花生籽仁黄酮含量近红外分析检测方法

黄酮是影响花生籽仁营养价值的重要指标,常用的分光光度法及色谱法测定黄酮含量费时费力,不适于育种过程中大批量的检测。构建其近红外测定模型可为快速检测籽仁黄酮含量提供重要的技术保障。该研究以290份不同黄酮含量的花生种质为材料,Al³⁺显色法测定的黄酮含量在46.96～140.18 mgRT(RT:rutin)·(100 g)^-1之间。使用瑞典波通DA7250型号的近红外分析仪(950～1 650 nm)扫描和采集花生籽仁的近红外光谱值,选用全波长光谱范围内偏最小二乘回归法(PLSR),对比单一和复合不同的预处理方法,比较不同模型的相关系数和误差来预测最佳模型,确定黄酮含量近红外光谱定标模型的最佳光谱预处理方法为“Savitzky-Golay Derivative+Baseline+De-trending”,校正集相关系数(R_c)为0.884,标准误差(RMSEC)为4.998。模型构建过程中,采用含有Savitzky-Golay Derivative的组合光谱预处理方法可以显著提高模型预测的相关系数。利用50份花生样品对该...     

近红外漫反射光谱法测定黄芩中总黄酮及黄芩苷的含量

文章建立了近红外漫反射光谱技术快速测定中药黄芩中主要活性成分黄芩苷和总黄酮含量的方法.对黄芩苷含量在12.24%～21.34%,总黄酮含量在16.08%～26.52%范围内的61个不同产地的黄芩,选择在8 000～4 000 cm-1范围内的近红外吸收光谱,采用偏最小二乘算法(PLS)比较不同光谱预处理方法建市的校正模型,结果表明一阶导数和最小最大归一化的数据预处理方法分别为黄芩苷和总黄酮最优预处理建模方法.黄芩苷校正集相关系数(r)为0.902 4,校正集标准偏差(SEC)为1.01,预测集标准偏差(SEP)为0.876 4;总黄酮校正集相关系数(r)为0.952 7,校正集标准偏差(SEC)为0.785,预测集标准偏差(SEP)为0.521 1,该方法快速简便,适合于黄芩中主要活性成分的快速分析.     

近红外光谱法直接检测甜叶菊叶片甜菊糖苷模型建立

使用近红外光谱技术直接扫描甜叶菊干叶片,建立了甜菊苷(stevioside,ST)和莱鲍迪苷A(rebaudioside A,RA)的检测模型。对甜菊苷含量在0.27%~1.40%,莱鲍迪苷A含量在0.61%~3.98%范围内的不同品种的甜叶菊干叶片进行了近红外光谱扫描,共扫描了105份。采用偏最小二乘法建立甜菊糖苷的检测模型,比较了减去一条直线、多元散射校正、一阶导数和二阶导数等不同的光谱预处理方法对模型的影响。结果显示减去一条直线的数据预处理方法为ST的最优建模方法。ST校正集相关系数为0.986,校正均方根误差为0.341,预测均方根误差为1.00,相对分析误差为2.8;RA采用无光谱预处理建模,RA的建模结果相关系数为0.967,校正均方根误差为1.50,预测均方根误差为1.98,相对分析误差为4.17。说明近红外光谱技术检测甜叶菊干叶片中ST和RA的含量具有一定的可行性。同时与甜叶菊粉末ST模型结果相关系数为0.986,校正均方根误差为0.32,预测均方根误差为0.601,相对分析误差为2.86和RA模型结果相关系数为0.968,校正均方根误差为1.50,预测均方根误差为1.48,相对分析误差为4.2相比差异不明显。但减少了叶片粉末检测过程中的烘干、研磨的步骤,节省了时间,降低了工作量。     

近红外光谱法快速检测绿茶中儿茶素的含量

提出了一种应用傅里叶近红外漫反射光谱分析技术快速检测茶叶中主要儿茶素含量的新方法.首先获取茶叶在10000～4000 cm<'-1>范围的近红外漫反射光谱,然后以高效液相色谱分析值作参考值.采用偏最小二乘法建立茶叶中表没食子儿茶素没食子酸酯(EGCG)、表儿茶素没食子酸酯(ECG)和表没食子儿茶素(EGC)含量的定量分析模型.通过交互验证方法来优化模型的主成分数和所采用的光谱预处理方法.EGCG、ECG和EGC三个模型预测值和参考值问的相关系数分别为0.9800、0.9763和0.9853,预测均方根误差分别为0.3509、0.1147和0.1365.研究结果表明,近红外光谱技术可成功地检测茶叶中EGCG,ECG和EGC的含量.     

