应用傅立叶变换近红外光谱检测婴幼儿配方奶粉中的乳糖含量

利用傅立叶变换近红外光谱（FT-NIR）技术结合偏最小二乘法（PLS）对婴幼儿配方奶粉中的乳糖进行快速检测分析。搜集 94个不同产地、不同品牌的婴幼儿配方奶粉中乳糖的实验室数据,并采集婴幼儿配方奶粉的近红外光谱图,选择最优的光谱预处理方法,优化、验证和建立模型,并预测6个未知品牌的婴幼儿配方奶粉样品的乳糖含量。结果表明,不同阶段的婴幼儿配方奶粉有非常相似 的近红外特征图谱,图谱处理后的方差为95.423 5%,该模型测定的乳糖值与高效液相色谱（HPLC）法测定的乳糖值之间的平均相对误 差均≤0.67%,相对标准偏差（RSD）均≤0.88%,均符合误差范围。该方法可以无损、快速、高效地测定婴幼儿配方奶粉中的乳糖含量。     

近红外光谱快速检测婴幼儿配方乳粉中主要成分的方法研究

目的研究利用近红外光谱技术快速检测婴幼儿配方乳粉中主要成分的方法。方法收集12个品牌的婴幼儿配方乳粉共100份样品,采集10 000~4 000 cm-1波数范围内的近红外光谱,采用主成分回归和偏最小二乘法建立校正模型,并对比光谱预处理方法对模型的影响。结果采用偏最小二乘法建模,光谱采用标准正态变量变换预处理,模型预测效果最佳,主要成分蛋白质、脂肪、膳食纤维、水分、灰分、可获得碳水化合物和能量的预测方差分别为98.44%、97.40%、96.18%、96.74%、96.97%、96.55%和95.35%,估计标准误差分别为0.354 2、0.473 8、0.201 4、0.105 8、0.093 61、0.520 7和13.64。对模型进行外部验证,将预测样品的7项主要成分的预测结果与实验室检测结果进行比较,相对误差及相对偏差均在5.00%以下,7项主要成分符合国家标准的精密度的要求。结论本方法能快速有效的测定婴幼儿配方乳粉中蛋白质、脂肪、膳食纤维、水分、灰分、可获得碳水化合物的质量分数及能量的含量。     

基于近红外光谱技术的咖啡掺假快速鉴别方法

本文研究了利用近红外光谱技术结合AdulterantScreen算法建立的咖啡快速鉴别方法。采用傅里叶变换近红外光谱仪采集咖啡样品光谱,建立标样(材料光谱)光谱数据库,采集掺假物光谱数据,建立掺假物光谱数据库,建立了咖啡分类模型及掺假物模型,运用Adulterant Screen算法技术对模型的主成分及掺假成分进行计算分析,建立了咖啡掺假快速鉴别模型。本咖啡快速鉴别方法对含量在2%、5%、10%、15%、20%、30%及40%巴西莓果粉和5%、10%、15%、20%、30%及40%大麦掺假咖啡可以实现有效的掺假鉴别,最低识别咖啡中巴西莓果粉及大麦掺假含量分别为2%及5%。利用近红外光谱技术结合Adulterant Screen算法建立咖啡快速鉴别模型可以鉴别咖啡中巴西莓果粉和大麦等掺假物,为咖啡样品掺假鉴别提供了一种快速、可靠、无损的检测方法,能有效的运用于咖啡样品掺假鉴别的日常检测工作中。     

HPLC法测定婴幼儿配方奶粉中香兰素

建立了婴幼儿配方奶粉中香兰素的高效液相色谱测定法。方法采用C18（5um,4.6mm×250mm i.d）反相色谱柱,流动相为乙腈和0.02moL/L磷酸二氢钠溶液（调pH值4.0）,流速1.0mL/min,检测波长276nm,柱温30℃,进样量20μL。方法定量限10mg/kg,加标回收率96.9%～102.8%,线性范围1.00～50.00μg/mL,相对标准偏差为2.15%。该法具有样品预处理简单,灵敏度高,分析时间短等优点,适用于婴幼儿配方奶粉中香兰素的快速测定。     

婴幼儿配方奶粉中叶黄素的添加

介绍了一种可直接添加到婴幼儿配方奶粉中合适的叶黄素粉剂,考察了其理化性质、干粉稳定性,并探讨了奶粉中叶黄素的应用稳定性.结果表明:此叶黄素干粉具有良好的流散性、稳定性、水分散性.与奶粉混合均匀,适于添加到各种婴幼儿配方奶粉中.     

