基于中波近红外光谱定量分析生鲜牛肉胆固醇

胆固醇是人体必需的一种具有重要生理功能的动物源性甾醇类物质,摄入不均衡会引发严重的心脑血管疾病。利用近红外光谱技术,在中波波段建立一种对动物源性胆固醇含量进行快速无损定量分析的新方法并验证其可行性。采集市售生鲜牛肉原始光谱,结合马氏距离、学生残差及二审剔除判别法甄别并剔除疑似异常样本,经光谱预处理和模型优化后,建立最佳牛肉胆固醇偏最小二乘法定量分析模型。结果表明,基于近红外光谱中波波段所构建的胆固醇定量分析模型对独立检验集的预测效果较好（P＞0.05）,整体预测准确率满足国标要求（精密度≤10%）。     

短波近红外光谱快速无损检测生鲜鸡肉胆固醇含量

采用短波近红外光谱对生鲜鸡肉中的胆固醇含量进行检测,使用便携式近红外光谱仪在近红外光谱短波区域采集236份生鲜鸡肉的光谱信息,采用化学计量学法建立鸡肉胆固醇的偏最小二乘法定量预测模型。结果表明:最佳光谱预处理方法为标准化和基线校正,并通过剔除两次异常值对模型进行校正,所建定标模型的校正集相关系数Rc=0.801 1,校正标准差(s_(EC))=6.699 8,验证集相关系数R_p=0.803 4,预测标准差(s_(EP))=7.529 6,主因子数MF=4,s_(EP)/s_(EC)=1.12,说明模型可靠性、稳健性和预测效果较好。     

基于近红外光谱技术的鸡肉产地溯源

采用近红外光谱技术对辽宁大连、河北遵化、潍坊坊子、潍坊昌邑、潍坊诸城5个产地的100个鸡肉样本进行扫描,对这些样本的近红外光谱进行主成分分析、聚类分析,建立了鸡肉产地溯源的定性判别模型。试验结果表明:在全光谱范围(780~2 500 nm)内,经二阶求导(13点平滑)和矢量归一化(standard normal variate,SNV)预处理后,5个地区鸡肉的近红外光谱图有显著差异,鸡肉样本的主成分空间分布位于不同的区域,聚类分析树状图中不同产地也各自聚为一类。利用来自5个产区的30个独立样本对模型进行验证,识别率和拒绝率均为100%。此结果表明近红外光谱分析技术可准确、快速追溯鸡肉的产地来源。     

近红外光谱分析技术在鸡肉品质检测中的应用研究进展

全球的鸡肉产量和消费量逐年上升,鸡肉品质已成了消费者的重点关注对象。近红外光谱分析技术是一种无损、快速、环保以及实时的检测技术,目前已快速发展成为一种应用于食品分析领域的新方法,在肉品检测方面也展现出极大的分析和应用潜力,近年来,已有较多国内外研究探讨了其在鸡肉品质检测方面的可行性。本文通过对近红外检测技术在鸡肉颜色、p H值、持水力、剪切力及化学成分预测方面的定量分析,肉品动物来源、鸡肉产地溯源及品质等级划分的定性分析以及其他相关方面检测的研究进行了综述,总结了应用近红外检测各品质指标的研究现状,可为相关研究者提供参考和借鉴,并基于分析总结对今后近红外光谱分析在鸡肉品质检测应用的发展前景及发展方向做了展望。     

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,     

基于近红外光谱技术的腐竹脂肪定量分析

采用近红外光谱技术结合化学计量学方法,建立腐竹脂肪含量的快速分析方法。收集不同生产线、不同时间的腐竹样本180 份,利用积分球附件采集漫反射光谱（4 000～10 000 cm－1）。为消除颗粒散射影响和光谱基线漂移,二阶导数和卷积平滑用于光谱预处理。采用反向区间偏最小二乘法、组合区间偏最小二乘法、搜索组合移动窗口偏最小二乘法和遗传偏最小二乘法优化建模变量,最终构建了定量预测模型。结果显示,4 种方法均可有效地提取信息变量、降低模型维度、提高预测性能;遗传偏最小二乘法一次优选获得143 个变量,构建的模型性能最佳,其校正相关系数、校正均方根误差、预测相关系数、预测均方根误差分别为0.96、0.95、0.92和1.17。研究表明,经过信息变量提取后所构建的近红外模型简单、预测精度高,可用于腐竹脂肪含量的日常监测。     

基于近红外光谱的生鲜猪肉新鲜度实时评估

目的 运用近红外光谱对生鲜猪肉新鲜度进行实时评估。方法 利用多通道可见近红外光谱系统, 获取了猪肉表面380~1080 nm波长范围内的漫反射光谱数据, 采用多元散射校正(MSC)和变量标准化(SNV)的预处理方法, 然后使用偏最小二乘回归建立猪肉新鲜度的预测模型, 进而对猪肉新鲜度进行评价。结果 采用变量标准化处理后的偏最小二乘回归模型相对比较稳定, 建模效果比较好。对挥发性盐基氮 (TVB-N)的验证集的相关系数达到0.91, 对pH值的验证集的相关系数达到0.93。最后利用该模型对猪肉新鲜度进行评定, 评定准确率达92.9%。结论 实验中运用多点的测量方式提高了近红外检测的精度和稳定性, 对于实时检测评估生鲜猪肉的新鲜度有很大的潜力。     

