基于近红外光谱技术的大米品质分析与种类鉴别

应用近红外光谱(NIRS)技术建立了大米食味品质分析与种类快速鉴别的方法。提取了102份粉碎后大米样品的近红外光谱,采用偏最小二乘法(PLS)建立了大米水分、蛋白质和直链淀粉定量分析模型,对模型预测结果的准确性进行了评价。预测模型的内部交叉验证决定系数(R2)分别为:0.992、0.9792和0.9736;内部交叉验证标准差(RMSECV)分别为:0.141、0.201和0.209;模型外部验证决定系数(R2)分别为0.9861、0.912和0.9373;外部验证标准差(RMSEP)分别为0.179、0.206和0.243。通过计算样品的近红外光谱图之间的欧氏距离来反映不同样品间的差异,对不同属性和不同产地的大米进行了定性聚类分析,种类识别准确率达到100%。结果表明,NIRS分析技术可以用于对大米品质和种类的快速无损检测。     

基于近红外漫反射技术的大米脂肪含量的研究

利用大米脂肪含量化学分析值及其近红外漫反射光谱建立分析大米中脂肪含量的数学模型.运用OPUS5.0定量分析软件优化,采用偏最小二乘法(PLS)算法,得到最佳光谱预处理方法为乘法散射校正法(MSC),选取11 998.9～4 246.5cm-1为最佳谱区,最佳主成分维数为8.由此参数进行内部交叉检验,建立校正模型,交叉验证决定系数(R2)为0.998 1,交叉验证误差(RMSECV)为0.0191;外部验证决定系数(R2)为0.988 9,预测误差(RMSEP)为0.024 1,证明了利用近红外光谱技术测定稻米脂肪含量的可行性.     

近红外漫反射光谱法测定小麦Zeleny沉降值

选用220份良种小麦品种作为原始样品集,基于漫反射基本原理,使用现代傅立叶变换近红外光谱仪扫描其近红外光谱。探讨以傅里叶近红外光谱法(FT-NIRS)预测小麦的Zeleny沉降值的可行性。以良好的常规实验数据为前提,通过内部交叉检验进行预测模型的建立,其校正决定系数(R2)和交叉检验均方误差(RMSECV)分别为0.9363和2.4,外部验证校正决定系数(R2)和预测均方误差(RMSEP)分别为0.9502和2.68。该法的建立证明了近红外漫反射光谱技术应用于小麦Zeleny沉降值测定的可行性。     

大豆中异黄酮含量的测定及其近红外分析

以100份中国核心大豆种质资源为材料,建立高效液相色谱法(HPLC)测定大豆中异黄酮5组分和总异黄酮。扫描大豆的近红外光谱,以傅里叶近红外光谱法(FT-NIRS)与HPLC技术相结合,采用偏最小二乘(PLS)回归和交叉验证法,探讨利用FT-NIRS技术预测异黄酮含量的可行性。总异黄酮近红外预测模型的内部交叉验证其校正决定系数(R2)和交叉检验均方误差(RMSECV)分别为0.8763和0.515,外部验证其校正决定系数(R2)和预测均方误差(RMSEP)则分别是0.9492和0.599。结果表明,利用FT-NIRS预测大豆中总异黄酮含量是可行的,但是各异黄酮组分的近红外模型不能达到准确预测要求。大豆异黄酮近红外模型的建立对今后大豆的异黄酮选育工作可以提供帮助。     

FT-NIR在油菜籽品质指标快速检测中的应用研究

以203份不同品种的油菜籽为原料,开展了油菜籽整籽粒和粉碎样品的水分、蛋白质和粗脂肪含量的近红外研究。研究结果显示:油菜籽整籽粒和粉碎样品的水分含量近红外检测模型的内部交叉验证决定系数R~2分别为0.967和0.953,油菜籽整籽粒和粉碎样品的蛋白质含量的近红外检测模型的内部交叉验证决定系数R~2分别为0.810和0.947,油菜籽整籽粒和粉碎样品的粗脂肪含量的近红外检测模型的内部交叉验证决定系数R~2分别为0.776和0.896。同时,测定水分时可采用整籽粒扫描,而粉碎试样所建的蛋白质和粗脂肪模型优于整籽粒扫描。油菜籽粉碎样品的外部验证模型评价效果较好,外部验证水分、蛋白质和粗脂肪决定系数R~2分别为0.966、0.937和0.918。结果表明,近红外光谱技术可用于油菜籽品质指标的检测。     

近红外光谱法测定高粱原花青素含量

利用近红外漫反射光谱技术,采用偏最小二乘法(PLS)探讨用近红外技术快速筛选高含量原花青素高粱的可行性.结果,内部交叉验证决定系数fR2)为0.8657,标准差(RMSECV)为0.277;外部验证决定系数(R2)为0.8919,标准差(RMSEP)为0.312.结果表明,用PLS建立的近红外模型能准确地筛选出高原花青素含量的高粱品种,为高粱的育种工作者提供了一种快速非破坏的筛选手段.     

