基于OSC–WT–PLS近红外光谱法测定烟草中芸香苷

采用正交信号校正(OSC)结合小波变换(WT)对烟草光谱进行光谱预处理,将预处理后的烟草光谱结合偏最小二乘法(PLS)建立了烟草光谱对芸香苷的预测模型。利用OSC滤除光谱中与芸香苷含量无关的光谱信息,确定OSC提取的最佳主成分数为7,再选择WT中的最佳小波基函数bior1.1对OSC预处理后的光谱进行压缩及进一步滤噪,然后进行PLS建模,OSC–WT–PLS所建模型决定系数r~2=0.874,校正标准偏差RMSEC=0.85,预测均方根误差RMSEP=0.743,交互验证系数Q_(ext)~2=0.887。结果表明,用OSC–WT–PLS可滤除光谱信息中与待测样品含量无关的信息、减少光谱数据量,降低建立模型的复杂度、提高建模速度及模型的预测能力、准确度。     

基于近红外漫反射光谱法所建的模型快速预测甜叶菊中甜菊糖苷、绿原酸及水分的含量北大核心CSCD

基于近红外漫反射光谱法,结合偏最小二乘法建立了甜叶菊中甜菊糖苷总量(TSG)、瑞鲍迪苷A(RA)、甜菊苷(STV)、绿原酸总量及水分的定量分析模型。选取不同地区的500个甜叶菊样品,以高效液相色谱法(TSG、RA、STV、绿原酸总量)和烘干法(水分)所得数据为参比,结合样品的近红外光谱图,按照以下条件进行建模:(1) TSG模型,校正集385,验证集97,光谱预处理采用多元散射校正(MSC)+一阶导数(1st)+Norris derivative滤波平滑(ND),光谱范围4 090.76~7 085.37 cm^(-1),主因子数8;(2) RA模型,校正集381,验证集94,光谱预处理采用MSC+二阶导数(2nd)+ND,光谱范围4 060.38~6 221.23 cm^(-1)、6 769.51~7 401.24 cm^(-1),主因子数7;(3) STV模型,校正集386,验证集96,光谱预处理采用MSC+1st+ND,光谱范围4 017.86~4 224.39 cm^(-1)、4 370.17~5 172.15 cm^(-1)、5 414.95~9 106.22 cm^(-1),主因子数5;(4)绿原酸总量模型,校正集376,验证集95,光谱预处理采用标准正态变量变换(SNV)+1st+Savitzky-Golay卷积平滑(SG),光谱范围4 000.21~5 300.00 cm^(-1)、5 624.00~6 246.90 cm^(-1)、8 746.50~9 373.80 cm^(-1),主因子数12;(5)水分模型,校正集389,验证集96,光谱预处理采用MSC+1st+ND,光谱范围4 072.53~7 553.09 cm^(-1),主因子数8。结果显示:TSG、RA、STV、绿原酸总量和水分模型的校正相关系数、预测相关系数、交叉验证相关系数均大于0.800 0,校正均方根误差、预测均方根误差、交叉验证均方根误差均小于0.500;对各模型进行外部验证,TSG、RA、STV、绿原酸总量和水分的预测值与实测值的拟合相关系数均大于0.880 0;利用模型对甜叶菊样品中TSG、RA、STV、绿原酸总量和水分进行分析,日内精密度(n=6)为0.54%~2.7%,日间精密度(n=6)为1.1%~4.7%。模型用于某试验基地不同生长批次甜叶菊中TSG、RA、绿原酸总量的测定,TSG质量分数为10.40%~13.32%,RA质量分数为4.99%~7.61%,绿原酸质量分数为2.73%~4.07%,测定值的相对标准偏差(n=12)均小于7.0%。     

拉曼光谱法测定芳烃物料的馏程

应用拉曼光谱法测定了芳烃物料的馏程.采用芳烃样品60个,其中50个为校正样品集,10个为预测样品集,在拉曼光谱位移为400 ～1 800 cm~(-1)范围内进行光谱预处理,并应用偏最小二乘回归法(PLS)建立了各馏程的校正模型,其相关系数(r~2)分别为0.87、 0.89、0.98、0.97、0.94、0.89、0.88(相应蒸馏回收百分数分别为5%、10%、30%、50%、70%、90%、95%).在置信水平99.5%,α为0.005时,各馏程t值均小于3.69(临界值),表明拉曼光谱法预测结果与常压蒸馏法的测定结果无显著性差别.采用拉曼光谱技术可以快速测定芳烃物料的馏程.     

