彭博
- 作品数：11 被引量：22H指数：3
- 供职机构：武汉轻工大学更多>>
- 发文基金：武汉市科技攻关计划项目国家科技支撑计划更多>>
- 相关领域：轻工技术与工程理学自动化与计算机技术更多>>
- 近红外光谱法快速鉴别食用油种类的方法
- 本发明公开了一种近红外光谱法快速鉴别食用油种类的方法，包括如下步骤：选取待鉴别的未知种类的食用油样品；采集食用油样品的近红外光谱图；对食用油样品的近红外光谱图进行预处理，得到食用油样品的预处理光谱图；根据食用油样品的预处...
- 郑晓彭博何东平涂斌陈志吴双
- 应用近红外光谱技术对植物油酸值预测的研究被引量：1
- 2015年
- 利用近红外光谱技术结合支持向量机对植物油脂酸值含量进行回归预测。收集大豆油、花生油等油样共37份,应用激光近红外光谱仪对油样进行光谱采集,采用标准正态变量变化、多元散射校正和正交信号校正3种不同方法进行预处理。运用网格搜索法进行参数寻优,寻找最佳参数组合(C,g),建立支持向量机回归模型进行定量预测。研究表明,经过SNV、MSC和OSC预处理数据建立的模型的惩罚因子C均只有1,大大降低了模型出现过拟合现象的概率,提高了模型的泛化能力、稳健性和预测能力;预处理方法MSC和SNV建立的SVR模型校正集相关系数R较高,均达到99%;OSC建立的SVR模型具有最佳的预测性能,预测相关系数R达到93%以上;采用激光近红外光谱技术预测植物油脂酸值含量的方法是可靠的,为实现植物油脂酸值的快速检测提供了重要的依据。
- 陈志涂斌彭博郑晓何东平
- 关键词：近红外光谱支持向量机
- 基于多源光谱数据融合的花生油掺伪定量检测方法
- 本发明公开了一种基于多源光谱数据融合的花生油掺伪定量检测方法，包括如下步骤：油样制备；光谱采集：分别采集所有掺伪油样的拉曼光谱图和近红外光谱图；光谱数据融合：将经预处理的拉曼光谱图和近红外光谱图进行数据层融合，得到融合光...
- 郑晓涂斌何东平尹成曾路路彭博陈志沈雄宋志强
- 文献传递
- 基于多源光谱特征融合的食用油种类快速鉴别方法
- 本发明公开了一种基于多源光谱特征融合的食用油种类快速鉴别方法，包括如下步骤：选取待鉴别的未知种类的食用油样品；采集拉曼光谱图和近红外光谱图；分别对采集的拉曼光谱图和近红外光谱图进行预处理，得到预处理拉曼光谱图和预处理近红...
- 郑晓涂斌何东平陈志彭博吴双
- 文献传递
- 运用近红外光谱技术快速测定植物食用油的过氧化值被引量：5
- 2016年
- 采用近红外光谱技术建立了一种快速准确的植物食用油过氧化值预测方法。收集6种共61份植物食用油样品采集其近红外光谱数据,在Matlab平台上对光谱数据进行处理建模。采用多元散射校正(MSC)、正交信号校正(OSC)、标准正态变量变化和去趋势技术联用算法(SNV-DT)分别对原始光谱进行预处理,并使用支持向量机(SVM,Support Vector Machine)建立回归模型,其中分别采用网格搜索算法(CV)以及粒子群算法(PSO)对SVM惩罚参数C和RBF核函数参数g进行优化建模,旨在找出一种光谱预处理和参数优化联用的方法。实验结果表明在SNV-DT与粒子群算法联用的这种方法要优于其他,预测集和校正集的相关系数分别为90.139%和99.999%,并且成功的从61份植物食用油样品中分辨出了14份过氧化值超标油。实验结果证明了采用近红外光谱技术可以快速准确的预测植物食用油的过氧化值,实现对植物食用油合格与否进行判别,具有较强的实用价值和推广价值。
- 彭博涂斌陈志郑晓
- 关键词：植物油近红外光谱技术支持向量机过氧化值
- 基于多源光谱特征融合的食用油种类快速鉴别方法
- 本发明公开了一种基于多源光谱特征融合的食用油种类快速鉴别方法，包括如下步骤：选取待鉴别的未知种类的食用油样品；采集拉曼光谱图和近红外光谱图；分别对采集的拉曼光谱图和近红外光谱图进行预处理，得到预处理拉曼光谱图和预处理近红...
