基于SIMCA模型的纸浆种类近红外光谱鉴别

研究了近红外光谱分析与SIMCA模式识别技术相结合鉴别纸浆种类的方法。收集了桉木浆、麦草浆(漂白与未漂白)、棉浆、湿地松浆等4种纸浆共90个样品,抄成不同定量纸样并采集其近红外光谱,其中部分桉木浆添加化学助剂。选择60个样品作为训练集建立SIMCA类模型,剩余30个样品用于模型检验。研究结果表明,建立的模型能完全正确识别各类纸浆,且不受抄纸定量和添加化学助剂因素的影响,为快速无损鉴别纸浆种类提供了一种准确可靠的方法。     

基于拓展光谱的近红外光谱模型转移方法

提出了一种基于拓展光谱的近红外光谱模型转移方法。该方法利用一组标准样品估计源机光谱和目标机光谱之间的差异光谱,然后利用差异光谱将其他样品的源机光谱转移为目标机光谱,从而扩充目标机光谱的数量,建立目标机的稳定建模。使用三台不同仪器的近红外光谱进行了研究,结果表明,利用少量的标准样品光谱可以将大量源机光谱转移为目标机光谱,建立目标机的模型进行准确预测。该方法对仪器的更新替换具有重要的实用意义。      

玉米DDGS近红外光谱模型转移研究

为探讨玉米DDGS近红外光谱模型转移应用效果,实现不同仪器间模型共享,以FOSS DS2500F型为主仪器、TR3750-5000型为从仪器,采用近红外光谱基线平移的方法来实现原始光谱转移,分别从水分、粗蛋白质、粗脂肪、氨基酸等组分的建模参数即交互验证标准差(SECV)、交互验证决定系数(1-VR)和外部样品验证预测模型的光谱差异性、系统偏差(Bias)、预测平均标准偏差(SEP)、预测结果准确率等,多维度评估光谱转移后所建预测模型效果。通过验证和评估,从DS2500F型仪器原始光谱转移到TR3750-5000型仪器建立的水分、粗蛋白质、粗脂肪、氨基酸等预测模型SECV、1-VR值与TR3750-5000型仪器原始光谱建立的预测模型无显著差异;验证集样品试验结果显示,转移后的预测模型光谱、系统偏差(Bias)、预测平均标准偏差(SEP)以及准确率与TR3750-5000型仪器原始预测模型对比效果基本一致。结果表明,从DS2500F原始光谱转移到TR3750-5000型仪器建立的玉米DDGS水分、粗蛋白质、粗脂肪、氨基酸等预测模型是完全可以替代TR3750-5000型仪器原始预测模型,可提高模型利用率,具有良好的实用性和共享性,适用于饲料生产企业日常玉米DDGS质量控制。     

近红外光谱定性分析技术在食品安全中的应用研究进展

食品安全日益受到世界各国的广泛关注,为加强对食品安全的监督和管理,一些新的检测技术不断涌现.近红外光谱技术是近年来发展起来的一类新型的分析检测技术,可以用于鉴别食品成分掺假、食品种类、追溯不同产品来源、检测农药残留等,在食品安全领域有着广阔的应用前景.从近红外光谱定性分析原理入手,系统分析近红外光谱技术在食品安全领域的应用现状及其发展趋势,旨在为推动近红外光谱技术的发展、完善食品安全检测技术体系提供参考.     

基于近红外光谱的椰肉含油率模型构建

目的:为了实现椰肉含油率的高效率实时在线检测,满足椰子油产量预测和椰子高油种质的快速鉴定需求,建立了基于近红外光谱技术的椰肉含油率定量检测模型.方法:利用国产光栅近红外光谱仪,对成熟椰果的椰肉样本进行近红外光谱扫描,将采集到的光谱建立模集:检验集为4∶1的比例进行样本集划分,利用定量偏最小二乘分析方法建立椰肉含油率定量...     

