便携式中波近红外光谱仪在线无损检测生鲜猪肉胆固醇

应用便携式近红外光谱仪采集320份生鲜猪肉在近红外光谱中波区的光谱信息,采用不同优化方法建立猪肉胆固醇预测模型,并对异常样品的剔除及组合预处理方法对模型性能的改善进行了分析。研究表明：通过对异常值的二次剔除,并使用SG一阶导数(savitzky-golay first derivative, SG 1stD)、SG平滑(savitzky-golay smoothing, SGS)和正交信号校正(OSC)的组合预处理方法,可获得最佳生鲜猪肉胆固醇预测模型,其参数如下：校正集相关系数(R_c)=0.9137,校正标准差(standard error of calibration, SEC)=2.5607,验证集相关系数(R_p)=0.656 7,预测标准差(standard error of prediction, SEP)=4.985 5,主因子数(principal factor, PF)=4,范围误差比(ratio of performance to standard deviation, RPD)=2.5032,相对预测标准差(relative standard error of prediction, RSEP)=8.625 4%,SEP/SEC=1.946 8,说明模型在近红外光谱中波区对猪肉胆固醇的分辨能力和预测准确度较好,通过向校正集中补充代表性样品可使模型稳健性进一步改善。对检验集样品预测值(prediction value, PV)与参比值(reference value, RV)的t检验显示二者之间无显著性差异(p＞0.05),检验集样品总体预测准确率为62.5%,其中50～70 mg·(100 g)-1区段的局部预测准确率达到91.7%,可以用于生鲜猪肉胆固醇浓度的在线快速初步定量分析。该研究将便携式近红外光谱用于在近红外中波区对生鲜猪肉及肉制品中胆固醇浓度的分析和检测,通过进一步的研究和改进,可将其应用于产品的原料分级、品质和过程控制及市售产品的抽检等。     

便携式近红外光谱仪器现状及展望

近红外光谱分析技术具有速度快、操作简单等优点,在农业、制药等行业得到了大量应用,其中一些应用需要将仪器携带到分散的分析现场使用,为满足这一需求,很多体积小、便于移动的便携式近红外光谱仪被研制出来。这些仪器的种类较为繁多,采用了很多不同的基本原理,使用了不同的光路结构。文章综述了国内外便携式近红外光谱仪的技术现状,根据光路结构的不同将仪器分成滤光片型、光栅型、傅里叶变换型、声光可调滤波器型以及使用微机电系统(MEMS)的新型光谱仪等类型,重点介绍各类仪器的原理和主要部分的结构,同时简要介绍不同类型仪器的特点,并列举典型产品。也对测量附件、操作、显示等外围部分的设计作简要介绍,这些附件针对便携应用采取了特殊的设计。通过介绍,为新型便携式近红外光谱仪的研制提供借鉴。最后,对便携式近红外光谱仪器的现状作总结,并对未来国内外技术的发展进行展望。     

可见/近红外光谱漫透射技术检测西瓜坚实度的研究

西瓜是一种广受世界各国消费者喜爱的水果,坚实度是西瓜的一个重要品质指标,文章利用可见/近红外漫透射光谱技术进行了西瓜坚实度(FM)的无损检测研究。采用偏最小二乘法(PLS)和主成分回归法(PCR)建立了FM与漫透射光谱的无损检测数学模型,对比分析了不同光谱预处理方法(原始光谱%T,一阶微分处理光谱D1(%T ),二阶微分处理光谱D2(%T )以及光谱的Savitsky-Golay法滤波)对模型预测性能的影响。根据模型相关系数(r)及预测平方根标准偏差(RMSEP)进行了不同模型的预测性能对比,结果表明：光谱经二阶微分处理并使用Savitsky-Golay法滤波后,采用PLS法可以得到最好的FM建模结果(r=0.974,RMSEP=0.589 N)。研究表明：应用可见/近红外漫透射光谱技术检测西瓜的坚实度是可行的,为今后快速无损评价大果形厚果皮类水果坚实度提供了理论依据。     

