FT-NIR光谱法定量分析烟草薄片中5种化学成分

为了研究近红外光谱分析技术预测烟草薄片中的总糖、总氮、烟碱、钾和氯含量的可行性,本文以250个具有代表性的烟草薄片样品的近红外漫反射光谱数据和它们相对应化学测定数据为基础,通过偏最小二乘回归法(PLS)建立了以上5种成分的近红外分析模型,并对模型的预测效果进行了评价.结果表明:近红外预测值与化学测定值之间具有很好的相关性,各模型均具有较好地预测准确性.总糖实际预测的平均相对误差为2.89%,总氮、烟碱、钾和氯模型实际预测的平均误差分别为0.10%,0.07%,0.19%和0.09%.各模型的预测重现性,即相对标准偏差(RSD)均小于4%.因此,可以用近红外光谱法快速、简便和大批量地分析烟草薄片中的以上5种化学成分.     

烟梗原料4种常规化学组分的近红外快速分析

为了研究近红外光谱技术预测再造烟叶原料烟梗中烟碱(Nic)、总糖(Ts)、还原糖(Rs)及氯(Cl)含量的可行性,以上海薄片S、广东薄片烟梗原料及混梗原料等130个样品的近红外光谱结合偏最小二乘法建立以上4种常规化学组分的近红外漫反射模型,并对模型的预测效果、稳定性及准确性进行评估。结果表明:1烟碱、总糖、还原糖及氯模型的校正均方差(RMSEC)与预测均方差(RMSEP)接近且均较小,模型预测的相关系数(Corr.Coeff.)均在0.97以上。烟碱、总糖、还原糖及氯预测平均相对方差分别为3.47%、1.23%、1.31%和2.34%。2模型通过检验,发现模型的RMSEP/RMSEC接近1且其RPD值均大于3,表明近红外定量分析结果准确、可靠与流动分析法无显著性差异。     

近红外光谱比值法测定烟草中六组分含量

以300个烟草样品的近红外光谱为基础,采用比值法和多元二次回归相结合的方法,建立了近红外光谱与烟草六组分(尼古丁、总糖、还原糖、总氮、钾、氯)含量间的一种测量模型,并采用交叉验证和样品实际测量的方法对模型的预测能力进行测试,结果表明该模型具有良好的预测能力,是一种快速高效检测烟草品质的方法,且具有测定波长少、计算简单、实现方便等特点,易于推广和产品化。     

用光谱主成分分析选择烟草近红外模型校正集样品

为研究光谱主成分分析方法在选择烟草近红外模型校正集样品过程中的可行性,本文采用常规的人为挑选和光谱主成分分析两种方法选择校正集样品,并利用偏最小二乘法建立烟叶总糖、总氮和烟碱含量的预测模型,同时比较了这两种校正集样品选择方法所建立模型的各项评价指标和预测结果的差异性。结果表明,上述两种方法建立的总糖、总氮和烟碱含量预测模型的各项评价指标非常接近,对20个烟叶样品的预测结果也无明显差异。因此,应用光谱主成分分析是烟草近红外模型构建过程中的一种非常有效,且节约常规化学分析成本的校正集样品选择方法。     

傅立叶变换近红外技术测定卷烟烟碱的释放量

烟气烟碱是卷烟制品的一个重要指标.传统方法分析烟气烟碱费时、有污染而且不能预测.本文根据烟气烟碱的化学分析数据和卷烟样品粉末的近红外光谱建立了卷烟烟气烟碱的近红外分析技术,能准确测定和预测卷烟的烟气烟碱,与常规分析数据相比,偏差小于±0.03,并具有很好的重现性.烟气烟碱与烟叶中烟碱的含量呈很好的正相关.     

NIR法预测原烟卷烟主流烟气中的焦油和烟碱

为实现烟叶原料焦油和烟碱的快速检测,分别用烟丝(111个)和烟末(204个)样品建立了原烟卷烟主流烟气中焦油和烟碱的近红外模型,研究表明两种样品状态均能建立其近红外速测模型,且烟气烟碱的校正模型较好。用烟末建立的焦油和烟碱的校正模型略好于用烟丝建立的模型,其内部交叉验证均方差(RMSECV)分别为0.211和1.90,烟丝内部交叉验证均方差(RMSECV)分别为0.257和2.04。并对样品量较大的烟末模型进行了外部验证,2个模型预测值与标准值的平均相对偏差分别为5.13和5.93,t-检验表明预测值和标准值之间没有显著性差异,且系统精密度良好,可以用于大量样品的快速检测。     

