近红外光谱法预测烟草中的纤维素含量

为了快速测定烟草中的纤维素含量,对1214个国产烤烟烟叶样品进行了近红外(NIR)漫反射光谱扫描及其纤维素含量的化学测定,而后根据这些烟叶样品的NIR光谱数据及其纤维素含量的化学测定数据,利用偏最小二乘法建立了烟叶纤维素NIR预测模型,并对建模参数和模型的预测效果进行了评价。结果表明:优化后,该NIR模型预测纤维素的决定系数为0.9649,实际预测的平均相对偏差<2%。该模型适合大批量烟叶纤维素含量的快速分析。     

近红外光谱法快速测定米糠油中谷维素的含量北大核心CSCD

为了简便、快速、准确地测定米糠油中的谷维素含量,以LS/T 6121.2—2017的高效液相色谱法为测定米糠油中谷维素含量的参比方法,采用近红外光谱分析技术结合偏最小二乘法建立了米糠油中谷维素含量的定量分析模型。结果表明:所建定量分析模型的决定系数为99.81%,预测标准差为0.02849%,交叉验证标准差为0.03113%;利用99个验证集样品对定量分析模型进行外部独立验证,预测决定系数为99.81%,预测标准差为0.03090%,用该定量分析模型检测样品绝对误差在-0.081%~0.057%之间,相对误差在-11.86%~9.84%之间。所建立的定量分析模型预测效果较好,准确度较高,可用于米糠油中谷维素含量的测定。     

PLS法和PCA法在近红外光谱定量分析中的应用研究

利用啤酒的近红外光谱数据比较了 PLS(偏最小二乘法,partial-Squares)和 PCA(主成分回归法,principal componentregression)两种方法在近红外光谱定量分析中的应用。并应用所建模型预测了 21 个啤酒样品麦芽的含量,结论为两种方法均适合近红外光谱定量分析,PLS 法所得预测结果准确度更高。     

短波近红外光谱-偏最小二乘法测定白酒中乙醇含量

应用近红外光谱技术结合偏最小二乘法(NIRS-PLS)建立白酒中乙醇含量定量分析数学模型。所建校正模型相关系数(Corr.Coeff.)达到0.99986,校正集均方根误差(RMSEC)为0.00225,预测均方根误差(RMSEP)为0.00137,模型通过交互验证检验,得出PLS因子数为4时预测残差平方和(PRESS)和交互验证均方根误差(RMSECV)最小。用所建模型测定样品与气相色谱分析结果相对误差不大于0.81%。实验结果表明该方法准确性、稳定性好、精密度高。     

样本质量对近红外法预测远红外纤维含量的影响

传统的纤维定量方法不能够满足远红外纤维与其基体普通纤维之间定量分析的问题,由此提出了近红外光谱分析技术。选用常见的远红外涤纶、远红外丙纶、涤纶和丙纶作为研究对象。利用人为自主混合取样的方法,采用偏最小二乘法(PLS),结合样本重量对所建模型的影响,建立了有关远红外纤维含量的远红外涤纶/涤纶,远红外丙纶/丙纶两个校正模型,发现两个模型都能达到比较好的预测效果。其结果：远红外涤纶/涤纶定量校正模型远红外涤纶含量的平均相对误差为2.03%;远红外丙纶/丙纶定量校正模型远红外丙纶含量的平均相对误差为3.76%。研究表明近红外光谱分析技术可以用于远红外纤维的定量分析。     

PLS法和PCA法在近红外光谱定量分析中的应用研究

利用啤酒的近红外光谱数据比较了PLS(偏最小二乘法，partial—Squares)和PCA(主成分回归法，principal component regression)两种方法在近红外光谱定量分析中的应用．并应用所建模型预测了21个啤酒样品麦芽的含量，结论为两种方法均适合近红外光谱定量分析，PLS法所得预测结果准确度更高。     

最小二乘支持向量回归与偏最小二乘回归建立烟草总糖NIR预测模型比较

采用最小二乘支持向量回归(LSSVR)法和偏最小二乘回归(PLSR)法及192个烟叶样品的近红外(NIR)光谱与总糖含量的测定数据,分别建立了烟叶总糖含量的NIR预测模型,并利用这两种模型对95个烟叶样品进行了预测。结果表明:LSSVR法模型的预测误差范围为-3.08%~3.71%,预测回收率范围为90.0%~112.2%。LSSVR法模型的预测准确度比PLSR法的高。     