鸭梨黑心病可见/近红外漫透射光谱在线检测

鸭梨黑心病是鸭梨的主要生理病害,直接影响鸭梨的出口创汇;准确快速鉴别鸭梨黑心病对于梨的出口业具有重要现实意义。探讨可见/近红外漫透射光谱在线检测鸭梨黑心病的可行性,选取80个正常鸭梨和70个黑心鸭梨作为建模集,建模集被分为校正集和预测集以求获得最优模型。未参与建模的30个正常梨和20个黑心梨作为预测集,用于评价模型的预测能力。鸭梨的可见/近红外漫透射光谱,在5个/秒的速度下采集。建模集能量谱经标准正交变换(SNV)和多元散射校正(MSC)处理后,分别建立健康梨和黑心梨的偏最小二乘判别模型(DPLS)、峰面积判别模型(DPA)、主成分判别模型(DPCA)。用建模集模型判别预测集鸭梨,经比较,DPLS模型的判别准确率最高,黑心梨正确识别率达到100%。实验结果表明：可见/近红外漫透射光谱结合DPLS判别方法,可以实现黑心鸭梨的在线检测。相比传统的人工破损方法,在线检测可为梨出口贸易提供技术支撑和科学参考依据。     

便携式水果内部品质近红外检测仪研究进展

介绍了水果内部品质近红外光无损检测原理,描述了便携式水果内部品质近红外检测仪检测流程,对比分析了几款商品化的便携式水果内部品质近红外检测仪性能特点,总结了国内外最新研究进展,并展望了便携式水果内部品质近红外检测仪的发展趋势.     

漫透射近红外光谱的便携式面粉品质安全检测仪的设计

基于近红外漫透射光谱分析技术,设计了便携式面粉品质安全检测仪,该检测仪主要包括光谱采集模块、光源控制模块、处理与显示模块以及电源模块.其中漫透射检测附件不仅可以实现光谱补偿功能,还可以有效避免外界杂散光的干扰,设计了控制光源开关的电路,通过实验确定样品的最佳厚度.选用树莓派4B作为核心处理器,选用可充电锂电池供电,仪器...     

生鲜乳中还原乳的近红外光谱法鉴别

探讨了利用近红外光谱技术快速、准确地进行生鲜乳中是否含有还原乳鉴别的可行性,并对还原乳检测过程中多元散射校正(MSC)的适用性进行了讨论。文章利用SIMCA判别分析方法,建立了掺入还原乳之生鲜乳的定性判别模型,结果表明：当掺入比例为10%时,正确率达到96.7%,当达到20%以上时,该方法的正确判别率可以达到100%;另外,利用偏最小二乘法(PLS)还建立了还原乳掺入量的定量检测模型(r＝0.971,RMSEP=7.76%,RPD=5.13),双尾T检验表明,定量模型预测值与样品真实值间无显著性差异。上述2种方法充分说明了近红外技术可以实现生鲜乳中是否含有还原乳的快速鉴别。     

基于可见/近红外透射光谱的孵化早期受精鸡蛋的判别

在种鸡蛋孵化过程中,部分种蛋由于未受精不能正常出雏,不但会造成大量浪费,还有可能引起霉菌感染其他种蛋,利用可见/近红外透射光谱分析技术可以对种鸡蛋中的受精蛋和无精蛋进行检测。为研究孵化初期无精蛋最佳的判别时间,本文通过对孵化环境下种鸡蛋品质随时间变化的研究,最终发现在孵化24h内的种鸡蛋品质还在新鲜状态,在72h后的种鸡蛋品质变为不可食用级别,最终发现36h内是最佳的判别时间。研制了基于可见/近红外透射光谱的静态采集系统,并使用该系统进行了光谱采集。对比同一品种不同样品及不同品种的光谱建模效果,剔除了由蛋黄与蛋壳颜色造成的样本光谱差异区域,选取的有效光谱波段为355~590和670~1 025nm。采用主成分分析法进行预处理,通过不同时间、不同主成分数建模效果的比较,确定最佳的主成分数。同时采用多元散射校正、附加散射校正、导数校正与主成分分析的光谱预处理方法在不同的建模方法下进行对比,并考虑到实际应用与最终的生产效益,建立了有效的判别模型。最佳判别模型为使用24h时采集光谱且采用主成分分析法进行数据预处理并使用Fisher算法建立的模型,判别准确率能达到87.18%。该研究为早期受精蛋与无精蛋的无损伤在线鉴别提供了一种新的方法。     

