导读:本文包含了近红外反射光谱法论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:光谱,反射,可见光,成分,离子束,稻种,计量学。
近红外反射光谱法论文文献综述
赵云,刘巧娥,李伟,关云山[1]（2019）在《近红外漫反射光谱快速分析混合含能材料中黑索金含量》一文中研究指出建立了基于近红外漫反射光谱快速检测某固态含能混合材料中黑索金(RDX)的方法。采集与制备样本共159批次。对比各纯组分光谱确定预选波段。与光谱预处理方法随机组合建立各种偏最小二乘模型。交叉检验均方根误差(RMSECV)、RMSECV/维数曲线确定最优模型。对最优模型评估表明,预测标准差0.50,平均绝对偏差0.41,子模型一致性好,说明方法较准确;残留预测偏差4.20,说明该方法对质量分数为50%～60%的样品具较好分辨力;t检验显示,两方法无显着性系统误差;该方法重复测量精确性优于化学法。两方法相比,该方法精确性更好,环保,节省人力、材料成本。(本文来源于《化学世界》期刊2019年11期）
赵润,牟美睿,王鹏,孙迪,刘海学[2]（2019）在《基于近红外漫反射光谱的规模化奶牛场粪水氮磷定量分析及模型构建》一文中研究指出为建立规模化奶牛场粪水中氮磷含量现场快速检测方法,以实现准确预测的同时替代常规监测程序,选取23家天津市典型种养结合模式的规模化奶牛场,围绕粪水处理全过程环节依次开展样品采集、实验室常规化学检测、近红外漫反射光谱采集,并进行主成分分析和偏最小二乘分析,建立多种动态复合影响因素条件下的全局、全程快速检测定量分析模型。结果表明:主成分分析不仅反映出同一奶牛场粪水有机组分随处理环节的变化,而且也反映出不同奶牛场粪水样品的差异性,以及在粪水处理过程中各因素对后续模型的影响程度。建立的全过程环节定量分析模型对总氮含量预测结果与实际含量的线性拟合相关系数R为0.96,预测均方根误差RMSEP为187.80;对总磷含量预测结果与实际含量的线性拟合相关系数R为0.91,预测均方根误差RMSEP为3.59。建立的全局定量分析模型对总氮含量预测结果与实际含量的线性拟合相关系数R为0.96,预测均方根误差RMSEP为238.59;总磷含量预测结果与实际含量的线性拟合相关系数R为0.91,预测均方根误差RMSEP为6.56。研究表明,基于近红外漫反射光谱和偏最小二乘法对规模化奶牛场粪水处理全过程环节粪水样品中氮、磷含量进行定量分析是可行的;纵向模型比横向模型能提供更好的预测结果;近红外漫反射光谱技术可实时、快速、高效地对规模化奶牛场粪水处理全过程总氮和总磷进行跟踪和监控。(本文来源于《农业环境科学学报》期刊2019年08期）
王纯阳,马玉涵,刘斌美,郭盼盼,黄青[3]（2019）在《近红外透反射光谱测定单粒稻种的蛋白质含量》一文中研究指出为探索NIR光谱技术在水稻种子蛋白质含量分析中的应用,本研究细致分析了单粒稻种在不同光谱采集方式下的近红外光谱(NIRS)特征,并利用离子束诱变育种得到的水稻9311突变体库的种子,建立准确性较好的单粒糙米和单粒稻种的蛋白质定量模型。结果表明,与漫反射光谱采集方式下的单粒糙米蛋白质模型相比,透反射和透射光谱采集方式下能得到相关性较好的糙米蛋白质模型,其中单粒糙米蛋白质最优定量模型的决定系数(R~2)为0.97,预测均方根误差(RMSEP)为0.27%。在单粒稻种中,由于种壳的反射作用,漫反射光谱采集方式下依然无法建立准确性高的蛋白质模型,透反射光谱采集方式下能够建立具有一定预测能力的蛋白质定量模型(RMSEP=0.81%),透射光谱采集方式下能够建立准确性高的蛋白质定量模型(R~2=0.96,RMSEP=0.24%)。本研究结果为无损快速分析单粒稻种提供了一种解决方法。(本文来源于《核农学报》期刊2019年10期）
