近红外光谱分析技术在肥料成分分析中的应用及前景

近红外光谱是一种快速、无损、可实现多组分同时测定的分析技术.本文简要介绍了近红外光谱的发展、测量原理、技术特点,并对近年来近红外光谱技术在肥料成分分析中的应用及前景进行了总结.近红外光谱在肥料成分分析中的应用范围比较狭窄,主要集中在两个方面:一是利用近红外反射光谱(NIRs)分析技术快速测定各种畜禽粪便主要肥料成分含量;二是应用近红外光谱技术在土壤及土壤肥料学科中的应用;只有极少量的关于混合(复合)肥料的研究.随着近红外光谱技术的不断成熟.除了应用范围将不断拓宽之外,相信对于目前较为空白的应用机理的研究也将越来越深入、细致及严谨.     

近红外光谱分析技术在农产品/食品品质在线无损检测中的应用研究进展

农产品/食品品质问题一直受到人们的广泛关注,而由品质问题引起的农产品/食品安全事故越来越多,所以急需对农产品/食品品质进行快速无损检测。目前常用的快速检测方法有化学比色分析法、近红外光谱法、免疫学分析法、生物传感器技术、生物芯片检测法以及生物学发光检测法等。近红外光谱分析技术因具有分析时间短、无需样品预处理、非破坏性、无污染以及成本低等特点, 已成为一种快速的现代分析技术, 广泛应用于农产品/食品领域的品质检测。国内外许多学者对其进行了深入的研究,并且从实验室的静态研究向在线检测研究方向发展。文章概述了近红外光谱分析技术在水果、鱼类、畜肉类、牛奶、谷物以及奶酪酒精发酵上的在线品质检测/监控应用上的研究进展,指出了近红外光谱分析技术尚存在的问题,并对今后的近红外光谱分析技术作了展望。提出近红外光谱分析技术将会与网络技术相结合,实现近红外分析模型的在线更新与升级, 指出光谱成像技术将成为21世纪近红外光谱分析技术的发展趋势。     

近红外光谱技术在肉品检测中的应用和研究进展

近红外光谱(NIRS)作为新型光学检测技术在食品行业中得到广泛应用。该技术能实现肉品在线、快速、无损检测,是肉和肉制品品质分析的重要技术之一。文章综述了近红外光谱技术在肉类行业中的重要应用以及近年来的研究进展,主要包括蛋白质、脂肪及水分等影响肉类品质的化学组成成分分析,肉品感官品质如嫩度、保水性、肉色及新鲜度等指标的评价以及肉品的产地、品种等方面的鉴定。同时列举了近红外光谱技术在几种常见肉制品品质检测中的应用实例,并针对目前发展趋势展望了该技术的前景：近红外光谱技术在进一步深入研究提高肉品检测精度的基础上,通过与机器视觉技术等新型无损检测技术的融合以实现全面评价肉类品质的目标。     

近红外光谱分析技术在水果品质无损检测上的应用

近红外光谱分析技术具有快速、非破坏性、低成本及同时测定多种成分等特点,在很多领域得到广泛应用。本文简介了近红外光谱技术的检测原理,指出其检测优点和不足。综述了国内外将近红外光谱技术应用于水果品质无损检测方面的研究进展,并对利用近红外光谱技术进行水果品质无损检测的研究前景进行了展望。     

近红外光谱快速分析技术及其在动物饲料和产品品质检测中的应用

近红外光谱是近年来发展最快、最引人注目的光谱学技术。主要介绍了近红外光谱技术的基本原理和发展, 包括近红外光谱预处理技术如微分处理、信号平滑等技术的发展和近红外光谱分析模型如多元线性回归、主成分分析、偏最小二乘法和人工神经网络等的发展。综述了国内外近几年来此技术在动物饲料和产品品质检测中的应用。文献调查显示, 近红外光谱分析技术以其快速、无损、不污染环境等诸多优点在国内外饲料和动物产品检测方面得到广泛应用。在饲料分析方面,近红外不仅能用于其常量成分干物质、粗蛋白、粗纤维、粗脂肪等的测定,而且能用于微量成分、有毒有害成分的测定。在动物产品分析方面,该技术已用于禽蛋、牛肉、羊肉、猪肉等的各种物理和化学指标的测定。文中详细给出了已经报道的利用近红外光谱技术测定饲料和动物产品测定指标和光谱处理以及模型建立的情况, 并讨论了近红外光谱快速检测技术的在饲料分析和动物产品分析领域的应用新趋势和局限性。     