婴幼儿配方奶粉中维生素B2的快速测定

建立了婴幼儿配方奶粉中维生素B2的高效液相色谱快速测定方法.样品用质量分数为3％偏磷酸溶液提取,用高效液相色谱仪(C18柱)分析,流动相为甲醇-H2O (33∶67,体积比),流速1.0 mL/min,荧光检测器激发波长462 nm,发射波长522 nm,维生素B2以保留时间定性,外标法峰面积定量.结果表明,乳粉样品在5～50 mg/kg添加水平范围内,回收率在96.0％～101％之间,相对标准偏差1.14％～6.05％,方法的定量限为0.5 mg/kg.该法简便、准确,适用于乳粉中维生素B2检测.     

婴幼儿配方奶粉中溶菌酶添加工艺的研究

本研究对婴幼儿配方奶粉中溶茵酶的添加工艺进行了研究.分别在均质前、杀菌前、喷雾干燥前、喷雾干燥后进行溶菌酶的添加实验,然后分别在样品储存的第1 d,第15 d,第30 d,第60 d取出-部分样品进行细菌总数测定.研究结果表明溶菌酶添加工艺及添加量等因素对产品抑菌效果均有影响,并确定了喷雾干燥后500mg/L的溶菌酶添加量时抑茵效果最好.     

婴幼儿配方奶粉中脂肪过氧化值测定方法

阐述了婴幼儿配方奶粉中脂肪过氧化值的测定方法,比较了有机溶剂浸泡过夜法、氨水水解法和有机溶剂直接萃取法对过氧化值的影响;比较了不同提取溶剂对过氧化值的影响。结果表明:直接萃取法实验结果较好,采用乙醚做提取剂,优化的条件为乙醇使用量为100 mL,乙醚的使用量为120 mL,通过计算,该方法的重复性限为0.56 mmol/kg,样品质量分数重复性限在3.89~10.4 3 mmol/kg范围内均适用。     

UPLC-MS/MS快速测定婴幼儿配方奶粉中叶酸质量分数

建立了一种快速检测婴幼儿配方奶粉中叶酸(FA)质量分数的方法。用体积分数为50%甲酸溶液对试样调节pH值到4.6,通过高速离心使蛋白质沉淀,上清液过0.2μm尼龙过滤膜,进行UPLC-MS/MS分析。采用ACQUITY UPLC HSS T3 1.8μm 2.1 mm×100 mm色谱柱分离,MRM多反应监测定量。最小检出限0.005 mg/L(对应乳粉0.025 mg/kg),最小定量限0.02 mg/L(对应乳粉0.1 mg/kg)。线性范围0.1～1.0 mg/L(对应乳粉0.5~5.0 mg/kg),相关系数R2=0.9996,回收率93.4%～98.7%,相对标准偏差3.80%。实验表明此方法便于操作,具有良好的精密度与准确度,且选择性强。适合用于检测婴幼儿配方奶粉中叶酸(FA)质量分数。     

婴幼儿配方奶粉发展现状及分析

婴幼儿配方奶粉成为越来越多婴幼儿的主要食物,其产品质量和营养价值受到人们广泛关注。介绍了婴幼儿配方奶粉产生的背景、目前消费情况以及国内外生产水平。进而从安全性、营养均衡性、配方针对性等方面分析了婴幼儿配方奶粉的优缺点,提出了解决办法,并综合各方面因素对其发展趋势进行了分析。     

近红外光谱法对鸡肉品种的快速无损鉴别

选取爱拔益加肉鸡（又名AA肉鸡）、京海黄鸡和狼山鸡鸡胸肉各40 个肉样,应用便携式近红外光谱仪在1 000～2 500 nm波长条件下分别对鸡肉肉块和肉糜进行光谱扫描,并测定肉样的颜色、蛋白质、脂肪和水分含量。各选择90 个肉样作为建模集,采用偏最小二乘判别分析法分别建立了鸡肉肉块和肉糜的品种鉴别模型。所建的两个模型对校正集和验证集样本的鉴别准确率均分别为100%和97.7%,对剩余预测集的各30 个肉样进行鉴别分析的鉴别准确率均为90%。     

