近红外特征光谱定量检测羊肉卷中猪肉掺假比例

利用近红外漫反射光谱技术结合化学计量学方法对解冻掺假羊肉卷,进行猪肉掺假比例的定量检测研究。按照不同肥肉占比和不同猪肉掺假比例,制备324?个样品,并利用近红外光谱仪采集其光谱数据。对原始数据进行SG（Savitzky-Golay）平滑、SG一阶导、SG二阶导、多元散射校正、中心化、标准正态变量校正等预处理,并利用偏最小二乘回归（partial least square regression,PLSR）进行建模分析,其中SG平滑结合一阶求导预处理的模型预测效果最优。针对最佳预处理光谱采用竞争性自适应加权采样（competitive adaptive reweighted sampling,CARS）算法进行波长筛选,并建立特征波长PLSR模型,模型预测效果得到提高。其中,校正集和验证集决定系数分别为0.983?6和0.972?5,校正集和验证集的均方根误差分别为0.043?7和0.057?7,范围误差比为7.62。应用该CARS-PLSR模型对检验集进行预测,真实值与预测值的相关系数为0.913?8,结果表明采用近红外光谱分析技术可以实现不同肥肉占比羊肉卷中猪肉掺假比例的定量检测。     

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。     

近红外分析技术快速检测白酒基酒中的总酯含量

采用近红外光谱分析技术,对基酒总酯进行无损检测研究。利用近红外光谱仪采集基酒样品在4000～10000 cm~(-1)波段内的光谱数据,首先对光谱数据进行一阶导数预处理,然后采用Si-PLS组合间隔偏最小二乘法优选特征波长,最后运用PLS偏最小二乘法建立基酒总酯模型。该模型校正集的决定系数R_C~2为0.95,校正集的均方根误差RMSEC为0.17;预测集的决定系数R_P~2为0.93、预测集的均方根误差RMSEP为0.19。与全波段光谱模型相比,该模型预测能力更强,稳定性更优。     

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。     

基于中红外光谱技术的羟丙基淀粉中掺假原淀粉的快速鉴别

采用中红外光谱获得羟丙基玉米淀粉中掺假原淀粉(玉米淀粉)的光谱数据,比较光谱数据的不同数学处理方法(求导阶数、平滑点数)对偏最小二乘法建立羟丙基玉米淀粉中掺假玉米淀粉预测模型的影响。当对光谱一阶求导和5点平滑时,模型校正集的决定系数(R_c~2)=0.984 0和均方根误差(RMSEC)=3.723%,羟丙基玉米淀粉中掺假水平实际值和所建立的模型预测值的相关系数为0.980 0。结果表明,中红外光谱法结合最小二乘法在羟丙基玉米淀粉掺假的快速鉴别上是可行的。     

基于傅里叶近红外光谱的食用油过氧化值间接检测研究

为了建立食用油过氧化值的快速测定方法,以食用油为材料,基于氢过氧化物与三苯基磷(TPP)快速反应生成三苯基氧磷(TPPO),利用TPP和TPPO在近红外光谱的吸收差异性。在光谱范围为4 650~4 500 cm-1以一阶求导及Norris平滑(NF)后采用PLS建立食用油过氧化值近红外测定模型,通过校正样品及盲样对模型进行验证,并与国标碘量法进行比较分析。结果表明:校正集预测相关系数为0.999 4,校正均方根误差为0.143 9,验证预测相关系数为0.992 6,预测均方根误差为0.555 6,盲样预测相关系数为0.997 1,标准偏差为0.400 1,所建方法与国标法测定过氧化值结果非常接近。表明傅里叶近红外光谱间接测定食用油过氧化值是可行的。     

魔芋葡甘聚糖醚化改性产物的流变学研究

魔芋葡甘聚糖羧甲基化是其醚化改性的主要途径。本文通过改性产物浓度、介质温度和剪切速率的变化考察了羧甲基魔芋葡甘聚糖水溶胶的流变性能。实验表明,在0～100℃范围内,粘度随溶胶温度上升而下降;浓度低于0.25%时,CMKGM溶胶近似于牛顿流体,当浓度高于0.25%时,其表现为假塑性流体,且其假塑性随浓度增大更为突显;剪切速率的增大,直接导致粘度递减,且高浓度溶液受其影响更明显;静态激光散射分析表明,羧甲基魔芋葡甘聚糖分子量较原魔芋葡甘聚糖下降约16.7%,根据第二维里系数的增大和均方根回转半径的较小改变反映出羧甲基魔芋葡甘聚糖溶胶的水溶性更好,这些均为魔芋葡甘聚糖在工业上的深入开发应用提供了参考依据。     