基于聚乙烯膜包装奶酪成分的NIRS检测研究

考察了聚乙烯包装膜对奶酪光谱的影响,提出了消除包装膜影响的新方案。探讨了近红外反射法直接检测带包装膜的奶酪成分的可行性。通过Norris导数滤波处理光谱,可以基本消除聚乙烯包装膜对奶酪光谱的影响,采用PLS结合MSC、求导等预处理建立了包装奶酪定量分析模型,其脂肪和蛋白质相关系数分别为0.928和0.952;建模标准差分别为0.240和0.355;预测标准差分别为0.326和0.219。与无包装奶酪和未滤波处理包装奶酪的模型比较,结果显示：与无包装奶酪模型差异极小,优于未采用Norris导数滤波处理的包装奶酪模型。实验表明近红外光谱分析技术可以在无损条件下快速检测包装奶酪中脂肪、蛋白质含量。     

可见/近红外光谱技术在液态食品检测中的应用研究进展

可见/近红外光谱作为一种快速、无损的新型检测技术,在农产品与食品品质检测领域获得越来越广泛的应用。日本和欧美很多国家在近红外光谱对农产品与食品品质检测方面已经取得了很大的进展,国内在这一领域的研究虽有一定的成果,但与国外相比仍有一定的差距,有待加强。文章从酒类、奶制品、果汁、食用油等方面综述了近几年国内外可见/近红外光谱技术在液态食品品质检测中的最新应用研究进展,分析了可见/近红外光谱技术应用于液态食品品质检测的种种优势,思考了应用中存在的一些问题并尝试提出了相应的解决方法,最后对进一步的研究提出了展望。     

近红外光谱技术在牛奶及其制品品质检测中的应用

牛奶及其制品作为一类营养全面的理想食品,已成为人们日常生活中不可或缺的一部分。但与此同时人们也越来越关注乳制品的质量和品质,实时、快速、准确地检测牛奶及其制品成分和其他物质含量是提高乳制品质量,进行牛奶及其制品质量控制的首要条件。近红外光谱技术作为一种新型的分析检测技术,由于其快速、准确、无损的特点在乳及其制品产品检测和生产监控中有着巨大的应用潜力和前景。文章介绍了近红外光谱技术的原理、优点以及在牛奶及其制品营养成分含量测定、质量评定、在线检测等方面的研究进展,综合阐述了近红外光谱技术在牛奶及其制品品质检测中的应用现状,并对其前景进行了展望。证明近红外光谱技术可以有效地对乳及其制品的营养成分含量以及掺假物、残留物和防腐剂等进行快速、准确、无损的测定,从而实现对牛奶及其制品质量的检测和评定,以及生产过程的有效控制。随着近红外技术的不断发展,近红外检测技术将更加广泛地应用于牛奶及其制品的品质检测。     

中红外及近红外光谱在小杂粮品质检测中的应用进展

中红外光谱以及近红外光谱在现代分析化学中有重要的地位,是人类认识物质结构、功能、成分以及含量的重要途径。小杂粮泛指生育期短、种植面积少、种植地区和种植方法特殊,有特种用途的多种粮豆,其特点是小、少、特、杂。小杂粮营养丰富,既是传统口粮,又是保健食品资源。随着人民生活水平的提高和膳食结构的改善,小杂粮作为药食同源的新型食品资源,在现代绿色保健食品中占有重要地位。对小杂粮进行品质检测可为小杂粮生物活性物质研究、品质分级、小杂粮育种、产地溯源与真伪鉴别等方面提供可靠的数据支撑。按照麦类小杂粮及豆类小杂粮分类,对国内近30年来小杂粮品质检测有关文献加以综述。研究表明,麦类小杂粮品质检测文献更多,约占文献数量的2/3左右,且以近红外光谱技术应用居多;豆类小杂粮品质检测文献相对较少,约占文献数量的1/3左右,且以中红外光谱技术应用居多。中红外光谱、近红外光谱在小杂粮品质检测分析方面有诸多重要应用。其中,中红外光谱更多应用于小杂粮中活性物质以及小杂粮加工过程的表征,而近红外光谱则更多应用于小杂粮中粗蛋白、粗脂肪、水分等主要品质指标的定量分析检测,可为小杂粮品质监测、科学育种提供高效的数据来源。近年来,随着化学计量学的发展和计算机技术的进步,近红外光谱不再局限于小杂粮品质指标定量分析,而且还被应用于小杂粮产地溯源等领域,亦取得了良好的效果。最后对中红外光谱、近红外光谱在小杂粮品质无损分析检测方面做出了展望。     