番茄总糖含量的近红外光谱无损检测方法研究

根据偏最小二乘法建立番茄总糖含量的定量分析模型,比较原始光谱和平均光谱以及10 种光谱预处理方法对近红外光谱无损检测番茄总糖含量的影响。结果表明：平均光谱所建立的偏最小二乘法校正模型明显优于原始光谱所建模型,常数偏移消除最适合番茄总糖近红外光谱的预处理,其在11998.9～7497.9cm-1 和4601.3～4256.5cm-1优化光谱区内,所建偏最小二乘法定量分析模型的预测值和实测值的相关系数(R)为0.917,校正标准差(RMSEC)为0.263%,预测标准差(RMSEP)为0.236%。平均光谱和优化的光谱预处理方法可有效提高近红外光谱无损检测番茄总糖含量的准确性。     

苎麻纤维分段化学成分变化规律研究

苎麻原麻的化学成分不仅决定了其脱胶工艺,也会影响纺织加工过程与成品的服用性能。研究了苎麻纤维不同部位化学成分的变化规律。通过化学定量分析和红外光谱测试发现:苎麻不同部位的化学成分含量不同,其中稍部胶质含量高于中部和根部;中部与根部的胶质含量略有差异,但纤维素含量基本相同。故苎麻不同部位的分段脱胶工艺值得探索。     

近红外光谱法快速测定啤酒中乙醇的含量

建立快速测定啤酒中乙醇含量的近红外光谱法(NIR)。采用傅立叶变换近红外光谱法(FT-NIR)，在近红外区域(750～2500nm)利用逐步回归分析的方法测定啤酒中乙醇的含量，并将傅立叶变换近红外光谱对未知样品的预测结果与气相色谱法的测定结果进行比较。结果：选择6个波数点时其最大相关系数为0．994，预测平均相对误差为4．529％，预测误差标准差为0．163。结论：利用近红外光谱检测啤酒中乙醇含量的方法是可行的，可以替代常规的理化分析。     

近红外技术在南极磷虾油关键品质指标快速检测中的应用研究

采用偏最小二乘法（Partial least squares,PLS）作为建模方法,对磷虾油近红外光谱的一阶微分（First-order difference,FD）、FD+SG（Savitzky-Golay,SG）滤波、FD+N（Norris,N）滤波、二阶微分（Second-order difference,SD）、SD+SG和SD+N等6种单一或复合方法进行处理,通过对不同方式处理后预测模型的交互验证均方根误差（Root mean square error of cross validation,RMSECV）、外部验证残差均方根（Root mean square error of external prediction,RMSEP）和外部验证用样品真实值的标准差（SD）与RMSEP的比值（The ratio of the RMSEP to standard deviation of reference data in the prediction,RPDEV）、建模相关系数（Correlation coefficient in calibration,RC）、交互验证相关系数（Correlation coefficient in cross validation,RCV）和外部验证相关系数（Correlation coefficient in external validation,REV）等参数比较,确定了磷虾油磷脂、EPA和DHA的近红外预测模型最佳处理方式为FD、FD和SD+N,酸价指标模型不需处理。在最优条件下,四种成分近红外预测模型的RC、REV和RCV,除了酸价的RCV略小（0.917）其余均达到0.95以上,同时,四种成分的RPDEV和RPDCV值,除酸价的RPDCV为2.365,略小于2.5,其余均符合大于2.5的要求,说明磷虾油磷脂、EPA和DHA的近红外预测模型预测准确度良好;RMSEC和RMSECV相差不大,说明模型稳定性较好。由于含量低、组成复杂等原因,磷虾油虾青素近红外检测模型的RC、RCV和REV均在0.60以下,说明近红外检测不适用于磷虾油中虾青素成分的快速检测。本文证实了近红外光谱技术可作为磷虾油中磷脂、EPA、DHA和酸价等主要指标的快速检测方法,是传统化学检测方法的有效替代和补充。     