近红外在乳及乳制品质量检测中的研究进展

近红外光谱(near infrared spectroscopy,NIRS)的高效、方便、不破坏样本等特点是其能够进行乳及乳制品质量检测的重要条件。首先探讨了近红外技术的基本原理,并分析了乳及乳制品特点及质量检测评定标准,重点综述了近红外光谱系统硬件设备技术和数据处理的方法,在乳及乳制品质量检测中的研究成果,以促进近红外光谱技术在我国乳制品检测中得到广泛应用。     

马铃薯多品质参数可见/近红外光谱无损快速检测

马铃薯是与小麦、稻米、玉米协调发展的第四大主粮作物,现阶段我国正积极推进马铃薯主食开发,但马铃薯品质的参差不齐严重制约了马铃薯产业主食化进程,马铃薯品质快速无损检测对其加工产业化进程有着重要意义。国内外学者基于可见/近红外光谱对马铃薯内部品质检测进行了不少相关研究,但迄今为止大部分研究都基于可见/近红外漫反射原理,马铃薯粗糙的表皮对样品漫反射光谱影响较大。近红外透射光谱能较好的反映样品的品质信息,但马铃薯样品全透射光谱因样品大小不同,导致光谱受光程差异的影响较大。考虑到马铃薯样品整体质地较为均匀,根据马铃薯的形状特性搭建了马铃薯局部透射光谱采集系统,局部透射检测方式既能避免马铃薯表皮的影响,又能在保证光程统一的情况下获得样品内部的信息。该光谱采集系统由光谱采集单元(光谱仪、耦合透镜)与光源单元(卤素灯、灯杯)构成。进行光谱采集时,将二者贴紧马铃薯表面以确保光谱采集单元不会接收到来自马铃薯表面的反射光。用该系统采集了120个马铃薯650~1 100 nm范围的局部透射光谱,分别进行去趋势(detrend)、多元散射校正(muliplication scattering correction, MSC)、标准正态变量变换(standard normal variable transformation, SNV)和一阶导数(first Derivative, FD)预处理,并建立了马铃薯干物质、淀粉、还原糖含量的偏最小二乘预测模型(partial least squares regression,PLSR)。结果显示,采用多元散射校正预处理的干物质和淀粉含量预测模型效果较好,其验证集决定系数分别为0.854 0和0.851 0,验证集均方根误差分别为0.521 9%和0.484 8%;采用一阶导数预处理的还原糖预测模型效果最好,其验证集决定系数为0.768 6,均方根误差为0.025 1%。为进一步优化模型采用竞争性自适应重加权采样(competitive adaptive reweighted sampling, CARS)等三种方法进行特征波长的筛选,并建立了偏最小二乘预测模型。结果显示,马铃薯各品质参数的预测效果均得到了较大提升,CARS筛选波长后的干物质、淀粉、还原糖预测模型的验证集决定系数分别为0.877 6, 0.865 3和0.887 7,验证集均方根误差分别为0.449 2%, 0.930 2%和0.016 7%。采用CARS特征波长提取能够简化模型,去除无关变量和共线性变量,从而提高模型的精度和稳定性,尤其是对低含量组分还原糖的预测模型效果显著。最后,为验证马铃薯各品质参数预测模型的精度及稳定性,选取30个不同批次马铃薯样品对所建预测模型进行了外部验证。马铃薯干物质、淀粉、还原糖含量的模型预测值与标准理化值决定系数分别为0.849 9, 0.867 1, 0.877 6,均方根误差分别为0.660 9, 0.480 9, 0.016 9,平均相对误差分别为2.03%, 1.77%, 7.58%。研究表明,局部透射光谱携带了马铃薯的内部信息,与干物质、淀粉、还原糖含量有显著相关性。该可见/近红外局部透射检测系统可以实现马铃薯多品质参数的快速无损预测,特别是干物质含量及淀粉含量的预测效果较好,但是对个别还原糖含量非常低的样品出现预测相对误差较大现象,下一步研究中需要进一步优化完善。     