杜振华[4]（2019）在《植物可见光与近红外反射光谱测量与分析》一文中研究指出植物的可见光和近红外反射光谱是遥感分类、多光谱成像和色彩再现应用的基础数据,同时也是高光谱影像在对地面植物的分类和匹配的基础。故植物的光谱测量与分析具有十分重要的意义,论文测量与分析了地面植物的可见光和近红外反射光谱,目的是为地面植物遥感分类和识别、光谱成像和颜色再现提供数据。具体完成的工作包括:(1)采用室内测量的方式,使用高光谱成像光谱仪对可见与近红外波段上树木和花草进行了反射光谱的测量,测量的植物包括:樟树、桂树、银杏树、枫树等42种树木;草、杜鹃花、郁金香、玫瑰花等8种花草。获取了共50种树木和花草的反射光谱数据,并对光谱数据进行辐射校正和噪声处理。(2)分析了植物反射光谱特征。首先,分析了树木和花草的基本光谱特征,其次,对植物的不同种类和不同季节的反射光谱曲线进行了分析。最后,通过一阶导数和红边参数的方法进行了反射光谱特征分析,这些分析为光谱成像和地面植物的分类、识别奠定了基础。(3)对花草和树木的可见光与近红外的反射光谱数据使用主成分分析和相关性分析。在可见光波段,花草类和树木类的3个主成分的累积贡献率分别为0.978和0.970,5个主成分累积贡献率都为0.995;在近红外波段,花草类和树木类的3个主成分累积贡献率分别为0.998和0.996。相关性分析结果表明,在可见光波段和近红外波段,花草类和树木类的反射光谱的相关程度分别为0.238和0.316,属于低相关。(本文来源于《云南师范大学》期刊2019-06-03）
王彦增[5]（2019）在《均质处理对生鲜牛乳近红外漫反射光谱的影响及机理研究》一文中研究指出生鲜牛乳营养全面而丰富,其成分的快速准确检测直接关系到牛乳品质的评价和产业的健康发展。当前,基于近红外光谱技术的牛乳成分检测取得了快速发展,该方法具有快速无损和可以同时获取多种成分的优点。然而,光与牛乳组织的作用比较复杂,生鲜牛乳含有粒径较大的脂肪球和蛋白质胶束,不利于近红外光谱法牛乳成分预测的稳定性。均质处理能够改变牛乳的粒度分布,进而改善光学稳定性。因此,探究均质处理对牛乳近红外光谱的影响规律具有重要意义。本文以生鲜牛乳为研究对象,以高压均质为样品处理方法,通过激光粒度分析仪和生物显微镜分析不同均质参数对牛乳均质效果的影响,基于单积分球技术研究均质处理对牛乳光学特性的影响规律,并建立基于近红外漫反射光谱技术预测生鲜牛乳和均质牛乳主要成分含量的模型。本文主要研究内容和结论如下:(1)均质次数、均质压力和物料入口温度是影响牛乳均质效果的叁个主要因素。物料入口温度为25±2℃时,随均质压力的增大,两级均质牛乳比一级均质牛乳具有更好的均质效果。确定了两级均质处理,且第二级压力值均设为5MPa的均质方案。(2)不同物料入口温度(25±2℃、35±2℃、50±2℃)下,随均质压力的增大,均质牛乳的脂肪球粒径逐渐变小且分布更加均匀。相同均质压力(30/5MPa、40/5MPa、50/5MPa)下,随着物料入口温度的增大,牛乳的粒度分布更加均匀。基于牛乳脂肪球显微结构图,发现均质压力50/5MPa和物料入口温度50±2℃时,牛乳脂肪球粒径达到相对稳定状态。确定了均质的最佳方案为两级均质、均质压力50/5MPa、物料入口温度50±2℃。(3)833~2500nm的近红外波长范围内,生鲜牛乳与均质牛乳的近红外漫反射光谱曲线变化趋势一致,但是,相同波长下均质牛乳的吸光度值均小于生鲜牛乳。