基于近红外高光谱成像快速无损检测注胶肉研究

采用近红外高光谱成像技术结合化学计量学方法建立注胶肉的快速无损检测模型。首先通过近红外高光谱成像系统获取含有不同浓度梯度卡拉胶的猪里脊肉高光谱图像,然后提取图像中的光谱数据,使用偏最小二乘法(Partial least square,PLS)探究光谱信息与不同掺假比例卡拉胶之间的定量关系。结果表明全波段光谱(900~1700 nm)所构建的PLS校正集模型均方根误差(Root mean square error,RMSE)为1.74%,预测模型RMSE为3.16%。表明基于全波段所建立的PLS模型具有较优的预测性能。利用连续投影算法(Successive projection algorithm,SPA)筛选获得11个特征波长,并优化全波长PLS模型,将预测集样品带入,以验证模型的预测效果,结果表明SPA算法结合PLS建模方法所建立的模型预测效果更优,预测集相关系数(R_P)为0.93,均方根误差(Root mean square error of prediction,RMSEP)为3.51%,预测偏差(Residual predictive deviation,RPD)为2.66。试验表明利用高光谱成像技术可实现对注胶猪肉的快速无损检测。     

基于近红外光谱的橄榄油理化指标快速检测模型研究

为实现橄榄油理化指标的快速检测,在选择最优波段和光谱数据处理方法的基础上,利用近红外光谱结合偏最小二乘分析(Partial Least Squares,PLS)分别建立橄榄油酸价、过氧化值、ΔK值的定量分析模型。结果表明:酸价、过氧化值、ΔK值定量模型的校正相关系数分别为:0.9945、0.9939、0.9923,预测相关系数分别为:0.9965、0.9910、0.9902。盲样验证相关系数接近于1,R~2均大于0.99,说明近红外定量模型有较好的预测能力。对样本预测值与真实值做配对方差t检验,结果表明光谱法与标准中的方法无显著差异。因此,基于近红外光谱定量模型,可实现对橄榄油理化值的快速、准确检测。     

拉曼光谱法快速检测猪肉脯中的掺伪鸡肉

目的 建立拉曼光谱法快速、准确、无损地检测猪肉脯样品中掺假鸡肉的方法。方法 制备33份猪肉中掺入不同比例鸡肉的肉脯样品,采集拉曼光谱数据,分别采用标准正态变换、多元散射校正、卷积平滑、归一化、一阶导数等5种不同预处理方法,对原始光谱数据进行预处理,采用连续投影算法、竞争性自适应重加权算法及随机蛙跳算法对光谱数据进行特征波长筛选,建立偏最小二乘法(partial least squares,PLS)模型对猪肉脯进行定性定量判别。结果 拉曼光谱数据经过多元散射校正处理的效果最佳,竞争性自适应重加权算法竞筛选效果更佳,构建猪肉脯中猪肉含量的PLS定量模型,其预测集决定系数和预测均方根误差分别为0.9762、7.2998。建立的PLS判别模型的校正集和预测集总判别正确率分别为100.00%和98.33%。结论 拉曼光谱分析技术可有效用于定性鉴别猪肉脯是否掺伪及定量分析猪肉肉脯中掺入鸡肉的比例,为肉脯掺假的快速无破坏性检测的应用提供支持。     

基于特征波长提取的哈密大枣可溶性固形物的高光谱预测

本文利用高光谱图像技术对干制后的哈密大枣可溶性固形物含量(SSC)进行预测研究。使用多种预处理方法对原始光谱进行处理,并对原始光谱和预处理后的光谱分别建立PLS模型,对比分析得出均值中心化(MC)处理效果最佳。对MC处理后的光谱经联合区间偏最小二乘算法(si-PLS)筛选后,再结合遗传算法(GA)和竞争性自适应重加权算法(CARS)提取哈密大枣SSC的特征波长,将提取的波长变量建立哈密大枣SSC的PLS预测模型。结果显示:利用MC-CARS-GA-si-PLS方法提取的16个关键波长变量(仅占全光谱变量的2%)所建立的PLS模型性能优于全光谱PLS模型。该模型的预测集相关系数(Rp)、预测均方根误差(RMSEP)和预测(RPD)分别为0.93、0.48和2.721。该方法提取的波长变量所建立的预测模型,不仅使模型简化,而且增强了模型的预测能力,为高光谱图像技术对水果及其干制品的定量分析研究提供了参考。     

