基于PLS和PCR的葡萄酒酒精度近红外光谱研究

运用近红外光谱技术,结合偏最小二乘法(PLS)和主成分回归法(PCR)构建了葡萄酒酒精度的近红外定量模型。分别选用平滑处理+求导和SNV进行预处理,并且对预处理后的图谱进行建模分析。采用PLS构建的模型结果,R2为0.9657,RMSEC为0.0862,RMSEP为0.0892,采用PCR构建的模型结果,R2为0.9594,RMSEC为0.0935,RMSEP为0.0999,分别用PLS和PCR构建的模型进行预测实验,其RMSEP分别为0.9757、0.9037,表明两种算法对葡萄酒酒精度的预测结果较理想,但PLS模型的相对误差整体上较小。结果表明,采用PLS算法建立的模型预测效果良好,具有较高的可靠性和精密性,能满足葡萄酒生产中对酒精度的快速检测需求。     

近红外光谱快速分析成品葡萄酒指标的研究

采用近红外光谱技术结合化学计量学算法,建立了成品葡萄酒(总糖和酒精度)的快速检测方法。通过NCL对近红外光谱图谱进行预处理,使用偏最小二乘法(PLS)建立了总糖和酒精度近红外定量模型。以决定系数(R~2)、校正均方根误差(RMSEC)和预测均方根误差(RMSEP)为模型质量的评价指标。R~2分别为0.9684、0.9146,RMSEC值分别为0.0810、0.2382,RMSEP值分别为0.0877、0.2352。结果表明,建立的模型预测效果较佳,具有较好的稳定性和较高的精密度,能满足成品葡萄酒生产中总糖和酒精度的快速检测需求。     

近红外光纤光谱法快速检测葡萄酒中酒精度

目的 构建近红外光纤传感检测系统,结合近红外光谱分析技术和化学计量学,对葡萄酒中酒精度进行快速检测.方法 以葡萄酒为研究对象,构建近红外光纤传感检测系统,分别使用偏最小二乘法和主成分回归对葡萄酒中酒精度进行近红外光谱分析,进行模型参数的比较.采用国标GB/T 15038-2006《葡萄酒、果酒通用分析方法》中气相色谱法...     

基于近红外光谱技术测定稻谷水分含量研究

本文采用近红外光谱技术结合化学计量学方法,建立稻谷水分含量测定的快速分析方法。试验选取江苏省不同地区的两年内197份稻谷样品作为建模集样品,对其进行化学分析和图谱扫描处理,通过近红外化学计量学软件初步建立稻谷水分含量的预测模型。建模结果显示运用PLS（偏最小二乘法）建立的分析模型预测效果最优,决定系数（R2）高达0.9689,交互验证标准差（SECV）为0.3434,选取24个未知样品作为验证集样品,验证决定系数（R2）高达0.9806,预测标准差为0.0933。结果表明,近红外光谱技术可以用于稻谷水分含量的快速测定。     

基于中红外光谱技术的芝麻油掺伪检测

目前市场上芝麻油掺伪的现象日趋严重,急需建立一种快速的检测方法,准确地区分纯正芝麻油和掺伪芝麻油。利用中红外光谱技术,对纯芝麻油、掺入大豆油的芝麻油和掺入菜籽油的芝麻油进行分析,通过不同的预处理方法建立最优定性模型,应用最优模型进行预测,预测结果准确率达100%。结果表明,中红外光谱技术在芝麻油掺伪检测方面是可行的。通过分析实验,对下一步工作重点也做出了规划。     

傅立叶变换近红外光谱法快速测定葡萄酒中的酒精度

建立快速、简便的测定葡萄酒中酒精度的方法。以蒸馏水为背景,利用傅立叶变换近红外光谱透射法直接对葡萄酒样液进行测定,建立了葡萄酒酒精度定量分析模型。该方法具有良好的线性相关性,近红外光谱法与实验室标准分析方法测定结果基本一致,其预测相关系数R^2=0．998,和平均相对误差为0．5401％。该方法重复性好,具有操作简单、快捷、无污染等诸多优点。     