声光可调近红外光谱技术用于打叶复烤片烟化学成分均质化生产控制

研究解决了打叶复烤环节内在化学成分无法实现自动化闭环控制和均质化加工的难题,采用声光可调近红外光谱技术(AOTF-NIRS)在线检测方法,以打叶复烤烟叶烟碱、总糖、钾、氯4个化学成分为监控指标,以化学成分变异系数(CV)为均质化程度的评价指标和控制参数,实现打叶复烤生产主产品叶片内在化学成分的在线检测和均匀性控制方法;并建立了近红外在线标签软件即化学成分标识系统,根据实际生产情况,统计每箱成品叶片的化学成分数据并做平均处理后,将化学成分含量打印到标签,作为每箱片烟产品的标识,实现打叶复烤在线化学成分检测和质量均质化控制的目的.     

基于近红外光谱技术的成品卷烟定量分析

CO,焦油,烟气烟碱是卷烟产品的重要指标,传统方法测量时,有污染并且不能预测。根据卷烟产品粉末的近红外光谱,用30个品牌样品,600条光谱建立了焦油、CO、烟碱三大烟气指标的校正模型,用于准确测定和预测卷烟产品的三大烟气指标。在所有的校正模型中,原始谱图经过二阶导数和偏最小二乘（PLS）处理,实验结果的偏差比较小,表明近红外光谱技术在分析卷烟产品的化学指标时可以代替经典化学方法,可以为烟草行业节省大量资金和显著提高工作效率。另外还利用近红外光谱图对卷烟产品的价格档次进行预测分类,结果令人满意,可以对卷烟产品价格的制定提供参考。     

近红外透射技术在浓缩液化学质量检测中的应用研究

浓缩液化学质量的稳定直接影响着再造烟叶产品的质量,传统方法分析其常规化学成分费时费力,反馈相对滞后。利用近红外透射技术结合偏最小二乘法建立了造纸法再造烟叶生产过程中浓缩液烟碱(Nic)、总糖(Ts)及还原糖(Rs)定量分析模型。通过考察样本划分、光谱区域选择、光谱预处理及最佳主因子数选择等方面对模型进行不断优化,最终确定了最佳建模参数。此外,通过选取未参与建模的30组样品进行外部验证并通过T检验-成对双样本均值分析得出所建立的模型预测性及准确性较好,可以应用于浓缩液化学质量的快速检测。     

基于直方图分层映射的近红外光谱预处理算法北大核心CSCD

为解决近红外光谱快速检测乳品成分及含量时光谱数据的预处理问题,提出一种基于直方图分层映射技术的近红外光谱主成分得分重置(SR)预处理方法。以葡萄糖氯化钠水溶液三组分样品中的葡萄糖含量、鲜牛奶样品中的乳糖含量为定量检测目标,进行散射光谱主成分得分累计贡献率的分层分段规定化映射预处理,利用偏最小二乘(PLS)回归分析建模手段,对相应近红外光谱中的糖含量信息进行测试及分析。结果表明,经过SR预处理后,牛奶中乳糖含量PLS模型的校正集样品交互验证预测偏差降低23.9%,实际预测偏差降低27.8%;验证集实际预测偏差降低16.7%。该SR光谱预处理方法兼顾光谱、参考值及组分相关性等多尺度信息,以实现光谱信息增强去噪,能避免有用信息误删,防止不充分拟合及过拟合。     

基于近红外光谱的梨果糖浓度无损检测系统

应用近红外光谱漫发射技术设计了梨果的糖浓度无损便携式检测系统,建立了近红外光谱和梨的糖浓度值之间的关系。以850nm激光二极管作为背景光源,905nm作为特征光源,设计了用于梨的糖浓度无损检测的便携式仪器。将校正集样本结合偏最小二乘法进行建模,并对预测集进行预测。同时使用标准仪器测得梨果糖度标准值,得到了标准糖度值和预测值之间的相关图。其中校正集相关系数为0．99186,RMSEC为0．00175,由此模型进行预测时所得到的预测集相关系数为0．8262,RMSEP=0．00808。实验初步证明,文中所设计仪器可对同一种类的梨的糖浓度进行无损测量。     

