基于近红外光谱无损快速检测面粉品质的研究

提出一种基于近红外光谱技术结合偏最小二乘法对面粉品质进行无损快速检测的方法．配制含滑石粉的面粉样品30个，采集样品在12500～4000cm^-1范围内的近红外漫反射光谱，选择最优的光谱预处理方法和光谱范围，采用偏最小二乘法（PLS）建立定量分析模型．结果表明所建定量分析模型的相关性能比较高，预测相关系数和预测均方根误...     

基于光谱预处理结合遗传算法优化波长的面粉水分快速检测

基于光谱预处理及遗传算法(genetic algorithm,GA)法优化波长,再结合偏最小二乘(partial least squares,PLS)法建立面粉中水分的定量分析模型,对比在不同预处理方法下相关系数R~2、校正标准差(root mean square error of calibration,RMSEC)、预测标准偏差(root mean square error of prediction,RMSEP)3个指标,随机选择130份样本建立预处理+GA+PLS定量分析模型,实验结果为R~2从0.955 2提高到0.977 7、RMSEC从0.375 8降低到0.245 3、RMSEP从0.268降低到0.264。结果表明基于光谱预处理结合GA优化波长来定量分析面粉中水分含量是可行的,且准确性和误差度皆优于无优化模型。     

光谱预处理结合模拟退火算法的小麦粉面筋含量检测

为得到可靠的小麦粉中面筋含量定量分析模型,基于光谱预处理及模拟退火算法（simulated annealing algorithm,SAA）对近红外光谱（near infrared spectroscopy,NIR）进行优化处理。偏最小二乘（partial least squares,PLS）回归用于建立预测模型,以决定系数R2、校正均方根误差（root mean square error of calibration,RMSEC）、预测均方根误差（root mean square error of prediction,RMSEP）为指标,对比在不同光谱预处理条件下建立的回归模型与光谱预处理结合模拟退火算法优化处理条件下的回归模型。结果表明光谱预处理结合SAA-PLS模型能够有效提高模型的稳定性和预测能力,将R2从0.763?7提高到0.949?1、RMSEC从1.371?2降低到0.589?8、RMSEP从1.450?2降低到0.534?1。结果说明,光谱预处理结合模拟退火算法对光谱进行优化处理是可行的,模型预测能力和稳定性均优于未处理模型和仅进行光谱预处理的模型。     

基于拉曼光谱技术的面粉品质快速检测

由于目前国标法检测面粉水分、灰分以及湿面筋等品质参数的方法费时、费力,研究提出基于拉曼光谱分析技术建立面粉中水分、灰分和湿面筋的定量分析研究。实验随机采集100 份不同种类的古船面粉样本,采集样本的拉曼光谱,运用光谱预处理方法结合偏最小二乘法建立分析模型,所建立的水分（含量取值范围为
13.3%～15.4%）、灰分（含量取值范围为0.46%～0.85%）和湿面筋（含量取值范围为28%～36.8%）定量模型的相关系数分别达到0.945 66、0.993 39、0.981 65,校正均方根误差分别为0.145、0.012 6、0.456。结果表明,通过拉曼光谱技术实现面粉品质快速、无损、高效的检测可行且具有较大的发展空间。实验还通过新旧面粉的拉曼光谱,建立2013年与2014年生产面粉的距离匹配分析模型,实现过期面粉的快速鉴别,实验准确率达100%。     

拉曼光谱结合模拟退火的小麦粉灰分含量检测

针对当前小麦粉中灰分的检测方法测量周期长,且手工操作复杂,容易产生误差的问题,研究提出采用拉曼光谱技术,结合5种光谱预处理方法和模拟退火算法进行波数筛选两方面优化小麦粉中灰分的拉曼光谱模型。实验结果中,卷积平滑SG(17)+标准正态变换(SNV)+模拟退火(SAA)的优化方式效果最优,相关系数(R~2)为0.9875,均方根误差(RMSEC)和预测均方根误差(RMSEP)分别为0.0161和0.15,相对分析误差(RPD)高达8.1679,模型稳健性参数良好。研究结果表明,在模型待测组分浓度与波数相关性以及模型预测准确性方面展现了自身的优越性,该方法简单实用,快速准确,有望将此技术扩展应用于整个食品行业。     

基于便携式仪器的小麦面粉品质检测方法研究

目的 建立一种噪声小、自适应程度高的小麦粉预测模型的遗传算法-最小二乘法(genetic algorithm partial least squares, GA-PLS)检测小麦面粉品质。方法 采用AMBERⅡ手持式蓝牙光谱仪采集小麦面粉的近红外光谱,将采集的全波段光谱分段成波长相等的子区间,对每段子区间的小麦粉水分、灰度以及面筋含量进行最小二乘法预测建模(PLS模型),将每段建模数据进行遗传算法筛选优化,最终建立GA-PLS模型,幵与未分段的全谱段PLS模型进行对比分析。结果 基于遗传算法结合偏最小二乘的模型验证精度高于全谱段PLS模型,。其中小麦粉灰度值的相关系数(r~2)由0.679上升至0.919,小麦粉水分的r~2由0.701上升至0.923,小麦粉面筋的r~2由0.821上升至0.925。结论 该方法结果准确,精度高,适用于小麦面粉品质的现场快速检测。     