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。     

傅立叶变换近红外光谱在大豆蛋白质和粗脂肪 检测中的研究

目的本文以317份不同品种的大豆为原料,开展了大豆样品粉碎粒度的蛋白质和粗脂肪含量的近红外研究,以期建立大豆品质检测方法。方法 45份大豆粉碎样品经不同的过筛处理,对剩余的272份大豆样品在最优的粉碎粒度下建模分析。结果大豆粉碎过60目建模效果最好,蛋白质和粗脂肪含量近红外检测模型的内部交叉验证决定系数r~2分别为0.959和0.939;剩余272份大豆样品蛋白质含量的近红外检测模型的内部交叉验证相关系数为0.909,粗脂肪含量的近红外检测模型的内部交叉验证相关系数为0.918,外部验证蛋白质和粗脂肪决定系数R~2分别为0.944和0.911。结论近红外光谱技术可用于大豆品质指标的检测。     

近红外法测定豆浆蛋白质、脂肪和可溶性固形物含量

利用傅里叶变换近红外光谱仪采用积分球漫反射方式对60个豆浆样品进行光谱的采集,结合常规分析结果分别建立了3种成分的近红外校正模型。结果表明:豆浆蛋白质、脂肪及可溶性固形物光谱分别经过消除常数偏移量、一阶导数和矢量归一化(SNV)预处理后建模效果最好。蛋白质、脂肪和可溶性固形物含量的校正模型决定系数(R2)分别为:0.966 4、0.950 0和0.950 7,交叉验证均方根差(RMSECV)依次为0.076 9、0.087 4和0.316;对模型进行外部验证,验证集化学值和模型预测值之间差异不显著,说明模型可以用于豆浆中蛋白质、脂肪和可溶性固形物含量的检测。     

甘薯蛋白质含量近红外反射光谱分析模型应用研究

以71份薯叶和170份薯块根样品为材料,应用近红外光谱技术(NIRS)和偏最小二阶乘法(PLs),建立甘薯蛋白质含量近红外反射光谱分析数学模型,并对模型预测结果的准确性进行了评价.结果显示.甘薯叶和块根的蛋白质含量的近红外光谱预测模型校正决定系数(R2cal)分别为O.996和0.993,校正均方差(RMSEE)分别为O.255和O.126,内部交叉验证决定系数(R2cv)分别为0.984和O.986,均方差(RMSECV)分别为0.448和O.178.模型对样品NIR的预测值与其相应的化学值有较好的相关性,此模型可用来预测甘薯蛋白含量.在甘薯优质育种和品质分析中具有广泛的应用价值.     

基于LVF-NIR的樱桃可溶性固形物含量无损速测模型的建立与优化

目的建立基于便携式近红外光谱仪的樱桃可溶性固形物含量无损快速定量检测模型,从而实现樱桃品质的无损快速检测。方法以北京通州产红灯樱桃、黄玉樱桃为研究对象,采用便携式线性渐变分光近红外光谱仪采集光谱数据,并采用折光仪测定其可溶性固形物含量;采用偏最小二乘回归结合全交互验证算法将光谱数据与可溶性固形物含量测定值建立定量校正模型,采用外部验证集对模型的预测性能做进一步测试。结果红灯樱桃可溶性固形物含量模型的R_C~2、RMSEC、R_(CV)~2、RMSECV、RPD分别为0.9194、0.79、0.8920、0.92、3.54,黄玉樱桃可溶性固形物含量模型的R_C~2、RMSEC、R_(CV)~2、RMSECV、RPD分别为0.8618、0.76、0.8246、0.86、2.70;两种樱桃可溶性固形物含量合并模型的R_C~2、RMSEC、R_(CV)~2、RMSECV、RPD分别为0.9125、0.81、0.8946、0.89、3.38。结论基于便携式线性渐变分光近红外光谱仪数据所建校正模型具有较好的准确度,可满足樱桃可溶性固形物含量的无损快速检测需求。     

