基于正交信号校正和偏最小二乘(OSC/PLS)的苹果糖度近红外检测

采用正交信号校正法(OSC)对苹果的近红外光谱(1300nm～2100nm)进行预处理，并结合偏最小二乘法(PLS)建立了苹果光谱对糖度的预测模型。应用结果表明，经OSC法预处理后，光谱形状总体上与原始光谱没有差别，但光谱曲线变得更为光滑，排列更为整齐、紧密。这说明正交信号校正法(OSC)滤除了原始光谱中的部分噪声，但又保留了原光谱中的主要信息。苹果光谱对糖度的PLS校正模型采纳的最佳因予数会随着OSC因子的被逐个滤除而逐渐减少，甚至可减少至1(当然模型精度也有变化)。本研究中，校正模型的最佳性能产生于原始光谱被滤除10个OSC因了时，此时其采纳的最佳因了数为2，校正时的相关系数r2和标准偏差SEC分别为0．92644和0．40250，预测时的标准偏差SEP为0．50229。与OSC法处理前的PLS模型相比，其精度虽没有大幅提高，但由于采纳的因子数少，模型变得十分简洁。     

苹果中糖酸度的CCD近红外光谱分析

应用自行搭建的CCD近红外光谱系统检测苹果的糖酸度。通过Y型光纤采集120个红富士苹果的漫反射光谱,采用偏最小二乘回归(PLSR)建立苹果糖度、酸度的定量预测模型。针对CCD光谱噪声较大的特点,采用S-G平滑、一阶导数、二阶导数对光谱进行预处理。结果表明,S-G平滑后所建模型的效果最好,糖度、酸度的相关系数(r)分别为0.9240、0.8151,标准校正误差(SEC)分别为0.9254、0.0120,标准预测误差(SEP)分别为0.9407、0.0204。本研究说明应用CCD近红外光谱仪,在630～1030nm波段实现对苹果糖度、酸度的无损检测具有可行性。     

基于OSC／PLS的茶叶中EGCG含量的近红外光谱法测定

采用正交信号校正法(OSC)对茶叶的近红外光谱进行预处理,并结合偏最小二乘法(PLS)建立表没食子儿茶素没食子酸酯(epigallocatechin gallate,EGCG)含量的预测模型.PLS校正模型采纳的最佳因子数会随着OSC因子的增加而逐渐减少以达到简化模型的效果.试验以预测残差平方和(PRESS)来评价模型的整体性能,当滤除前6个OSC因子时为最佳,此时校正模型采纳的PLS因子数为5,校正肘的相关系数r2和校正标准偏差SEC分别为0.955 90和0.38279,预测时的相关系数,和预测标准偏差SEP分别为0.936 61和0.444 13.研究结果表明,应用近红外光谱法结合0SC/PLS可以快速准确地测定茶叶中EGCG的含量.     

基于MATLAB软件的苹果内部品质系统化无损检测

研究将近红外设备与MATLAB软件链接,实现苹果糖度及可滴定酸度的近红外光谱扫描、数据处理、模型建立、含量预测及模型评价等在线无损检测水果内部品质的一体化。以市售陕西红富士苹果为材料,通过近红外文件格式转换、近红外光谱预处理、偏最小二乘法(PLS)回归分析、预测模型的建立、结果预测及模型精度检验等工作编写和调试基于MATLAB语言的模块化程序,经主程序调用建立苹果糖度及可滴定酸度的定量预测模型。结果表明:本实验所建预测模型糖度及可滴定酸度预测值和真实值之间的相关系数R分别为0.9528,0.8786;标准校正误差(SEC)分别为0.4788,0.0215;标准预测误差(SEP)分别为0.3170,0.0128;标准偏差(SD)分别为1.4111,0.0390,模型具有较高的预测精度。因此,将近红外设备与MATLAB软件链接,实现苹果糖度及可滴定酸度在线无损检测的一体化具有可行性且模型检测精度较高,对开发水果内部品质评价及在线分级软件具有重要意义。     