同一样品的多次测量过程中,生鲜牛乳的光谱曲线差异较大,而均质牛乳的测量结果差异很小,均质处理能够提高光谱的测量稳定性。(4)950~1650nm的近红外波段范围内,生鲜牛乳与均质牛乳反射率和透射率曲线的变化趋势均一致。均质处理对牛乳的透射率和反射率影响较大,相同波长下,均质牛乳的反射率大于生鲜牛乳,其透射率却小于生鲜牛乳。同时,均质处理对牛乳吸收系数的影响小于对其约化散射系数的影响。均质牛乳的吸收系数小于生鲜牛乳,而其约化散射系数高于生鲜牛乳。均质压力在20/5~50/5MPa范围时(50±2℃下),均质牛乳的吸收系数和约化散射系数均达到相对稳定状态。(5)采用基于x-y共生距离的样本划分(SPXY)法对生鲜牛乳与均质牛乳大样本按照3:1进行样本划分,基于4种方法分别建立了牛乳脂肪、蛋白质和水分含量的预测模型。结果表明,无论是均质牛乳还是生鲜牛乳,基于偏最小二乘的无信息变量消除法(UVE-PLS)提取的特征变量所建立的偏最小二乘(PLS)模型均具有最低的预测集均方根误差(RMSEP)和最高的残差预测偏差(RPD)。最优建模方法下,均质牛乳的脂肪、蛋白质和水分含量的RMSEP分别为0.123%、0.078%和0.160%;生鲜牛乳的脂肪、蛋白质和水分含量的RMSEP分别为0.208%、0.107%和0.338%。均质处理明显提升了牛乳脂肪和水分含量的预测精度,对牛乳蛋白质含量的预测精度也有一定改善作用,这为光谱技术精确预测牛乳成分的进一步发展提供了理论依据和实践支撑。(本文来源于《西北农林科技大学》期刊2019-05-01）
王丽萍,陈文杰,赵兴忠,张新[6]（2019）在《基于近红外漫反射光谱法的大豆粗蛋白和粗脂肪含量的快速检测》一文中研究指出为满足大豆品质育种快速筛选的需求,本文详细探讨了利用近红外漫反射光谱法对大豆粗蛋白和粗脂肪含量实现快速测定的可行性。采用凯氏定氮法和索氏抽提法测定了120份大豆粗蛋白和粗脂肪的含量,分别采集大豆整粒和粉末两种状态的近红外光谱,然后运用化学计量学方法PLS建立近红外光谱与化学值之间的关系模型。其中粉末大豆样品建立的粗蛋白校正模型的决定系数R~2为0.978 7,校正标准误差RMSECV为0.003 8,该模型对24份待测样品进行测定的预测标准误差RMSEP为0.002 84;粗脂肪校正模型的R~2为0.934 1,RMSECV为0.003 69,RMSEP为0.003 53。整粒大豆建立的粗蛋白校正模型的R~2为0.872 4,RMSECV为0.009 07,RMSEP为0.007 49;粗脂肪校正模型的R~2为0.876 5,RMSECV为0.005 08,RMSEP为0.004 66。对比发现,建模样品的状态对近红外模型的预测性能有重要影响,样品在粉末状态下建立的粗蛋白和粗脂肪近红外模型的预测效果更好。另一方面,由于整粒样品建立的近红外模型的R~2均在0.87以上,因此当样品量较少没有足够样品可用于粉碎时,该模型可以满足对整粒大豆品质进行粗测的需求。该结果对大豆育种早代筛选工作具有重要意义。(本文来源于《大豆科学》期刊2019年02期）
王航,时家明,赵大鹏,刘瑞煌[7]（2019）在《绿色背景下可见光-近红外与热辐射波段具备特征反射光谱薄膜的研究》一文中研究指出分析了白天以绿色植物为背景的地物在可见光-近红外和中远红外波段辐射特性的差异,发现应该采用不同的原理对可见光-近红外和中远红外进行隐身。在此基础上分析了传统涂料和光子晶体结构在多波段兼容隐身的缺陷,提出运用多层薄膜结构来实现兼容隐身,研究设计了具备特征光谱的多层薄膜。该膜系在可见光-近红外波段具有与一般绿色植物相似的反射光谱特征,可以模拟绿色植物光学亮度特性,并且在中远红外大气窗口内的平均发射率分别为0.232和0.195,可以在一定程度上抑制目标的热辐射。(本文来源于《真空科学与技术学报》期刊2019年02期）