近红外光谱法快速测定毛竹Klason木质素的含量

研究了用近红外漫反射光谱法对毛竹Klason木质素含量的快速预测。选取了代表不同竹龄、不同高度和横向不同位置的54个竹材粉末样品,用常规实验室方法测定了54个样品的Klason木质素含量,用近红外光谱仪漫反射方式在350～2500 nm范围内采集相应样品的光谱,利用多变量统计分析软件建立样品木质素含量和光谱数据之间的相关性模型。结果表明,对原始光谱进行二阶导数预处理后,选择1 011～1675 nm和1930～2488 nm波长区间,用偏最小二乘法(PLS1)和完全交互验证方式建立了的校正模型和预测模型的相关系数分别为0.99,和0.97,校正标准误差SEC＝0.36％,预测标准误差SEP=0.59％,说明毛竹Klason木质素含量和近红外光谱之间存在非常好的相关性,用近红外光谱技术可以实现对竹材样品中Klason木质素含量的快速预测。     

近红外光谱法在蛹虫草诱变筛选及其发酵条件优化中应用

应用近红外(NIR)光谱技术结合化学计量学法建立测定蛹虫草菌丝体中腺苷、蛋白、多糖和虫草酸4种主要有效成分含量的定量分析模型,可应用于蛹虫草高产突变株的筛选和发酵条件的优化。468株蛹虫草突变株在不同的摇瓶发酵条件下进行发酵,收集菌丝体粉末样品并采集NIR光谱,同时采用常规方法分别测定样品的4种有效成分含量。偏最小二乘法(PLS)用于建立NIR光谱与有效成分含量间相关模型。采用蒙特卡罗偏最小二乘法(MCPLS)识别异常样本和选择合适的校正集样本数;采用移动窗口偏最小二乘法(MWPLS)筛选波长变量;以逼近度(Da)为考察指标,选择最有效的光谱预处理方法和最适的PLS隐变量数,最终得到测定蛹虫草菌丝体中腺苷、蛋白、多糖和虫草酸含量的最优PLS模型,其校正集样本参考值与预测值间相关系数(Rc)分别为0.92943,0.98479,0.90785和0.85131;预测集误差(RMSEP)为0.66714,0.02065,0.01131和0.01159,表明模型具有很好的拟合度和预测性能,应用该方法进行蛹虫草诱变筛选和发酵条件的优化是可行的。     

近红外光谱法测定不同产地黄芪中毛蕊异黄酮葡萄糖苷和黄芪甲苷含量

采用近红外漫反射光谱法对黄芪中毛蕊异黄酮葡萄糖苷和黄芪甲苷的含量进行快速无损检测。以液相色谱质谱联用分析值为参比,采用偏最小二乘法建立黄芪中毛蕊异黄酮葡萄糖苷和黄芪甲苷的定量分析模型。结果显示,毛蕊异黄酮葡萄糖苷近红外光谱经多元散射校正(MSC)+一阶导数+Savitzky-Golay卷积平滑预处理后模型最优,模型参数R2为0.826 6,RMSEP值为0.022 7,校正集R2为0.863 5,RMSEC值为0.019 0;黄芪甲苷近红外光谱经二阶导数+Savitzky-Golay卷积平滑预处理后模型最优,模型参数R2为0.854 8,RMSEP值为0.006 41,校正集R2为0.796 3,RMSEC值为0.007 99。近红外光谱技术结合偏最小二乘法可快速、准确的对黄芪中毛蕊异黄酮葡萄糖苷和黄芪甲苷的含量进行检测。此外,通过主成分分析,发现甘肃产黄芪与其他产地黄芪差异不大,排除甘肃产黄芪后,山西、四川和吉林的样本区分度较高。     