茶皂素提取过程的原位实时监测技术

采用近红外光谱技术结合化学计量学方法,实时原位监测茶皂素提取过程中的茶皂素质量浓度、蛋白质质量浓度和多糖质量浓度的变化。研究结果表明,一阶求导(1stDer)为最优的光谱预处理方法,3个指标的校正集决定系数(RC)和预测集决定系数(RP)皆最高,交叉校验残差均方根误差(RMSECV)和预测残差均方根误差(RMSEP)最小。相较于偏最小二乘法(PLS)和区间偏最小二乘法(iPLS)算法对回归模型进行校正,以RP和RMSEP为评价指标,联合区间偏最小二乘法(Si-PLS)算法下所建模型稳健性最佳。茶皂素浓度模型中的RP=0.9889,RMSEP=1.36;蛋白质浓度的RP=0.9859,RMSEP=0.354;多糖浓度的RP=0.9919,RMSEP=0.359。结论:近红外光谱技术联合Si-PLS模型可较好的实时监测茶皂素提取过程。     

基于近红外光谱技术检测白酒基酒中乙醇含量的研究

为了快速测定白酒基酒中的乙醇含量,采用近红外光谱（NIRS）技术结合偏最小二乘法（PLS）处理白酒基酒近红外图谱,建 立白酒基酒中乙醇的定量分析模型。 结果表明：最佳预处理方法为减去一条直线法,最优波段谱为7 502～5 450 cm-1,主成分数为7。 校正集样品的化学值与预测值的决定系数（R2）为0.923 3,交互验证均方根误差（RMSECV）为0.89;对模型进行检验,得到验证集的 决定系数（R2）为0.954 8,预测均方根误差（RMSEP）为1.21。 结果显示近红外检测方法快速有效,所建模型具有很好的预测效果,模型 的精密度和稳定性良好。     

近红外光谱分析技术在泡芙水分测定中的研究

水分含量快速测定是保证泡芙制作品质的重要需求。利用IAS Online-S100型在线近红外光谱分析仪,采集了130个建模集样品和30个验证样品的近红外光谱,结合光谱预处理和偏最小二乘法建立泡芙水分定量分析模型。研究结果表明,采用移动窗口平滑（平滑点数为11）+SNV法进行光谱预处理,主因子数为9的条件下,模型的决定系数R2、校正集均方根误差（RMSEC）、交互验证均方根误差（RMSECV）和预测集均方根误差（RMSEP）分别为0.88、0.49%、0.55%、0.57%。模型的预测误差在±1.3以内,精度满足工厂的使用需求。     

白酒基酒中甲酸的近红外预测模型构建

为构建白酒基酒中甲酸的近红外预测模型,达到快速预测甲酸含量的目的,采用气相色谱法测定白酒基酒中甲酸的含量作为近红外预测模型的输入量,并通过分析白酒基酒样品的近红外光谱图,比较不同光谱数据预处理方法对建模效果的影响。结果表明,白酒基酒中甲酸对近红外有特异吸收,最佳预处理方法与最优波段为:一阶导数+减去一条直线,谱区区间选择在5813～5740 cm~(-1)和8482～8260 cm~(-1)。甲酸校正集样品的化学值与近红外的预测值的决定系数为99.25%,交叉验证均方根误差为4.26 mg/100 m L,相对分析误差为11.6;进一步对甲酸进行验证和评价,甲酸验证集样品的决定系数为97.6%,均方根误差为5.53 mg/100 mL,相对分析误差为9.68。结果表明,所建立的模型效果良好,能满足白酒生产中甲酸的快速检测需求。     