基于近红外光谱技术快速识别不同动物源肉品

利用傅里叶变换近红外光谱技术建立猪肉、牛肉和羊肉的定性识别模型。用主成分分析法将原始数据压缩为10 个主成分,在全波段9 881.46～4 119.20 cm－1范围内,利用附加散射校正技术结合Savitzky-Golay滤波法对光谱数据进行预处理,采用判别分析法建立模型。模型对训练集的识别准确率为100%,对预测集猪肉、牛肉和羊肉的识别准确率分别为99.28%、97.42%和100%。结果表明：近红外光谱结合模式识别方法能快速无损地识别猪肉、牛肉和羊肉。     

基于近红外光谱的室温贮藏下花椰菜抗坏血酸动力学模型

为了实现花椰菜室温贮藏期的抗坏血酸(Ascorbic Acid,ASA)含量实时监测并对贮藏时间进行预测,建立了室温下花椰菜贮藏期的近红外光谱抗坏血酸动力学模型.采集花椰菜样本的近红外光谱曲线,使用K-S算法(Kennard-Stone)以3∶1的比例划分样品集;选择9点平滑预处理(Savitzky-Golay Smo...     

不同产地国产烤烟近红外光谱的特征分析及其模式识别

对2003年125个不同产地的国产烤烟烟叶的原始近红外光谱、SNV光谱与一阶导数光谱进行了主成分分析,采用主成分空间下的马氏距离判别样本的产地归属,提出根据仪器噪声和误差水平确定最大主成分个数,研究了主成分个数、样本空间、光谱区间对烟叶产地识别准确率的影响,分析了烟叶产地的近红外特征区和产地特征信息在不同主成分上的体现。结果表明,采用光滑处理的全光谱区间的一阶导数光谱,在建模样本空间进行主成分分析时所建模型对烟叶样品的识别准确率最高。     

基于近红外光谱的卷烟配方结构识别

采用近红外光谱仪分析烟末样品,并用偏最小二乘法分析近红外数据,研究了不同配方结构的烟丝与近红外光谱的关系,建立了4个不同配方的识别模型。结果表明:梗丝与叶丝配方模型具有较好的预测准确性,对不同批次的样品预测均方根误差小于0.9%,平均相对误差在7.6%以下;在4丝配方中,对梗丝、膨胀烟丝和再造烟丝的预测准确度较低,其平均相对误差在10%左右。     

近红外光谱技术--还液态奶之真本质

液态奶发展现状 今夏,天气炎热,而液态奶市场却遭遇到近几年最冷的寒冬.负面事件的发生,导致了产品价格的持续下降.     

近红外光谱对食醋pH值测定的研究

酸度是食醋的重要指标之一,实验中采用近红外光谱分析技术对食醋的pH值间接检测进行了研究。首先对比分析了不同的近红外光谱预处理方法对预测模型的影响,发现采用15点平滑能够有效地滤除光谱中的噪声信息,同时又能很好的保留光谱的有用信号;然后对比建模方法对检测结果的影响,发现采用偏最小二乘法建模优于主成分分析的方法,最终采用15点平滑-偏最小二乘模型实现对食醋pH值的检测。最后对建立的模型的精度和稳定性进行分析评价,证明模型的精度能够达到实际工作的需要,同时模型具有较好的工作稳定性。     

酪蛋白酶解反应过程的近红外光谱在线监测技术研究

本文研究了酪蛋白酶解过程中水解度、酶解液及其胃、肠模拟消化产物的ACE抑制率的变化。采用近红外光谱在线监测技术采集酶解过程的光谱信息,通过光谱信息与化学值之间的关系建立数学模型。结果表明,酪蛋白的水解度和酶解液的ACE抑制率均随着酶解时间的延长逐渐增加,酶解液经胃、肠模拟消化后的ACE抑制率显著升高。采用偏最小二乘算法、区间偏最小二乘法和联合区间偏最小二乘法建立光谱信息与酶解过程中的化学值建立定量模型。结果表明,联合区间偏最小二乘法可良好预测酪蛋白酶解过程的关键参数,且模型稳定性良好。结论：采用近红外光谱技术可实现酪蛋白酶解反应过程的在线监测,预测酪蛋白的水解度、酪蛋白酶解液及其胃肠模拟消化产物的ACE抑制活性。     