荧光相关光谱测定溶液中胭脂红的含量

使用FLS920P型荧光光谱仪测量了20个合成色素胭脂红溶液样本的荧光发射谱,实验表明：胭脂红的最佳激发波长为300 nm,在此波长激发光下,荧光峰值波长为440 nm。同时测量相同条件下超纯水的光谱数据作为参考光谱,进行与胭脂红溶液光谱数据的相关计算,构建以浓度为外扰的荧光相关光谱。采用sym8小波函数4尺度降噪,将降噪后的同步相关光谱数据、自相关光谱数据应用偏最小二乘回归(PLSR)算法进行预测,建立溶液中胭脂红含量的定量模型,结果表明：采用同步相关光谱建模的预测相关系数为99.863%,预测均方根误差为0.414 μg·mL-1;而采用自相关光谱建模的预测相关系数为99.940%,预测均方根误差为0.303 μg·mL-1。对比可知,自相关光谱数据有效地避免了信息冗余,预测结果更为可靠。该方法无需样本处理,操作简单,为食品安全检测提供了一种新的思路。     

近红外光谱法测定双黄连口服液中绿原酸和连翘苷的含量

选择多批双黄连口服液样本,应用HPLC法测定绿原酸和连翘苷的含量,同时进行NIRS测定,建立了绿原酸和连翘苷的含量预测模型,以相对偏差(RSEP)及相关系数(r)为指标考察数据处理方法,以交互验证均方根误差(RMSECV)为指标考察NIRS的预处理方法及选择光谱范围或波数点。数据处理方法为逐步多元线性回归(SMLR),直接采用原始光谱进行建模,绿原酸的波数为6 654.06和7 106.08 cm-1,连翘苷的波数为5 456.06和7 222.08 cm-1,最优模型预测绿原酸和连翘苷含量的RMSECV分别为0.857 26和0.889 87,相关系数分别为0.857 26和0.889 87。外部交互验证的结果表明该预测模型准确可靠,可作为双黄连口服液的快速质量评价控制方法。     

花生蛋白组分及其亚基含量近红外分析检测方法

花生球蛋白、伴花生球蛋白及亚基含量显著影响蛋白质的凝胶性和溶解性等功能特性,进而影响其在肉制品、植物蛋白饮料中的应用效果.目前常采用提取蛋白质后再用电泳及光密度法测定球蛋白、伴球蛋白及亚基含量的方法,操作步骤繁琐,样品损失量大.为此收集了178个花生品种,分别提取蛋白,采用电泳法测定球蛋白、伴球蛋白、23.5和37.5...     

近红外漫反射光谱无损检测乳粉蛋白质的研究

利用近红外漫反射光谱技术对奶粉蛋白质含量的快速无损检测进行了研究。挑选来自国内不同地区的29种奶粉,以化学分析值作参比,采用偏最小二乘回归算法建立奶粉光谱信息和蛋白质含量的定量模型,预测均方根差(RMSEP)为0.687%。采用波长选择对模型进行优化后,波长点从1 558个减为11个,大大加快了运算速度,同时还在一定程度上提高了模型的精度。为了减小颗粒大小不均匀和粒子表面非特异性散射的影响,对光谱数据进行了标准正态变量(SNV)变换和多元散射校正(MSC),结果表明这两种方法是有效的,得到RMSEP减小了约37%。研究结果表明,近红外漫反射光谱测定奶粉中蛋白质含量实时、快速,能满足工业过程分析中的测量精度要求,为提高奶粉质量分析水平提供了新的途径。     

应用近红外光谱技术快速检测果醋糖度

为了对果醋糖度值进行快速准确检测,应用近红外光谱技术并结合最小二乘支持向量机分析方法建立了果醋糖度检测模型.应用近红外透射光谱获取五种类型共计300份果醋样本的光谱透射曲线,利用主成分分析方法对原始光谱数据进行降维处理,根据主成分的累计贡献率选取6个主成分.选取的主成分即作为光谱优化特征子集以替代原来复杂的光谱数据.随后将300份果醋样本数据随机分为定标集和预测集,利用最小二乘支持向量机在225个定标集样本数据基础上建立起果醋糖度预测模型,应用此模型对75个预测集样本进行糖度预测.根据预测均方根误差(RMSEP)和预测结果的相关系数(r)对预测模型进行评价,利用此模型得到的样本糖度预测值r=0.993 9,RMSEP=0.363,均达到了较好的预测效果.     