基于近红外光谱技术的桃品质指标快速检测方法研究

采用傅里叶变化近红外光谱技术建立桃的甜度、酸度和硬度品质参数快速检测方法.采集1 000～2 500nm范围的近红外光谱,选取1 110～2 325nm为分析区域,描述谱峰的归属.以常规分析测定值作建模数据,采用偏最小二乘(PLS)回归法建立桃的品质参数定量分析模型,并考察近红外光谱预处理方法对模型的影响.分别用验证集和校正集样本分析模型预测的准确性.结果显示预测集均方差(RMSEP)分别为0.98、0.309、2.81,校正集均方差(RMSEC)分别为0.258、0.1、1.83,相关系数分别为0.9766、0.8918、0.9497.样本的预测值与真实测定值之间没有显著性差异(P＞0.05).本研究结果表明,采用近红外光谱法可同时测定桃的甜度、酸度和硬度等品质参数.与传统的化学分析方法相比,该方法具有快速、无损、简单等特点.     

近红外光谱法检测婴幼儿营养米粉蛋白质含量

以160个婴幼儿营养米粉为样品,应用近红外光谱技术和偏最小二乘法建立了婴幼儿营养米粉中蛋白质含量的近红外模型。比较了2、3、4、5、6、7、8 mm不同装样厚度(即光程)下样品近红外光谱的稳定性,通过样品光谱在不同波数下的标准差选定了5 mm为最佳的装样厚度;比较了变量标准化、导数、多元散射校正和9点平滑预处理方法对模型建立的影响,根据模型的相关系数和均方根误差确定了最佳的预处理方法,为变量标准化、一阶导数和9点平滑,预处理后的光谱数据结合国标方法测定的蛋白质含量建立了婴幼儿营养米粉中蛋白质含量的近红外定量分析模型,定标集和验证集相关系数分别为0.9856、0.9841,均方根误差分别为0.2431%、0.2456%,对已建立的近红外光谱定量分析模型进行了外部样品验证,预测准确度达到96%,验证结果证明了近红外检测技术与国标方法一致性较好,速度快且不需要样品前处理,在婴幼儿营养米粉蛋白质含量分析中具有广泛的应用价值。     

近红外光谱技术快速鉴别查哈阳大米

查哈阳大米为黑龙江特色品牌大米,为保护查哈阳大米品牌,实现查哈阳大米原产地快速真伪鉴别。通过构建不同地域和品种水稻试验田,收获期内对试验田大米的近红外光谱进行全波长扫描,筛选与产地相关特征波段。在特征波段处对来自查哈阳地区及非查哈阳地区的233份大米进行定性分析及定量分析。结果表明,与产地因素主要相关的波长为5 136~5 501 cm~(-1),利用此波段采用因子化法建立定性分析模型对查哈阳大米正确鉴别率为100%,采用偏最小二乘法建立的定量分析模型对查哈阳大米正确判别率为95.83%。     

应用近红外光谱技术快速测定粳稻品种的直链淀粉含量

应用近红外光谱法以稻谷、糙米、精米、糙米粉和精米粉为扫描材料分别建立了粳稻直链淀粉含量的预测模型。结果表明采用光谱预处理的校正效果比不采用预处理的好,用偏最小二乘法(PLS)获得的粳稻稻谷、糙米、精米、糙米粉、精米粉的回归模型和交叉验证结果为:最优校正决定系数(R2)和交叉检验均方误差(RMSECV)分别为0.8136、2.74,0.8864、2.56,0.8915、2.59,0.9261、2.26,0.9505、1.83,粉碎性样品的误差比整粒样品的误差小。育种实践中,低世代可选用糙米、高世代可选用糙米粉或精米粉作为扫描样本测定稻米直链淀粉含量。     