基于近红外光谱的橄榄油中玉米油掺杂量检测

利用近红外光谱和模式识别技术建立了橄榄油中掺杂玉米油的快速鉴别方法。对191个橄榄油样本及混合油样本(玉米油和橄榄油)进行近红外光谱扫描,并对近红外光谱进行一阶导数和平滑处理,利用主成分分析法(PCA)对数据进行降维,通过前三个主成分的载荷图确定了相关性较大的特征波段(7520~6927cm-1、6270~5440cm-1和4970~4400cm-1),分别在3个波段内利用偏最小二乘回归(PLS)方法建立了玉米油含量的预测模型。结果表明在6270~5440cm-1波段内,因子数为7,建立的模型精密度和稳定性最好,在玉米油质量分数为0.5%~100%的范围内,校正集样本和检验集样本的R2均能达到0.9999,标准偏差在0.126~0.139之间。因此,利用近红外光谱可以实现橄榄油品质的快速无损分析,以合频波段(6270~5440cm-1)为建模区域可以得到更好的预测效果。     

基于多源光谱特征融合技术的花生油掺伪检测

以拉曼、近红外2种光谱特征融合结合化学计量学方法对花生油掺伪进行了定量分析。分别用激光拉曼、激光近红外光谱仪采集134个掺伪油样本的光谱数据,采用SPXY算法对样本集进行划分。拉曼光谱(Ram)和近红外光谱(near infrared spectroscopy,NIR)数据进行预处理后,采用后向间隔偏最小二乘法(BiPLS)和联合间隔偏最小二乘法(synergy interval partial least squares,Si PLS)分别提取2种光谱的特征波长;将提取的特征波长融合,结合支持向量机回归(SVR)建立数学模型,采用网格搜索算法(CV)对SVR模型的参数组合(C,g)值寻优,建立最优参数模型。研究表明:建立的Ram-NIR-SVR模型能够实现花生油中掺杂油脂含量的快速准确预测,预测集和校正集的相关系数R分别达到0.98和0.99,均方根误差(MSE)低于2.38E-3;对比不同特征波长提取方法,并与单光谱分析技术比较,可以看出,数据融合技术能够增强模型预测能力,减小模型参数,有利于模型的实际应用,体现了2种光谱很好的互补性。表明光谱分析结合数据融合技术对食用油真实性综合鉴别具有重要意义。     

蜂蜜中还原糖组分的近红外光谱应用研究

为探索快速测定还原糖含量的方法,提出了用傅立叶变换近红外光谱技术结合偏最小二乘法(PLS)建立近红外光谱与蜂蜜还原糖含量的数学模型并进行预测。通过光谱扫描还原糖含量在61.3%～75.22%范围的蜂蜜样本,选择11992.1～7494.6cm-1波数范围、二阶导数、及10个因子数进行光谱预处理,偏最小二乘法(PLS)交叉验证。结果表明,模型的校正决定系数(Rcal)、校正均方差(RMSEE)、交叉验证决定系数(RCV)、交叉验证均方差(RMSECV)分别为99.71%、0.27%、98.44%、0.45%。用该模型对验证集样本进行预测并统计分析,表明预测值与测定值无显著差异。因此,用该方法快速准确定量分析大批蜂蜜中的还原糖含量具有重要意义。     

