近红外光谱技术快速检测甜叶菊中绿原酸含量

为实现甜叶菊中绿原酸含量的快速检测,该研究利用近红外光谱技术结合偏最小二乘法对甜叶菊绿原酸含量的光谱数据进行了近红外模型分析。结果表明,采用多元散射校正(multiplicative scatter correction, MSC)+Savitzky-Golay卷积平滑预处理算法和无信息变量消除法(uniformative variable elimination, UVE)特征波长选择算法,绿原酸含量近红外模型的性能最好。该模型的交互验证相关系数(correlation coefficient in cross validation,R_CV)和交互验证残差均方根(root mean square error of cross validation, RMSECV)分别为0.945 3和0.263 1;验证集相关系数(correlation coefficient in validation,R_P)和验证集残差均方根(root mean square error of prediction, RMSEP)分别为0.952 1和0.247 2。...     

基于近红外光谱的大豆水分和粗脂肪含量的快速检测

基于近红外光谱技术快速检测大豆中水分和粗脂肪含量。方法 首先采集350-2500 nm光谱范围的大豆近红外光谱,采用光谱-理化值共生距离（SPXY）算法将大豆样本划分为校正集样本与测试集样本,然后对原始光谱分别采用多元散射校正(MSC)、标准正态变量交换(SNV)、归一化（Nor）等9种方法进行预处理,最后使用偏最小二乘回归(PLSR)分析方法建立模型对样本进行定量分析。结果 原始光谱经过多元散射校正后建立的偏最小二乘回归模型对水分的预测精度最高,其校正集和测试集的相关系数分别为0.8964和0.9055 , 均方根误差分别为0.4211和0.5933;原始光谱经过归一化处理后建立的偏最小二乘回归模型对粗脂肪的预测精度最高,其校正集和测试集的相关系数分别为0.9084和0.9295 , 均方根误差分别为0.6897和0.6462。结论 近红外光谱（NIRS）结合预处理及偏最小二乘回归法,可以快速、准确的检测大豆水分和粗脂肪含量。     

近红外光谱结合偏最小二乘法快速测定糖果中水分含量

采用近红外光谱(NIR)结合偏最小二乘法(PLS)建立了一种糖果中水分含量快速准确的测定方法。在12500~3600 cm^-1光谱范围内采集116批糖果的近红外漫反射光谱,并用减压干燥失重法测定其水分含量。通过比较不同参数对建模的影响,发现用多元散射校正法进行预处理,在11682.2~9826.1、8939.0~6267.9、5378.8~4487.8 cm^-1光谱范围内,主成分数为15时,应用PLS方法建立的糖果水分的定量分析模型效果最佳。所建立模型的相关系数为0.9716,校正均方根误差和验证均方根误差分别为0.97%和1.03%。该方法结果准确可靠、操作简便,可用于糖果中水分含量的快速检测。     

基于近红外光谱快速定量检测面粉中曲酸的方法建立

利用近红外光谱技术快速定量检测面粉中非法添加的褐变抑制剂曲酸。选取市场上常见3?种基本类型的面粉（高、中、低筋面粉）,分别制备曲酸质量分数为0.0%、0.5%、1.0%、3.0%、5.0%、10.0%的面粉样品,并采集其在1?000～2?400?nm波段下的光谱数据。对比不同预处理下高筋面粉样品数据所建偏最小二乘（partial least squares,PLS）回归模型效果,选取Savitzky-Golay一阶导数为最优预处理方法。采用区间偏最小二乘（interval partial least squares,iPLS）法选取1?088.8～1?153.5?nm为最佳光谱区间。结果表明,基于最佳光谱区间所建PLS回归模型预测效果优于基于全波段光谱数据所建模型。进一步,基于所选最优区间对中、低筋面粉和混合样品集分别建立PLS回归模型。高、中、低筋面粉及混合样品集基于最优区间的PLS模型的决定系数为0.949～0.972,标准误差为0.581%～0.830%,验证集标准偏差与预测标准偏差的比值为4.171～4.830。结果表明,基于最优区间的近红外光谱方法对不同类型面粉中曲酸质量分数为1.0%～10.0%的样品具有较好的预测结果,结合具有低检测限的化学检测方法,在对大批量样品的检测中可提高检测效率。     

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。     

近红外光谱技术快速检测猪肉新鲜度指标的方法研究

采用傅里叶变换近红外光谱技术建立猪肉新鲜度指标色泽（L^*,a^*,b^*值）、挥发性盐基氮（TVB-N）、酸度（pH值）的快速检测方法。实验中采集了4000～10000cm^-1范围的近红外光谱,选取4800～9350cm^-1为分析区域,描述了谱峰的归属。以常规分析测定值为建模基础数据,采用偏最小二乘（PLS）回归法建立猪肉新鲜度指标定量分析模型,并考察了近红外光谱预处理方法对模型的影响。用校正集和验证集样本分析模型预测的准确性。L^*,a^*,b^*,TVB-N,pH预测模型结果显示:预测集均方根误差（RMSEP）分别为1.84,0.812,0.355,1.31,0.163,校正集均方根误差（RMSEC）分别为1.57,0.678,0.363,1.76,0.113,相关系数分别为0.8183,0.8776,0.9256,0.8231,0.8041。样本的预测值与真实测定值之间没有显著性差异（p>0.05）。采用近红外光谱法能满足猪肉新鲜度指标的同时测定,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。     

