基于近红外光谱和紫外-可见光谱特征融合的沼液氨氮定量预测模型研究

doi:10.19640/j.cnki.jtau.2026.05.011

天津农学院学报 ›› 2026, Vol. 33 ›› Issue (5): 74-79.doi: 10.19640/j.cnki.jtau.2026.05.011

基于近红外光谱和紫外-可见光谱特征融合的沼液氨氮定量预测模型研究

聂家伟¹, 柳星¹, 吴羽璇², 刘新媛^{1,通信作者}

1.天津农学院工程技术学院,天津 300392;
2.中机国际工程设计研究院有限责任公司,长沙 410000

收稿日期:2025-06-24 发布日期:2026-11-02
通讯作者: 刘新媛（1987—）,女,讲师,博士,主要研究方向为生物处理技术。E-mail：liuxinyuan11@163.com。
作者简介:聂家伟（2004—）,男,本科在读,主要研究方向为光谱检测技术。E-mail：1479109575@qq.com。
基金资助:
天津市科技计划项目（25ZYCGSN00930）; 天津市大学生创新创业训练计划项目（202610061281）

Construction of prediction model for ammonia nitrogen in biogas slurry based on fusion of near-infrared and ultraviolet-visible spectral feature

Nie Jiawei¹, Liu Xing¹, Wu Yuxuan², Liu Xinyuan^{1,Corresponding Author}

1. College of Engineering and Technology, Tianjin Agricultural University, Tianjin 300392, China;
2. China Machinery International Engineering Design & Research Institute Co., Ltd., Changsha 410000, China;

Received:2025-06-24 Published:2026-11-02

摘要/Abstract

摘要： 为实现沼液中氨氮含量的高效、快速、无污染检测,构建了一种基于近红外（NIR）和紫外-可见（UV-Vis）光谱特征融合的沼液氨氮定量预测模型。采用偏最小二乘法（PLS）筛选最佳光谱数据预处理方法,利用竞争性自适应重加权算法（CARS）提取特征波长,并将特征波长融合后进行PLS建模。结果表明：基于NIR特征波长的模型预测性能（RPD=5.924 3）优于全光谱模型,而基于UV-Vis特征波长的预测模型性能（RPD=4.322 2）略低于全光谱;经NIR-UV-Vis特征波长融合后,预测模型的RPD值高达6.511 2,显著提升了沼液氨氮检测的准确性与可靠性。

关键词: 沼液, 氨氮, 近红外光谱, 紫外-可见光谱, 光谱融合

Abstract: In order to achieve efficient, rapid and pollution-free detection of ammonia nitrogen, this study constructed a quantitative prediction model for ammonia nitrogen in biogas slurry based on the fusion of near-infrared（NIR）and ultraviolet-visible（UV-Vis）spectral features. The partial least squares（PLS）regression method was used to screen the optimal spectral data preprocessing methods, and the competitive adaptive reweighted sampling algorithm（CARS）was employed to extract characteristic wavelengths. The characteristic wavelengths were fused for PLS modeling. The results showed that the prediction performance（RPD=5.924 3）of the NIR characteristic wavelength model was better than that of the full spectrum, while the prediction model performance（RPD=4.322 2）of the UV-Vis characteristic wavelength model was slightly lower than that of the full spectrum. Through the fusion of NIR-UV-Vis characteristic wavelengths, the RPD value of the prediction model reached 6.511 2, which greatly improved the accuracy and reliability of ammonia nitrogen detection in biogas slurry.

Key words: biogas slurry, ammonia nitrogen, near-infrared spectroscopy, ultraviolet-visible spectroscopy, spectral fusion

中图分类号:

O657.3
X832

聂家伟, 柳星, 吴羽璇, 刘新媛. 基于近红外光谱和紫外-可见光谱特征融合的沼液氨氮定量预测模型研究[J]. 天津农学院学报, 2026, 33(5): 74-79.