近红外光谱技术快速无损测定干辣椒的辣度

采用高效液相色谱测定干辣椒样品中的辣椒碱和二氢辣椒碱含量,利用透反射模式采集干辣椒样品的近红外光谱,采用偏最小二乘法(PLS)建立干辣椒样品的辣度评价的校正模型,并对模型用于预测。结果表明,筛选出建模光谱波段为9000～4000cm-1;通过残余方差(RVV)分析,确定了最适主成分数为8;干辣椒的辣度PLS评价模型的定标集和验证集的相关系数(RC,RV)分别为0.9871、0.9104,定标集和验证集的标准差(SEC,SEP)分别为2445、3976。研究发现,近红外光谱法作为一种快速而准确的定量分析手段,在干辣椒及其制品的辣度评价方面有广阔的应用前景。     

近红外光谱技术结合遗传算法用于苹果醋总酸定量分析

利用近红外光谱法对苹果醋中的总酸含量进行定量分析,通过PLS法建立苹果醋总酸定量分析模型,同时采用间隔偏最小二乘法(i PLS)、后向间隔偏最小二乘法(Bi PLS)和组合间隔偏最小二乘法(Si PLS)以及遗传偏最小二乘法(GA-PLS)对整个谱区进行光谱特征波段筛选。用决定系数(R2)、校正标准偏差(RMSEC)、预测标准偏差(RMSEP)以及最佳主因子数对模型进行评价,确定最佳建模方法。结果表明:进行特征波段筛选能够对模型起到优化作用,并提高模型运算速度,其中GA-Bi PLS及GA-Si PLS优化效果最为明显,在极大减少苹果醋总酸建模变量的同时,模型的R2分别达到0.989和0.986,RMSEP分别为0.042和0.044,有效地提高了模型的稳定性与准确度,表明了遗传算法在果醋品质分析方面的巨大潜力。     

高光谱成像及近红外技术在鸡肉品质无损检测中的应用

高光谱成像与近红外光谱(near infrared spectroscopy,NIR)技术是现代食品检测领域的重要手段,本研究对2种技术在鸡肉品质无损检测中的预测精度进行研究。选用62份新鲜程度不同的鸡胸肉,提取其高光谱感兴趣区域(region of interest,ROI)的光谱曲线,并测定样品的挥发性盐基氮(total volatile base nitrogen,TVB-N)含量和菌落总数(total viable count,TVC),利用OPUS 6.0光谱处理软件搜寻最佳的光谱预处理和波段组合,分别建立2个指标的偏最小二乘法(partial least square,PLS)定量分析模型。NIR样本选用30份新鲜程度不同的鸡胸肉,测定其TVB-N含量和TVC,建立PLS的交叉验证模型。结果表明:利用高光谱的ROI平均光谱建立的TVB-N含量与TVC模型的相关系数(R~2)分别为0.965和0.919,均方根误差(root mean square error of cross validation,RMSECV)分别为0.121和0.215;利用NIR建立的TVB-N含量与TVC预测模型的R2分别为0.801和0.780,RMSECV分别为0.232和0.312。由此可见,基于高光谱的ROI区域光谱建立的预测模型在鸡肉品质无损检测中具有比NIR更高的预测精度。     

基于NIRS的茶籽调和油中茶油含量检测方法研究

采用偏最小二乘法(PLS)建立二元及三元体系茶籽调和油中茶油含量的近红外光谱定量模型。采用质量分数0~60.0%的菜籽油、大豆油、棉籽油、玉米油、棕榈油,分别调配二元调和油样本140个及三元调和油样本348个,采集样品在10 000~4 000 cm~(-1)范围的透反射光谱,采用交互验证来考察模型的可靠性。经均值中心化处理,二元体系建立PLS模型的训练集R_c~2=0.992,预测集R_p~2=0.993,RMSECV=0.014,RMSEP=0.017,样本预测准确率94.3%(相对误差小于±10%);三元体系建立PLS模型的训练集R_c~2=0.996,预测集R_p~2=0.994,RMSECV=0.011,RMSEP=0.013,茶油含量大于5%的预测准确率92.1%(相对误差小于±10%)。结果表明,NIRS能实现二元及三元体系茶籽调和油中茶油含量的定量检测。     