近红外光谱检测技术及其在林业中的应用

近红外光谱是20 世纪80 年代以来发展最快、最引人注目的光谱分析技术。文章介绍了近红外光谱技术的发展历程和在国外的应用概况,重点列举了近红外光谱在林业中的成功应用实例。资料表明, 近红外光谱以其快速、无损伤、操作简单、稳定性好、效率高等特点,在国外的水果品质检测、木材性质检测和林业育种中的应用已成为一个活跃的研究领域。而近红外光谱技术在我国林业上的研究和应用则刚刚起步,因此本文对国内外利用近红外光谱技术在林业上的应用作一综述,并对近红外检测技术在林业上的应用进行了展望,以推动近红外光谱技术在我国林业科技和生产中的应用。     

基于互信息熵-近红外光谱的过程模式故障检测

近红外光谱分析在工业过程故障检测方面具有独特的优势,是一种准确且高效的方法。结合互信息熵和传统的主成分分析,对近红外光谱特征信息进行提取,通过构建过程的模式来刻画工业过程的运行状态。利用近红外光谱数据,从有机分子含氢基团振动信息中获取工业系统的过程模式,从微观分子层面探索提高工业过程故障检测准确率的有效方法,结合贝叶斯统计学习技术,提出了基于近红外光谱数据的工业过程故障检测技术。针对近红外光谱信息量丰富,谱带较宽,特征性不强的特点,首先对工业过程不同运行状态下的近红外光谱吸光度数据进行一阶导数预处理,采用主成分分析法（principal component analysis,PCA）压缩光谱数据量,扩大不同运行状态下光谱特征信息的差异性,提取光谱的内部特征信息。然后采用互信息熵（mutual information entropy,MIE）作为光谱特征信息相关性度量函数,基于最小冗余最大相关算法进一步减少光谱特征信息间的冗余并最大化光谱特征信息与类别的相关性,弥补了PCA无监督特征波长选择的不足,提出一种基于PCA-MIE的过程模式构建方法,获得的过程模式子集更紧凑更具类别表现力。再利用贝叶斯统计学习算法,根据后验概率对构建的模式子集进行决策,判别生产过程的正常状态和故障状态。由于过程模式子集结合了PCA浓聚方差的优势和互信息熵相关性测度的特征信息选择方法,蕴含了更多的近红外光谱的本质信息与内在规律,从而更能刻画工业过程的运行状态。接着,设置测试准确率TA作为评估标准,用以评价故障检测方法的性能效果。最后利用某化工厂提供的原油脱盐脱水过程近红外光谱数据对所提方法进行验证,并与传统近红外光谱特征信息提取方法PCA和MIE方法性能进行对比分析,结果表明基于PCA-MIE的过程模式故障检测方法几乎在所有维数子集上性能都优于其他两种方法,在特征维数为18维时获得最高的准确率94. 6%,证明了方法的优越性。     