面粉品质近红外光谱在线检测系统开发与应用

本研究运用近红外光谱无损检测技术,开发了一种适用于面粉品质检测的在线测量系统。本系统在硬件平台基础上,采用C++Builder 6.0对NIR 1.7/S微型光谱仪进行二次开发,编写了具有光谱采集、面粉品质预测、模型更新和数据存储等功能的软件。对市售170种面粉进行试验,以面粉水分含量为代表性指标。通过对比不同光谱预处理方法建模结果,发现不进行任何预处理时的面粉水分偏最小二乘回归(PLS)得到的模型精度最高。建模集和验证集决定系数(R2)分别为0.947,0.841;均方根误差(RMSE)分别为0.146%,0.198%;RPD值为2.53。模型导入软件后对30份新样品进行外部验证,预测值与测量值决定系数(R2)为0.883,均方根误差为0.206%。结果表明,该系统能够初步实现面粉水分的实时预测,为近红外在线检测技术应用提供了一定的技术参考。     

基于近红外光谱技术的生鲜猪肉质量检测研究进展

近红外光谱技术(Near-Infrared Spectroscopy,NIR)是一种根据被检测物质的光谱信息,运用统计学的方法,构建被测物质某种属性值和光谱信息之间最优预测模型的一种间接分析技术。近红外光谱分析集光谱测量技术、计算机技术、化学计量学技术和基础测试技术于一体,通过选择合适的化学计量学方法,将样品光谱信息和指标参考值相关联,构建高精度、高稳定性的数学模型预测未知样品参考值,具有无损、快捷和环保等特点。相比传统理化及生物方法反复试验且破坏原料获取数据,近红外光谱信息更容易获取、信息量更丰富、数据计算速度更快,在猪肉质量的分析检测方面获得广泛研究。本文主要综述了2010年至今近红外光谱用于研究猪肉的物理属性、化学组成、新鲜度预测和肉品掺假等方面的最新研究进展和成果,为研发肉品无损分析检测设备提供相关信息和参考。     

近红外漫反射光谱法快速检测谷子蛋白质和淀粉含量

建立近红外漫反射光谱法测定谷子中的蛋白质和淀粉含量,提供一种快速、简便、无损的分析方法进行谷子品种资源鉴定和筛选。以191份山西核心谷子种质为材料,采用近红外漫反射光谱法建立谷子蛋白质和淀粉含量的快速检测模型。结果表明,采用一阶导数+矢量归一化光谱预处理,分别建立谷子蛋白质和淀粉含量的校正模型,模型的校正决定系数(R~2_(cal))分别为0.977 0和0.907 3,交叉验证均方根误差分别为0.203%和0.466%,外部验证决定系数(R~_(2val))分别为0.989 6和0.977 2,预测均方根误差分别为0.225%和0.368%。对于谷子蛋白质和淀粉的预测,化学法和近红外仪器法测定间无显著差异,近红外测定结果是准确可靠的。说明采用近红外漫反射光谱分析技术能够满足对谷子蛋白质和淀粉含量的检测。     

Accuracy and biases in predicting the chemical and physical traits of many types of cheeses using different visible and near-infrared spectroscopic techniques and spectrum intervals

Near-infrared spectroscopy (NIRS) has been widely used to determine various composition traits of many dairy products in the industry. In the last few years, near-infrared (NIR) instruments have become more and more accessible, and now, portable devices can be easily used in the field, allowing the direct measurement of important quality traits. However, the comparison of the predictive performances of different NIR instruments is not simple, and the literature is lacking. These instruments may use different wavelength intervals and calibration procedures, making it difficult to establish whether differences are due to the spectral interval, the chemometric approach, or the instrument's technology. Hence, the aims of this study were (1) to evaluate the prediction accuracy of chemical contents (5 traits), pH, texture (2 traits), and color (5 traits) of 37 categories of cheese; (2) to compare 3 instruments [2 benchtop, working in reflectance (R) and transmittance (T) mode (NIRS-R and NIRS-T, respectively) and 1 portable device (VisNIRS-R)], using their entire spectral ranges (1100–2498, 850–1048, and 350–1830 nm, respectively, for NIRS-R, NIRS-T and VisNIRS-R); (3) to examine different wavelength intervals of the spectrum within instrument, comparing also the common intervals among the 3 instruments; and (4) to determine the presence of bias in predicted traits for specific cheese categories. A Bayesian approach was used to develop 8 calibration models for each of 13 traits. This study confirmed that NIR spectroscopy can be used to predict the chemical composition of a large number of different cheeses, whereas pH and texture traits were poorly predicted. Color showed variable predictability, according to the trait considered, the instrument used, and, within instrument, according to the wavelength intervals. The predictive performance of the VisNIRS-R portable device was generally better than the 2 laboratory NIRS instruments, whether with the entire spectrum or selected intervals. The VisNIRS-R was found suitable for analyzing chemical composition in real time, without the need for sample uptake and processing. Our results also indicated that instrument technology is much more important than the NIR spectral range for accurate prediction equations, but the visible range is useful when predicting color traits, other than lightness. Specifically for certain categories (i.e., caprine, moldy, and fresh cheeses), dedicated calibrations seem to be needed to obtain unbiased and more accurate results.     