支持向量回归算法在NIR光谱法预测烟草淀粉中的应用

为考察支持向量机回归(SVR)在烟草近红外光谱(NIRS)分析中应用的可行性,采用偏最小二乘回归(PLS)、多元线性回归(MLR)、误差反向传播人工神经网络(BP-ANN)和SVR对187份烟草样品的NIR漫反射光谱及其淀粉含量的化学测定数据进行处理,建立了烟草中淀粉含量NIRS定标模型,并采用留一法交叉验证(LOOCV)和独立样本集对模型进行了内部和外部验证.结果表明,SVR模型的预测能力比BP-ANN、PLS和MLR模型略好.因此,可将SVR引入到烟草淀粉含量的NIR分析中.     

近红外光谱法快速无损测定奶粉的脂肪含量

将11种奶粉原样配制及组成77个奶粉样本,以脂肪含量为检测指标,结合偏最小二乘法开展近红外光谱定量分析研究。2次异常光谱剔除,识别出异常样本(14,52,76)并予以剔除。74个奶粉样本进行平滑、导数和标准变量变换等6种光谱预处理,确定标准正态变量变换结合Norris一阶导为最佳光谱预处理方式,其交叉验证均方根误差为0.354 7,交叉验证相关系数平方达到0.990 8;最佳前处理光谱结合3种波段选择方法优化模型性能,与全光谱模型形成对比,确定随机蛙跳(random frog,RF)为最佳波段选择方式,其模型的训练集和测试集相关系数平方分别为0.997 2和0.997 0,训练集和测试集均方根误差分别为0.186 2和0.198 2。结果表明:采用蒙特卡罗异常光谱剔除(Monte-Carlo sampling,MCS),光谱预处理结合随机蛙跳波段优化技术可提高奶粉脂肪近红外定量模型的泛化性和预测能力。     

近红外光谱法检测山茱萸中莫诺苷和马钱苷的含量

目的建立近红外光谱法快速检测山茱萸中莫诺苷和马钱苷含量的分析方法。方法利用近红外光谱仪扫描粉碎后的山茱萸药材样品,对其光谱进行预处理和波段选择,并结合偏最小二乘法(partial least squares,PLS)建立莫诺苷和马钱苷含量快速无损检测方法。结果所建立的模型的决定系数R分别为0.9668、0.9062,交叉验证均方根差值分别为0.059、0.047,对验证集样品进行预测并统计分析,预测值与真实值之间无显著差异(P>0.05)。结论所建立的模型准确度高,适用于山茱萸药材粉末的莫诺苷和马钱苷含量的快速检测。     

近红外光谱结合区间偏最小二乘法应用于花生油酸价的测定

采用近红外光谱法结合不同区间偏最小二乘波长筛选法建立花生油酸价的定量分析模型。采用酸碱滴定法测定花生油样本的酸价同时采集近红外光谱数据;采用区间偏最小二乘法(iPLS)、向后区间偏最小二乘法(BiPLS)、移动窗口偏最小二乘法(mwPLS)优选光谱特征区间;采用偏最小二乘法(PLS)对优选出来的谱段建立酸价的定量模型。结果表明,采用mwPLS选择的谱段建立的模型预测效果最佳,RMSECV和RMSEP分别为0.247 76和0.131 5,校正相关系数和预测相关系数分别为0.993 2和0.996 9。因此,近红外光谱结合移动窗口偏最小二乘法可以快速准确测定花生油的酸价。     

近红外光谱快速测定植物纤维原料中甲氧基含量的研究

采取偏最小二乘法（PLS）建立起近红外光谱法快速测量植物纤维原料的甲氧基含量的模型。分别使用小波变换处理前后的光谱数据建立了植物纤维原料的甲氧基含量的PLS法测量模型,建立的两模型的平方相关系数分别为0．986和0．995,并用6个样本进行了预测,预测标准偏差分别为0．75和0．71。结果表明,该模块具有较高的学习和预测精度,可以用于大量植物纤维原料样本的甲氧基含量的快速测定,这将为甲氧基含量的测量提供了新的理论和方法。     