近红外定量模型快速测定大米的营养成分

大米中的蛋白质、脂肪、碳水化合物和水分是大米的重要营养成分,这些组分的检测需要依赖国标法,检测过程繁琐冗长,污染大,实现近红外快速检测具有重要的现实意义。本实验以75个大米样品为研究对象,用国标法测定其蛋白质、脂肪、碳水化合物和水分的含量,用Antares Ⅱ型近红外光谱仪采集光谱信息。将样品分为校正集和验证集,其中校正集63个,验证集12个,通过6种光谱预处理方法和3种建模方法分别建立大米的蛋白质、脂肪、碳水化合物和水分的定量模型,用Workflow调用模型来实现四种组分的快速检测。结果表明,蛋白质、碳水化合物通过一阶导数与Savitzky-Golay滤波对光谱进行处理;脂肪、水分通过二阶导数和Savitzky-Golay滤波对光谱进行处理;再通过PLS回归与国标法的测定值相关联建立的大米中蛋白质、脂肪、碳水化合物及水分的定量模型具有较高的预测精度。蛋白质、脂肪、碳水化合物和水分的预测模型的内部交叉验证的相关系数R分别为0.9266、0.9333、0.9198、0.9175,RMSECV分别为0.280、0.133、0.362、0.270,内部交叉验证的相关系数R均在0.91以上,RMSECV均小于0.37,可实现对大米中蛋白质、脂肪、碳水化合物和水分的快速检测。     

傅立叶变换近红外光谱法测定豆腐干中总酸、蛋白质和水分含量

应用傅立叶变换近红外光谱技术,以豆腐干为材料建立豆腐干中总酸、蛋白质和水分含量分析模型.测定63份豆腐干的近红外光谱数据,得到原始光谱信息,通过光谱预处理方法消除原始光谱噪声,最后采用偏最小二乘法建立回归方程.最终得到总酸、蛋白质和水分含量近红外光谱分析模型的决定系数(R2)依次为98.24%、97.85%、99.17%,交叉验证均方根差(RMSECV)依次为0.0113、0.122、0.152.用该模型对21个未知豆腐干样品进行外部验证,其总酸、蛋白质和水分外部验证的决定系数(R2)依次为93.46%、97.49%、99.39%,预测标准偏差(RMSEP) 次为0.0208、0.121,0.121.内部交叉验证和外部验证均证明,近红外定量分析有较高的准确度,能满足生产中总酸、蛋白质和水分检测的精度要求.     

近红外光谱法同时测定涪陵榨菜中果胶和总糖的含量

应用傅里叶变换近红外光谱技术,以涪陵榨菜为材料建立与其品质有关的果胶和总糖的定量分析模型。测定50份涪陵榨菜的近红外光谱数据,得到原始光谱,通过光谱预处理方法消除噪声,最后通过偏最小二乘法(PLS)建立回归模型。最终得到涪陵榨菜中果胶和总糖含量的近红外光谱分析模型,其决定系数(R2)分别为98.31、98.35,交叉验证均方差(RMSECV)分别为0.513、0.0531。用该模型对18份未知涪陵榨菜样本进行外部验证,其果胶和总糖的外部验证决定系数(R2)分别为96.69、95.63,预测集标准偏差(RMSEP)分别为0.572、0.0671。内部交叉验证和外部验证均证明,近红外定量分析有较高的准确度,能满足生产中对涪陵榨菜果胶和总糖同时测定的精度要求。     

虾样品不同采集状态对近红外光谱PLS模型的影响

研究了不同采集状态的虾样品对近红外光谱PLS模型的影响。利用DA7200近红外光谱仪,采集南美白对虾完整虾和虾糜的近红外光谱曲线。采用Unscrambler10.3软件选择最佳光谱预处理方法和最优波段,建立了完整虾和虾糜与挥发性盐基氮(TVB-N)值、菌落总数(TBC)值关联的偏最小二乘(PLS)模型,并对模型进行评价和验证。结果表明:定标集虾糜模型中的校正相关系数rc,校正决定系数Rc2,交叉验证相关系数rv,交叉验证决定系数Rv2,均高于完整虾模型;校正均方根误差RMSEC,校正标准误差SEC,交叉验证均方根误差RMSECV,交叉验证标准误差SECV均低于完整虾模型。验证模型中虾糜预测模型中相关系数r均大于完整虾预测模型,预测均方根误差RMSEP,预测标准误差SEP均低于完整虾预测模型,且虾糜预测模型对TVB-N、TBC值预测值更为准确,表明以虾糜作为近红外光谱采集状态优于完整虾。     

