,检测率要低于其他情况,虚警率要高于其他情况。这个问题可以通过增加分类器的各类目标学习样本来解决。本文所采用的方法,对目标检测有很好的鲁棒性,不会随着图像中目标数量的增加而影响系统运行速度,同时多个目标之间交叉遮挡时也能达到很好的检测效果。
参考文献
[1]MITAL A,PARAGIOS N.Motion-based background sub-traction using adaptive kernel density estimation[C]//Pro-ceedings of IEEE Computer Society Conference on Computer Vision and Pattern Recognition.[S.l.]:IEEE,2004,2:302-309.
[2]MOSCHENI F,BHATTACHAREE S,KUNT M.Spatial temporal segmentation based on region merging[J].IEEE Transaction on Pattern Analysis and Machine Intelligence,1998,20(9):897-915.
[3]BARRON J,FLEET D,BEAUCHEMIN S.Performance of optical flow techniques[J].International Journal of Com-puter Vision,1994,12(1):42-77.
[4]ROSTEN E,DRUMMOND T.Machine learning for high-speed corner detection[C]//2006European Conference on Computer Vision.[S.l.]:ECCV,2006:430-443.
[5]Anon.LBP Website[EB/OL].[2011-12-20].http://www.ee.oulu.fi/mvg/page/lbp_bibliography.
[6]LU Hui-min,ZHANG Hui,ZHENG Zhi-qiang.A real-time local visual feature for omnidirectional vision based on FAST and CS-LBP[C]//Proceedings of The10th Workshop on Omnidirectional Vision,Camera Networks,and Non-classi-cal Cameras.Zaragoza,Spain:[s.n.],2010:111-121.
[7]HEIKKIL¨A M,PIETIK¨AINEN M,SCHMID C.Descrip-tion of interest regions with local binary patterns[J].Pat-tern Recognition,2009,42(3):425-436.
[8]FREUND Y,SCHAPIRE R E.Experiments with a newing boosting algorithm[J].Proceeding of the Thirteenth Inter-national Confrrence.Morgan Kauman,San Francisco.[S.l.]:[s.n.],1996,148-156.
[9]李伟红,基于支持向量机的人脸特征选择及识别研究[D].重庆:重庆大学,2006.
[10]SELESNICK I W.The double-density dual-tree DWT[J].IEEE Transactions on Signal Processing,2004,52(5):1304-1314.
中红外检测 篇5
近红外光谱检测蜂蜜中可溶性固形物含量和水分的应用研究
摘要：提出了一种利用近红外光谱技术定量分析蜂蜜中可溶性同形物含量(SSC)的新方法,同时对蜂蜜中的`水分也进行了研究.在不同光谱范围内,通过对原始光谱的不同预处理,用偏最小二乘法分别建立了SSC和水分的近红外透反射光谱校正模型,所有模型都有高的的预测精度和水分的最优模型都为在全谱范围内,光谱预处理采用Norris平滑+一阶微分+多元信号校正,SSC模型的交互验证决定系数(RCV2)、交互验证误差均方根(RMSECV)、验证集决定系数(RP2)、验证误差均方根(RMSEP).SSC模型分别为0.998 6,0.190,0.998 5和0.127,水分模型分别为0.998 4,0.187.0.998 6和0.125.近红外光谱能实现蜂蜜中SSC和水分的准确测定.水分模型预测结果略好于相关文献的报道. 作者： 李水芳[1]张欣[2]单杨[2]李忠海[1] Author： LI Shui-fang[1] ZHANG Xin[2] SHAN Yang[2] LI Zhong-hai[1] 作者单位： 中南林业科技大学,湖南,长沙,410004湖南省食品测试分析中心,湖南,长沙,410025 期 刊： 光谱学与光谱分析 ISTICEISCIPKU Journal： SPECTROSCOPY AND SPECTRAL ANALYSIS 年，卷(期)： , 30(9) 分类号： S896.8 关键词：近红外透反射光谱 蜂蜜检测 可溶性固形物含量 水分 机标分类号： R31 TS2 机标关键词：近红外光谱检测 蜂蜜 可溶性固形物含量 水分模型 应用研究 Near Infrared Spectroscopy Soluble Solids 交互验证 决定系数 SSC 近红外光谱技术 光谱预处理 偏最小二乘法 均方根 最优模型 准确测定 预测精度 预测结果 信号校正 校正模型 基金项目： 国家科技支撑计划项目中红外检测 篇6
关键词：近红外 近红外光谱分析技术 食品 应用
中图分类号：TS207 文献标识码：A 文章编号：1672-5336（2014）04-0024-02
1 引言
随着社会和科技的发展进步，人们相比食品的外观对健康的意识越来越强，越来越讲究科学养生，更注重食品带来的营养以及食品的安全性。而食品是否安全的最重要确定手段就是进行检测。在20世纪80年代后期快速发展起来的各领域都有广泛应用的红外光谱分析技术（简称NIRS）。相较传统分析技术近红外光谱分析的优点在于可用少量被测样品，并且不破坏被测样品即可得出可靠的结论，同时具有：没有污染，效率高、速度快、成本低和绿色环保等。现阶段国内外学者们正将利用NIRS的优点应用于食品的无损检测与鉴别做为研究热点。
2 近红外光谱分析技术概述
波长范围介于可见光与中红外区之间的电磁波称之为近红外光（简称 NIR），波长范围为 780～2526 nm，波数范围 12820～3959 cm-1。有机物以及部分无机的中化学键结合的各种植基因的伸缩、振动和弯曲等运动都有固定的振动频率。近红外光谱定性分析和定量分析的基础依据就是利用每种成分都有特定的光能量吸收特征得到的复杂的图谱就为。
近红外光谱分析方法是一种间接分析方法，它集合光谱测量技术、化学计量学技术和基础测量技术，并利用这三大主要技术进行分析总结，进而门辨定食品质量。其分析过程主要分为以下四个步骤：
（1）选择有代表性的样品，并测量其光谱；（2）是采用参考方法测定所关心的组分或性质数据；（3）是利用测量的光谱和基础数据，用适当的化学计量方法建立校正模型；（4）是未知样品组分或性质的测定。
3 近红外定性分析方法概述