面粉湿面筋近红外定量分析中的光谱预处理方法研究

采用10种不同的预处理方法对面粉湿面筋含量的近红外光谱数据进行预处理,并比较了10种预处理方法对偏最小二乘法（PLS）建立定量模型效果的影响。结果表明,采用近红外光谱（NIRS）分析技术对面粉中的湿面筋含量进行定量分析时,一阶导数+减去一条直线的预处理方法对面粉湿面筋含量的预测效果最好,内部交叉验证相关系数R为0.901 8,内部交叉验证标准差（RMSECV）为0.708;预测相关系数R为0.920 9,预测标准差（RMSEP）为0.083,提高了预测模型的精度和准确性。     

基于红外光谱技术的银耳产地识别研究

采用傅里叶红外光谱数据分析技术结合多元统计分析对银耳产地进行识别研究。采集福建古田、四川通江和河南的41个银耳样品的红外光谱信息,分析银耳的红外光谱特征;运用基线校正、多元散射校正(Multiplicative signal correction,MSC)、一阶导数(First derivative,FD)、二阶导数(Second derivative,SD)、Norris平滑(ND)、Savitzky-Golay平滑(SG)等方法对其进行预处理,选择最佳组合方法预处理后的光谱数据,建立最小偏二乘判别(PLS-DA)模型,并进行验证。结果表明,MSC+SD+SG(13,3)组合方法的预处理光谱效果最佳,与原始光谱相比,样品正确识别率提高了17.41%,达到100%。训练集和预测集的相关系数分别为0.9766、0.9559,校正标准差和预测标准差分别为0.1182、0.1740,模型对训练集和预测集样品的识别率均为100%。因此,红外光谱通过PLS-DA分析可以对不同产地的银耳进行快速、有效、准确的识别。     

拉曼光谱与中红外光谱融合技术快速定量食用酒精的乙醇浓度

目的? 利用拉曼光谱与中红外光谱的数据融合技术实现对食用酒精乙醇浓度（酒精度）的快速定量检测。方法? 首先,分别采集不同浓度食用酒精水溶液的拉曼光谱与中红外光谱。其次,采用多元散射校正(multiplicative scatter correction, MSC)、卷积平滑(Savitzky-Golay, S-G)、一阶求导的方法对原始数据进行预处理。然后,基于自举软缩减法(bootstrapping soft shrinkage, BOSS)和无信息变量消除算法(uninformative variable elimination, UVE)分别对预处理后的光谱数据进行特征提取,并利用X-Y距离样本集划分法(sample set partitioning based on joint x-y distance, SPXY)将光谱数据划分为校正集和预测集。最后,建立基于拉曼光谱－中红外光谱数据融合的偏最小二乘（partial least squares regression,PLSR）食用酒精乙醇浓度预测模型,并利用麻雀搜寻算法优化的混合核极限学习机算法（SSA-HKELM）提升预测性能,实现对不同浓度食用酒精的快速、准确定量检测。结果? 与拉曼光谱数据、中红外光谱数据以及中红外与拉曼光谱的数据层融合构建的预测模型相比,中红外光谱与拉曼光谱特征层融合数据构建的预测模型具有更好的预测性能。其中,最优模型的校正集均方根误差(root mean squared error of calibration set, RMSEC)为0.98314,校正集决定系数(coefficient of determination of calibration set, Rc2)为0.99634,预测集均方根误差(root mean squared error of prediction set, RMSEP)为1.03256,预测集决定系数(coefficient of determination of prediction set, Rp2)为0.99036。结论? 中红外光谱与拉曼光谱特征层融合预测模型可以实现对不同浓度食用酒精的高效定量检测,为食用酒精的质量检测提供了有效的理论支持与技术保障。     

CARS-SVM预测哈密瓜可溶性固形物含量

采用近红外光谱技术结合数据降维的方法,建立了哈密瓜可溶性固形物含量的预测模型：对比多种光谱预处理方法,确定二阶求导用于处理原始光谱;经预处理的光谱数据分别结合特征选择竞争性自适应重加权采样法（CARS）、蒙特卡罗无信息变量消除法（MC-UVE）提取特征波长,以及利用主成分分析进行降维;再使用特征选择和特征提取的光谱数据作为模型的输入变量,建立哈密瓜可溶性固形物含量预测模型。结果显示,CARS+SVM建立的预测模型最优,模型的校正集相关系数为0.981 4,预测集相关系数为0.900 2,模型能够准确预测哈密瓜可溶性固形物含量。     