苎麻纤维厌氧生物脱胶系统工艺性能研究

为解决苎麻纤维传统脱胶法效率低、费用高及二次污染等难题,以自主研发的高效苎麻纤维厌氧生物脱胶装置为载体,开发了一种高效苎麻纤维厌氧生物脱胶系统。基于苎麻原麻化学成分分析,开展了苎麻纤维厌氧生物脱胶工艺的启动特征、稳定运行特征和脱胶后苎麻纤维物理特征研究。结果表明:苎麻原麻中纤维素约占70%,胶质约占30%,脱胶过程中应重点去除半纤维素和木质素;该系统可在水力停留时间为72 h内实现快速启动,高效稳定运行时pH值为7.0左右,化学需氧量和氨氮质量浓度均处于低位;该系统在最佳浴比为1∶8时的苎麻物理特征最优,苎麻具有较好的外观形态和良好的力学性能,胶质残留最少。     

基于近红外光谱建立纸张表面施胶量测定模型

采集不同施胶量纸张的近红外光谱,利用偏最小二乘法建立测定纸张表面施胶量基于近红外光谱的校正模型。得到校正模型的交叉验证均方差（RMSECV）和外部验证均方差（RMSEP）分别为0.0928和0.1460,校正数据集和独立的检验数据集的预测值与实际测定值之间的相关系数分别为0.9609和0.9294,表明所建立的校正模型具有较高的预测精度和较好的推广性,为纸张无损伤、无预处理的快速、简便、准确的检测提供了新的途径,并且可望实现纸机上的在线检测。     

近红外漫反射光谱法快速检测高纤维素、木质素物料水分含量

目的：建立一种快速检测高纤维素、木质素物料水分含量的方法。方法：以槟榔这种含高纤维素、木质素的中药材为原料,用近红外光谱仪采集近红外漫反射光谱,运用NIR Cal建模软件对光谱数据进行预处理,优选特征波长,并运用偏最小二乘法（PLS）分析建立槟榔水分含量定量模型。结果：槟榔水分含量定量模型校正集决定系数为0.994 2,校正误差均方根（RMSEC）为0.50;验证集决定系数为0.986 7,预测误差均方根（RMSEP）为0.68。结论：该方法简便、快速、安全、实用、准确,适用于含高纤维素、木质素物料的水分含量的快速测定。     

Feasibility of NIR interactance hyperspectral imaging for on-line measurement of crude composition in vacuum packed dry-cured ham slices

There is a growing market for packaged slices of dry-cured ham. The heterogeneity of the composition of slices between packages is an important drawback when aiming to offer consumers a product with a known and constant composition which fits individual consumer expectations. The aim of this work was to test the feasibility of NIR interactance imaging for on-line analysis of water, fat and salt and their spatial distribution in dry-cured ham slices. PLSR models for predicting water, fat and salt contents with NIR spectra were developed with a calibration set of samples (n = 82). The models were validated with an external validation set (n = 42). The predictive models were accurate enough for screening purposes. The errors of prediction were 1.34%, 1.36% and 0.71% for water, fat and salt, respectively. The spatial distribution of these components within the slice was also obtained.     

近红外光谱法快速检测带鱼肉中的水分和蛋白质含量

应用傅立叶变换近红外光谱分析技术对带鱼肉中水分和蛋白质含量进行了研究。分别建立原始光谱、间隔2点一阶导数(dblg2)、3点平滑(sa3)、标准归一化(SNV)和多元散射校正(MSC)的偏最小二乘回归(PLS)模型,比较定标相关系数(Rc)、预测相关系数(Rv)、定标标准差(SEC)和预测标准差(SEP),建立了MSC预测模型,水分和蛋白质近红外检测模型的相关系数均在0.9以上。SEC分别为0.74和0.68,SEP分别为0.81和0.73。将确定的模型进行了外部验证,水分和蛋白质NIR预测值和化学分析值的配对t检验差异均不显著。说明近红外光谱法应用于带鱼肉中水分和蛋白质含量的快速检测是可行的。