基于siPLS的猕猴桃糖度近红外光谱检测

为了探寻一种快速无损检测猕猴桃糖度的方法,利用小波滤噪法对猕猴桃1000～2500nm 近红外光谱进行了预处理,并用偏最小二乘法(PLS)、区间偏最小二乘法(iPLS)和联合区间偏最小二乘法(siPLS)分别建立预测模型。结果表明,采用联合区间偏最小二乘法将光谱划分为16 个子区间,利用其中的第9、11、13 号3 个子区间联合建立的糖度模型效果最佳,其校正集相关系数和均方根误差分别为0.9414 和0.3788。预测集相关系数和均方根误差分别为0.9295 和0.3904,主因子数为7 个。研究表明,用小波滤噪和联合区间偏最小二乘法所建立的猕猴桃糖度模型不但减少建模运算时间,剔除噪声过大的谱区,而且预测能力和精度均有所提高。     

近红外光谱分析检测鱼丸弹性的可行性研究

本实验探讨利用近红外光谱分析技术（NIRS）测定鱼丸弹性的可能性,并建立数学模型。以质构仪采用一次压缩法测定鱼丸的弹性,取最大力作为建模数据。以定标集和验证集的相关系数及其预测标准误差作为模型好坏的判定依据。结果表明,采用偏最小二乘法（PLS）建立的数学模型,具有较高的相关系数和较低的预测误差。其中定标集的相关系数（Rc）为0．9709,定标集预测标准误差（SEC）为0．0203;验证集的相关系数（Rv）为0．9697,验证集预测标准误差（SEP）为0．0206。该研究说明利用近红外技术对鱼丸弹性进行预测是可行的。     

基于中波近红外光谱构建生鲜鸡肉胆固醇定量分析模型

通过采集市售生鲜鸡肉样品在中波近红外区的光谱信息,采用偏最小二乘法构建胆固醇定量分析模型,并评价模型的预测准确性。在建模过程中,讨论异常样品剔除与组合预处理方法等优化措施对模型的影响。参模样品经2 次异常样本剔除并以SG（Savitzky-Golay）一阶导数、SG平滑及去趋势校正进行预处理后,获得了最佳生鲜鸡肉胆固醇定量分析模型,其中：校正标准差（standard error of calibration,SEC）为4.534 8、校正集相关系数为0.919 7、预测标准差（standard error of prediction,SEP）为7.437 5、验证集相关系数为0.812 0、范围误差比为2.844 7、相对预测标准差为9.44%、主因子数为5、SEP/SEC为1.640 1。对检验集样品预测的结果表明,基于中波近红外光谱构建的胆固醇定量分析模型的预测性能较好（P＞0.05）,特别是在60～100 mg/100 g含量区间,可应用于对市售生鲜鸡肉及产品胆固醇的检测。     

基于高光谱成像技术和连续投影算法检测葡萄果皮花色苷含量

应用高光谱成像技术结合连续投影算法（SPA）实现葡萄果皮中花色苷含量的快速无损检测。采集60 组样本高光谱图像,获取样本光谱曲线,并采用多元散射校正预处理方法提高信噪比。然后采用SPA选择光谱变量,将其作为多元线性回归（MLR）、偏最小二乘（PLS）模型和BP神经网络（BPNN）的输入变量,分别建立SPAMLR、SPA-PLS和SPA-BPNN模型并与全光谱变量PLS模型相比较。结果表明,SPA-MLR、SPA-BPNN和SPA-PLS模型的预测精度均优于全光谱变量PLS模型,其中SPA-PLS模型获得了最佳预测结果,其预测相关系数Rp和预测均方根误差（RMSEP）分别为0.900 0和0.550 6。结果表明,利用近红外高光谱成像技术能够有效检测酿酒葡萄果皮中花色苷含量。     

基于近红外光谱的淀粉含水量快速检测研究

运用近红外光谱分析技术检测淀粉的含水量,收集了国内常用的不同种类的淀粉,选择最优的光谱预处理方法和光谱范围,运用偏最小二乘法（PLS）进行定量分析研究。结果表明,采用偏最小二乘法（PLS）所建的定量分析模型的相关系数R2达0．9912,预测均方根误差RMSEP为0．0784,偏差为0．132。研究发现,近红外光谱技术用于快速无损检测淀粉含水量是可行的。     