敬小丽,唐杰,王雪梅,刘阳,杨雯[8]（2019）在《紫外-可见-短波近红外漫反射光谱技术测定白芷中二氧化硫残留量的研究》一文中研究指出建立紫外-可见-短波近红外漫反射光谱结合化学计量学测定白芷中二氧化硫残留量的方法。利用紫外-可见-短波近红外漫反射光谱技术并结合化学计量学建模预测二氧化硫残留量。偏最小二乘回归法(PLSR)建模优于支持向量回归法(SVR); Random Frog波段选择结合Auto-scaling预处理后PLS建模后预测效果最佳,校正集R~2为0. 99,交叉验证集R~2为0. 94,预测集R~2为0. 96。紫外-可见-短波近红外漫反射光谱结合化学计量学可以实现二氧化硫残留量的快速检测,为中药饮片的质量评价及监管提供一种技术手段。(本文来源于《化学研究与应用》期刊2019年01期）
杨星[9]（2019）在《山地背景材料的可见光-近红外反射光谱测定及迷彩服伪装效果评价》一文中研究指出随着侦察和伪装技术的发展,迷彩服的伪装性能已不能局限于可见光范围,针对近红外伪装的迷彩服已经被陆续开发出来,其中林地型迷彩服较为成熟。恰当的可见光-近红外伪装效果评价方法能有效的指导我们更好地进行迷彩服的开发和优化工作。目前迷彩服的可见光-近红外伪装效果评价方法鲜见报道,本文以此作为切入点,进行一些补充工作。以山地作为背景,先确定制样方法,然后在对山地背景材料进行取样、制样、测试可见光-近红外反射光谱,并描述材料的光谱规律;通过聚类分析对试样和波长分别进行系统聚类,重点结合反射光谱特征对波段进行分类,并以此分段确定合理的光谱范围来对迷彩服的可见光-近红外伪装效果进行评价。旨在探求一个可行的迷彩服可见光-近红外伪装效果评价流程和方法。山地背景材料主要包括植被、土壤和岩石叁大类,分别对应迷彩服上的叁类斑块。实验表明:植物叶片的可见光-近红外反射光谱特征相似,可见光区域内,在其颜色波段形成相应的“色峰”;在“近红外高原”受多种因素影响只会造成反射率大小不同。植物在近红外区域反射率普遍较高,黄土次之,岩石反射率值范围较广,但大部分都较低。样品的聚类分析表明季节是影响绿色植被近红外反射率的最显着因素;夏季,影响反射率的因素为:草本植物、木本植物的新叶和成叶、针叶型植物、平行叶脉植物。在可见光范围内,土壤和岩石的光谱曲线在其颜色波段形成缓峰,近红外区域的反射率普遍没有植物高。波长的聚类分析有效获得了光谱特征在具体波段上的分布,为评价迷彩服伪装效果提供了基础。绿色植被、黄土和岩石的光谱曲线在不同不断离散程度不同。依据聚类分析结果,结合光谱特征作出评价迷彩服伪装效果的光谱范围,并对迷彩服进行评价。(本文来源于《北京服装学院》期刊2019-01-01）
陈龙,张晓冬,孙扬波,陈科力[10]（2019）在《基于近红外漫反射光谱和PCA-SVM算法快速鉴别炉甘石》一文中研究指出目的:利用主成分分析(PCA)和支持向量机(SVM)算法,建立炉甘石生品、伪品及炮制品的近红外漫反射光谱(NIRS)鉴别模型。方法:采集炉甘石生品、伪品及炮制品的NIRS,选取特征谱段,优选光谱预处理方法及最佳主成分数,建立PCA-SVM鉴别模型。结果:在7 500～4 000 cm-1谱段,以一阶导数法(FD)为最佳光谱预处理方法,PCA提取的光谱前5个主成分为最佳主成分,并经网格搜索算法确定惩罚因子c=0. 25,核函数参数g=8为最佳SVM内部参数,建立炉甘石PCA-SVM鉴别模型。该模型五折交叉验证准确率100%,且模型对训练集和测试集样品预测正确率亦均达100%。结论:基于PCASVM算法所建立的炉甘石NIRS鉴别模型预测准确率高,结合固体粉末漫反射技术无损、快速的优点,该模型可用于炉甘石生品、伪品及炮制品的无损、快速鉴别。(本文来源于《中国实验方剂学杂志》期刊2019年18期）