应用近红外光谱定量分析技术多成分、快速检测饲料品质

简介近红外光谱分析技术,着重综述它在饲料领域中近10年来国内外的应用研究状况。     

基于近红外光谱的煎炸油极性组分定量分析模型构建

为了建立煎炸油中极性组分的快速检测方法,通过热处理和模拟煎炸方式,采集氧化程度不同的油样并用 国标法分析样品极性组分,采集样品近红外透射光谱,经光谱预处理,利用偏最小二乘法建立煎炸油极性组分定量 分析模型并对模型进行验证。结果表明：在波长范围为4 963～4 616、5 2 22～5 037 cm－1和5 688～5 499 cm－1,采 用一阶求导和Savitzky-Golay（7,5）平滑光谱处理,校正集相关系数为0.996 5,校正均方根差为1.84%,验证集R为 0.993 6,验证均方根差为1.92%,模型预测效果良好,利用近红外透射光谱测定煎炸油极性组分可行。     

基于光谱波段优化的鸡肉冻干粉粗蛋白近红外定量预测模型研究

本文通过将鸡肉蛋白质近红外光谱特性与组合间隔偏最小二乘法(Si PLS)、遗传算法(GA)相结合筛选校正模型的最佳建模光谱区域,旨在提高鸡肉冻干粉粗蛋白近红外定量预测模型的预测精度和模型稳健性。以260个鸡腿肌冻干粉为研究对象,提取其中100个样品的蛋白质,在999.7～2502.3nm扫描腿肌冻干粉和腿肌提取蛋白冻干粉的NIRS,比较两光谱异同,根据腿肌提取蛋白冻干粉NIRS光谱特征及主成分分析(PCA)结果将全谱划分为10个建模光谱区,采用PLS建模,比较全谱建模与特征光谱组合区建模的优劣,筛选出基于鸡肉蛋白特征光谱的建模光谱组合区,应用Fi PLS和Bi PLS在全谱和优选出的光谱区再次进行建模光谱区域筛选,接着使用GA和FBi PLS进行第三次建模光谱筛选。结果表明:在999.7～1850.4 nm波长上采用FBi PLS法优选出的建模光谱区1811.6～1794.0 nm、1756.2～1722.4 nm、1704.4～1688.9 nm、1594.4～1580.8 nm、1510.8～1485.7 nm、1472.1～1424.3 nm、1222.2～1057.6nm、1051.2～1008.7nm所建模型最优。研究显示,为保证校正模型的精确性和稳定性,在筛选最佳建模波长时,应将样品预测成分的光谱特征与光谱筛选数学算法相结果,才能获得更好的建模结果。     

近红外光谱技术对加工后鸡肉产地溯源的研究

本文选择来自昌邑新昌、牟平仙坛、莱阳春雪、亚太中慧四个产地,不同厂家的180只同鸡龄同部位鸡肉样本,分别采用蒸、煮、微波三种方式加工后,经预处理粉碎过筛,利用安全、快速的近红外光谱技术,对不同产地的鸡肉样本进行近红外扫描并对所采集的近红外光谱进行聚类分析(CA)、主成分分析(PCA),针对三种加工方式分别建立鸡肉产地溯源的定性判别模型,以探究加工后鸡肉产地溯源的可行性。试验表明:在波数范围7000~4000 cm-1内,原始光谱经二阶求导(13点平滑)和矢量归一化(SNV)预处理后,经三种方式加工后鸡肉的近红外光谱图均有显著差异,其中聚类分析判别正确率均高于90%,鸡肉样本的主成分空间分布位于不同的区域。利用来自四个厂区的独立样本经相同处理后对模型进行验证,识别正确率可达90%~95%。近红外光谱分析技术对加工鸡肉制品的产地溯源具有可行性。     

鸡胸肌冻干粉赖氨酸近红外定量预测模型的建立与优化

该研究采用偏最小二乘法建立鸡胸肌冻干粉赖氨酸近红外定量预测模型,并通过光谱预处理、建模特征光谱筛选、异常样本剔除、建模和验证样本选择4个方面对模型进行优化,旨在提高模型的预测精度和稳健性。以263个鸡胸肌冻干粉为研究对象,研究7种不同光谱预处理方法、4种特征光谱筛选方法、MCCV异常样本剔除方法,SPXY和鸡种2种建模验证样本选取方法对鸡胸肌冻干粉赖氨酸近红外定量预测模型的影响。结果表明：在1000~2502 nm建模谱区,剔除68个异常样本后,使用SPXY方法选取156个校正样本、39个外部验证样本,使用原始光谱所建模型最优;没有进行异常样本剔除、建模特征谱区选择等处理时,1000~2502 nm谱段建模,光谱需进行SNV+gapsegment (1#,15,7)预处理;异常样本剔除和建模样本选择对建模谱段1386~1379 nm、1329~1323 nm、1289~1283 nm、1276~1258 nm、1240~1235 nm、1194~1184 nm、1173~1168 nm、1142~1137 nm、1103~1099 nm、1080~1076 nm、1058~1054 nm、1012~1009 nm、1004~1001 nm（540个光谱）,使用原始光谱所建模型精度影响最小。研究显示,鸡肉赖氨酸近红外定量预测模型的建立受异常样本和建模样本、验证样本的影响较大,建模特征光谱对模型的适用性影响较大,光谱预处理方法仅在全谱段不做其它处理时对建模精度影响较大。     