土壤全氮田间Vis/NIR光谱测定方法研究

应用Vis/NIR光谱直接测定原始土壤属性具有重要的研究和应用价值。选取我国中部水稻土和潮土共103个土样,对比分析了两种土壤在田间环境下的湿态(R_w)和干态(R_d)光谱特征。采用相对变换光谱方法对湿态光谱进行了处理,结果表明该方法能够有效降低土壤水分的干扰和消除部分噪声,得到的变换光谱(R_n)与干态光谱在信息量和特征方面具有很高的相似度。以此建立了土壤TN的PLS回归估计模型,检验结果表明,R_n对水稻土和潮土TN的估计模型精度均高于R_w,修正判定系数分别从0.26和0.46提高到0.53和0.62。因此,相对光谱变换方法能够有效提高应用田间土壤光谱估计土壤参数的能力,建立的PLS模型可以用于测定TN含量,研究结果可作为实现田间实时分析土壤属性的工作基础。     

水果表面农药污染的可见／近红外光谱识别法

以表面经过喷施不同浓度农药后的脐橙为研究对象,采用可见／近红外漫反射光谱技术定性检测脐橙农药污染的程度。采集脐橙350～1800nm范围的光谱。应用多元散射校正（MSC）,标准正态变量（SNV）变换,一阶微分和二阶微分四种不同预处理方法,分别在430～1000nm、10001800nm和430～1800nm三个光谱范围内建立识别脐橙污染程度的偏最小二乘法（PLS）数学模型。比较分析得出试验结果：波谱范围取430～1000nm,采用一阶微分的预处理方法时应用PLS校正方法的结果最优,其预测值和真实值之间的相关系数和预测均方根误差分别为0．9830和0．1482。研究结果袁明。可见／近红外漫反射光谱技术可以定性检测脐橙的农药污染程度。     

基于可见/近红外光谱的水稻品种快速鉴别研究

提出了一种应用可见/近红外光谱技术与化学计量学相结合的快速、无损鉴别稻谷品种的新方法。收集了5个品种水稻共150个样本作为实验样本,通过可见/近红外光谱仪扫描这些样本获得了从350 nm到1 075 nm波长范围的光谱信息。将样本的光谱信息进行小波分解以消除高频噪声。将去噪声后的光谱数据经主成分分析压缩成数目较少的新变量(主成分),压缩得到的前4个主成分能够解释99.891%的原始光谱信息。将前4个主成分作为BP神经网络的输入,不同水稻品种值的二进制代码值作为BP神经网络的输出,建立稻谷品种的模式识别模型。模型的预测误差阈值是0.2,模型是3层网络结构,各层的节点分别是4,9和3。150个样本被随机的分成包含100个样本的建模集和50个样本的预测集。结果表明,预测未知的50个样本的正确率达到96%。说明该方法具有较高的鉴别准确度,为稻谷品种的快速无损鉴别提供了一种新的方法。     

应用可见-近红外光谱技术进行白醋品牌和pH值的快速检测

提出了一种基于可见-近红外透射光谱技术快速判别白醋品牌和测定pH值的方法。应用可见-近红外透射光谱获取不同品牌白醋的透射光谱曲线,并对获得的原始光谱数据进行平滑、变量标准化以及一阶导数等预处理,然后利用主成分分析对原始光谱数据进行聚类分析,根据主成分的累计贡献率选取主成分数,并将所选取的主成分作为三层BP神经网络的输入。通过定标集样本对BP神经网络进行训练,得到三层优化神经网络结构：5输入层节点,6隐含层节点和2输出层节点,各层传递函数均采用Sigmoid函数。利用该模型对预测集样本进行预测。实验结果表明在阈值设定为±0.1的情况下该模型对预测集样本品牌鉴别准确率达到了100%,pH预测值与实际测量值偏差小于5%,得到了理想的结果。所以利用可见-近红外光谱技术结合主成分分析和神经网络算法能够快速准确的判定白醋品牌和pH值。     

基于近红外反射光谱的外来入侵植物的辨识

提出了一种利用可见一近红外反射光谱技术对婆婆纳、波斯婆婆纳、直立婆婆纳等3种入侵植物和本地杂草宝盖草的植物辨别方法,可以对外表相似度极高的这4种植物进行有效鉴别.研究在对光谱曲线进行预处理和聚类分析后,随机采用30×4个样本作为建模样本,其余的20×4个样本作为预测样本,应用独立软模式法SIMCA(soft independent models of class analogy)进行分类,在显著性水平为5%下,其预测分辨率为78.75%,去除婆婆纳后的预测分辨率为90%.根据变量建模能力(modeling power)值,找到敏感波段496～521,589～626和789～926 nm,并将相应的波段的光谱值作为最小二乘的支持向量机LS-SVM(least squares support vector machine)的输入,进行建模预测,并以预测结果作为目标函数值,进行遗传算法GA(genetic algorithm)优化,结果发现,预测分辨率达95.35%,辨识效果好,能快速正确区分外来入侵植物.     