可见/近红外光谱图像在作物病害检测中的应用

农作物病害严重影响了我国正常的农业生产,现代农业迫切需要快速、准确、高效的作物病害诊断方法。首先简单介绍了常用病害检测技术,如：聚合酶链式反应技术、人工感官判定技术、统计学方法等,这些方法或是比较费时、或是只能用于产生明显病斑后的病害诊断,而光谱技术在植物病害的快速检测方面有一定的潜力,目前已有大量的研究成果。主要围绕可见/近红外光谱图像在病害检测的应用展开分析和讨论,讨论了该技术所涉及的仪器,并从细胞、植物组织、冠层及更大尺度层面分析了该技术在病害检测中的现况。目前大部分与植物病害有关的可见/近红外光谱研究都以植物叶片为对象,而在更小尺度（细胞至显微尺度）和更大尺度（冠层至航空/航天遥感方面）上的研究较少,特别是单细胞级别的病害研究,只在动物细胞领域展开,而且以荧光、拉曼、红外光谱为主。可见/近红外在以植物叶片为主要研究对象的器官尺度上有大量的成功应用,目前的研究已涉及了大部分的常见作物及其主要病害,包括真菌性、细菌性等各种病原引起的病害的检测。植物叶片尺度的研究主要从以下三个方面展开：(1）基于计算机图像处理和模式识别的病害信息自动快速判断;(2）基于化学计量学方法的高光谱或高光谱图像病害程度模型;(3）建立与作物病害有关的叶片某些理化参数的光谱模型,从而量化病害的程度。在植物叶片这一尺度相关研究的主要问题是：研究过于碎片化,往往只研究了某一种或少数几种病害,所建的模型只能用于特定实验条件,无法直接自动判断任意田间样本的染病种类与程度。在近地冠层尺度,植株的三维形态对光谱模型有较大的干扰,有文献表明以植株近地冠层2D图像作为病害检测数据,偏差较大,所建模型不稳定,基于卫星影像的病害模型较少。还讨论了常用光谱及光谱图像建模与分类方法。目前可见/近红外光谱在农作物病害方面有一定的应用潜力,但存在研究内容的不平衡、研究系统性不够、各学科合作研究不够深入等几大问题。最后提出可见/近红外光谱在病害检测领域中应更注重多学科的深入合作,并急需相关的仪器设备、方法模型方面的突破。     

一种油田原油含水率的近红外光谱检测与分析方法

石油作为重要战略资源,对其组分进行实时分析检测在石油化工领域有着重要意义。随着石油资源的不断开发,在已长时间开采油井的生产过程中以及新油井开采前,需要对井下原油组分进行分析检测,以判定开采的必要性。原油组分实时检测,在原油开采、生产、储运以及销售过程中都起着关键的作用,针对传统检测方法存在精度低、效率低等问题,近年来在原油组分检测技术的研究方法上引入了在测量领域得到广泛、有效应用的近红外光谱测量技术。以井下原油作为研究对象,利用从大庆油田获得的提纯原油与水按体积比配制了原油占比分别为1%~20%共39个组分的实验样品来模拟井下原油。研究了近红外光谱透射法测量原油组分的基本原理,并利用SW2520型近红外光谱仪与卤素光源以及配套组件集成了原油样品近红外光谱数据测量系统,完成了系统的标准化实验并利用此标准化后的系统采集了39个组分原油样品的近红外吸收光谱数据。利用移动窗口平滑法、Savitzky-Golay卷积平滑法以及Savitzky-Golay卷积求导法对原油近红外光谱数据进行预处理以消除噪声,利用偏最小二乘法和支持向量机回归方法SVR两种分析方法对预处理后的原油样品近红外光谱进行建模,分别建立了原油组分分析预测模型。研究结果表明,利用偏最小二乘法模型预测均方根误差为0.003 755 14,决定系数R2为0.999 999,预测精度优于0.1%,预测效果十分理想。利用近红外光谱技术对配制的不同比例的井下原油模拟测试样品进行测试建模和分析,为井下原油组份检测提供了一种新的思路,该方法可以有效的解决原油含水率的检测问题,为开发油田现场实时原油检测分析装备提供技术支撑。     