近红外光谱技术分为定性分析和定量分析。所谓其定性分析通常指只需要确定是什么性质的，知道样品的类别或质量等级，并不需要知道样品中的组分数和含量的分析问题。而其定量分析则是需要准确的知道某特物质的相关信息，如成分含量等。并通过利用近红外光谱与化学计量学方法建立定量模型。
4 近红外光谱分析技术在食品品质鉴别检测中的应用现状
人类的身体不可缺少能量，而人类的能量来源是食品，与人类健康息息相关的是食品，但是近年来世界共同关注的食品问题却遭到了各种考验与破坏：食品原料污染、基因工程技术的应用、人为不法分子为了个人利益蓄意掺假等。中国加入WTO后，除经济快速与国际接轨外，食品也与国际食品快速接轨，因此寻求一种理想的准确、方便、经济、安全的快速检测方法也是与发达国家快速接轨的必行之路。用于食品鉴别的近红外技术虽然应用时间较短，但其分析速度快、成本低、操作方便宜，使其有着广阔的应用前景。
4.1 食品种类、产地鉴别
鉴别食品种类、产地等是现附年国内外学者们的研究热点。利用主成分分析来自不同动物的来源肉，准确度可达到80%；利用NIR结合红性判别分析和PLS区分来自不同苹果品种的果汁，高达100%。等国内、外实验证明，鉴别食品种类与产地利用近经外光谱技术可达到高标准鉴别结果。
4.2 食品真伪、掺假鉴别
除了蜂密、奶粉、橄榄油可以利用近红外光谱分析是否掺假外，还包括：鉴别酒精饮料、硬质小麦粉是否掺杂普通的面包小麦粉、碧螺春茶真假、苦荞和芝麻油的鉴别、酱油的真伪、牛肉汉堡是否掺假等，鉴别率都达到84%以上，而且有些项目其掺假量越我，判断结果越准确。
4.3 食品质量评估与分级
食品的质量监控除了对成品食品的质量评估外还需要对正在加工或处理的食品过程中的成分变化进行监控。而NIR技术，也可以很好的恰当的应用到这一过程中来。
利用红外线光纤探针可以加热过程中测量猪肉水分的变化；可实现对纯牛奶中还原奶的鉴别昨原料奶新鲜度的判别，并且在样品中掺入小比例的成分鉴别正确率约为90%以上，对加大掺入量的样品可以实现100%判别。并且利用定性判别的方法可以识别掺碱牛奶，正确率在95%以上；对牛肉嫩度也可以进行检测，正确率可达84.21%；对黄酒品质和酒龄鉴别的准确率可接近100%。
5 结论与展望
在食品工业上近红外光谱分析技术已经经取得了巨大的进展。它不优于传统试验方法的地方有操作简便，所需时间短，完全满足了生产需要的弊端。而且在线近红外光谱分析技术除进行最终产品的定性、定量质量鉴定外，还可以对生产线上的物料、物料质量进行实时监控，随时掌握食品的质量问题。
总结本文对近红外光谱分析技术定性分析方法，以及应用进行了简单的介绍。对今后近红外在食品种作中的应用研究进行一下展望，将主要集中于以下几个方面：
（1）联合其它技术应用，还可以扩大食品成分鉴定以外的应用领域；（2）使近红外光谱分析技术行业化。硬件：对仪器进行改进，使其安装、调试更便洁，适应行业生产的特点对生产条件、不同食品的适应性更强。软件：编制专用软件。使定标工作模式化。易于掌握。（3）建立分析模型，并实现模型共享和校正模型的可移植转换；（4）发展在线检测技术。在线的检测技术是针对解决产生中质量问题并对之进行监控的最有效途径，同时也是企业最需要最有望全面应用的技术。
总之，近红外分析技术作为热点，将为我国食品工作的发展、改革与进步起着功不可没的作用，为我国创造巨大经济效益和社会效益提供有力的技术支持。
参考文献
[1]陆婉珍，袁洪福，徐广通.现代近红外光谱分析技术[M].北京：中国石化出版社，2006.
[2]严衍禄，赵龙莲，韩东海，杨曙明.近红外光谱分析基础与应用[M].北京：中国轻工业出版社，2005.
中红外检测 篇7
关键词：红外光谱,毒品检验,红外光谱库
红外光谱检测技术广泛用于化合物鉴定及分子结构表征,亦可用于定量分析。红外光谱与色谱等联用(GC-FTIR),则具有强大的定性功能。利用红外光谱技术对毒品进行检测,具有所需检材量小,无损;操作简便、快捷等特点。根据检测仪器和应用领域的不同,可将红外光区分为近红外光区,中红外光区,远红外光区等三个光区,其中以近红外区和中红外区的光谱分析技术应用较为广泛。
1 近红外光谱技术
近红外光区(在0.75-2.5 m范围)对含氢原子团(如O—H、N—H、C—H)伸缩振动峰较为敏感,常用于分析含氢基团的毒品的定量分析。吴国萍等(1)提出了采用近红-外漫反射光谱技术快速、无损、测定缴获白粉中海洛因、乙酰吗啡、乙酰可卡因的含量方法。该研究结果表明近红-漫反射光谱技术用于分析毒品,具有快速无损和结果可靠的优点。吴国萍等采用GC-MS分析了缴获88份白粉中这3组分的质量百分含量,以交叉验证误差均方根为指标,确定各组分用于建模的最优近红外波段和光谱预处理方法,采用偏最小二乘法建立近红外光谱与这三组分GC-MS分析值之间的校正模型,并以此预测了35个白粉样本。
吴国萍等(2)采用近红外-漫反射光谱快速无损测定摇头丸中亚甲二氧基甲基苯丙胺(MDMA)、甲基苯丙胺(MA)含量的新技术。该技术可对摇头丸裸片中MDMA和MA进行快速无损分析,且结果可靠,为刑事案件中毒品成分的测定提供了一种新的分析手段。吴国萍等收集含MDMA摇头丸56份和含MA摇头丸58份,采用GC-MS确定其中MDMA和MA质量的含量,在12000~4000 cm-1光区扫描样品,以交叉验证误差均方根为指标,通过筛选,对各组分确定了用于建模的最优近红外波段和光谱预处理方法,采用偏最小二乘算法建立近红外光谱与这2组分GC-MS分析值之间的校正模型,并以此分别预测21个样本含量。
吴国萍等(3)应用近红外光谱积分球和光纤漫反射技术,结合化学计量学方法,进行处理不同途径缴获的毒品,并通过系统聚类分析,对不同途径缴获毒品的来源进行了鉴别。结果表明,该法具有简便、快速、准确的特点,为毒品同一来源认定提供了一种新技术。
曹槐等(4)采用支持向量分类方法,将在云南省缴获的一千多份海洛因样品,用近红外-漫反射光谱在4 000 cm-1~10 000cm-1光区范围内吸收系数数据集合,构建了识别毒品来路的分类器。光谱数据选取了指纹波数区段5 990cm-1~7 500 cm-1,以及最大和较大吸收系数的41个波数的光谱数据。针对一对一算法的五分类问题,采用两种分类法C-SVC和v-SVC,4种核函数,分别以默认参数和优化参数,得训练集模型有效率和检验集的预报总精度。比较各种模型后,确定了152个指纹区波数,线性核函数的L-152 C-SVC作为分类器模型。该模型对已知分类的5个地区随机选取的训练集样本,在10-交叉检验下的有效率是90.74%,对不包含训练集的其余全部已知样品,其预报总精度是88.71%。5地区分类统计计算的敏感性、特异性、相关系数的评价都较好。最后,又试用该分类器于未知地毒品的来路辨认。与报道的模式识别比较,工作没有止于训练集给出模型,检验集判断预报效果的已知样品,又走出了重要一步,即识别训练集和检验集之外的未知样品。
2 中红外光谱技术
中红外光谱技术(光区在2.5-25 m范围)常用于定性和定量分析,且仪器成本低和方法简单。张润生(5)和胡绪洲等(6)很早就研究了海洛因和鸦片的傅里叶红外吸收实测谱。梁宇华(7)对别运用红外光谱仪、气相色谱质谱联用仪、气相色谱仪对广州海关关区在2006年缴获的可卡因进行了成分及含量的分析。结果发现,在使用了现场快速检验毒品的手段后,用红外光谱仪判断其主要成分,还是比较可靠的。
王继芬(8)等建立了甲基苯丙胺毒品中添加成分的红外光谱快速分析方法,该方法应用于实际案例中,获得了理想的结果。将甲基苯丙胺毒品与淀粉、葡萄糖、咖啡因、非那西汀等按一定质量比例混合,然后利用傅里叶变换红外光谱仪进行红外光谱分析,得出红外光谱图。由于各种成分均有其特征的红外吸收,因此通过其特征吸收可以区分甲基苯丙胺毒品中所添加的成分,同时,通过吸收峰的强度可以大致判断添加成分的含量范围。红外光谱法不需要进行样品的前处理,具有快速、无损的特点。