近红外光谱快速测定植物纤维原料中甲氧基含量的研究

采取偏最小二乘法（PLS）建立起近红外光谱法快速测量植物纤维原料的甲氧基含量的模型。分别使用小波变换处理前后的光谱数据建立了植物纤维原料的甲氧基含量的PLS法测量模型,建立的两模型的平方相关系数分别为0．986和0．995,并用6个样本进行了预测,预测标准偏差分别为0．75和0．71。结果表明,该模块具有较高的学习和预测精度,可以用于大量植物纤维原料样本的甲氧基含量的快速测定,这将为甲氧基含量的测量提供了新的理论和方法。     

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。     

光谱预处理结合模拟退火算法的小麦粉面筋含量检测

为得到可靠的小麦粉中面筋含量定量分析模型,基于光谱预处理及模拟退火算法（simulated annealing algorithm,SAA）对近红外光谱（near infrared spectroscopy,NIR）进行优化处理。偏最小二乘（partial least squares,PLS）回归用于建立预测模型,以决定系数R2、校正均方根误差（root mean square error of calibration,RMSEC）、预测均方根误差（root mean square error of prediction,RMSEP）为指标,对比在不同光谱预处理条件下建立的回归模型与光谱预处理结合模拟退火算法优化处理条件下的回归模型。结果表明光谱预处理结合SAA-PLS模型能够有效提高模型的稳定性和预测能力,将R2从0.763?7提高到0.949?1、RMSEC从1.371?2降低到0.589?8、RMSEP从1.450?2降低到0.534?1。结果说明,光谱预处理结合模拟退火算法对光谱进行优化处理是可行的,模型预测能力和稳定性均优于未处理模型和仅进行光谱预处理的模型。     

Chemometric Formulas Based on Physical Properties of Single-cooked Milled Rice Grains for Determination of Amylose and Protein Contents

ABSTRACT: Chemometric formulas for predicting amylose content (AC) and protein content (PC) were developed based on the surface and overall physical properties of single-cooked milled rice grains as predictive variables. The formula with 8 predictors for AC determination exhibited the highest accuracy (coefficient of determination: R²= 0.952, standard error of calibration: SEC = 1.77) for calibration and the lowest standard error of prediction (SEP = 2.07) for unknown samples (AC: 0 to 30%). The formula with 7 predictors was effective in enhancing the prediction accuracy (SEP = 1.32) among non-waxy samples in a narrow range of AC (15 to 20%). The formula with 8 predictors for PC determination showed a higher accuracy (R²= 0.449 and 0.470) for both calibration and prediction than that of a conventional 3-grain method (R²= 0.168 and 0.124). It was possible to accurately determine AC using physical measurement of single grains instead of chemical analysis.     

浦城薏米粉水分和还原糖的近红外光谱快速检测模型优化

目的 建立浦城薏米粉水分和还原糖的近红外光谱快速检测模型。方法 采集浦城薏米粉样品的近红外光谱图, 使用6种不同方法对样品的原始光谱分别进行预处理, 在全波段10000~4000 cm?1范围内建立薏米粉偏最小二乘法(partial least squares, PLS)的定量分析模型。结果 浦城薏米粉原始光谱在标准正态变换(standard normal variate, SNV)预处理后确定水分含量最佳模型的光谱波段(5944~5590 cm?1), 主因子数为7, 校正决定系数(determination coefficient of calibration, Rc2)为0.9904, 均方根误差(root mean square error, RMSEC)为0.0631; 在二阶导数法(second derivative, SD)预处理后确定还原糖含量最佳模型的光谱波段(9845~7386 cm?1), 主因子数为6, Rc2为0.9998, RMSEC为0.0187。在上述条件下, 水分和还原糖含量的验证集相关系数(determination coefficient of prediction, Rp2)分别为0.9902和0.9989, 验证均方根(root mean square of prediction error, RMSEP)分别为0.0693和0.0698。结论 经验证, 该模型可以实现浦城薏米粉中水分和还原糖含量的快速无损检测。     