- 郑晓涂斌何东平陈志彭博吴双
- 近红外光谱法快速鉴别食用油种类的方法
- 本发明公开了一种近红外光谱法快速鉴别食用油种类的方法，包括如下步骤：选取待鉴别的未知种类的食用油样品；采集食用油样品的近红外光谱图；对食用油样品的近红外光谱图进行预处理，得到食用油样品的预处理光谱图；根据食用油样品的预处...
- 郑晓彭博何东平涂斌陈志吴双
- 文献传递
- 基于多源光谱特征融合技术的花生油掺伪检测被引量：12
- 2016年
- 以拉曼、近红外2种光谱特征融合结合化学计量学方法对花生油掺伪进行了定量分析。分别用激光拉曼、激光近红外光谱仪采集134个掺伪油样本的光谱数据,采用SPXY算法对样本集进行划分。拉曼光谱(Ram)和近红外光谱(near infrared spectroscopy,NIR)数据进行预处理后,采用后向间隔偏最小二乘法(BiPLS)和联合间隔偏最小二乘法(synergy interval partial least squares,Si PLS)分别提取2种光谱的特征波长;将提取的特征波长融合,结合支持向量机回归(SVR)建立数学模型,采用网格搜索算法(CV)对SVR模型的参数组合(C,g)值寻优,建立最优参数模型。研究表明:建立的Ram-NIR-SVR模型能够实现花生油中掺杂油脂含量的快速准确预测,预测集和校正集的相关系数R分别达到0.98和0.99,均方根误差(MSE)低于2.38E-3;对比不同特征波长提取方法,并与单光谱分析技术比较,可以看出,数据融合技术能够增强模型预测能力,减小模型参数,有利于模型的实际应用,体现了2种光谱很好的互补性。表明光谱分析结合数据融合技术对食用油真实性综合鉴别具有重要意义。
- 涂斌陈志彭博郑晓宋志强尹成曾路路何东平
- 关键词：花生油拉曼光谱支持向量机回归
- 基于多源光谱数据融合的花生油掺伪定量检测方法
- 本发明公开了一种基于多源光谱数据融合的花生油掺伪定量检测方法，包括如下步骤：油样制备；光谱采集：分别采集所有掺伪油样的拉曼光谱图和近红外光谱图；光谱数据融合：将经预处理的拉曼光谱图和近红外光谱图进行数据层融合，得到融合光...
- 郑晓涂斌何东平尹成曾路路彭博陈志沈雄宋志强
- 近红外光谱结合蒙特卡洛交互验证奇异样本筛选的橄榄油掺伪定性定量分析被引量：4
- 2016年
- 采用基于蒙特卡洛交互验证(MCCV)奇异样本筛选的近红外光谱技术结合支持向量机(SVM)对橄榄油掺伪进行定性和定量分析。应用近红外光谱仪采集将大豆油、菜籽油、玉米油、葵花籽油掺入橄榄油中的188个掺伪样本光谱图。采用蒙特卡洛交互验证(MCCV)方法剔除橄榄油掺伪样本光谱数据中的奇异样本,剔除3个奇异样本。利用多元散射校正(MSC)、去趋势技术(DT)、标准正态变量变换和去趋势技术联用算法(SNV-DT)分别对奇异样本筛选前后的掺伪样本光谱数据进行预处理,选择网格搜索算法(GS)对模型参数组合(C,g)进行寻优,确定最优参数组合。应用支持向量机分类(SVC)方法建立掺伪油的品种定性分类校正模型;采用竞争性自适应重加权算法(CARS)选择奇异样本筛选前后的掺伪样本光谱数据的特征变量,应用支持向量机回归(SVR)建立掺伪油含量快速预测的定量校正模型。试验表明,采用MCCV方法剔除奇异样本后,建立的掺伪油品种鉴别模型的预测准确率达到100%,而建立的GS-SVR模型能够快速预测橄榄油掺伪量,特别是建立SNV_DT-CARS-SVR模型的校正集和预测集相关系数R分别达到99.80%、99.13%,均方误差(MSE)分别为0.0142、0.0535,综合性能最好。结果表明,采用激光近红外光谱分析技术可以实现橄榄油掺伪的定性-定量分析。
- 吴双涂斌陈志彭博郑晓何东平
- 关键词：橄榄油近红外光谱支持向量机