王继芬等(9)立氯胺酮毒品及其添加成分的红外光谱快速分析方法。将氯胺酮毒品与淀粉、葡萄糖、麦芽糖、咖啡因、非那西汀等按一定质量比例混合后,采用傅里叶变换红外光谱仪进行光谱分析,得到红外光谱图,利用OMNIC软件经过筛选、归一化、入库等处理后建立了氯胺酮毒品及其添加成分的红外光谱谱图库;运用红外光谱的相关知识,对氯胺酮毒品及其添加成分的标准谱图解析,进行了峰的归属,制作了一张特征峰表。将待测样品进行红外光谱分析后,先进行谱库检索,再应用特征峰表进行确定,从而对可疑氯胺酮毒品进行了快速无损分析。
徐鹏等(10)采用红外光谱技术对海洛因样品进行谱图采集,并对海洛因及其盐型的红外谱图进行谱图解释和分析。应用红外光谱技术,可以很好地鉴别海洛因及其盐型。
徐鹏等认为,红外光谱技术在毒品的定性定量分析以及来源推断方面具有其独特的优势。作为一项非常传统的分析技术,以往因其对混合物无法确切分析以及谱图检索费时的弱点而在物证鉴定领域应用较少。随着计算机技术的发展,红外光谱技术在分析鉴定领域将发挥越来越重要的作用,特别是在建立数据库以及快速检索比对方面。
张润生等采用气相色谱-傅立叶变换红外光谱联用技术,建立了9种苯丙胺类毒品及其衍生物的分析鉴别方法。采用HP-1(30 m×0.32 mm,0.25 m)毛细管柱,MCT红外检测器与氢火焰检测器同时检测,在程序升温条件下,以十七烷为内标物,研究已知对照品的色谱保留行为及其气态红外光谱图特征,建立相应的特征吸收峰数据库,作为鉴别分析的依据。色谱保留时间与红外特征吸收峰联合鉴别法极大地提高了鉴别的准确性。将发展的方法应用于可疑毒品物证中苯丙胺类及其衍生物毒品样品的鉴别,获得了理想的结果。该方法可用于涉毒案件毒品物证的检验,特别适用于混合毒品成分的检验。
3 远红外光谱技术
气体分子的转动跃迁振动-转动跃迁通常在25-1000 m范围内产生较强的远红外光谱。因此大部分易制毒化学品在毒品制备过程中都会产生挥发性的蒸气团,其光谱特征都在远红外大气窗口内。尤晓明等和李志豪发现被动红外探测技术能够在远距离实现对易制毒化学品蒸气团的监测,可以有效解决禁毒任务中隐藏制毒窝点的遥测问题。将此技术用于公安禁毒领域,能够很好地满足当前禁毒工作的需要,具有重要的实际意义。
4 毒品红外光谱图库
陈月通过用高纯度毒品建立红外光谱库,采用最先进的全光谱编码、全光谱检索方法结合谱图解析方法。经用南京市公安局提供的缴获混合物毒品进行实例验证,认为操作简便、快速,定性准确。王继芬等建立了氯胺酮毒品及其常见添加成分的红外光谱谱图库,结合谱图解析实现了对氯胺酮毒品及其添加成分的红外光谱快速分析。对于毒品谱库谱图库还需要在实践中不断地扩充,以便更好地服务于司法实践。
5 结语与展望
本文研究了红外光谱用于毒品检测和分析领域的最新进展。红外光谱技术作为一项传统的光谱分析手段,以其准确和快速的优势,越来越得到毒品定性、定量分析检测和分析领域的重视,特别是在建立数据库以及快速检索比对方面。
中红外检测 篇8
绝缘子是线路运行中一种非常重要的绝缘设备。无论是瓷绝缘子还是合成绝缘子在带电运行过程中, 因长期受机电负荷、雷击、风吹雨打、温度变化等因素, 容易发生绝缘子电气性能降低现象, 最终导致绝缘子被击穿, 从而引起线路故障。目前各供电企业基本上采用火花间隙放电叉、短路叉人工登杆塔方法检测瓷绝缘子运行状况。这些方法易于检测零值绝缘子, 测试方法简单但准确性较低。对于运行中的低值绝缘子, 特别是一串中存在多片低值绝缘子的情况下, 很难作出正确的判断。这些传统的绝缘子检测方法不仅劳动强度大、安全性差、效率低等原因, 而且检测时火花放电的声音容易被周围环境声噪掩盖而难以准确判断, 易造成误检或漏检。最重要的一点是对于现在基本上大规模应用的合成绝缘子无法进行检测。
因此, 在当前电力紧张、安全形势严峻, 对供电可靠率要求越来越高的情况下, 应用红外测温技术检测绝缘子的运行状况是十分必要的。
2 红外测温技术特点
2.1 红外测温技术具有不接触、不停运、不取样、不解体的优点, 已被证明是电力设备预知性故障诊断的重要手段[1]之一。由于绝缘子的红外检测是在运行状态下, 通过红外测温仪检测绝缘子获取绝缘子的运行状态和故障信息。在整个检测过程中, 始终不需要与绝缘子直接接触。所以, 红外检测可以做到不停电、不取样、不解体, 从而可以检测到绝缘子在运行状态下的真实状态信息, 安全高效。而且可以做到节省工时, 降低劳动强度, 减少绝缘子的维修费用, 大大提高电网供电可靠性。
2.2 红外测温技术能够实现远距离、大面积快速扫描[2], 进而快速成像, 工作效率高。当使用红外测温仪检测时, 能够以图像的形式直观地显示、记录绝缘子的运行状态。只要在适当位置用红外测温仪扫描杆塔上的绝缘子, 则可初步找出有问题的绝缘子。另红外测温仪的响应速度快、数据采集速度高, 可以批量的检测绝缘子运行状况。与绝缘子以往人工徒步观测和登塔检测方法相比, 不仅大大提高了工作效率, 降低了劳动强度, 而且还保障了工作人员的安全。
3 红外检测原理分析
对于瓷绝缘子来说, 正常的瓷绝缘子串的发热很小, 它的热分布与其电压分布规律相同, 是不对称的马鞍形, 即在绝缘子串的两端部温度偏高, 串的中间逐渐减低, 温度是连续分布。相邻绝缘子间温差极小, 不超过1℃。当绝缘子的绝缘性能劣化后, 它的绝缘电阻减小, 当绝缘电阻降为l0～300MΩ时, 称为“低值绝缘子”, 当绝缘电阻降为5MΩ以下时, 称为“零值绝缘子”。对于低值和零值绝缘子, 由于它们的绝缘电阻值不同, 绝缘子串的电压分布将发生变化, 毫无疑问, 其发热规律也有相应改变。零值绝缘子的发热功率接近于零, 其图象特征是与相邻良好绝缘子相比呈现暗色调的图象;在现场检测时, 发现绝缘子串中温度分布不连续, 且有暗色调 (就好像缺了一块) 的图象, 则可判断为零值绝缘子;低值绝缘子因内部钢帽及钢脚之间穿透性泄漏电流增大或介损增大所致, 绝缘子呈现以钢帽力中心温升偏高 (亮如灯笼) 的图象 (如图1所示) , 相邻片间温差要超过1℃。
对于合成绝缘子来说, 如果合成绝缘子外部受伤、芯棒本身材质不良或芯棒与护套界面间有气隙, 水汽、杂质慢慢侵入形成电解质气泡, 在电场激化作用下气泡内场强会更高, 气泡击穿产生局部放电, 局部放电致使护套绝缘老化, 产生裂纹, 在外部水、汽、酸的综合作用下, 表面逐步炭化成导电态, 此段护套绝缘破坏, 高场强加到下一段护套上, 局部放电就这样一步一步向前发展, 最终会导致击穿发生。从发热情况看, 由于护套绝缘破坏, 成导电态, 电阻很低, 不再发热。而下一段护套在绝缘逐渐破坏过程中, 绝缘电阻随之下降, 但泄漏电流随之上升, I2R逐渐变大, 产生新的局部发热点 (如图2所示) 。
综合上述, 无论是由电场引起的绝缘材料的损坏瓷绝缘子还是合成绝缘子, 在其受损处都会出现温度异常的现象。红外测温技术就是利用这一机理来测量受损部位温度异常变化, 并以此来确定绝缘子受损情况的一种检测手段。存在缺陷的绝缘子无论是瓷绝缘子还是复合绝缘子与正常绝缘子的表面热场分布是不同的, 用红外检测方法即可判断绝缘子是否发生故障。
图1 第1、2、4片绝缘子 (悬瓷绝缘子) 钢帽发热 (属低值现象) , 环境温度25℃, 正常绝缘子钢帽温度为2 6℃。第1片绝缘子钢帽温度为3 1.1℃, 比其它绝缘子温度高5.1℃;第2片绝缘子钢帽温度为2 8℃, 比其它绝缘子温度高2℃;第4片绝缘子钢帽温度为2 8.8℃。比其它绝缘子温度高2.8℃。