浸渍方法对葡萄酒功能物质及品质的影响

采用四种浸渍方法,即高温浸渍发酵法（高温浸渍法）、低温浸渍发酵法（低温浸渍法）、正常浸渍发酵法（正常浸渍法）、先发酵后浸渍法（后浸渍法）酿制葡萄酒。通过检测葡萄酒酒精度、总酚、总酸及色调色度,并对成品酒进行感官评定,判断最佳工艺。结果表明,不同浸渍方法对葡萄酒的酒精度无明显影响。后浸渍法和正常浸渍法酿制的葡萄酒总酸较高,达10.7 mg/L。高温浸渍法、后浸渍法、正常浸渍法和低温浸渍法酿制的葡萄酒总酚含量依次减少,分别为2 486 mg/L、2 200 mg/L、1 994 mg/L、1 790 mg/L。后浸渍法酿制的葡萄酒呈色强度最高（OD值为9.2）,正常浸渍法最低,OD值约为8.0。四种浸渍方法中,后浸渍法酿制的葡萄酒口感平衡舒适,香气丰富,酒体饱满,感官评价最好。因此后浸渍法为最优工艺。     

桂圆果酒的陈酿研究

陈酿是果酒生产的重要环节,对其风味和理化性质有着重要影响。该实验研究了3种陈酿方式（自然陈酿、冷热处理后陈酿和添加橡木片陈酿）及陈酿时间（30 d、45 d、60 d、75 d、90 d）对桂圆果酒酒精度、总酸、总酯、挥发性物质和高级醇含量的影响。结果表明,添加橡木片陈酿后桂圆果酒的总酯含量最高（0.35 g/L）,较陈酿前增加了12.9%,并且其挥发性物质的种类和含量都高于其他两种陈酿方式;添加橡木片陈酿60 d时,桂圆果酒的总酯和挥发性酯类含量最高,分别为0.36 g/L和328.58 g/L;总酸、挥发性醇类和高级醇含量最低,分别为6.09 g/L、182.12 g/L和287 mg/L。因此,添加橡木片的桂圆果酒在15 ℃条件下陈酿60 d能促进果酒中酯类的生成,减少高级醇物质的含量,更有利于其典型风味的形成,是桂圆果酒适宜的陈酿方式。     

百合酒酿造工艺研究

该试验以百合鳞茎为原料制备百合酒,研究初始糖度、酵母菌接种量和发酵温度对百合酒酒精度及感官品质的影响,通过单因素试验和正交试验优化百合酒发酵工艺条件。结果表明,百合酒最佳发酵工艺为初始糖度28 °Bx,酵母菌接种量4%,发酵温度26 ℃,在此最佳发酵条件下,所得百合酒酒精度为10.0%vol,感官评分为85分。澄清试验结果表明,在百合酒中添加1.6 g/L的皂土澄清效果最佳,透光率为99.6%。     

拉曼光谱快速监测荔枝酒发酵过程酒精度的研究

酒精度是荔枝酒发酵过程及成品酒质量控制的关键因素，该研究使用拉曼光谱仪快速采集样本信号，并对拉曼光谱数据进行2阶导预处理后，分别采用偏最小二乘法（PLS）和向量角偏最小二乘法（VAPLS）建模，同时对模型效果进行对比分析。结果表明，VAPLS酒精度预测模型效果最好，该模型预测值与真实值的相关系数（R2）为0.993 1，均方根误差（RMSE）为0.285 6，验证集预测相对误差为-5.0%～1.6%，优于PLS建模方法。所建分析方法简便快速，能满足生产中荔枝酒酒精度的快速检测精度要求，并可以拓展实现酒类发酵过程中多个性能指标的同时分析。     