可见-近红外光谱用于鉴别山羊绒与细支绵羊毛的研究

近红外光谱作为快速、无损的检测技术,近年来在国内外越来越受到广泛关注。针对山羊绒与细支绵羊毛的可见／近红外光谱的特点,提出了应用主成分分析(PCA)结合人工神经网络（ANN）进行山 羊绒与细支绵羊毛的鉴别,并建立了羊毛、羊绒分析模型。应用可见／近红外反射光谱获取山羊绒与细支绵羊毛的光谱曲线,利用主成分分析对原始光谱数据进行处理,根据主成分的累计贡献率99.8%选 取主成分数6,并将所选取的6个主成分作为三层BP神经网络的输入。通过定标集样本对BP神经网络进行训练,用优化的BP神经网络模型对预测集样本进行预测。实验结果表明,16个未知样本的鉴别全部 正确,表明可见／近红外光谱结合主成分分析和神经网络技术对山羊绒与细支绵羊毛进行快速鉴别是可行的。     

葡萄浆果糖度可见/近红外光谱检测的研究

针对可见/近红外光谱与水果糖度存在非线性相关的特点,利用漫反射光谱测定方法获取了葡萄浆果的可见/近红外光谱,提出了应用偏最小二乘（PLS）结合人工神经网络（ANN）建立葡萄浆果糖度的预测模型,利用偏最小二乘法（PLS）对原始光谱数据进行处理,得出交叉检验的最佳主因子数为3,并将3个主因子的得分作为三层BP神经网络的输入。通过定标集样本对BP神经网络进行训练,用优化的BP神经网络模型对预测集样本进行预测。PLS-ANN模型对样本的预测模型检验参数r2为0.908,RMSEP为0.112,Bias为0.013,好于只使用PLS模型的预测模型检验参数r2为0.863,RMSEP为0.171, Bias为0.024。结果表明,利用近红外光谱技术无损检测葡萄浆果糖度等内部品质是可行的,为今后进一步分析建立浆果内部品质预测模型奠定了基础。     

可见/近红外光谱分析技术鉴别转基因番茄叶

用可见/近红外光谱（Vis-NIR spectrum）漫反射方式对转基因番茄叶和非转基因番茄叶进行了快速、无损的定性分析。实验共对68个样品（转基因38个,非转基因30个）进行分类,用TQ 6.2.1光谱分析软件中集成的判别分析（Discriminant analysis）和偏最小二乘回归法（PLS）建立校正和预测模型。研究对比了不同光谱预处理方法（微分处理和多元散射校正（MSC））对分类结果的影响。实验结果发现用判别分析较最小二乘法判别结果较好,用InGaAs检测器获得的光谱经MSC后的分类结果最好,分类正确率为89.7％（转基因番茄叶86.8％,非转基因番茄叶93.3％）。结果表明VIS-NIR可以作为一种快速的无损检测方法鉴别转基因和非转基因番茄叶。     

应用可见/近红外光谱进行纺织纤维鉴别的研究

为了实现纤维种类的快速鉴别,选用了棉、麻、毛、丝、天丝5种纤维,提出了一种用近红外光谱技术快速无损鉴别纤维品种的新方法。应用可见/近红外光谱漫反射技术测定各种纤维的光谱曲线,用主成分分析方法(PCA)对光谱数据进行模式特征分析,根据主成分的累积贡献率选用前6个主成分数进行建模和预测,通过建立最小二乘支持向量机模型(LS-SVM)对主成分分析模型进行优化,将前6个主成分作为最小二乘支持向量机的输入变量,建立PCA-LS-SVM模式识别模型,实现类别预测的同时也完成了数学建模与优化分析工作。5个品种的纤维训练集样本200个用于PCA-LS-SVM的模型的建立,对其余预测集样本50个进行验证,结果能准确的区分预测集的5种纤维。并提出主成分分析结合最小二乘支持向量机的光谱数据分析方法具有很好的分类和鉴别作用,为纤维品种快速鉴别提供了一种新方法,为维护消费者权益,保证纺织品质量,实现纺织原料及其制品的合理化生产与交易具有重要的意义。