4 故障判断方法
绝缘子在正常运行状态下, 各部位都有相应正常稳定温升或表面热分布。其红外热像就是该设备在正常运行状态下的特征红外图像, 一旦绝缘子状况发生变化, 则发热必然通过热传导或其它形式交换, 改变绝缘子相应表面部位的稳定温升或温度分布。正常状态下在运行中绝缘子温度是连续分布, 相邻绝缘子间温差极小。在绝缘子红外检测中发现同一串中绝缘子温升不连续, 相邻绝缘子间温升过大, 就可初步判断绝缘子运行状况异常。如果异常情况不是很明显, 我们可以对同杆塔绝缘子串之问进行比较, 由于它们的工况、环境温度及背景热噪音相同, 可进行同相和同塔比较。具体作法就是对同一杆塔上三相绝缘子串的对应部位温度值进行比较, 可以比较容易地判断出绝缘子的运行状况。在进行同类比较时, 要注意不能排除有三相绝缘子串同时产生类似故障的可能性, 虽然这种情况出现的机率相当低。
5 结论
综合上述, 应用红外测温技术带电检测瓷绝缘子和复合绝缘子运行状况是一种可靠、高效的检测手段, 解决了传统检测方法不能检测复合绝缘子运行状况的问题, 排除了电网可能存在的安全隐患。
参考文献
[1]陈衡.我国红外测温技术的现状与展望[J].激光与红外, 1998, 28 (5) :292-296.
中红外检测 篇9
1 红外分光光度法特点
1.1 红外分光光度法概念
以红外区域电磁波连续光谱为辐射源照射样品, 记录样品吸收曲线的一种光学分析法, 又称红外吸收光谱法。通常将红外区域分为3个区域:近红外区 (0.75~2.5μm) 、中红外区 (2.5~25μm) 、远红外区 (25~1000μm) 。由于绝大部分有机化合物基团的振动频率处于中红外区, 人们对中红外光谱研究的最多。这段波长的光与分子中原子间的振动和变化相对应, 因此红外光谱区所测得的谱图称为振转光谱。随着红外分光光度法发展非常迅速, 红外分光光度法在药品无损鉴别、中药提取过程的在线检测和药品的快速检测方面越来越体现其优越性。由于红外光谱分析特性强, 气体、液体、固体样品都可测定, 并且有用量少、分析速度快、不破坏样品的特点, 因此该法是鉴定化合物和测定分子结构的最有效方法之一。
1.2 特别适用于兽药检验领域—药品的鉴别
只要将试样的红外光谱与标准的红外光谱进行对照即可。如果试样的红外光谱与标准样品图谱完全一致, 峰的相对强度相同, 就可以认定样品是标示物, 如果样品图谱与标准图谱不一样或峰位不一致, 就说明样品非标示物。
由于红外光谱与试样的物态、结晶形态、溶剂和添加物有关, 只有红外光谱才能全面、彻底地反映药品的全貌, 所以, 红外光谱在药品监督和打假过程中非常有用, 因为, 制假者是以超额利润为目的的, 不可能用与大的制药企业完全相同的机械设备、原材料和生产工艺来制假。
2 红外光谱独特的优势
红外分光光度法与高效液相色谱法、气相色谱法及其他分光光度法等相比有如下优点: (1) 其他方法都首先要对样品进行前处理, 把样品制成溶液, 该过程是目前检验工作中工作量最大的, 而且费时、费力, 还要用到大量有毒的有机溶剂。红外分光光度法前处理很简单, 常常可对样品进行无损检验; (2) 检测速度快:1min之内即可。其他方法只是对样品的部分成分进行检验, 而红外分光光度法反映的是样品的全貌, 主要反映分子中C-H、N-H、O-H、S-H等基团的倍频和合频振动吸收, 包括绝大部分有机化合物信号易于获取与处理;信息量丰富, 包含大量含氢集团的结构信息, 同一基团常在近红外谱区的多个位置有吸收。
3 未来展望
中红外检测 篇10
建筑外围护结构热工性能的好坏,直接影响到室内环境及建筑能耗。当围护结构中保温材料缺失、受潮、分布不均、其中混入灰浆或当围护结构存在空气渗透部位时,则称该围护结构在此部位存在热工缺陷。由于墙体及屋面的热工缺陷人的肉眼是看不到的,用常规的检测手段也难于判定。根据传热机理,建筑外围护结构内部缺陷的存在将导致结构的表面温度也将是非均匀的,因此根据结构表面温度场的变化可以判断结构内部是否存在热工缺陷。对于非均匀表面温度的测量,目前主要应用的方法有接触式测量和非接触式测量两种[1]。其中非接触式测量法的感温元件不与被测介质接触,不破坏被测对象的温度场,不受被测介质的影响,从而不会改变被测表面的热状态,测试误差较小。红外成像测试技术是用来确定物体表面温度的一种非破坏性的测试技术,利用红外成像系统的热力学方法被广泛应用于材料及结构的非破坏性检测[2,3,4]。这种方法利用探测器收集红外辐射信号产生热影像,从而显示物体的表面温度场。在这一过程中,每一种阴影颜色表示一个特定的温度区域。对于结构表面或者内部组织不均匀的情况,这种方法已经在很多场合得到了应用。
“大庆市节能与非节能建筑能耗测试对比分析研究”是在大庆市政府的资助下,由大庆石油学院和大庆市建设局共同完成的项目[8]。在项目的实施过程中,大庆石油学院以先进的红外热像技术为依托,对大庆市典型节能建筑进行了围护结构热工缺陷测试。
1 红外热像仪的测温原理
根据传热学知识,只要物体的温度高于“绝对零度”(0K),物体总是不断地把热能变为辐射能,向外发出热辐射。红外辐射的强度q可由斯蒂芬—波尔兹曼定律表示:
q=εσT4 (1)
式中:T为物体的绝对温度,K;ε为物体的发射率;σ为斯蒂芬-波尔兹曼常数,σ=5.67×10-8W/(m2·K4)。
由于待测目标中缺陷部分和没有缺陷部分的热传导率不同,根据热传导方程理论,这种差异将造成目标中有缺陷部分和没有缺陷部分各自对应的表面温度不同,亦即对应的红外辐射强度不同[5]。如果将物体每一点的温度记录下来,形成场分布图像,就可以明显看出其内部的缺陷部位。基于物体本身的热辐射因目标与背景的温度和发射率不同,而产生在能量和光谱分布上的辐射差异。这种辐射差异所携带的目标信息,经红外探测器转换成相应电信号,通过信号处理后,在显示器上显示出被测物体表面温度分布的热图像。红外热像仪正是基于上述原理来进行测温的[6]。
红外热像仪能使人眼看不到的围护结构外表面温度分布,变成人眼可以看到的代表目标表面温度分布的热谱图。不同的构造,其热谱图也不相同。通过红外热谱图分析可推知墙体内部保温是否存在缺陷。热辐射的这个特点使人们可以利用它来对物体进行无接触温度测量和热状态分析,利用红外热像仪,检测出施工质量造成的热工缺陷,分析出该缺陷对建筑物能耗的影响程度[6]。
2 热工缺陷测试方案
2.1 热工缺陷测试原理
方修睦[6]将外围护结构表面无缺陷区域称为主体区域,将与主体区域温差超过1℃的区域称为缺陷区域。主体区域的平均温度记为T1,缺陷区域最高温度记为T2,温差ΔT可以表示为
ΔT=|T1-T2|×100% (2)
式中:ΔT为围护结构外表面主体区域平均温度与缺陷区域最高温度的温差(℃)。
尽管|T1-T2|可以反映外表面热工缺陷的严重程度,但并不能说明由此缺陷造成的危害大小。热工缺陷造成的危害程度还与缺陷区域的大小有关。为此采用相对面积Ψ来作为外围护结构热工缺陷的辅助判定指标,并引入能耗增加比对热工缺陷进行判定。
式中:β为能耗增加比;T0为环境温度,K;Ψ为相对面积;Ai为缺陷区域面积(m2);A0为围护结构主体区域面积(m2)。A0是指所检测的部位所在外墙面(不包括门窗)或者屋面面积,按照缺陷所在楼层房间的外围尺寸计算;∑Ai是指所检测的部位所在外墙面(不包括门窗)或者屋面上所有缺陷区域的面积之和[6]。
待供热系统正常运行后,为避免阳光直射对检测结果的影响,检测选择在夜间进行。用红外热像仪首先对围护结构进行普测,并确定主体温度。然后依据普测结果对可疑部位进行详细检测,测定各部位温差及相应面积,然后根据上述理论对热工缺陷进行判定。