森林地表凋落物含水率红外光谱特性分析

为了实现森林地表凋落物含水率的实时测量,研究了森林地表凋落物含水率与红外光谱特性参数之间的关系。选取了四种森林地表凋落物,搭建了含水率红外光谱测量装置,获得了不同含水率所对应的红外吸收光谱图,分析了不同含水率与峰值吸收光强、谷肩连线与谷底连线交点纵坐标、吸收谷面积之间的关系。结果表明,含水率吸收谱线峰值在1 450 nm附近;三种光谱参数中,森林地表凋落物含水率与峰值吸收光强线性相关性最好,所得一元回归方程经F检验显著性良好,斜率的相对不确定度均小于1.0%和截距的相对不确定度小于0.51%,相关系数γ＞0.95。为含水率实时测量仪的光源选择和标定提供了依据。     

药品近红外光谱通用性定量模型评价参数的选择

为寻找药品近红外通用性定量模型在建立过程中用于确立最优模型的关键评价参数组合,收集整理了目前各种商品化化学计量学软件及文献中的13个常用于评价近红外定量模型的统计学参数,结合人用药品注册技术要求国际协调会对于药品定量分析方法验证基本要求,对92个药品近红外通用性定量分析模型的这些参数进行了计算和分析。通过对各个参数之间相互关系的研究,确定了适合于药品近红外通用性定量分析模型评价的参数组合,并统计出了这些参数的数值范围：用于模型准确性评价的关键参数为交叉验证均方根误差/预测均方根误差、平均相对偏差和相对分析误差;大部分交叉验证均方根误差/预测均方根误差结果在3%以内,其中交叉验证均方根误差在数值上与平均绝对偏差相当,大部分相对分析误差值大于2,而平均相对偏差的数值与所建模型的类型(剂型、样品的包装形式)和待测成分含量的分布有关。模型线性评价关键参数为决定系数;大部分模型的决定系数在80%～100%之间。模型耐用性关键评价参数为预测均方根误差与交叉验证均方根误差的比值,大部分模型该参数在1.5以内。精密度评价关键参数为重复测定结果的标准差;该参数对于规范近红外的操作,以及考核模型能否在不同仪器间传递具有重要的意义,但目前药品近红外通用性定量模型对于分析精密度的关注较少,无法估计出具体数值范围。该研究不仅为药品近红外通用性模型的建立者和使用者提供了评价模型优劣的依据,也为完善药品近红外光谱通用性定量分析模型的参数评价体系提供了基础数据。     

粉末样品颗粒大小对花椒挥发油近红外光谱定量预测的影响研究

为了快速有效评定花椒质量等级,应用近红外光谱分析技术,采用偏最小二乘法,对141份花椒样品粉碎成八种不同颗粒大小的粉末,对近红外光谱分别建立挥发油含量预测模型,当粉末样品颗粒大小为40目时,建立的模型最优,交叉验证测定系数r2141为0.9364,交叉验证误差均方根RMSECV141为0.421。使用105份40目粉末样品近红外光谱所建立的模型对36份样品的预测集进行预测,光谱预处理采用Meancentering vector normalization,谱区在6100.1~5774.2cm-1及4601.6~4424.2cm-1,则预测测定系数r326为0.9862,预测集验证误差均方根RMSEP36为0.192,预测相对标准差RSD36为4.95%,预测相对分析误差RPD36为8.517。研究结果表明,对花椒进行近红外光谱扫描前,粉碎到40目时所建立的近红外光谱模型最佳,使用近红外光谱技术快速有效检测花椒挥发油含量是可行的。     