基于可见与近红外光谱联用的柑桔黄龙病快速无损检测研究

黄龙病是柑桔果树的毁灭性病害,对柑桔产业危害巨大。基于模型平均理论,探讨联用可见与近红外光谱技术,提高柑桔黄龙病快速无损检测精度的可行性。采集记录柑桔叶片的可见与近红外光谱,经实时荧光定量PCR鉴别黄龙病叶片为轻度、中度和重度三类,缺素和正常样品也经PCR鉴定,共五类叶片。基于光谱直接拼接、光谱归一化拼接和模型平均三种不同策略,结合偏最小二乘判别分析(PLS-DA)和多元线性回归(MLR)方法,分别建立了柑桔黄龙病可见与近红外光谱联用无损检测模型。经比较发现,光谱联用模型的检测精度均高于可见或近红外单一检测模型,且经导数处理后的光谱直接拼接PLS-DA模型检测精度最高,模型预测相关系数为0.97,预测均方根误差为0.67,模型总误判率为3%,其原因是导数消除了光谱的基线漂移。光谱归一化拼接的PLS-DA模型检测精度次之,模型总误判率为7%。可见与近红外模型平均的检测精度最低,模型总误判率为7.2%。实验结果表明,联用可见与近红外光谱,结合光谱拼接方法,提高了柑桔黄龙病无损检测模型的检测精度,研究可为其他领域的光谱联用提供参考依据。     

近红外吸收光谱技术快速检测奶制品中添加三聚氰胺

对奶制品中添加三聚氰胺的近红外吸收光谱快速检测技术进行了可行性研究。实验分别配置了8组不同三聚氰胺含量的纯牛奶样品,用FTIR光谱仪测量其吸收谱,并偏最小二乘法建立数学模型。研究结果表明,应用近红外吸收光谱技术可以对奶制品中添加三聚氰胺进行快速检测。     

近红外光谱分析中的变量选择算法研究进展

随着人们对近红外光谱分析技术了解的深入,人们发现通过剔除近红外光谱中的冗余变量不仅可以简化近红外光谱分析模型,提高模型的可解读性,通常还可以提高模型的预测效果及稳健性。变量选择的有效性已经在各种近红外光谱应用体系中得到了广泛的验证,发展成为了近红外光谱分析建模过程中一个越来越重要的步骤。为此,化学计量学家们近些年来开发了大量原理不同的新型变量选择算法,基于各种原理的衍生算法也层出不穷。为了让近红外光谱分析研究人员能够较为迅速地对这些算法的特点有所认识,对目前常见的各种变量选择算法的算法原理和优缺点进行了梳理。根据各种算法依据的原理不同,将目前近红外光谱领域常见的变量选择算法大致分为基于偏最小二乘模型参数,基于智能优化算法,基于连续投影策略,基于模型集群分析策略和基于变量区间等五类。在梳理的过程中,我们发现变量选择算法的发展趋势目前主要集中在以下两点：第一,算法的复杂程度不断提高;第二,不同变量选择算法之间的联用开始逐渐增多。此外,作者结合自身在应用变量选择算法时的体会和思考,还总结了变量选择算法在应用层面上存在的一些问题。例如光谱预处理方法对变量选择算法使用效果的影响,以及部分算法存在的稳定性较差,选择变量的可靠性存疑等。     

红外光谱技术在蜂蜜质量检测中的研究进展

蜂蜜的品质检测和掺假判别对于保证产品质量、保障其食用安全性具有重要意义。传统的化学分析、抽样检测方法限于成本较高、操作复杂等原因,已不能满足生产实践中大范围检测的需求。近年来,蜂蜜检测技术正向快速化、高通量方向发展。光谱分析技术具有快速、非接触测量的优点,已在石化领域获得了广泛应用,在蜂蜜品质检测方面具有较大的应用潜力。并综述了近红外光谱分析技术和中红外光谱分析技术在蜂蜜定量和定性检测研究中的进展。主要包括这两种光谱分析技术在蜂蜜产品的品质检测、掺假判别、植物源判别、产地判别等方面的研究进展,通过这几方面的介绍,对红外光谱技术在蜂蜜分析检测中的检测原理、技术路线、准确度、影响因素及发展方向进行了综合分析。     