糙米蛋白质含量的近红外透射光谱分析

应用近红外透射光谱技术,采用改进的偏最小二乘法(MPLS)建立糙米蛋白质含量(PC)定量分析数学模型。糙米蛋白质含量预测数学模型校正标准误差(SEC)、交叉检验标准误差(SECV)分别为0.2114、0.2365,校正相关系数(RSQ)和交叉验证相关系数(1-VR)分别为0.9807、0.9768,预测误差与常规分析方法的误差接近。内部交叉检验和外部验证结果表明,近红外定量分析有很高的准确度,近红外光谱法完全可以替代常规分析方法。     

傅立叶变换近红外光谱法快速检测锅盔中水分含量

应用傅立叶变换近红外光谱技术,建立锅盔水分含量分析模型.测定61份锅盔的近红外光谱,经一阶导数+MSC预处理以滤去噪声,在7 501.9～4 597.6 cm-1谱段范围内,选择维数10,利用偏最小二乘法建立近红外光谱与国标参考方法测得的水分含量之间的相关模型.最终得到水分定量校正模型决定系数(R2)为99.03％,内部交叉验证均方差(RMSECV)为0.409％.用该模型对19个未知锅盔样品进行外部验证,其水分外部验证决定系数(R2)为97.99％,预测标准偏差(RMSEP)为0.341％.结果表明,近红外定量分析技术有较高的准确度,能满足锅盔水分的快速检测精度要求.     

肉骨粉常规营养成分近红外模型的建立及验证

采用傅里叶近红外漫反射技术,以最小偏二乘法结合不同光谱预处理建立了肉骨粉粗蛋白质、粗脂肪、水分、粗灰分、钙、总磷的近红外定标模型,结果显示:6种常规营养成分的决定系数分别为0.946 9、0.926 1、0.974 1、0.972 3、0.857 1、0.830 9,交叉检验的均方根误差(RMSECV)分别为0.863、0.303、0.123、1.08、0.663、0.368,相对分析误差(RPD)大于2.5,外部验证集验标决定系数均在0.94以上,表明模型预测值与化学值间存在良好的函数拟合性,所建立的模型可靠、稳健,可用于肉骨粉营养成分的快速分析。     

光谱预处理对便携式近红外光谱仪快速检测小麦粉灰分含量的影响

为了实现便携式近红外光谱仪现场快速分析小麦粉中灰分的含量,对125个小麦粉样本扫描并进行多种预处理后,建立了基于偏最小二乘(PLS)的定量分析模型。探讨了基线校正(Baseline)、矢量归一化(Normalize)、SavitskyGolay卷积平滑法、导数、标准正态变量变换(Standard Normal Variate Correction,SNV)以及多元散射校正(Multiplicative Scatter Correction,MSC)这六种预处理方法及其组合方式对建模的影响。结果表明:矢量归一化+Savitsky-Golay滤波平滑法是最佳预处理方法,相应建立的小麦粉灰分含量最佳模型的校正决定系数R_c~2为0.947,交叉验证决定系数R~2v为0.896,校正均方根误差(RMSEC)为0.026,交叉验证均方根误差(RMSECV)为0.037,预测均方根误差(RMSEP)为0.026。无预处理模型的校正决定系数为0.873,交叉验证决定系数为0.832,校正均方根误差为0.044,交叉验证均方根误差0.051,预测均方根误差为0.056;相较于无预处理模型,最佳模型的预测精度和稳健性有了很大的提高。     

近红外光谱无损测定纸张施胶度的研究

采集不同施胶度(Cobb值)纸张的近红外光谱,通过不同方式对所采集的近红外光谱进行预处理。选择最佳预处理方式,利用偏最小二乘法(PLS)建立测定纸张施胶度的校正模型。结果表明,最佳预处理方式为减去一条直线(SLS),最佳波数区间为5446.3～12493.4 cm~(-1)和4246.8～4424.2 cm~(-1),得到校正模型的内部验证数据集以及外部验证数据集的相关系数R~2分别为0.9186和0.9085,内部交叉验证均方差R_(MSECV)和外部验证均方差R_(MSEP)分别为0.640和0.439,外部验证的预测结果与标准值之间的最大相对偏差为4.81%。校正模型有较高的测定精度和较好的推广性,为纸张施胶度无损伤、无预处理的快速、简便、准确检测提供新的途径,并且可望实现纸机的在线检测。