近红外光谱法测定面粉的水分、脂肪、碳水化合物和蛋白质含量

应用近红外光谱技术结合不同的定量分析方法建立面粉4种组分的快速定量模型。国标法测定68种面粉样品的水分、脂肪、碳水化合物和蛋白质的含量,并采集其近红外漫反射光谱图。选取58个校正集和10个验证集样品,通过马氏距离法剔除异常样品后,对比17种光谱预处理方式所建立的基于全光谱的偏最小二乘法(partial least squares,PLS)定量模型效果,在最佳预处理方法的基础上,采用向后区间偏最小二乘法(Backward interval PLS,BiPLS)筛选特征光谱,进一步得到最佳定量模型。结果表明,所建立的模型校正集相关系数Rcv均大于0.9650,内部交叉验证均方根误差均小于0.328;验证集相关系数均大于0.9926,预测均方根误差均低于0.383。因此,模型具有较好的准确性和稳定性,能应用于面粉的多指标快速检测。     

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。     

基于近红外光谱技术的小麦粉灰分含量检测方法研究

采用近红外光谱技术建立小麦粉灰分含量的快速检测方法。使用两种不同的近红外光谱仪器采集小麦粉的近红外光谱数据,以常规分析法的测定值作为建模数据,采用偏最小二乘(PLS)回归分析法建立小麦粉灰分的定量分析模型,比较两种不同的近红外光谱仪器扫描的小麦粉近红外光谱图对模型的影响。结果表明,MicroNIR-1700近红外光谱仪扫描的谱图所建校正集模型的相关系数R~2为90.69,均方根误差(RMSECV)为0.031 2,预测集模型的均方根误差(RMSEP)为0.021 7;VERTEX70傅里叶变换近红外光谱仪扫描的谱图所建校正集模型的相关系数R~2为89.40,均方根误差(RMSECV)为0.035 0,预测集模型的均方根误差(RMSEP)为0.036 6。两种仪器都能用于小麦粉光谱采集,并进行灰分含量快速检测,MicroNIR-1700在小麦粉灰分检测方面有更好的应用。     

基于近红外光谱的淀粉含水量快速检测研究

运用近红外光谱分析技术检测淀粉的含水量,收集了国内常用的不同种类的淀粉,选择最优的光谱预处理方法和光谱范围,运用偏最小二乘法(PLS)进行定量分析研究。结果表明,采用偏最小二乘法(PLS)所建的定量分析模型的相关系数R2达0.9912,预测均方根误差RMSEP为0.0784,偏差为0.132。研究发现,近红外光谱技术用于快速无损检测淀粉含水量是可行的。      

基于近红外和中红外光谱技术的小麦粉品质检测及掺杂鉴别方法

针对国家标准法检测小麦粉品质的传统方法存在一定缺陷,提出基于近红外光谱和中红外光谱技术快速检测面粉的方法,并基于偏最小二乘法建立了矫正模型,对小麦粉的灰分、水分、面筋品质指标进行了分析。对于小麦粉的掺杂鉴别问题,基于标准法测光谱距离建立了聚类分析模型,结果表明,可实现对小麦面粉品质的快速检测及掺杂鉴别。     

基于模拟退火遗传算法优化的BP网络在质量预测中的应用

翘曲量预测精度是注塑成形优化的难点。文章以某零件翘曲量为对象,选取注射温度、模具温度、保压压力、保压时间、注射速度等参数,进行数值模拟实验,建立BP神经网络的翘曲量预测模型。针对BP神经网络易陷入局部最优解的缺陷,设计一种基于模拟退火遗传算法优化的BP网络模型,与BP网络的预测精度对比。结果表明,基于模拟退火遗传算法优化的BP网络模型预测精度高于BP网络模型,同时加快收敛速度,增强全局搜索能力。     

基于近红外光谱技术快速检测椰汁品质

本研究应用近红外光谱技术结合主成分分析法(PCA)对3个不同品种的椰子,3个不同品牌成品椰子饮料及椰子粉进行定性分析。结果表明,对椰子3种不同形式的加工产品(椰子原汁、椰子饮料、椰子粉)进行定性分析的准确判别率均达到100%。采用近红外光谱技术结合偏最小二乘法(PLS)对椰汁饮料中原汁含量进行定量分析。为保证所建模型的稳健性、准确性,消除干扰,采用6种不同的预处理方法对近红外光谱技术进行优化,结果表明经过中心化预处理可得最佳模型,其R_p²、RMSEP、R_c²、RMSEC分别为0.9942、0.0435、0.9932、0.0519。本研究表明近红外光谱技术可为市售椰汁及椰子加工制品品质的快速、无损检测提供一种新思路。