2.2 检测环境要求[7]
①检测前至少24 h内室外空气温度与开始检测时的室外空气温度相比,其温差不应超过±10℃;
②检测前至少24 h内和检测期间,建筑物外围护结构内外平均空气温度差不宜低于10℃;
③检测期间与开始检测时的空气温度相比,室外空气温度变化不应超过5℃,室内空气温度的变化不应超过2℃;
④1 h内室外风速变化不应超过2级;
⑤检测开始前至少12 h内受检的外表面不应受到太阳直接照射,受检的内表面不应受到灯光的直接照射。
2.3 热工缺陷的判定原则
当受检内表面因缺陷区域导致的能耗增加比值小于5%,且单块缺陷面积小于0.5 m2时,判定该内表面热工缺陷检验合格,否则应判为不合格[7]。
3 热工缺陷测试
根据上述测试方案,本文选取了大庆市某栋建筑作为研究目标,使用红外热像仪对围护结构进行了热工缺陷测试。根据建筑物围护结构热工缺陷检测方案,首先用红外热像仪在夜晚对被检测建筑进行普测,然后对可疑部位进行多次详细监测。选取有代表性的热像图如图1~4所示。
在所有热像图中找出与主体区域温度差大于等于1℃的点所组成的区域,测量出面积,计算出该区域的平均温度。同时测量出主体区域的面积和温度,将测试数据代入公式(3)、(4),计算得受检内表面由于热工缺陷所带来的能耗增加比β=8.88%,而且该围护结构有5处单块缺陷面积大于0.5 m2。根据热工缺陷判定原则,判定该围护结构存在热工缺陷。
4 结论
通过理论分析和实际检测证明,应用红外热成像技术对节能建筑进行热工缺陷检测是一种行之有效的方法。在建筑节能评估中,我们可以快速有效地对大规模住宅小区,建筑群进行直观图像和量化分析相结合的检测。同时,该测试方法具有其它检测手段无法比拟的优点:①非接触式探伤,不需要破坏围护结构即可判定其热工缺陷情况;②可以快捷地进行大面积检测,检测工作效率很高;③检测结果采用图像直观显示;④检测结果易于永久储存,反复调用,便于建立安全检测档案资料。
参考文献
(1)王杨洋,方修睦,李延平,等.用红外热像仪测量建筑物表面温度的实验研究(J).暖通空调,2006,36(2):84-88
(2)C.Meola.A new approach for estimation of defects detec-tion with infrared thermography(J).Materials Letters,2007,61:747-750.
(3)E.Barreira,V.P.de Freitas.Evaluation of building mate-rials using infrared thermography(J).Construction and Building Ma-terials(J).2007,21:218-224.
(4)F.S.Magnani,R.N.T.da Silva.Infrared thermographyapplied to the quantitative determination of spatial and thermophysi-cal parameters of hidden included objects(J).Applied Thermal En-gineering,2007,27:2378-2384.
(5)邢双军,许瑞萍.红外热像技术在房屋建筑检测中的应用(J).煤炭工程,2004,(4):68-69.
(6)方修睦,王杨洋,王中华.建筑外围护结构表面热工缺陷红外检测方法研究(J).施工技术,2006,35(4):54-56.
(7)居住建筑节能检验标准(报批稿)(S).北京,2007.
中红外检测 篇11
摘 要：采用短波近红外光谱对生鲜鸡肉中的胆固醇含量进行检测，使用便携式近红外光谱仪在近红外光谱短波区域采集236 份生鲜鸡肉的光谱信息，采用化学计量学法建立鸡肉胆固醇的偏最小二乘法定量预测模型。结果表明：最佳光谱预处理方法为标准化和基线校正，并通过剔除两次异常值对模型进行校正，所建定标模型的校正集相关系数Rc=0.801 1，校正标准差（sEC）=6.699 8，验证集相关系数Rp=0.803 4，预测标准差（sEP）=7.529 6，主因子数MF=4，sEP/sEC=1.12，说明模型可靠性、稳健性和预测效果较好。
关键词：便携式近红外光谱仪；短波近红外光谱；快速无损检测；生鲜鸡肉；胆固醇含量
Rapid Nondestructive Detection of Cholesterol Level of Fresh Chicken by Shortwave Near Infrared Spectroscopy
WANG Hui1， TIAN Hanyou1， ZOU Hao1， LIU Fei1， LI Jiapeng1， CHEN Wenhua1， DI Yanquan2， QIAO Xiaoling1，*
（1. Beijing Key Laboratory of Meat Processing Technology， China Meat Research Center， Beijing 100068， China；
2. Focused Photonics （Hangzhou） Co. Ltd.， Hangzhou 310052， China）
Abstract： A portable near infrared spectrometer was applied to collect spectral information in the short-wave infrared region of 236 samples of fresh chicken to establish a quantitative model for predicting the cholesterol content of fresh chicken breast through partial least squares regression combined with chemometrics. The results showed that the optimal spectral pretreatment method was the combination of normalization and baseline correction. Model calibration was achieved by elimination of abnormal values performed twice. Parameters of the optimal prediction model developed were determined as follows： Rc （correlation coefficient for calibration set） = 0.801 1， sEC （standard error of calibration） = 6.699 8， Rp （correlation coefficient for prediction set） = 0.803 4， sEP （standard error of prediction） = 7.529 6， MF （number of main factors） = 4， and sEP/sEC = 1.12， which indicated the prediction model had better reliability， robustness and performance than other models.