Nie Jiawei, Liu Xing, Wu Yuxuan, Liu Xinyuan. Construction of prediction model for ammonia nitrogen in biogas slurry based on fusion of near-infrared and ultraviolet-visible spectral feature[J]. Journal of Tianjin Agricultural University, 2026, 33(5): 74-79.

导出引用管理器 EndNote|Reference Manager|ProCite|BibTeX|RefWorks

链接本文: http://xuebao.tjau.edu.cn/CN/10.19640/j.cnki.jtau.2026.05.011

http://xuebao.tjau.edu.cn/CN/Y2026/V33/I5/74

参考文献

[1] 蒋会东,李永杰,汤云龙,等. 沼液施用对水稻生长和土壤养分的影响[J]. 天津农学院学报,2024,31(1):6-11.
[2] 郭佳. 水质中氨氮质量浓度监测技术研究[J]. 山西化工,2025,45(5):275-277.
[3] 李黎明,廖琪. 地表水中氨氮测定方法对比研究[J]. 广州化工,2025,53(4):119-121.
[4] 王儒珍,殷旭东,李德豪,等. 氨气敏电极法测定石化废水中氨氮的优化研究[J]. 工业水处理,2025,45(6):80-87.
[5] 张汉,雷涛,杨仁杰,等. 荧光光谱法快速检测土壤中菲浓度[J]. 天津农学院学报,2023,30(1):55-58,73.
[6] 鲁瑶. 光谱数据融合技术在食品安全检测中的应用进展[J]. 现代食品,2025,31(8):125-127.
[7] 任丹丹,卢怡欣,刘静,等. 利用快速多光谱内窥光学系统可视化解析活体动物组织形态与生理特征[J]. 光谱学与光谱分析,2025,45(6):1527-1533.
[8] 张天泷,耿远超,廖予祯,等. 多光谱目标检测算法及相关数据集综述[J]. 强激光与粒子束,2025,37(5):051001.
[9] 赵玉霞,王茹,张世芝,等. 基于紫外-近红外融合光谱对“互助”青稞酒判别分析研究[J]. 食品与发酵工业,2025,51(4):301-308.
[10] 张文婷,王凯君,路亚梅,等. 中药甘青青兰提取过程的近红外及紫外可见双光谱在线监测[J]. 分析测试学报,2024,43(5):746-754.
[11] 梁冰,李相玲,敬小丽,等. 紫外-可见-短波近红外漫反射光谱法对丙氨酸手性的定性定量分析[J]. 四川大学学报(工程科学版),2016,48(3):190-195.
[12] 孙小鑫,王瑞海,吉星月,等. 基于NIRS和UV-Vis的大蒜冻干粉中活性成分含量测定[J]. 现代中药研究与实践,2022,36(6):34-40.
[13] 刘一诺,霍正婷,刘菊香,等. 基于近红外光谱技术的鸡饲料中微塑料检测方法研究[J]. 天津农学院学报,2025,32(1):77-81.
[14] 秦艺洋,黎少财,张汉,等. 基于荧光光谱技术的蔬菜表面西维因农药残留检测[J]. 天津农学院学报,2024,31(6):79-84.
[15] 李晓星,肖金凤,张洪明,等. 正态分布筛选法提高近红外光谱稳定性研究[J]. 光谱学与光谱分析,2025,45(6):1566-1577.
[16] 杨素群,夏依旦·买买提,李玲玉,等. 乳酸菌发酵蓝莓汁总酚含量的可见-近红外光谱测定[J]. 中国食品学报,2025,25(4):404-414.
[17] 闫临宇,曹佳雯,杨玉青,等. 基于高光谱成像与集成模型的水稻种子活力量化检测[J]. 激光与光电子学进展,2026,63(2):0230001.
[18] 汪传宝,胡淳莉,占建勇,等. 基于近红外技术的覆盆子药材品质分析[J]. 浙江农业科学,2025,66(9):2126-2136.
[19] 张贵宇,向星睿,张磊,等. 近红外光谱测定黄水酸度的iPLS-iNSGA-Ⅲ联合特征筛选方法[J]. 食品科学,2025,46(17):283-291.
[20] 刘金明,郭坤林,甄峰,等. 基于近红外光谱的沼液挥发性脂肪酸含量快速检测[J]. 农业工程学报,2020,36(18):188-196.
[21] 王岩,蔡文生,邵学广. 近红外光谱用于低共熔溶剂中水结构的分析[J]. 高等学校化学学报,2023,44(6):31-36.
[22] 秦胜君,卢志平. 稀疏自动编码器在文本分类中的应用研究[J]. 科学技术与工程,2013,13(31):9422-9426.
[23] 栾鑫鑫,翟晨,安焕炯,等. 应用分子光谱信息融合判别不同产地大米[J]. 光谱学与光谱分析,2023,43(9):2818-2824.

