近红外光谱定性分析原理、技术及应用

目录
序
前言
第1章 近红外光谱定性分析技术基础 1
1.1 近红外光谱定性分析的原理 1
1.2 近红外光谱定性分析信息的来源 2
1.3 近红外光谱信息的物理化学基础 3
1.4 定性分析技术流程 4
1.5 定性分析模型评价 6
1.5.1 模型评价指标 6
1.5.2 数据集的划分 10
参考文献 12
第2章 光谱数据的采集方法与仪器 13
2.1 近红外光谱的测量方式 13
2.1.1 近红外直接透射光谱 13
2.1.2 近红外漫反射光谱 14
2.1.3 近红外漫透射光谱 17
2.2 光谱测量误差分析 17
2.2.1 误差与精度的基本概念 17
2.2.2 误差的分类 21
2.3 光谱仪器原理 26
2.3.1 基本构成 26
2.3.2 分光类型 29
2.3.3 测量附件 35
2.3.4 主要性能指标 39
2.3.5 选型方法 43
2.3.6 发展现状及趋势 44
参考文献 45
第3章 光谱数据的预处理方法 46
3.1 噪声减降预处理方法 46
3.1.1 平滑处理 47
3.1.2 矢量归一化 52
3.1.3 傅里叶变换 53
3.1.4 小波变换 54
3.2 散射光的数学校正预处理方法 60
3.2.1 多元散射校正(MSC) 60
3.2.2 标准正态变量变换(SNV) 62
3.3 基线漂移和光谱旋转的数学校正预处理方法 63
3.3.1 去趋势算法 63
3.3.2 导数法 64
3.4 数据规范化预处理 68
3.4.1 均值中心化 68
3.4.2 数据标准化 69
3.5 数据白化预处理 70
3.5.1 PCA 白化 71
3.5.2 ZCA 白化 72
3.5.3 子空间白化 73
3.6 异常光谱检测预处理方法 75
3.6.1 马氏距离法(MHD) 75
3.6.2 局部异常因子方法(LOF) 76
3.6.3 支持向量数据描述方法(SVDD) 76
参考文献 80
第4章 定性分析的特征提取方法 83
4.1 线性特征提取 83
4.1.1 主成分分析(PCA) 83
4.1.2 判别式偏最小二乘回归(DPLS) 90
4.1.3 线性判别分析(LDA) 93
4.1.4 独立成分分析(ICA) 100
4.2 非线性特征提取 105
4.2.1 基于核函数的非线性特征提取方法 105
4.2.2 非线性流形学习 108
参考文献 115
第5章 定性判别方法 118
5.1 相似性度量方法 118
5.1.1 欧几里得距离 119
5.1.2 标准化欧氏距离 120
5.1.3 欧氏平方距离 120
5.1.4 马哈拉诺比斯距离 121
5.1.5 曼哈顿距离 122
5.1.6 切比雪夫距离 123
5.1.7 闵可夫斯基距离 123
5.1.8 夹角余弦 123
5.2 有监督学习 124
5.2.1 贝叶斯(Bayes)分类器 124
5.2.2 k近邻法(k-NN) 129
5.2.3 最小距离分类器(MDC) 130
5.2.4 线性分类器 131
5.2.5 支持向量机(SVM) 134
5.2.6 软独立建模分类(SIMCA) 142
5.2.7 logistic回归和softmax回归 144
5.2.8 人工神经网络(ANN) 148
5.2.9 深度学习 161
5.2.10 仿生模式识别 173
5.2.11 基于主成分及费歇尔准则的投影方法(PPF) 181
5.2.12 多算法联用方法 182
5.3 无监督学习 185
5.3.1 k均值聚类(k-Means) 185
5.3.2 层次聚类 187
5.3.3 混合模型聚类 192
5.3.4 Kohonen 网络 195
5.4 谱图检索方法 197
5.4.1 谱图检索算法 198
5.4.2 谱库检索策略 200
参考文献 202
第6章 定性模型传递方法 206
6.1 Shenk’s方法 207
6.2 有限脉冲响应法(FIR) 208
6.3 直接标准化方法(DS) 209
6.4 分段直接标准化方法(PDS) 210
6.5 基于小波变换的模型传递方法 211
6.6 普鲁克分析法(PA) 212
6.7 典型相关分析法(CCA) 213
6.8 光谱空间转换法(SST) 214
6.9 基于三维数据分析方法的模型传递方法 216
参考文献 217
第7章 近红外化学成像定性分析方法 220
7.1 高光谱成像系统及其工作原理 220
7.1.1 系统的主要构成 221
7.1.2 高光谱成像系统数据获取的方式 224
7.2 近红外化学成像定性分析流程 226
7.2.1 图谱融合分析方法 226
7.2.2 高光谱成像系统校正 226
7.2.3 光谱处理与分析 228