Key words： portable near infrared spectrometer （NIR）； short-wave NIR region； rapid nondestructive prediction； fresh chicken； cholesterol content
DOI：10.15922/j.cnki.rlyj.2016.03.007
中图分类号：O657.3 文献标志码：A文章编号：1001-8123（2016）03-0029-04
王辉， 田寒友， 邹昊， 等. 短波近红外光谱快速无损检测生鲜鸡肉胆固醇含量[J]. 肉类研究， 2016， 30（3）： 29-32. DOI：10.15922/j.cnki.rlyj.2016.03.007. http：//rlyj.cbpt.cnki.net
WANG Hui， TIAN Hanyou， ZOU Hao， et al. Rapid nondestructive detection of cholesterol level of fresh chicken by shortwave near infrared spectroscopy[J]. Meat Research， 2016， 30（3）： 29-32. （in Chinese with English abstract） DOI：10.15922/j.cnki.rlyj.2016.03.007. http：//rlyj.cbpt.cnki.net
现代临床和流行病学证明，过多摄入高脂肪含量和高胆固醇含量的食品是导致“三高”等心脑血管疾病[1-2]、人体主要脏器的病变及激素代谢异常和紊乱等[3-6]的主要诱因。鸡肉是我国最主要的禽类食品之一，其胆固醇平均含量达到约114.4 mg/100 g[7]。随着人们生活水平的提高，社会大众对于高胆固醇食品的认识也逐渐深入，低胆固醇的功能性食品成为人们的首选。
根据国家标准的要求，目前检测肉及肉制品中胆固醇含量的主要方法是高效液相色谱法，由于其存在耗时、低效、繁琐、昂贵、样品损失、培训时间长等诸多问题，已无法满足现代企业生产过程对产品进行批量检测的需求。而近红外光谱技术（near infrared spectrometer，NIR）是近年来发展起来的一种高效快捷的检测分析手段，它所具有分析简便快捷、操作平台稳定、性价比高、人员无需培训及样品无损检测等优势，是传统方法无法比拟的，该项技术在诸多领域得到广泛应用[8-11]。到目前为止，国内研究已发表了诸多关于利用近红外技术对肉及肉制品的理化和感官指标进行检测分析的文章和专著[12-19]，但目前关于对胆固醇进行的近红外光谱分析的报道较少。
本研究采用便携式近红外光谱仪对生鲜鸡肉中的胆固醇含量进行检测并建立预测模型，为肉及肉制品企业在品质控制和加工工艺上提供快速无损检测的理论依据和指导作用。
1 材料与方法
1.1 材料与试剂
鸡胸肉购于北京地区集贸市场、超市。样品购置后，沿肌肉纤维垂直方向将鸡胸肉较厚的一端切除1～1.5 cm，将内部肌肉纤维暴露出来，置于4 ℃条件下备检。
1.2 仪器与设备
SupNIR-1100型便携式近红外光谱分析仪 聚光科技（杭州）股份有限公司；TRACE 1310型气相色谱仪 美国Thermo Scientific公司。
1.3 方法
1.3.1 鸡肉近红外吸收光谱信息采集
在光谱采集过程中保持待测样品温度在4 ℃左右，环境温度和湿度基本一致。采集光谱信息前，除去样品检测面上的水。信息采集过程中，将鸡胸肉样品的横截面紧贴在检测探头上并避开含有筋膜的区域。光谱采集条件：扫描范围为600～1 099 nm，分辨率为10 nm，波长准确性为0.2 nm，波长重复性为±0.05 nm，吸光度噪声小于50 μA，光谱采集间隔为5 s，光谱循环扫描次数为10 次，每个样品连续采集2 次光谱信息，取其平均值作为该样品的原始光谱。
1.3.2 胆固醇含量的测定
按照国家标准GB/T 9695.24—2008《肉与肉制品胆固醇含量测定》的规定进行检测。
1.3.3 近红外光谱的波长选择
根据近红外光谱区的波长范围可将其划分为短波（700～1 100 nm）、中波（1 100～1 800 nm）和长波（1 800～2 500 nm）3 个区段，不同谱区承载了C—H、N—H、O—H等基团的倍频和合频。胆固醇所含C—H、N—H、O—H等基团的4 倍频分别位于900、800、740 nm左右，主要集中于短波近红外光谱区[20]。
1.3.4 建立和验证近红外光谱模型
将各样品胆固醇含量数据与光谱数据一一对应并进行关联，并按照3∶1的比例将其分为校正集和验证集。本实验使用便携式近红外光谱分析仪自带的RIMP化学计量学分析软件中标准化、求导、平滑、信号校正等11 种预处理方法处理光谱，采用偏最小二乘法（partial least squares method，PLS）建立模型，并在对模型进行优化时，根据软件中的学生残差验证剔除异常值。根据一般模型评价的规则，校正标准差（sEC）、交互验证标准差（sECV）、预测标准差（sEP）越小且相互间越接近越好，校正集相关系数（Rc）和验证集相关系数（Rp）越接近1越好，主因子数（MF）较少，sEP/sEC<1.2[20]，以上述模型参数作为模型性能的评价指标，并依据相应参评指标的优劣筛选出最优光谱预处理方法和最优胆固醇预测模型。
2 结果与分析
2.1 鸡肉胆固醇参比值分析
鸡肉胆固醇含量的参比值分布区见图1，其胆固醇参比值分布范围为52.7～121.1 mg/100 g，含量区间差异为68.4 mg/100 g，分布范围比较宽，各样品具有较好的代表性。
图2为对同一鸡肉样品进行2次扫描后所获取的光谱曲线，可看出两次扫描所获取的光谱基本重合，并以其平均光谱作为该样品光谱曲线。
由图3可知，近红外光谱图中不同胆固醇含量样品的光谱波形相近且不完全重合，这说明出样品光谱曲线在短波近红外谱区有着良好的重复性及差异性。
2.3 胆固醇预测模型的建立与优化
鸡肉属于不均一和背景复杂的多组分天然复杂物样品，其胆固醇有效信息基本都存在于近红外光谱的纵向差异上。在建模之前需对样品表观光谱中光谱背景造成的失真进行恢复，本研究通过选择可以校正基线漂移、减少系统和随机背景噪声、分辨信息叠加等干扰因素的一种或几种预处理方法的组合，对在短波区提取的鸡肉胆固醇光谱进行处理，使其复原以更加接近真实光谱，提高样品的光谱有效信息率并确定样品的真实光谱特征，以便表现出光谱之间和样品之间的差异，并采用偏最小二乘法建立胆固醇预测模型。
通过对11 种预处理方法进行排列组合对鸡肉的光谱信息进行校正，进行预建模以获得较好的预测模型。用标准化、SG一阶导数、差分求导、SG平滑、标准正态变量交换、去趋势校正及基线校正等预处理方法并剔除两次异常值后对模型的影响。通过综合评判各参评指标，筛选出鸡肉胆固醇优化模型见表2。