牛奶主要成分含量近红外光谱快速测量法

本文研究了采用近红外光谱技术检测牛奶中主要成分含量的方法。讨论了采用偏最小二乘法（PLS）建立校正模型过程中数字滤波预处理方法以及利用遗传算法优选波段。牛奶中的脂肪、蛋白质、乳糖等成分含量的测定结果为RMSEP：0．1－0．2g/dl，测量值与浓度参考值具有良好的相关性（相关系数大于0．9），测量重复性变异系数（CV）优于0．02。结果表明，近红外光谱方法可以满足牛奶主要成分的实际测量要求。这些实验研究将为食品的无损、快速检测提供一种新的方法。     

近红外光谱测定不同鲜肉肉糜中蛋白质含量

采集4 000~10 000cm~(-1)波数范围内210份鲜肉(牛、羊、猪肉各70份)为校正集样品光谱数据,在不同的光谱预处理基础上,用偏最小二乘法(partial least squares,PLS)建立了单独的不同种类肉品,及其混合鲜肉肉糜红外光谱与蛋白质测量值之间的定量分析模型。90份鲜肉(牛、羊、猪肉各30份)为预测集样品,采集光谱数据后用于模型的验证。结果表明:鲜肉建模集及预测集相关系数分别为0.954,0.929;RMSEC及RMSEP分别为0.495,0.669。该模型能够很好地实现鲜肉蛋白质含量的快速测定,提高了模型预测的广适性。     

基于近红外光谱技术的微量有机磷农药的快速检测

针对现有的微量农药检测手段费时、复杂、前处理过程繁琐等不足,研究利用近红外光谱技术检测微量农药.制备两种不同的样品:不同浓度梯度的液体农药溶液样品和滤纸农药干燥样品,通过采取不同的光谱预处理手段,对比其相关系数和交叉验证均方差选择最适合的光谱预处理方法,采用偏最小二乘回归法建立预测模型.最后得出结论:滤纸农药干燥样品由于去除了绝大部分的水分使得检测精度相比较液体农药溶液样品有较大的提高,预测相关系数达到0.989,预测残差值为0.153,且相对分析误差为6.812,可以进行对农药浓度的定量检测.     

近红外光谱技术快速检测腊肉酸价和过氧化值

探讨应用傅里叶近红外光谱技术快速定量检测腊肉酸价和过氧化值的方法。腊肉样品经粉碎、混匀后在AntarisⅡ傅里叶近红外光谱分析仪上扫描,获得其近红外光谱与国标法测定的酸价和过氧化值含量数据进行关联,用傅里叶变换近红外光谱技术结合偏最小二乘法建立近红外光谱与腊肉酸价和过氧化值含量的数学模型并进行预测。结果表明：酸价模型中,校正决定系数和交叉验证决定系数分别是0.99582和0.98687,校正均方差和交叉验证均方差分别是0.1370和0.1900;过氧化值模型中,校正决定系数和交叉验证决定系数分别是0.99999和0.99926,校正均方差和交叉验证均方差分别是0.756×10-4和0.684×10-3。用该模型对验证集样本进行预测并统计分析,表明预测值与测定值无显著差异,傅里叶近红外光谱技术快速定量检测腊肉酸价和过氧化值是可行的。     

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.     

近红外光谱法快速测定晒青毛茶三种儿茶素组分含量

为了实现晒青毛茶儿茶素含量的快速检测,该研究利用高效液相色谱技术(High Performance Liquid Chromatography,HPLC)测定了50份晒青毛茶样品中的表没食子茶素没食子酸酯(Epigallocatechin Gallate,EGCG)、表没食子儿茶素(Epigallocatechin,EGC)、没食子酸(Gallic Acid,GA)三种儿茶素单体含量,结合样品的近红外光谱,分别建立了晒青毛茶三种儿茶素单体含量的偏最小二乘法(Partial Least Squares,PLS)模型,并对模型进行验证。实验结果表明,基于EGCG、EGC、GA含量所建立近红外模型的决定系数(Coefficient of Determination,R²)分别为99.99%、99.99%、99.92%;校正标准差(Root Mean Square Error of Calibration,RMSEC)分别为0.17、0.15、0.10;相对标准差(Relative Standard Deviation,RSD)分别为0.19%、0.27%、0.56%;外...     