近红外反射光谱法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为建立规模化奶牛场粪水中氮磷含量现场快速检测方法,以实现准确预测的同时替代常规监测程序,选取23家天津市典型种养结合模式的规模化奶牛场,围绕粪水处理全过程环节依次开展样品采集、实验室常规化学检测、近红外漫反射光谱采集,并进行主成分分析和偏最小二乘分析,建立多种动态复合影响因素条件下的全局、全程快速检测定量分析模型。结果表明:主成分分析不仅反映出同一奶牛场粪水有机组分随处理环节的变化,而且也反映出不同奶牛场粪水样品的差异性,以及在粪水处理过程中各因素对后续模型的影响程度。建立的全过程环节定量分析模型对总氮含量预测结果与实际含量的线性拟合相关系数R为0.96,预测均方根误差RMSEP为187.80;对总磷含量预测结果与实际含量的线性拟合相关系数R为0.91,预测均方根误差RMSEP为3.59。建立的全局定量分析模型对总氮含量预测结果与实际含量的线性拟合相关系数R为0.96,预测均方根误差RMSEP为238.59;总磷含量预测结果与实际含量的线性拟合相关系数R为0.91,预测均方根误差RMSEP为6.56。研究表明,基于近红外漫反射光谱和偏最小二乘法对规模化奶牛场粪水处理全过程环节粪水样品中氮、磷含量进行定量分析是可行的;纵向模型比横向模型能提供更好的预测结果;近红外漫反射光谱技术可实时、快速、高效地对规模化奶牛场粪水处理全过程总氮和总磷进行跟踪和监控。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
近红外反射光谱法论文参考文献
[1].赵云,刘巧娥,李伟,关云山.近红外漫反射光谱快速分析混合含能材料中黑索金含量[J].化学世界.2019
[2].赵润,牟美睿,王鹏,孙迪,刘海学.基于近红外漫反射光谱的规模化奶牛场粪水氮磷定量分析及模型构建[J].农业环境科学学报.2019
[3].王纯阳,马玉涵,刘斌美,郭盼盼,黄青.近红外透反射光谱测定单粒稻种的蛋白质含量[J].核农学报.2019
[4].杜振华.植物可见光与近红外反射光谱测量与分析[D].云南师范大学.2019
[5].王彦增.均质处理对生鲜牛乳近红外漫反射光谱的影响及机理研究[D].西北农林科技大学.2019
[6].王丽萍,陈文杰,赵兴忠,张新.基于近红外漫反射光谱法的大豆粗蛋白和粗脂肪含量的快速检测[J].大豆科学.2019
[7].王航,时家明,赵大鹏,刘瑞煌.绿色背景下可见光-近红外与热辐射波段具备特征反射光谱薄膜的研究[J].真空科学与技术学报.2019
[8].敬小丽,唐杰,王雪梅,刘阳,杨雯.紫外-可见-短波近红外漫反射光谱技术测定白芷中二氧化硫残留量的研究[J].化学研究与应用.2019
[9].杨星.山地背景材料的可见光-近红外反射光谱测定及迷彩服伪装效果评价[D].北京服装学院.2019
[10].陈龙,张晓冬,孙扬波,陈科力.基于近红外漫反射光谱和PCA-SVM算法快速鉴别炉甘石[J].中国实验方剂学杂志.2019
论文知识图