基于近红外光谱技术的茶籽油掺伪定性鉴别和定量分析

茶籽油是我国特有的高级食用油。近年来茶籽油掺伪现象层出不穷，本研究利用傅里叶近红外(FT-NIR)光谱与化学计量学相结合，获得一种快速对不同掺假类型（低芥酸菜籽油、大豆油、二元混合油）和不同掺假度（0%-100%）的茶籽油进行定性和定量检测的方法。基于近红外差异光谱进行判别分析（discriminant analysis，DA），DA成功识别了不同掺假度的二元与三元混合茶籽油。通过对手动与自动筛选的不同波段结合不同预处理方法建立偏最小二乘法（Partial least squares，PLS）定量分析模型，最佳模型对掺假水平具有良好的预测性能，决定系数(R2)均大于0.91。校正均方根误差(RMSEC)和预测均方根误差(RMSEP)均接近于0。通过交叉验证，最佳模型的交叉验证相关系数均大于0.98，交叉验证均方根误差均小于0.05，表明筛选的最佳模型均具有良好的稳定性。通过外部验证，最佳模型对不同掺假类型的中、高掺假度（≥10%）的样品识别率高达100%。研究表明，利用近红外光谱技术结合化学计量学能够实现茶籽油掺假的快速、无损鉴定。     

高光谱成像技术结合线性回归算法快速预测鸡肉掺假牛肉

采用近红外高光谱成像技术(900~1700 nm)结合线性回归算法对牛肉掺假快速无损检测。将鸡肉糜掺入牛肉糜中制备牛肉掺假样品,掺假比例为2%~98%(w/w),掺假间隔为2%。采集掺假样品的光谱图像,提取光谱数据,并利用偏最小二乘回归(Partial least squares regression,PLSR)和多元线性回归(Multiple linear regression,MLR)算法建立掺假样品的定量预测模型。为了减少高维共线性问题,提高模型运算效率,分别采用PLS-β系数法、逐步回归法(Stepwise)和连续投影算法(Successive projection algorithm,SPA)筛选最优波长建立优化预测模型。结果表明,基于SPA算法结合MLR建模方法得到的掺假牛肉预测模型,其预测效果最优,校正集决定系数(R_C2)和均方根误差(Root mean square error of calibration,RMSEC)分别为0.99和3.23%,验证集的决定系数(R_P2)和均方根误差(Root mean square error of prediction)RMSEP分别为0.97和5.31%,预测偏差(Residual predictive deviation,RPD)为6.82。综上,近红外高光谱成像技术结合线性回归算法可以实现对掺假牛肉的快速无损定量检测。     

基于近红外光谱的煎炸油极性组分定量分析模型构建

为了建立煎炸油中极性组分的快速检测方法,通过热处理和模拟煎炸方式,采集氧化程度不同的油样并用 国标法分析样品极性组分,采集样品近红外透射光谱,经光谱预处理,利用偏最小二乘法建立煎炸油极性组分定量 分析模型并对模型进行验证。结果表明：在波长范围为4 963～4 616、5 2 22～5 037 cm－1和5 688～5 499 cm－1,采 用一阶求导和Savitzky-Golay（7,5）平滑光谱处理,校正集相关系数为0.996 5,校正均方根差为1.84%,验证集R为 0.993 6,验证均方根差为1.92%,模型预测效果良好,利用近红外透射光谱测定煎炸油极性组分可行。     

活菌饮料中乳酸菌活菌数的光学快速定量检测

利用傅里叶变换近红外分析仪与紫外-可见分光光度计,以市售活菌饮料为研究对象,进行饮料中乳酸菌活菌数的快速定量检测。对活菌饮料的原始光谱分别进行Savitzky-Golay（SG）平滑结合一阶求导（FD）、多元散射校正（MSC）及正交信号校正（OSC）预处理,利用偏最小二乘法建立乳酸菌活菌数定量预测模型,并对最优模型进行优化与外部验证。结果表明：对于活菌饮料中乳酸菌活菌数,采用OSC预处理的傅里叶变换近红外光谱建立的PLS模型效果最好。利用竞争自适应重加权法（CARS）进行波长筛选与模型的优化,校正集相关系数（Rc）为0.9974,校正集均方根误差（RMSEC）为0.0211,验证集相关系数（Rp）为0.9837,验证集均方根误差（RMSEP）为0.0508。利用未参与建模的市售样品对优化后的傅里叶变换近红外预测模型进行外部验证,预测值相关系数为0.9068,均方根误差为0.0108。结果表明：傅里叶变换近红外光谱能够快速、准确地检测活菌饮料中乳酸菌数活菌数,为活菌饮料生产销售流通中的质量监测提供一种快捷方便的方法。     