藏药五脉绿绒蒿提取过程的在线近红外光谱质量控制研究北大核心CSCD

利用近红外光谱技术和自建的在线检测系统,实现了藏药五脉绿绒蒿提取过程中总黄酮含量的在线近红外光谱监测和提取终点的判定。以403个样品为建模集,分别获得了主成分回归(PCR)、偏最小二乘(PLS)、决策树(DT)、随机森林(RF)算法下的最佳光谱预处理方法和建模区间,以残差预测偏差(RPD)值为指标选择最佳建模方法。以62个样品为外部验证集,考察模型应用于总黄酮含量实时监测的可行性。此外,还探讨了利用模型预测值进行相对浓度变化率(RCCR)分析直接判定提取终点的可行性,并比较了标准偏差绝对距离法(ADSD)和移动窗口标准偏差法(MBSD)对提取终点判定的适用性。结果表明,在预处理方法为Constant+一阶导数+SG平滑、建模区间5300~9000 cm^(-1)条件下所建的总黄酮含量的PLS模型效果最好,其校正集和验证集的误差均方根均小于0.14、相关系数均大于0.97,RPD值为4.68。所建PLS模型对未知样品的平均预测率为79%,实际值与预测值的相关系数大于0.98,表明模型有较好的预测效果。外部验证集中RCCR法判定的预测提取终点和ADSD法判定的提取终点均与实际提取终点一致。所建模型性能较好,通过对未知样品进行准确快速的定量分析,实现了五脉绿绒蒿提取过程中总黄酮含量的实时监测,同时,以RCCR和ADSD作为提取终点的判定方法较为准确,可为藏药材提取过程在线近红外光谱分析技术的研究提供有益借鉴。     

白酒基酒中酮类物质的近红外光谱检测方法

应用近红外光谱技术建立了白酒基酒中2,3-丁二酮和3-羟基-2-丁酮的快速检测模型。从洛阳杜康酒厂选取182个白酒基酒样品为材料,运用气相色谱法测得两种物质的化学值,同时采集其在12 000~4 000 cm-1范围内的光谱数据,采用偏最小二乘法(PLS)结合内部交叉验证建立校正模型。通过对比不同光谱预处理下PLS模型效果对其进行优化,确定2,3-丁二酮和3-羟基-2 丁酮的最佳预处理方法分别为一阶导数+多元散射校正和二阶导数,最佳光谱区间分别为9 403.2~7 497.9 cm-1和9 403.2~7 497.9 cm-1+6 101.7~5 449.8 cm-1。优化后2,3-丁二酮和3 羟基-2-丁酮校正集样品的化学值和近红外预测值的决定系数(R2)分别为0.960 2和0.963 2,交叉验证均方根误差(RMSECV)分别为0.39、0.22 mg/100 mL;通过外部检验,验证集样品的R2分别为0.957 6和0.957 8,预测均方根误差(RMSEP)分别为0.40、0.24 mg/100 mL。结果表明,应用近红外光谱技术结合化学计量学方法所建立的模型有较高的准确度,能够满足白酒生产中酮类物质的快速检测需要。     

应用近红外漫反射光谱法的猕猴桃品质无损检测北大核心CSCD

应用近红外漫反射光谱技术和化学计量学,研究成熟期猕猴桃内部品质与其近红外漫反射光谱之间的关系。在室温(24±2)℃下,采集猕猴桃赤道区域不同测试部位在4 000~10 000 cm^(-1)范围内的光谱数据,用基于平滑处理、归一化及基线校正的组合式处理方法对原始光谱进行预处理;另应用偏最小二乘(PLS)法、主成分回归法和多元线性回归法等方法分别建立猕猴桃硬度、可溶性固形物含量(SSC)的校正模型。结果表明:采用组合预处理方法和PLS法建立的校正模型精度最高;硬度校正集相关系数R_c、均方根误差RMSEC和预测集相关系数R_p、均方根误差RMSEP达到了0.976 5,0.548 3,0.943 2,0.612 7;SSC校正集相关系数R_c、均方根误差RMSEC和预测集相关系数R_p、均方根误差RMSEP达到了0.916 6,0.539 6,0.901 2,0.619 0;试验结果验证了本法的可行性。     