速溶普洱茶中水分、咖啡碱和茶多酚含量近红外光谱快速测定方法的建立

以随机抽取的42个市售速溶茶产品为研究对象,采用近红外光谱分析技术并结合偏最小二乘法(PLS)对其水分、咖啡碱和茶多酚含量进行定标建模分析。建模结果以校正集相关系数(R_c)、校正集均方根误差(RMSEC)、交互验证相关系数(R_cv)和交互验证均方根误差(RMSECV)为指标评价模型的优劣。结果表明,水分较为理想的定标模型R_c=0.9266,RMSEC=0.6439,R_cv=0.8809,RMSECV=0.8509;咖啡碱的最优定标模型R_c=0.9964,RMSEC=0.1337,R_cv=0.9543,RMSECV=0.4958;茶多酚较为理想的定标模型R_c=0.9845,RMSEC=1.2097,R_cv=0.9679,RMSECV=1.8083。经验证集样品检验,水分、咖啡碱、茶多酚的预测相关系数分别是0.9050、0.9350、0.9557,与实际测定值吻合度较高,可为速溶普洱茶制品理化成分的快速检测提供参考。     

基于近红外光谱技术快速检测椰汁品质

本研究应用近红外光谱技术结合主成分分析法(PCA)对3个不同品种的椰子,3个不同品牌成品椰子饮料及椰子粉进行定性分析。结果表明,对椰子3种不同形式的加工产品(椰子原汁、椰子饮料、椰子粉)进行定性分析的准确判别率均达到100%。采用近红外光谱技术结合偏最小二乘法(PLS)对椰汁饮料中原汁含量进行定量分析。为保证所建模型的稳健性、准确性,消除干扰,采用6种不同的预处理方法对近红外光谱技术进行优化,结果表明经过中心化预处理可得最佳模型,其R_p²、RMSEP、R_c²、RMSEC分别为0.9942、0.0435、0.9932、0.0519。本研究表明近红外光谱技术可为市售椰汁及椰子加工制品品质的快速、无损检测提供一种新思路。     

近红外光谱技术在肉类定性鉴别中的研究进展

近红外光谱技术作为新型的快速绿色检测技术,在肉类工业中得到了广泛的应用。本文综述了近红外光谱技术在肉类定性鉴别中的研究进展,主要包括在肉的等级鉴别、品种鉴别、物种鉴别以及产地溯源、饲喂方式中的鉴别研究。肉的等级一般人工分为RFN、PFN、PSE、RSE四类,近红外光谱对肉的等级鉴别正确率在80%以上;对于同一物种不同品种肉的研究主要是在猪肉、牛肉上,主要通过多元定量校正方法或判别分析法来鉴别同一物种不同品种、不同年龄阶段的肉,且鉴别正确率大于95%;在不同物种之间的鉴别主要应用于鉴别猪肉、羊肉、牛肉、鸡肉等不同物种以及掺假肉,鉴别正确率在90%以上;在产地溯源、不同饲喂方式之间的鉴别,能够正确鉴别牧草和浓缩料饲喂的羔羊、母羊和人工饲喂的羔羊、不同地区的牛肉以及羊肉的产地溯源等,鉴别正确率大于83%。综上所述,近红外光谱在肉类定性鉴别中可行。     

近红外光谱快速检测乌珠穆沁羊肉氨基酸含量

利用近红外光谱分析技术快速检测乌珠穆沁羊肉中不同氨基酸含量。选取42 只相同饲喂条件、体质量相近的6 月龄乌珠穆沁羊,采集背最长肌、臂三头肌、股二头肌3 个部位共126 块肌肉样本,采集样本近红外光谱并测定氨基酸含量。采用偏最小二乘法关联光谱与氨基酸数据,建立乌珠穆沁羊肉中17 种氨基酸的定量预测模型,最后以模型交叉验证均方根及校正决定系数（R2校正）、验证决定系数（R2验证）、预测模型的验证集标准偏差与预测标准偏差比值（ratio of standard deviation of the validation set to standard error of prediction,RPD）作为评价模型的参数。结果表明：所建立的氨基酸含量预测模型准确度较高,其中总氨基酸（total amino acid,TTA）、必需氨基酸（essential amino acid,EAA）、组氨酸、赖氨酸含量的近红外光谱预测模型的R2验证分别为0.818、0.803、0.861和0.858。分别对预测模型进行外部验证,其中EAA、组氨酸、精氨酸、丝氨酸、谷氨酸、甘氨酸、赖氨酸验证结果的RPD值均超过1.74,TAA验证结果的RPD值为2.60,预测模型准确度达到应用水平,可作为一种快速、准确测定羊肉中氨基酸含量的方法。