20个定标模型的Rc和Rp均发生明显提升，sEC、sEP、sECV和MF均明显降低，各相关参数均优于无处理组构建的定标模型，由此可看出，模型对于校正集中样品的预测值与鸡肉胆固醇的参比值具有高度线性相关关系，样品光谱与样品待测量在一定范围内的关联性较好，模型对于待测样品的预测性能也较好，内部和外部检验的误差也较小，sEC小于sECV且相互接近，sEP与sECV相互接近，这说明样品的代表性较好。但是经过两次异常值的剔除，模型适配范围缩小，容变性变弱，由此导致模型的稳健性降低，而2号模型的sEP/sEC=1.12<1.2，说明经过预处理并2次剔除异常值后，模型的适配范围仍然基本涵盖待测样品的光谱变动范围，其他模型的稳健性均大于1.2，但是可以通过向校正集中加入具有代表性的样本以提高模型的容变性，改善模型的预测效果。虽然除2号外的其他模型的Rc均高于2号模型，定标模型自身预测准确性较高，但是Rp均低于2号模型，由此可知即使自我预测准确性高，校正集的有效信息率也未必能满足对待测样品的预测。所有模型的MF都在3或4左右，说明建模时只需少数主因子即可包含建模所需的充分待测量信息。综上所述，通过对比表中各预处理方法对模型的影响及各模型参评参数之间的对比，可以看出2号模型的预处理方法——标准化和基线校正，为最佳预处理方法。处理后的光谱数据经剔除两次异常值后，采用偏最小二乘法建立的模型，Rc=0.801 1，sEC=6.699 8，Rp=0.803 4，sEP=7.529 6，sECV=6.774 0，MF为4，模型具有较好的预测准确性和稳健性。作为数学模型两大基本性能的可靠性和稳健性，是两种相对独立的性质，预测模型的建立和光谱背景的校正之间存在一定的平衡性，需通过调节二者之间的关系，来获得具有良好预测准确性和背景包容性的数学模型。
2.4 定标模型的内部交互验证和外部预测验证
Fig.4 Scatter plots of prediction values versus reference values of cholesterol content in calibration （a） set and validation set （b）
图4a、b为剔除两次异常值后，剔除完毕后显示没有异常样本。校正集中的样品点分布于回归线的两侧，校正集相关系数（Rc）=0.801 1，校正标准差（sEC）=6.699 8，验证集中的样品点分布于回归线的两侧，验证集相关系数（Rp）=0.803 4，预测标准差
（sEP）=7.529 6，说明模型校正集和验证集的参比值与待测样品的预测值呈现强相关性。
3 结 论
本研究对鸡肉的胆固醇含量进行短波近红外检测，共采集样品236 份，其中校正集177 份和验证集59 份，用来建立定标模型，并对其模型性能进行分析和评估。鸡肉胆固醇最大含量为121.1 mg/100 g，最小含量为52.7 mg/100 g，含量差异为68.4 mg/100 g，分布范围比较宽，各样品具有较好的代表性。
在600～1 099 nm的短波近红外区，提取各样品光谱信息，采用标准化、SG一阶导数、差分求导、SG平滑、标准正态变量交换、去趋势校正及基线校正等预处理方法进行光谱背景的校正并进行模型优化，使用偏最小二乘法建立模型，通过效果比较，获得最佳预处理方法为标准化和基线校正并剔除两次异常值，所获模型参数为Rc=0.801 1，sEC=6.699 8，Rp=0.803 4，sEP=7.529 6，MF为4，sEP/sEC=1.12，证明该模型稳健性较好，预测准确性较高。
参考文献：
[1]付明德. 胆固醇与心血管病问答[J]. 心血管病学进展， 1994， 2（2）： 113-116.
[2]苑聪， 吴洁. 高密度脂蛋白胆固醇与心血管剩余风险[J]. 中国动脉硬化杂志， 2012， 20（11）： 1045-1050.
[3]王浩， 张泽生， 张颖， 等. 高胆固醇膳食对大鼠和仓鼠肝脏HMG-CoA-R、LDL-R蛋白和基因表达的影响[J]. 食品研究与开发， 2011， 31（10）： 192-195.
[4]魏香兰， 方如塘， 冀爱云， 等. 高脂饲料中胆固醇含量对大鼠非酒精性脂肪肝动物模型建立的影响[J]. 西北药学杂志， 2012， 27（3）： 233-236. DOI：10.3969/j.issn.1004-2407.2012.03.019.
[5]王陵， 董蕾， 段炜， 等. 高胆固醇饮食对胃肠移行性复合运动及胃肠激素影响的实验研究[J]. 中华消化杂志， 2007， 27（5）： 336-337. DOI：10.3760/j.issn：0254-1432.2007.05.016.
[6]范平， 丁佑铭， 汪斌， 等. 高胆固醇饮食对妊娠豚鼠胆囊AQPsmRNA及雌性激素受体的影响[J]. 临床外科杂志， 2011， 19（12）： 826-829.
[7]祝加红， 孙克年. 鸡肉蛋产品中胆固醇含量的中草药调控[J]. 中国饲料添加剂， 2015， 156（4）： 8-10.
[8]相秉仁， 李睿， 吴拥军， 等. 近红外光谱分析技术在药学领域中的应用[J]. 计算机与应用化学， 1999， 16（5）： 118-120. DOI：10.3969/j.issn.1001-4160.1999.05.003.
[9]刘爱秋， 邓晓建， 王平荣， 等. 近红外光谱分析技术及其在农业领域的应用[J]. 西南农业学报， 2004， 16（2）： 98-102. DOI：10.3969/j.issn.1001-4829.2003.02.025.
[10]王凤霞， 张卓勇， 王亚敏， 等. 近红外光谱技术在医药领域应用的新进展[J]. 首都师范大学学报（自然科学版）， 2005， 26（3）： 53-59. DOI：10.3969/j.issn.1004-9398.2005.03.012.
[11]许俐， 陈斌. 近红外光谱技术在食品和农产品领域中的应用[J]. 农业机械学报， 1997（增刊1）： 184-187.
[12]张玉华， 孟一， 张应龙， 等. 近红外光谱技术在食品安全领域应用研究进展[J]. 食品科技， 2012， 37（10）： 283-286.
[13]李静， 刘斌， 岳田利， 等. 近红外光谱分析技术及其在食品中的应用[J].
农产品加工（学刊）， 2007， 3（3）： 44-47. DOI：10.3969/j.issn.1671-9646-B.2007.03.013.
[14]董文宾， 王顺民. 近红外光谱技术在食品分析中的应用[J].
食品研究与开发， 2004， 25（1）： 113-115. DOI：10.3969/j.issn.1005-6521.2004.01.045.
[15]Prado N， Fernández-Ibá?ez V， González P， et al. On-site nir spectroscopy to control the shelf life of pork meat[J]. Food Analytical Methods， 2011， 4（4）： 582-589. DOI：10.1007/s12161-011-9208-2.
[16]Kamruzzaman M， Elmasry G， Sun D W， et al. Non-destructive assessment of instrumental and sensory tenderness of lamb meat using NIR hyperspectral imaging[J]. Food Chemistry， 2013， 141（1）： 389-396. DOI：10.1016/j.foodchem.2013.02.094.