Evaluating Previous Thermal Treatment of Chicken Patties by Visible/Near-Infrared Spectroscopy

Cooking history at the center point in chicken patties was quantified in terms of both time-temperature integrated indices (C and F) and endpoint temperature (T_max). Intact cooked patties were scanned for reflectance and transmittance spectroscopy. Reflectance resulted in better calibrations for the indices of thermal history than did transmittance. Three reflectance wavelength ranges, visible (400 to 700 nm), near-infrared (1100 to 2500 nm), and visible/near-infrared (400 to 2500 nm), were evaluated, and visible/near-infrared yielded the highest accuracy. The best calibration resulted in a standard error of prediction (SEP) of 0.11 log₁₀(min) for log₁₀C, 0.25 log₁₀(min) for log₁₀F, and 2.54°C for T_max on an independent validation sample set.     

Visible/Near-Infrared Spectroscopy for Physical Characteristics of Cooked Chicken Patties

Cooking loss and Kramer shear properties (yield force, yield deformation, and yield energy) of chicken patties were measured after various degrees of cooking. Cooking loss and yield deformation were related (R=0.91 and -0.76, respectively) to the integrated time-temperature history. In contrast, yield force and energy were well related (R=0.85 and 0.84, respectively) to endpoint temperature. Visible/near-infrared (NIR) calibrations were developed and validated for the physical characteristics. Among the tested properties, visible/NIR spectroscopy was most accurate in predicting cooking loss and yield force. Standard errors of prediction were 7.9 and 8.2% of the corresponding property range among samples.     

近红外光谱技术在生鲜禽肉质量检测中应用的研究进展

近红外光谱（near-infrared spectroscopy,NIRS）技术作为一种快速、无损、绿色的检测技术正在被广泛用于禽肉品质研究,通过将肉样光谱信息和品质指标参考值相关联,构建高精度、高稳定性的数学模型预测未知肉品品质。相比传统检测方式,NIRS技术具有无需预处理、更加丰富的信息量、数据计算更快等优势,在肉制品检测应用方面潜力巨大。本文主要综述了NIRS技术在生鲜禽肉（鸡肉、鸭肉、鹅肉）物理属性、化学指标以及微生物腐败等方面检测的研究进展,归纳总结了NIRS技术结合不同化学计量学算法构建模型检测禽肉各品质指标的效果,同时提出了NIRS技术在检测禽肉方面存在的缺点及未来发展趋势,可为改善NIRS技术检测应用、研发便携式NIRS检测设备提供数据支撑和理论参考。     

近红外光谱分析技术在玉米品质分析中的研究进展

近红外光谱分析具有速度快、不破坏样品、操作简单、稳定性好、效率高、无污染和成本低等特点,是一种高效快速的现代分析技术.本文介绍了近红外光谱分析技术的原理、特点和分析程序,综述了近红外光谱分析技术在玉米品质(水分、蛋白质、、脂肪、淀粉、直链淀粉、氨基酸和矿物质含量)、玉米青贮饲料质量(干物质、灰分、酸性洗涤纤维、中性洗涤纤维以及体外干物质消化率)以及转基因玉米快速分析中的应用,展望了近红外光谱分析技术的应用前景.     

鲫鱼新鲜度近红外定量预测模型的建立

为实现鲫鱼新鲜度的快速测定,本文基于近红外漫反射光谱定量分析技术和化学计量学方法,采集了144个鲫鱼鱼肉样品在1000~1799 nm范围内的光谱数据,测定了鲫鱼样品的p H、TVB-N含量、TBA含量和K值四种新鲜度指标;在确定近红外光谱数据最佳预处理方法和适宜波段的基础上,分别采用偏最小二乘法、主成分分析和BP人工神经网络技术、偏最小二乘法和BP人工神经网络技术建立了鲫鱼新鲜度定量预测模型。结果表明,鲫鱼样品四种指标数据范围均较大,可满足建模要求。以p H为鲜度指标时,采用偏最小二乘法和BP人工神经网络技术建立的模型最好,其定标相关系数为0.9945;以TVB-N、TBA和K值为鲜度指标时,采用偏最小二乘法建立的模型最好,其定标相关系数分别为0.9857、0.9985和0.9952。建立的四种鲜度指标定量模型均具有较好的预测能力。