基于近红外光谱的枸杞化学成分定量分析

针对目前市场上枸杞掺假现象严重及枸杞品质分析检测繁琐等问题,本试验采用近红外光谱技术对不同产地的枸杞进行光谱分析,对枸杞的各种化学成分进行定量分析。通过偏最小二乘回归法（PLS）,其中30个样品为校正集,10个样品为预测集,利用枸杞的近红外光谐擞据建立校正模型后,对枸杞的化学值进行预测。用枸杞样品的主成分在空间的分布对全部样品进行检验,去除异常样品,同时采用残余验证方差作为确定主成分数的评价标准。结果表明：枸杞各成分建立的预测模型,其校正集相关系数Rc均在0．93以上,交叉检验相关系数Rcv均在0．83以上。同时各成分的校正均方差RMSEC值均小于交叉检验均方差RMSEP值,且这两个教值没有明显差异性,预测值与化学值具有良好的相关性。本试验中,枸杞各成分的化学值与预测值都达到了定量标准,可以进行定量分辘,     

近红外光谱对年份葡萄酒的验证检测试验

利用AOTF近红外光谱仪快速检测分析技术,进行年份葡萄酒的验证性分析检测,利用每个年份的葡萄酒的定性分析模型,对年份葡萄酒验证集的样品可以进行准确的判定,为葡萄酒新标准中年份葡萄酒的检测提供了可行的检测分析方法.     

近红外光谱技术在制浆造纸分析中的应用

介绍了近红外光谱分析技术的测定原理、技术特点,重点介绍了近红外光谱在制浆造纸分析中的应用,并对其的应用前景进行展望。     

近红外光谱技术在果蔬农药残留检测中的应用研究进展

近红外光谱技术是一种具有无损、快速、低成本等诸多特点的新型分析检测技术,可以方便地实现对农产品尤其是水果、蔬菜中农药残留的定性和定量监控。近红外光谱技术所具有的无损检测这一突出优势,使其在农产品安全领域有着广阔的应用前景。本文概述了近红外光谱技术的基本原理、应用特点、目前近红外光谱技术常用的样品前处理技术-预浓缩技术和定量校正模型,并对近红外光谱技术在果蔬农药残留检测领域的应用情况进行综述。随着近红外光谱技术的不断革新、相关前处理技术的不断发展和完善,未来近红外光谱技术在果蔬农药残留检测中会向着更加灵敏、更加准确、更加自动化、更加现场化等方向发展。     

近红外定量模型快速测定大米的营养成分

大米中的蛋白质、脂肪、碳水化合物和水分是大米的重要营养成分,这些组分的检测需要依赖国标法,检测过程繁琐冗长,污染大,实现近红外快速检测具有重要的现实意义。本实验以75个大米样品为研究对象,用国标法测定其蛋白质、脂肪、碳水化合物和水分的含量,用Antares Ⅱ型近红外光谱仪采集光谱信息。将样品分为校正集和验证集,其中校正集63个,验证集12个,通过6种光谱预处理方法和3种建模方法分别建立大米的蛋白质、脂肪、碳水化合物和水分的定量模型,用Workflow调用模型来实现四种组分的快速检测。结果表明,蛋白质、碳水化合物通过一阶导数与Savitzky-Golay滤波对光谱进行处理;脂肪、水分通过二阶导数和Savitzky-Golay滤波对光谱进行处理;再通过PLS回归与国标法的测定值相关联建立的大米中蛋白质、脂肪、碳水化合物及水分的定量模型具有较高的预测精度。蛋白质、脂肪、碳水化合物和水分的预测模型的内部交叉验证的相关系数R分别为0.9266、0.9333、0.9198、0.9175,RMSECV分别为0.280、0.133、0.362、0.270,内部交叉验证的相关系数R均在0.91以上,RMSECV均小于0.37,可实现对大米中蛋白质、脂肪、碳水化合物和水分的快速检测。     

BP 神经网络在大豆油酸价近红外光谱检测中的应用

对于大豆四级油,采用BP 神经网络对其近红外光谱数据建模,对系统的结构及参数选取进行了分析,对样本训练集的设计和网络输入端的主因子方面进行了处理。对于其他的多变量建模方法,分析了其对近红外光谱有用信息的提取作用。结果显示：多元线性回归、主成分回归和偏最小二乘法对大豆四级油酸价预测的标准偏差分别为0.1472%、0.1801% 和0.1576%,BP 神经网络的预测标准偏差为0.1387%。