支持向量机回归法在近红外光谱测定植物纤维原料中甲氧基含量中的应用

以26个植物纤维原料为实验材料,由20个样品作校正样品,采用径向基核函数方法对纤维原料中甲氧基含量与纤维原料样品近红外光谱进行支持向量机(SVM)回归建模.以所建SVM回归模型对6个纤维原料样品中甲氧基含量进行预测,回归模型的预测结果与采用改良的维伯克法确定的甲氧基含量的相关系数为0.977,预测样本集的标准偏差为0.43.将SVM回归模型的预测效果与PLS回归模型的预测结果进行比较,所建近红外光谱测定植物纤维原料中甲氧基含量的SVM回归模型可用于实际植物纤维原料样品的定量分析,且具有较好的分析效果.     

基于拉曼光谱法建立的模型快速预测布洛芬缓释胶囊中布洛芬的含量北大核心CSCD

为快速测定布洛芬缓释胶囊中布洛芬的含量,进行了题示项目研究。以高效液相色谱法(HPLC)为参比,采用拉曼光谱仪对5个校正集样本和布洛芬对照品进行扫描,将原始拉曼光谱图导入计算平台,选择波段250-1800 cm^(-1),通过荧光褪色差分法校正基线,二阶滤波求导进行降噪处理,用向量夹角转换算法计算各样本与布洛芬对照品拉曼光谱之间夹角余弦的方差值,以布洛芬的质量分数对该值进行拟合,得到模型的关联方程。采集待测样品的拉曼光谱,利用建立的模型预测其中布洛芬的含量。结果显示:布洛芬的质量分数在55%~90%内与其对应的夹角余弦的方差值呈线性关系;验证集样本的预测值与HPLC所得参考值的相对偏差为3.0%~3.8%。模型用于实际样品分析,预测值和参考值的相对偏差为1.2%~6.8%,预测值的相对标准偏差(n=5)为0.99%~3.1%。     

近红外光谱法同时测定通天口服液中天麻素和芍药苷的含量

本文应用近红外光谱结合偏最小二乘法建立了同时测定通天口服液中天麻素与芍药苷含量的方法。以高效液相色谱(HPLC)法测定通天口服液样品中天麻素和芍药苷的化学参考值,随机抽取60个样本作校正集,20个样本作预测集。用偏最小二乘法(PLS)将校正集样本的近红外光谱与相应样本的天麻素和芍药苷含量分别相关联建立模型。结果表明,天麻素和芍药苷校正模型的决定系数分别为96.28%、94.55%,模型的交叉验证均方差分别为0.0336、0.00908,预测集的决定系数分别为94.23%、92.86%,预测集均方差分别为0.0453、0.00839。同时还做了模型的精密度实验,该方法能用于大批量样品的快速分析。     

激光诱导击穿光谱结合CARS变量选择方法定量检测倍硫磷含量

利用双脉冲激光诱导击穿光谱(LIBS)技术对溶液中的倍硫磷含量进行定量检测。采用二通道高精度光谱仪采集不同浓度倍硫磷样品在206.28~481.77 nm波段的LIBS光谱,并对光谱进行多元散射校正(MSC)、标准正态变量变换(SNV)及3点平滑预处理,根据偏最小二乘(PLS)建模确定最优的预处理方法。在此基础上,利用竞争性自适应重加权算法(CARS)筛选与倍硫磷相关的重要变量,然后应用PLS回归建立溶液中倍硫磷含量的定量分析模型,并与单变量定量分析模型及未变量选择的PLS定量分析模型进行比较。结果表明,相比单变量定量分析模型及原始光谱PLS定量分析模型,CARS-PLS定量分析模型的性能更优,其模型的校正集和预测集的决定系数及平均相对误差分别为0.969 4、15.537%和0.995 9、5.016%。此外,与原始光谱PLS模型相比,CARS-PLS模型仅使用其中1.9%的波长变量,但预测集平均误差却由9.829%下降为5.016%。由此可见,LIBS技术检测溶液中的倍硫磷含量具有一定的可行性,且CARS方法能简化定量分析模型,提高模型的预测精度。