SPXY算法的西瓜可溶性固形物近红外光谱检测

可溶性固形物(SSC)是一种综合参数,主要包括糖、酸、纤维素、矿物质等成分,对评价果实成熟度和品质具有重要意义,影响果实口感、风味及货架期。西瓜可溶性固形物含量的无损快速检测对西瓜成熟度的确定、贮藏及运输过程中西瓜内部品质监控具有十分重要的意义,有助于提高西瓜生产效益和市场竞争力。在西瓜可溶性固形物含量的快速无损近红外光谱检测中,近红外漫透射的方式所需光源的能量大,同时大功率透射会对水果的内部品质产生影响;采用近红外漫反射方式的研究较少,但漫反射采集所需的能量小,有助于实现仪器小型便携化,成本低,同时避免透射引起的水果品质变化。以小型西瓜为研究对象,利用JDSU便携式近红外光谱仪采集西瓜样品瓜梗、瓜脐、赤道部位的近红外反射光谱,在976,1 186和1 453 nm附近有明显的吸收,利用偏最小二乘回归定量分析方法建立西瓜可溶性固形物的近红外光谱无损预测模型。首先,采用光谱-理化值共生距离(SPXY)算法对西瓜不同检测部位的样品集进行划分,以可溶性固形物含量为y变量,光谱为x变量,利用两种变量同时计算样品间距离,以保证最大程度表征样本分布,有效地覆盖多维向量空间,增加样本间的差异性和代表性,提高模型稳定性。将西瓜样品划分为51个校正集和15个预测集,校正集样本的SSC含量涵盖了预测集样本的SSC含量范围,且变异系数均小于9%,样品集划分合理,有助于建立稳健可靠的预测模型。其次,对比分析西瓜瓜梗、瓜脐、赤道检测部位的近红外反射光谱与可溶性固形物含量之间的定量模型的预测精度,结果得出西瓜赤道部位的反射光谱与可溶性固形物含量相关性较高,预测效果较好,预测集相关系数为0.629,预测集均方根误差为0.49%。对于不同检测部位获取的光谱信息所建立的近红外光谱SSC预测模型的精度问题,一方面与光谱的采集方式有关,另一方面与西瓜的产地、品种、成熟期等因素引起的其性状上的差异有关。在模型建立过程中根据实际情况确定西瓜的检测部位。最后,为提高西瓜赤道部位近红外反射光谱与可溶性固形物含量之间的预测模型精度,采用光谱预处理方法进行优化,结果得出经标准归一化预处理后,建立的偏最小二乘回归预测模型效果最佳,预测集相关系数为0.864,预测集均方根误差为0.33%,模型相关性较好,预测精度得到了很大提升。研究结果表明,近红外反射光谱检测小型西瓜赤道部位能很好预测其可溶性固形物含量,为实际生产中近红外光谱无损快速检测西瓜可溶性固形物含量及小型便携式仪器研发提供了技术储备。     

近红外化学模式识别方法及应用研究

近红外模式识别技术是现代近红外光谱分析技术的一个重要方面。文章较系统地介绍了近红外模式识别中常用的化学模式识别方法和这一领域内的最新进展,涉及到聚类分析、判别分析、特征投影显示3个方面多种方法的基本原理,以及近年来出现的支持向量机(SVM)、气泡凝聚算法(BA)、焦点本征函数(FEF)等新方法的基本思想。综述了近几年近红外模式识别技术在农业、医药、食品分析、石油等领域的具体应用。     

近红外光谱技术检测植物木质素纤维素研究进展

近红外光谱技术可用来检测植物木质素、纤维素及半纤维素含量,与传统的湿化学方法相比具有快速、操作简单、准确、无损等优点,是一种新型的测定方法,近年来在检测木本植物及草本植物木质纤维素组成成分中被广泛应用。综述了国内外利用近红外光谱技术快速检测木本植物(用作造纸原料的木材、竹材以及潜在的可用作生物质能源的木材)及草本植物(饲草及草类能源植物)木质素、纤维素、半纤维素含量的研究进展,并从样品前处理、光谱预处理及波长选取方法、化学计量学方法三个方面对利用近红外光谱技术快速检测植物木质素、纤维素方法研究上的进展进行了总结,并结合国内木材、牧草及能源草行业发展现状提出了四点展望: 建立适用性更强的模型;建立全面的草产品品质指标近红外光谱数据库;建立能源植物能用品质指标相关模型并对建模方法进行进一步的探索和完善;推动应用近红外光谱技术检测植物木质纤维素的方法从实验阶段走向实际应用。随着对近红外光谱检测植物木质纤维素方法的不断成熟和完善,它必将对造纸、饲草及能源草行业的发展产生巨大的推动作用。