响应面法对洋葱酒发酵工艺的优化

目的：为充分利用洋葱资源,制得具有良好口感与保健功能的洋葱酒。方法：以黄皮洋葱为原料,选择不同的前处理方式对洋葱进行前处理并采用响应面法对洋葱酒的发酵工艺进行优化。结果：洋葱在539W微波条件下处理20min,按料液比1:3(g/mL)打浆,在发酵温度25.3℃、酵母菌接种量0.84%、发酵时间48.36h条件下发酵,制得洋葱酒乙醇体积分数9.7%,总黄酮的浸出率为65.12%。多元回归分析结果显示,发酵温度、酵母菌接种量、发酵时间与洋葱酒酒精含量和黄酮浸出率之间回归模型极显著,可用于实际生产预测。结论：微波处理可明显除去洋葱的葱臭味,并得出了洋葱酒发酵的最优条件。     

柑橘酒的发酵工艺优化研究

以柑橘为原料,筛选出适合柑橘酒发酵的前处理方式及发酵菌种,采用单因素试验和正交试验研究初始糖度、酵母接种量、发酵温度以及主发酵时间对柑橘酒发酵的影响,并对发酵工艺条件进行优化。结果表明,柑橘酒的最佳发酵条件为：采用柑橘浊汁,接种SC果酒酵母,初始糖度24%,酵母接种量0.04%,发酵温度26 ℃,主发酵6 d,在此条件下,所得柑橘酒的酒精度12.4%vol,感官得分为83分,可为柑橘酒工业生产提供参考。 关键词：中图分类号：TS262.7 文章编号：0254-5071（20１6）10-0179-05 doi：     

前处理方式对红心猕猴桃酒发酵品质和香气成分的影响

以红心猕猴桃为原料,探究带皮整果破碎、去皮整果破碎、带皮压榨取汁和去皮压榨取汁四种前处理方式对猕猴桃酒理化指标、感官品质和风味的影响,以期筛选出最优的猕猴桃鲜果前处理方式,优化猕猴桃酒的制备工艺。结果表明,带皮整果破碎为较优的前处理方式,经过该处理后的发酵液在发酵过程中发酵速度平稳易控,发酵结束时,酒精度相对较低,pH和还原糖缓慢降低,可溶性固形物含量高达4.05%,V_C保留率为81.2%,感官评分为4.62分,远高于其余三种前处理方式;特征性风味物质含量较高,香气清新协调,口感细腻舒适,具有猕猴桃酒的特有风格。     

响应面法优化低聚异麦芽糖客家娘酒的发酵工艺

文中主要围绕低聚异麦芽糖客家娘酒的酿造工艺展开研究,在客家娘酒的酿造过程中添加低聚异麦芽糖,研究其对客家娘酒品质和风味的影响,从而确定低聚异麦芽糖客家娘酒的最优工艺条件.采用单因素试验分析了低聚异麦芽糖客家娘酒的基本理化指标、稳定性及感官评价,最后通过响应面试验得到最佳酿造工艺参数.结果表明,从酒精度的回归模型中求得最优工艺条件为:低聚异麦芽糖的添加量为1.5％,主酵温度为28℃,红曲用为5.4％.低聚异麦芽糖客家娘酒的工艺的研究,为酿造具有双歧因子的保健型客家娘酒提供了理论基础.     

Infrared spectroscopy technique for the nondestructive measurement of fat content in milk powder

The aim of this study was to investigate the potential of the infrared spectroscopy technique for nondestructive measurement of fat content in milk powder. Fat is an important component of milk powder. It is very important to be able to detect the fat content in milk powder using a rapid and nondestructive method. Near and mid infrared spectroscopy techniques were used to achieve this purpose. Least-squares support vector machine (LS-SVM) was applied to developing the fat-content prediction model based on the infrared spectral transmission values. The results based on LS-SVM were better than those of back-propagation artificial neural networks. The determination coefficient for prediction of the results predicted by the LS-SVM model was 0.9796 and the root mean square error was 0.836708. It was concluded that infrared spectroscopy technique could quantify the fat content in milk powder rapidly and nondestructively. The process is simple and easy to operate. Moreover, the prediction results were compared between near infrared and mid infrared spectral data. The results showed that the performances of model with both mid infrared and near infrared spectral data were a little worse than that of the whole infrared spectral data. The results could be beneficial for designing a simple and nondestructive spectral sensor for the quantification of fat content in milk powder.