基于近红外光谱和紫外-可见光谱特征融合的沼液氨氮定量预测模型研究

Construction of prediction model for ammonia nitrogen in biogas slurry based on fusion of near-infrared and ultraviolet-visible spectral feature

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 11

编辑推荐

Metrics

本文评价

[1]	杨博涵, 高源, 何志霞, 华旭峰, 乔之怡. 基于深度学习的颗粒饲料中铜、锌含量的近红外光谱反演研究[J]. 天津农学院学报, 2026, 33(5): 84-91.
[2]	刘一鸣, 常金杰, 霍正婷, 刘一诺, 董桂梅, 杨仁杰. 基于近红外光谱定性定量分析鸡肉中聚氯乙烯微塑料[J]. 天津农学院学报, 2026, 33(1): 71-75.
[3]	刘一诺, 霍正婷, 刘菊香, 董桂梅, 杨延荣, 杨仁杰. 基于近红外光谱技术的鸡饲料中微塑料检测方法研究[J]. 天津农学院学报, 2025, 32(1): 77-81.
[4]	蒋会东, 李永杰, 汤云龙, 王小波, 徐晓燕. 沼液施用对水稻生长和土壤养分的影响[J]. 天津农学院学报, 2024, 31(1): 6-11.
[5]	袁佳艺, 介彦文, 边贺颖, 郑珊珊, 蒋韵, 石利军. 不同季节自然存放条件下牛场沼液成分变化[J]. 天津农学院学报, 2023, 30(2): 23-26.
[6]	吕晨菲, 杨静慧, 刘艳军, 杨仁杰, 张超, 吴楠. 基于NIRS与PLS-DA的红提产地鉴别研究[J]. 天津农学院学报, 2020, 27(1): 21-23.
[7]	廖彩淇, 孙长虹, 杨潇, 靳皓, 杨延荣, 杨仁杰, 张伟玉. 基于近红外光谱红茶中胭脂红色素的判别[J]. 天津农学院学报, 2018, 25(1): 72-75.
[8]	张海洋, 廖彩淇, 杨仁杰, 鲍秀君, 王威, 靳皓, 张伟玉. 基于近、中红外光谱数据融合掺假牛奶的判定[J]. 天津农学院学报, 2017, 24(4): 52-56.
[9]	董桂梅, 李耀文, 于亚萍, 杨仁杰, 纪君柔, 胡永浩. 土壤养分的近红外漫反射光谱预测模型分析[J]. 天津农学院学报, 2017, 24(4): 57-60.
[10]	周宇晴, 秦梦芝,马志宏. 支持向量机和BP神经网络在可见-近红外光谱检测药品中的比较与应用[J]. 天津农学院学报, 2016, 23(2): 49-52.
[11]	朱琦, 董桂梅, 杨仁杰, 于亚萍, 姜全, 杨晓东, 周璞. 土壤粒度差异对光谱法检测土壤全氮含量的影响研究[J]. 天津农学院学报, 2015, 22(4): 29-32.