微波法制备羧甲基魔芋葡甘聚糖的工艺及产物性能研究

为对微波法制备羧甲基葡甘聚糖工艺及其产品的理化性质进行研究,采用单因素试验研究魔芋葡甘聚糖/氯乙酸物质的量比、魔芋葡甘聚糖/ 氢氧化钠物质的量比、微波反应时间和温度对羧甲基魔芋葡甘聚糖取代度的影响,在此基础上通过正交试验确定最佳工艺参数并研究所得产物的基本性质及其应用性能。结果表明：微波法制备羧甲基魔芋葡甘聚糖的最佳工艺是：氯乙酸、魔芋葡甘聚糖和氢氧化钠物质的量比值为1.1:1:2.5,反应温度75℃,反应时间8min,在此条件下产品的取代度为0.48;产品极易溶于水形成透明溶液,溶液稳定性增强;此外,随着取代度的提高,产品的吸潮性能和保水性能也逐渐增强。     

近红外光谱法快速测定干姜中6-姜酚的含量

目的采用近红外光谱技术建立干姜中6-姜酚的定量模型。方法以超高效液相色谱法(UPLC),分别测定样品中6-姜酚含量,作为参考值,采用漫反射模式采集近红外光谱,结合偏最小二乘法(PLS)建立光谱信息与6-姜酚含量的快速测定方法。结果 6-姜酚校正集的相关系数校正集决定系数(Rc2)为0.9902,校正集均方根误差(RMSEC)为0.0174,预测集均方根误差(RMSEP)为0.0284。结论所建方法简便、快捷、环保、测量数据可靠,可用于大批量干姜样品的快速分析。     

基于近红外光谱技术的小麦粉灰分含量检测方法研究

采用近红外光谱技术建立小麦粉灰分含量的快速检测方法。使用两种不同的近红外光谱仪器采集小麦粉的近红外光谱数据,以常规分析法的测定值作为建模数据,采用偏最小二乘(PLS)回归分析法建立小麦粉灰分的定量分析模型,比较两种不同的近红外光谱仪器扫描的小麦粉近红外光谱图对模型的影响。结果表明,MicroNIR-1700近红外光谱仪扫描的谱图所建校正集模型的相关系数R~2为90.69,均方根误差(RMSECV)为0.031 2,预测集模型的均方根误差(RMSEP)为0.021 7;VERTEX70傅里叶变换近红外光谱仪扫描的谱图所建校正集模型的相关系数R~2为89.40,均方根误差(RMSECV)为0.035 0,预测集模型的均方根误差(RMSEP)为0.036 6。两种仪器都能用于小麦粉光谱采集,并进行灰分含量快速检测,MicroNIR-1700在小麦粉灰分检测方面有更好的应用。     

近红外光谱定性定量检测牛肉汉堡饼中猪肉掺假

利用近红外光谱技术结合化学计量学方法,对不同肥肉占比的解冻牛肉汉堡饼中的猪肉掺假进行定性判别建模,并建立猪肉掺假比例的定量检测模型。结果表明：对不同掺假比例样品的判别,应用偏最小二乘判别分析方法效果优于主成分分析-支持向量机方法,最优模型校正集和验证集判别正确率均为100%。应用偏最小二乘方回归法定量检测不同肥瘦比解冻牛肉汉堡饼中的猪肉掺假比例,模型校正集和验证集的相关系数Rc和Rp、验证集均方根误差分别为0.968 9、0.861 1、7.221%。因此,应用近红外光谱技术可以实现对不同肥肉占比的解冻牛肉汉堡饼中的猪肉掺假进行定性判别和定量检测。     

近红外光谱技术应用于云芝蛋白含量的定量分析

应用近红外光谱结合偏最小二乘法(PLS)建立测定真菌云芝中蛋白含量定量分析模型.所建立的模型经过i选择最有效的光谱预处理方法,光谱区域和最适主因子数使模型最优化.实验结果表明:采用傅里叶变换在1330 nm～725 nm光谱区域,主因子数为6,建立的模型最优.模型校正集的交互验证均方根误差(RMSECV)为0.010,交互验证所得校正集样品中的蛋白含量的预测值与真实值间相关系数(Rv)为0.968;应用此模型对预测集样品中的蛋白质含量进行预测,得到预测均方根误差(RMSEP)为0.009,预测集的相关系数(Rp)为0.990.