近红外光谱技术与偏最小二乘法及模糊聚类法相结合的糖品种分类方法

提出了一种近红外光谱技术与偏最小二乘法及模糊聚类法相结合的可用于快速无损鉴别糖品种的新方法。采用近红外光谱仪获取了白砂糖、木糖醇、麦芽糖和葡萄糖等四种糖类别各30个样本的光谱漫反射特征曲线。运用偏最小二乘法提取了糖分类与特征值,并将提取到的经过归一化处理的11种主成分结果作为模糊聚类模型的建模参数。设定聚类数为4,建立模糊聚类模型,并对40个未知样本进行了预测。预测结果的准确率达到100％,说明本文提出的方法对于糖类别具有很好的分类和鉴别能力,同时也为光谱分析技术在对品种的快速、无损分类与识别中的应用提供了新的思路。     

微型近红外光谱仪在苹果糖度测量中的应用研究

为了评估微型近红外光谱仪应用于现场水果糖度检测的可行性, 采用粒子群算法结合反向传播(BP)神经网络建立了苹果糖度的无损高精度快速检测方法, 研究了微型近红外光谱仪NIRscan以单波长和阿达玛变换两种测量模式获得的光谱数据, 应用多种不同的数据预处理方法和多元线性回归、偏最小二乘法、粒子群算法(PSO)、BP神经网络等算法建立分析模型。结果表明, 以阿达玛变换工作模式测得的光谱数据更好, 以1阶导数结合Savizky-Golay平滑算法作数据预处理, 应用PSO结合BP神经网络建立的苹果糖度预测模型具有更高的预测精度, 预测相关系数和均方根误差分别为0.9911和0.1502。该微型近红外光谱仪NIRscan用于苹果糖度的现场快速和高精度无损检测具有可行性。     

基于近红外光谱检测不同产地石榴的糖度

基于可见/近红外漫透射光谱技术,探讨了对不同产地石榴的品质进行快速无损检测的可行性。首先,利用能够有效抑制杂散光影响的动态在线检测装置采集石榴的近红外光谱,测试石榴糖度的真值;然后结合主成分分析法对不同产地的石榴进行聚类分析,大致将样品分为两类;最后建立不同产地石榴的偏最小二乘判别分析模型,模型的判别准确率为97%以上。采用多种预处理方法(S-G平滑、归一化、基线校正、MSC等)建立了两类石榴的单一模型,结果表明:基线校正的效果明显优于其他方法,所建立的四川石榴模型的预测集相关系数R_p为0.82,预测集均方根误差(RMSEP)为0.37,建模集相关系数R_c为0.90,建模集均方根误差(RMSEC)为0.31;云南石榴模型的R_p为0.81,RMSEP为0.33,R_c为0.87,RMSEC为0.27。在后期采用未参与建模的样品的分选验证实验中,两个产地石榴的判别率为95%,糖度的分选准确率可达92.5%。结果表明,近红外光谱在石榴产地的判别和糖度的分选上具有重要意义,可为以后的石榴在线分选研究提供依据。     

水果含糖量近红外检测系统及实验

基于近红外光谱技术设计了一种便携式的水果含糖量检测系统,在特定特征波长应用最小二乘法建立了数学模型,并对其进行了校验,结果比较理想.该检测系统可以直接用于水果含糖量的快速分析且具有较高的准确性.     

近红外光谱结合GA-LSSVR分析烟草尼古丁含量

为了提高近红外光谱快速检测烟草尼古丁含量的精度和稳定性,利用近红外光谱结合遗传算法-最小二乘支持向量回归(GA-LSSVR)建立了回归预测模型。在LSSVR模型建立过程中,采用遗传算法对LSSVR参数进行自动优化。相比于利用常规最小二乘支持向量机和遗传偏最小二乘法等建立的回归预测模型,GA-LSSVR法建立的回归预测模型泛化能力更强,预测效果更好,验证集相关系数R2为0.9766,预测均方根误差为0.1065。研究结果表明,GA-LSSVR是一种快速准确的建模方法,为烟草尼古丁含量的近红外测定和近红外光谱数据的处理提供了新的方法与途径。     

基于光谱技术的茶叶品质参数茶多酚含量快速检测方法研究

茶多酚是茶叶中的主要成分,其含量约占30%左右,决定着茶汤的味道、颜色等。利用近红外光谱法对茶多酚含量进行快速检测,在茶叶品质的快速识别中具有极高的实用价值。基于光谱技术结合化学计量学方法,对不同茶叶的不同成分进行了研究,结果表明:茶叶中的主要成分茶多酚含量与近红外波段(1 800~2 500nm)的吸光度存在近似的线性关系,在此基础上建立拟合曲线,得出了不同拟合曲线的相关系数和校正均方根误差;采用近红外光法结合偏最小二乘法在1 872nm建立了茶多酚含量预测模型,其相关系数达到0.937 8,均方根误差为0.008 015。