近红外光谱技术无损检测火龙果有效酸度

火龙果是一种有益于人类健康的水果。本文利用Field Spec 3便携式地物波谱仪采集350~2500 nm波段的光谱数据,通过多种预处理方法、连续投影算法(SPA)优选波长、偏最小二乘回归(PLSR)等分析方法,建立了火龙果有效酸度预测模型。实验结果表明:原始光谱经过Savitzky-Golay卷积平滑法(SGS),建立的PLS模型最优,其RCV为0.8862,RMSECV为0.1535;联合SPA算法,利用优选出的25个变量建立的PLS模型,其预测相关系数(RP)为0.8702,预测均方根误差(RMSEP)为0.1682,其模型的预测精度高于原始光谱2151个变量建立模型。比较分析了果皮对模型精度的影响,对光谱数据进行最佳Normalize预处理后,完整果PLS模型的RP为0.8151,果肉PLS模型RP为0.8583,说明果皮存在对模型有影响,但可以进行光谱优化减小影响。本研究结果表明基于近红外光谱技术联合连续投影算法的漫反射无损检测火龙果有效酸度含量具有可行性。     

近红外分析技术快速检测白酒基酒中的总酯含量

采用近红外光谱分析技术,对基酒总酯进行无损检测研究。利用近红外光谱仪采集基酒样品在4000～10000 cm~(-1)波段内的光谱数据,首先对光谱数据进行一阶导数预处理,然后采用Si-PLS组合间隔偏最小二乘法优选特征波长,最后运用PLS偏最小二乘法建立基酒总酯模型。该模型校正集的决定系数R_C~2为0.95,校正集的均方根误差RMSEC为0.17;预测集的决定系数R_P~2为0.93、预测集的均方根误差RMSEP为0.19。与全波段光谱模型相比,该模型预测能力更强,稳定性更优。     

基于近红外的兰州百合品质定量建模方法研究

蛋白质和多糖是表征国家地理标志产品兰州百合的关键营养指标,文章重点探索采用近红外光谱分析技术结合化学计量学方法,建立快速检测兰州百合关键营养指标定量分析模型的可行性。实验收集兰州百合样本共81个,采用多种光谱预处理方法分别结合PCR和PLS优化建立兰州百合蛋白质和多糖定量分析模型。其中,基于OSC预处理建立的蛋白质和多糖PLS/PCR定量分析模型相对于其他光谱预处理模型性能参数较优;而基于PLS建立的蛋白质和多糖定量模型指标优于PCR模型,蛋白质PLS模型相关系数(R_p)为0.924,预测均方根误差(RMSEP)为0.878;多糖PLS模型的相关系数(R_p)为0.920,预测均方根误差(RMSEP)为1.898。实验结果表明,将近红外光谱技术用于兰州百合关键品质的快速定量分析具有光明的应用前景,有望为兰州百合关键营养品质的快速评价提供新方法。     

无信息变量消除法在筛选南疆红枣总酸近红外特征波长中的应用

以南疆红枣总酸的快速无损检测为研究对象,利用SPXY(Sample set partitioning based on joint x-y distances)法来划分校正集样本,应用无信息变量消除法(UVE)对南疆红枣总酸近红外光谱(NIRS)特征变量进行筛选,然后用筛选出的变量建立偏最小二乘(PLS)模型,该模型的预测标准偏差(RMSEP)为0.044 7,预测相关系数为Rp为0.877 8,并将UVE筛选的变量建立的PLS模型与全光谱建立PLS模型结果进行比较。结果表明,SPXY法划分的校正集样本合理;UVE优出选全光谱1 557个变量中的420个变量,建立的PLS模型预测效果要好于全光谱建立的PLS模型,UVE能够有效地选取待测成分的特征波长,建立简化的红枣总酸预测模型,降低模型计算量。