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%。     

基于近红外光谱的不同发酵类型茶叶判别

应用近红外光谱分析技术结合化学计量学方法对不同发酵程度茶叶进行判别分析。原始近红外光谱数据经不同光谱数据预处理方法以消除噪音,降噪后的光谱进行主成分特征提取,再将主成分得分进行判别分析。结果表明;标准正态变换结合去趋势转化对不同发酵程度的茶叶分类效果最好,其原始分类正确率为100.0%,交叉验证正确分类率为94.4%。此外,茶叶各组分基团的近红外吸收在判别分析中的贡献率分析表明,茶叶组分中C=O伸缩振动的合频,甲基C—H键的合频和C—H键的伸缩振动以及氨基酸肽键羰基C=O键伸缩振动的二级倍频在判别分析中起主要作用。     

基于近红外光谱技术的信阳毛尖品质判别研究

近红外光谱(Near-infrared spectroscopy,NIRS)技术作为一种快速无损检测方法,在许多领域广泛运用,尤其是在食品领域中的应用更加广泛。信阳毛尖茶是我国十大名茶之一,品质优异。本文通过采集三种不同等级信阳毛尖茶800~2500 nm处近红外光谱信息,对三个不同等级信阳毛尖茶的所有波长的响应进行单因素方差分析,选择了数据分析的波长范围;通过小波变换滤噪,对原始光谱进行预处理,采用正交偏最小二乘判别分析(OPLS-DA)和偏最小二乘法(PLS)对信阳毛尖茶品质进行判别。结果表明茶样品800 nm~1800 nm波长范围的近红外光谱数据可用于预测信阳毛尖茶品质;OPLS-DA分析表明三个不同等级信阳毛尖茶可以有效区分;所建立的PLS预测模型,理论值和预测值之间具有良好的相关性,相关系数为0.994,预测准确率为100%,交叉验证均方根误差(RMSECV)为0.090,表明模型预测准确、可靠。本研究建立的NIR光谱结合PLS分析方法可以用于快速无损检测河南信阳毛尖茶的等级品质。     

傅里叶变换近红外光谱技术测定绿茶全氮量

建立准确性高、稳定性好的绿茶全氮量的偏最小二乘定量分析模型。在4 691～3 959、5 126～4 848 cm－1 波段区间内,光谱经过一阶导数与平滑处理后,模型的预测性能最好,外部验证集样品的预测值与实测值的预测均 方差（RMSEP）为0.092 5%,相关系数为0.993 9。根据嫩度等级,建立了绿茶全氮量子模型,提高了模型的预测 性能。嫩度为3 级的子模型预测结果最好,验证集样品的全氮量的预测值与实测值的RMSEP值最小,为0.037 9%, 相关系数为0.996 1。绿茶全氮量近红外光谱检测技术是一种绿色、快速、高效的新型分析技术,能够实现快速测定 绿茶全氮量,评价绿茶品质。     

基于近红外光谱技术建立棉籽蛋白质含量快速无损测定方法

棉籽是棉花产业的重要副产品,含有丰富的棉籽蛋白,是牲畜蛋白质的重要来源,提高棉籽蛋白质的利用率对缓解我国蛋白资源短缺有着重要意义。快速无损环保测定棉籽蛋白质含量方法的建立,对于合理有效的利用棉籽资源和开展棉籽营养品质遗传改良等方面的研究具有关键作用。本研究通过凯氏定氮法对187份棉花品种进行棉籽蛋白质含量化学值测定,利用近红外光谱分析仪分别采集三种不同棉籽形态毛籽、光籽和种仁的光谱特征信息,经过不同数学算法处理和散射处理等方法结合改良偏最小二乘法 (Modified partial least squares, MPLS), 建立了三种不同棉籽形态蛋白质含量快速无损检测的近红外光谱模型。构建的毛籽、光籽和种仁三种近红外检测模型的定标相关系数 (Regression squared, RSQ) 分别为0.957、0.971、0.989,并通过差异统计分析比较,验证集的化学值与近红外光谱预测值间不存在显著差异。结果表明三种不同棉籽形态下建立的近红外光谱检测模型都具有良好的准确性,能够针对不同待测样品类型进行准确的蛋白质含量检测。本研究建立了毛籽、光籽以及棉仁三种棉籽蛋白质含量的近红外光谱检测模型,实现了棉花种子蛋白质含量的快速无损低消耗检测,为棉籽综合利用以及棉籽高品质育种提供技术支撑。     

近红外光谱法快速检测饮料中的食用合成色素

以光谱扫描范围为1?100～1?650?nm,分辨率为0.2?nm,通过对不同质量浓度的日落黄、柠檬黄、胭脂红和苋菜红溶液扫描,得到的原始光谱图经过一阶导数、二阶导数等方法进行预处理。然后通过修正的最小二乘（modified partial least square,MPLS）法结合变量标准化且去散射处理的光谱预处理手段建立相关的MPLS模型。最后利用所建模型,对饮料中的食用合成色素含量进行预测。预测相关系数最高可达0.991,预测标准差最低为0.009%,相对分析误差最大为3.51。结果表明,近红外光谱可作为一种简单、快速、无损、可靠的方法用于检测饮料中的食用合成色素。     

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。