7.2.4 图像处理与分析 230
7.2.5 高光谱图像数据处理进展 238
参考文献 239
第8章 农作物种子品质的NIR定性鉴别 242
8.1 概述 242
8.2 在玉米品种鉴别中的应用 243
8.3 在玉米单倍体籽粒鉴别中的应用 263
8.4 在小麦品种鉴别中的应用 268
8.5 在转基因小麦鉴别中的应用 271
参考文献 275
第9章 饲料的NIR定性鉴别 276
9.1 概述 276
9.1.1 饲料原料分类 277
9.1.2 违禁添加物及有毒有害物质检测 280
9.1.3 饲料加工过程分析 285
9.1.4 饲料添加剂检测 285
9.2 在国产鱼粉和秘鲁鱼粉产地分析中的应用 286
9.3 在DDGS产地分析中的应用 288
9.4 在鱼粉/肉骨粉检测中的应用 291
参考文献 292
第10章 食品品质的NIR定性鉴别 297
10.1 概述 297
10.2 在酒类品质鉴别中的应用 297
10.2.1 白酒工业的应用 298
10.2.2 葡萄酒工业的应用 302
10.3 在油类品质鉴别中的应用 306
10.4 在果蔬品质评价中的应用 312
10.4.1 果蔬产地和品种鉴别定性分析 312
10.4.2 果蔬储藏期/货架期检测定性分析 315
10.4.3 果蔬缺陷及内部品质定性分析 317
10.4.4 果蔬农残定性分析 319
10.5 在蜂蜜品质评价中的应用 321
10.5.1 蜂蜜定性快速检测的意义 321
10.5.2 基于近红外光谱技术的蜂蜜掺假判别 321
10.5.3 基于近红外光谱技术的蜂蜜产地和植物源判别 323
10.6 在其他食品中的应用 324
参考文献 331
第11章 烟草制品的NIR定性鉴别 339
11.1 概述 339
11.2 在卷烟牌号鉴别中的应用 340
11.2.1 建模流程 340
11.2.2 对近红外光谱仪和化学计量学软件的一般要求 342
11.2.3 实验样品的准备 343
11.2.4 样品近红外光谱的测量 344
11.2.5 训练样品和验证样品的选择 345
11.2.6 数据预处理 346
11.2.7 类模型的建立和优化 347
11.2.8 类模型的验证 354
11.2.9 类模型的维护 355
11.2.10 应用PLS-DA分类方法的一般经验 355
参考文献 355
第12章 中药属性的NIR定性鉴别 357
12.1 概述 357
12.2 在山药道地性鉴别中的应用 359
12.3 在枸杞多产地鉴别中的应用 362
12.4 在硫熏葛根鉴别中的应用 366
参考文献 370
第13章 化学药品的NIR定性分析 373
13.1 概述 373
13.2 在药品生产过程控制中的应用 373
13.3 在药品流通领域质量监控中的应用 376
13.4 在我国药品流通领域的应用实例 379
参考文献 385
第14章 近红外化学成像定性分析应用 390
14.1 在果蔬外部品质检测方面的应用 390
14.1.1 概述 390
14.1.2 苹果早期损伤检测的应用实例 396
14.2 在果蔬安全品质检测方面的应用 402
14.2.1 概述 402
14.2.2 果蔬安全品质检测的应用实例 402
14.3 在饲料安全检测中的应用 404
14.3.1 概述 404
14.3.2 原始饲料样品肉骨粉检测的应用实例 406
14.3.3 豆粕中非蛋白氮检测的应用实例 408
参考文献 413
第15章 近红外光谱大数据云分析平台 417
15.1 概述 417
15.1.1 大数据云平台发展现状及趋势 417
15.1.2 近红外行业数据分析现状 417
15.1.3 近红外光谱大数据云分析平台设计 419
15.2 平台结构设计 419
15.2.1 平台结构 419
15.2.2 数据结构 420
15.2.3 硬件结构 423
15.2.4 服务结构 423
15.3 平台标准化设计 424
15.3.1 标准化的意义 424
15.3.2 数据标准化 425
15.3.3 仪器标准化 426
15.3.4 算法标准化 427
15.4 平台安全设计 428
15.4.1 数据存储安全 428
15.4.2 数据操作安全 428
15.4.3 数据传输安全 430
15.5 平台服务功能设计 430
15.5.1 云服务概述 430
15.5.2 数据操作服务 431
15.5.3 分析服务 431
15.5.4 联机检测服务 432
15.5.5 模型服务 432
15.5.6 算法服务 435
15.5.7 开发服务 436
15.5.8 用户管理服务 436
15.6 基于云平台的大数据分析 436
参考文献 436
名词术语 438
彩图