[17]Uddin M， Okazaki E， Ahmad M U， et al. NIR spectroscopy： A non-destructive fast technique to verify heat treatment of fish-meat gel[J]. Food Control， 2006， 17（8）： 660-664. DOI：10.1016/j.foodcont.2005.04.009.
[18]Prieto N， Ross D R， Roehe R. Predicting meat quality： the application of NIR spectroscopy[J]. Food Engineering and Ingredients， 2009， 34（4）： 34-36.
[19]Elmasry G， Sun D W， Allen P. Non-destructive determination of water-holding capacity in fresh beef by using NIR hyperspectral imaging[J]. Food Research International， 2011， 44（9）： 2624-2633. DOI：10.1016/j.foodres.2011.05.001.
中红外检测 篇12
煤炭在生产、流通和使用过程中,常需要检测发热量、水分、挥发分、灰分、固定碳等项目。传统分析方法耗时、繁琐,时间滞后性严重,往往不能满足工艺调整的需要[7]。虽然煤的组成复杂,但是可以通过近红外光谱技术获得C - H、S -H、O - H等键的泛频、合频及倍频吸收。因此,近红外光谱技术被用来尝试解决煤质分析快速、实时、自动化问题[8,9]。
本文针对烟煤水分检测,采用前向偏最小二乘法对光谱区间进行筛选,并建立检测模型。以交叉检验均方根误差评价光谱区间优化效果,以预测绝对平均百分误差、回收率和相关系数来评价模型预测精度。
1 实验
1. 1 烟煤中水分检测
烟煤样品处理至80 目粒度,采用热重分析测量烟煤水分[10]。共100 个样品,从中选出测量值居中的10 个样本用于预测,剩下的90 个样本用于建立模型。
1. 2 近红外光谱采集
采用Thermo Antaris Ⅱ采集烟煤样品近红外光谱,波数范围4000 ~ 10000 cm- 1,分辨率: 8 cm- 1,扫描次数: 64,每条光谱包含1557 个点。
2 前向区间偏最小二乘
偏最小二乘( partial least squares,PLS) 采用正交策略提取出光谱中主成分并建立多元线性回归模型[2]。由于PLS依据主成分分析建立回归模型,因此主成分个数对建模准确性非常重要。PLS在建模过程中,依次提取出包含信息量多的主成分,当主成分的贡献率达到85% 以上就可以认为包含了有用信息且剔除了噪声及无用信息。本文中PLS自动提取累计贡献率85%以上的主成分建立回归模型。
区间偏最小二乘( interval partial least squares,i PLS) 将光谱分成m个等宽子区间,在每个子区间建立PLS回归模型。采用留一法[11]计算交互验证均方根误差( root mean squared error of cross validation,RMSECV) 衡量该区间包含信息量多少。前向区间偏最小二乘( forward interval partial least squares,Fi PLS)首先将各区间RMSECV从小到大排序,依次增加区间并计算新的留一交叉验证误差,若误差降低继续增加区间,若误差增大停止,所得到的就是筛选出的区间。用筛选出的区间建立PLS模型并进行预测,求得平均绝对百分误差( mean absolute percent error,MAPE) 、均方根误差( root mean squared error of prediction,RMSEP) ,并考察预测回收率。
3 结果与讨论
由于本文采用的PLS自动筛选出累计贡献率达到85% 的主成分建立回归模型,因此Fi PLS模型需要调整的参数只剩下区间宽度。
3. 1 区间个数对区间筛选结果的影响
区间个数( nw) 决定了Fi PLS的准确度,本文考察了区间个数从5 ~ 100,对最终预测MAPE和RMSEP影响( 图1) 。
显而易见,MAPE和RMSEP对区间个数变化比较敏感,在一定区间内上下波动。当nw > 60 时,MAPE和RMSEP的波动变得略宽,出现几个小平台。这说明区间个数较少时,区间划分对包含信息影响较大,因此MAPE和RMSEP波动较大。随着区间个数的逐渐增多,每个区间包含的变量个数逐渐减少,区间个数变化对区间宽度影响较小,MAPE和RMSEP的波动变宽。仔细考察MAPE和RMSEP,可以发现MAPE随nw变化更精细,更能反映nw对区间筛选结果的影响。因此本文选取MAPE确定Fi PLS最终结果。当nw = 58 时,Fi PLS结果最佳,模型获得的MAPE = 0. 818,RMSEP = 0. 0021。
为了进一步评价模型对未知样本的预测能力,本文还采用预测值与实际值的相关系数r来监控模型性能。nw变化对r的影响见图2。
从图2 可见,r与MAPE及RMSEP类似,都对nw变化很敏感。但r变化趋势与MAPE及RMSEP并不一致,较低的MAPE或RMSEP并没有提高预测值与实际值的相关性,这说明nw对各样本预测准确度的影响不一致,较高的相关性并不能代表较好的预测性能。
3. 2 区间筛选结果
当nw = 58 时,Fi PLS获得了最好的预测结果。筛选出的区间有两个,分别位于703 ~ 729 变量区间及859 ~ 885 变量区间( 图3) ,对应的波数范围是6707 ~ 6807 cm- 1及7309 ~ 7409cm- 1。7209 ~ 7305 cm- 1和6607 ~ 6703 cm- 1均位于O - H一级泛频吸收带[12]。这进一步说明Fi PLS可以有效实现光谱区间筛选。图3 中用黑色方框表明了筛选出的两个区域,由图3 可见在这两个区域光谱图有一个非常平缓的吸收峰出现。经过区间筛选后,光谱包含的点数从1557 减少到54 个,可以大大降低建模难度、提高建模速度。
3. 3 Fi PLS结果
为了详细考察Fi PLS的预测性能,图4a给出了PLS预测结果分析,图4b给出了Fi PLS结果分析。
对真实值和预测值进行过原点的线性回归,结果表明Fi PLS的预测结果优于PLS。Fi PLS预测结果对真实值的线性回归相关系数从0. 01005 升高到0. 0616,回归标准差基本没有变化。PLS预测值的最高回收率是120. 39% ,最低回收率是93. 89% ; 而Fi PLS预测值的最高回收率降低到118. 99% ,最低回收率提升到94. 72% 。对比Fi PLS的预测结果和PLS的预测结果可以发现,Fi PLS在减少光谱变量数的同时也提高了预测精度。
图4 PLS(a)和Fi PLS(b)预测结果Fig.4 Prediction results of PLS(a)and Fi PLS(b)
4 结论
本文采用前向区间偏最小二乘对烟煤水分近红外光谱解析进行区间筛选,将光谱变量从1557 个减少到54 个,可以大幅降低建模难度,加快建模速度。研究结果表明,前向区间偏最小二乘可以准确提取出水分相关的两个区间。对比筛选区间的预测结果和全光谱结果,算法在实现区间筛选的同时也可以提高预测准确度。
摘要：偏最小二乘是一个在近红外光谱解析中常用的计量学算法,结合变量筛选方法既可以提高模型的预测能力,也可以大大降低建模的难度。本文将前向区间偏最小二乘用于烟煤水分近红外光谱解析。提取出的区间数为2,变量个数从1557减少到54个。所提取的波长区间主要位于O-H一级泛频吸收带。预测平均绝对百分误差从0.0865降低到0.0818。研究结果表明,前向区间偏最小二乘可以显著减少变量数并提高预测准确度。