灵武长枣蔗糖含量的高光谱无损检测

利用高效液相色谱法检测蔗糖含量,同时运用高光谱成像技术结合化学计量方法建立蔗糖预测模型;通过竞争性自适应加权（competitive adaptive reweighted sampling,CARS）算法、连续投影算法（successive projection algorithm,SPA）和无信息消除变量（uninformative variable elimination,UVE）降维处理,建立特征波段和全波段的主成分回归（principal component regression,PCR）、偏最小二乘回归（partial least squares regression,PLSR）和多元线性回归（multivariable linear regression,MLR）模型。结果表明,采用蒙特卡洛方法剔除异常样本后,相关系数由0.611增大到0.846;正交信号校正法预处理效果最佳,RC和RP分别为0.853和0.794;利用SPA、UVE、CARS、CARS＋SPA和CARS＋UVE五种方法提取了5、21、17、10、18 个特征变量,其中CARS-PCR模型最好,校正集、预测集的相关系数为0.861、0.843,校正集、预测集的均方根误差为0.013 mg/g和0.014 mg/g。综上,高光谱成像技术可以实现长枣蔗糖含量的预测,为更深一步探讨枣的内部品质提供参考。     

傅里叶变换近红外光谱快速检测方便面油脂含量

利用傅里叶变换近红外光谱技术测定方便面油脂含量。光谱通过多元散射校正算法(MSC)处理后,采用偏最小二乘法(PLS)建立模型,用定标集预测误差(SEC)、验证集预测误差(SEP)及其相关系数(Rc,Rv)评判模型好坏。结果发现,该法定标集预测误差和验证集预测误差分别为0.4456和0.4447,定标集和验证集相关系数分别为0.9798、0.9755;研究表明,利用近红外光谱技术能快速、准确测定油炸方便面油脂含量。     

Use of ATR-FTIR spectroscopy coupled with chemometrics for the authentication of avocado oil in ternary mixtures with sunflower and soybean oils

Avocado oil is a high-value and nutraceutical oil whose authentication is very important since the addition of low-cost oils could lower its beneficial properties. Mid-FTIR spectroscopy combined with chemometrics was used to detect and quantify adulteration of avocado oil with sunflower and soybean oils in a ternary mixture. Thirty-seven laboratory-prepared adulterated samples and 20 pure avocado oil samples were evaluated. The adulterated oil amount ranged from 2% to 50% (w/w) in avocado oil. A soft independent modelling class analogy (SIMCA) model was developed to discriminate between pure and adulterated samples. The model showed recognition and rejection rate of 100% and proper classification in external validation. A partial least square (PLS) algorithm was used to estimate the percentage of adulteration. The PLS model showed values of R² > 0.9961, standard errors of calibration (SEC) in the range of 0.3963–0.7881, standard errors of prediction (SEP estimated) between 0.6483 and 0.9707, and good prediction performances in external validation. The results showed that mid-FTIR spectroscopy could be an accurate and reliable technique for qualitative and quantitative analysis of avocado oil in ternary mixtures.     

近红外光谱法快速分析甲糖蜜的应用

研究应用近红外光谱法快速分析甘蔗制糖生产中甲糖蜜的锤度和蔗糖分。采用NIRSystems 6500型近红外多功能分析仪,对采自生产线的甲糖蜜进行光谱扫描和测定,用时小于2 min。锤度模型的光谱预处理方法"SNV+Detrend、一次求导和一次平滑联合处理"效果最佳,改进型偏最小二乘法建立的模型效果最佳,SEC为1.08,SEP为1.211;蔗糖分模型的光谱预处理方法"SNV+Detrend、二次求导和一次平滑联合处理"效果最佳,改进型偏最小二乘法建立的模型效果最佳,SEC为1.370,SEP为0.75。锤度和蔗糖分的偏差都小于允许误差,并满足糖厂要求,说明近红外光谱法应用在甲糖蜜锤度和蔗糖分的快速测定是可行的。