近红外光谱用于皮棉杂质含量预测和分类的研究

采用光纤漫反射光谱采集模式,采集未经预处理皮棉的近红外光谱,对比不同的光谱预处理方式,应用偏最小二乘回归建立皮棉杂质含量预测模型,判别分析法分类皮棉和杂质含量级别。采用一阶微分光谱预处理,使用3个主成分建立的杂质含量PLS模型预测相关系数r为0.906,RMSEC为0.440,RMSEP为0.823; 采用判别分析,分类含有植物性杂质皮棉和纯皮棉,使用15个主成分准确度达到95.4％; 判别含有多类杂质皮棉,分类准确率仅能达到80.9％。而杂质含量级别分类效果不佳。研究表明,皮棉近红外光谱可以预测皮棉中杂质含量等指标,但受到杂质含量、类型和均匀度的影响,后续研究应通过透射采集模式等方法,改善光谱质量,提高预测精度。     

葡萄浆果糖度可见/近红外光谱检测的研究

针对可见/近红外光谱与水果糖度存在非线性相关的特点,利用漫反射光谱测定方法获取了葡萄浆果的可见/近红外光谱,提出了应用偏最小二乘（PLS）结合人工神经网络（ANN）建立葡萄浆果糖度的预测模型,利用偏最小二乘法（PLS）对原始光谱数据进行处理,得出交叉检验的最佳主因子数为3,并将3个主因子的得分作为三层BP神经网络的输入。通过定标集样本对BP神经网络进行训练,用优化的BP神经网络模型对预测集样本进行预测。PLS-ANN模型对样本的预测模型检验参数r2为0.908,RMSEP为0.112,Bias为0.013,好于只使用PLS模型的预测模型检验参数r2为0.863,RMSEP为0.171, Bias为0.024。结果表明,利用近红外光谱技术无损检测葡萄浆果糖度等内部品质是可行的,为今后进一步分析建立浆果内部品质预测模型奠定了基础。     

近红外光谱法快速测定啤酒的主要品质参数

文章分别在空气背景和蒸馏水背景下使用不同光程样品池(1,5 mm),选择不同光谱分辨率(8,16,32 cm-1)采集了83个不除气啤酒样品的近红外光谱,并应用偏最小二乘法(PLS)和逐步多元线性回归(SMLR)方法,对啤酒的真实浓度、原麦汁浓度以及酒精度三种主要成分进行了回归分析,并建立了相应的定标与预测模型。结果发现：不同背景、不同分辨率、不同光程条件下的定标预测结果相近,逐步多元线性回归方法定标预测结果好于偏最小二乘法。在实验室实现了应用近红外光谱对不除气的少量啤酒样品(约2 mL)同时快速无损检测啤酒的三个重要指标。文章的结果为应用和进一步开发啤酒成分近红外在线分析仪奠定了基础。     

潜变量机器学习方法在咖啡NIR定量分析中的应用

采用近红外(NIR)光谱快检技术实现对咖啡蛋白质的定量检测,研究支持向量机(SVM)和极限学习机(ELM)等机器学习方法在建模分析中的实用性.结合潜变量分析技术,建立潜变量SVM(LV-SVM)模型和潜变量ELM(LV-ELM)模型,通过调试潜变量个数和机器学习关键参数的联合优选,实现数据降维和机器学习关键参数的同过程...     

可见-近红外光谱用于鉴别山羊绒与细支绵羊毛的研究

近红外光谱作为快速、无损的检测技术,近年来在国内外越来越受到广泛关注。针对山羊绒与细支绵羊毛的可见／近红外光谱的特点,提出了应用主成分分析(PCA)结合人工神经网络（ANN）进行山 羊绒与细支绵羊毛的鉴别,并建立了羊毛、羊绒分析模型。应用可见／近红外反射光谱获取山羊绒与细支绵羊毛的光谱曲线,利用主成分分析对原始光谱数据进行处理,根据主成分的累计贡献率99.8%选 取主成分数6,并将所选取的6个主成分作为三层BP神经网络的输入。通过定标集样本对BP神经网络进行训练,用优化的BP神经网络模型对预测集样本进行预测。实验结果表明,16个未知样本的鉴别全部 正确,表明可见／近红外光谱结合主成分分析和神经网络技术对山羊绒与细支绵羊毛进行快速鉴别是可行的。