近红外技术在自然纺织纤维品种鉴别及成分预测上的应用

近红外光谱技术由于其检测方便、信息量大、无损等特性受到人们越来越多的关注,并且与化学计量学结合时能在一定程度上抵消其光谱峰重叠、信息弱等缺点。在纺织纤维的品种鉴别及化学性质鉴定方面,国家标准中较为常见的主要有电镜目测法及化学溶解法,但这些方法的测试周期长,测试步骤烦琐,不适宜大批量样本的分析,也不适用于在线检测。文章着重就近红外在自然纤维中的应用进行了综述,包括自然纺织纤维的品种鉴别、纤维内杂质检验以及生产过程中染料的鉴别等。     

湿度对近红外光谱检测的影响

光谱的检测过程会受诸如温度等很多条件的影响。本课题的目的在于研究在近红外检测过程中,环境湿度的变化对苹果检测结果的影响。建立一个自制湿度可控箱,通过改变箱内小环境的湿度值,对每个水果在40%～80%的湿度范围内每隔10%进行光谱采集。每个最终光谱是由水果的扫描光谱减去背景光谱获得的,由于不确定湿度随水果和背景的分别影响,光谱试验分两组进行：在不同的湿度下均采集背景和水果的光谱值(组1)和仅在40%的湿度值下采集背景(组2)。由20个苹果的样品集组成40组平行试验数据,运用单因素方差分析和马氏距离等处理方法进行分析。结果显示,无论在不同的湿度值下采集光谱和背景还是仅采集一个背景,其湿度值对近红外光谱的影响都不显著。     

近红外光谱技术在肉品检测中的应用和研究进展

近红外光谱(NIRS)作为新型光学检测技术在食品行业中得到广泛应用。该技术能实现肉品在线、快速、无损检测,是肉和肉制品品质分析的重要技术之一。文章综述了近红外光谱技术在肉类行业中的重要应用以及近年来的研究进展,主要包括蛋白质、脂肪及水分等影响肉类品质的化学组成成分分析,肉品感官品质如嫩度、保水性、肉色及新鲜度等指标的评价以及肉品的产地、品种等方面的鉴定。同时列举了近红外光谱技术在几种常见肉制品品质检测中的应用实例,并针对目前发展趋势展望了该技术的前景：近红外光谱技术在进一步深入研究提高肉品检测精度的基础上,通过与机器视觉技术等新型无损检测技术的融合以实现全面评价肉类品质的目标。     

免疫磁分离技术在E.coli O157:H7检测中的应用

免疫磁分离(immunomagnetic separation)技术因其具有选择性好、特异性强、能起到浓缩的作用,已与其他快速检测方法如电化学、光学等方法连用,应用于食品、环境卫生检测等领域.免疫磁分离技术是目前最有推广价值的技术之一.文章通过比较不同的E.coli O157:H7-免疫磁珠(immunomagnetic beads,IMB)浓度配比、E.coli O157:H7与Bacillus subtilis不同的体积比下的免疫磁分离的捕获率,得出当E coli O157:H7-IMB浓度配比为1:30时,捕获率近100%,即所有的目标菌均可被捕获到;在总体积不变、IMB的加入量一定的情况下,随着Bacillus subtilis比例的增加,捕获率出现先下降后上升的情况.同时,将IMS与ATP生物发光法结合起来,对不同浓度的E coli O157:H7进行了检测,得出该方法与传统的平板培养法具有很好的线性相关性,则R2=0.988 2,检测限可低达102 CFU·mL-1.     

高光谱成像在水果内部品质无损检测中的研究进展

随着高光谱成像技术的日趋成熟与高光谱成像硬件、软件成本的不断下降,以及高光谱图像数据处理算法的不断改进, 应用高光谱成像技术对水果品质进行无损检测成为当前研究热点之一。为了能跟踪国内外的最新研究成果, 对高光谱成像在水果内部品质(成熟度、坚实度、可溶性固形物、水分)检测研究进行综述,以期对我国相关研究人员的研究工作提供参考。     

近红外光谱分析技术在辛硫磷农药残留检测中的应用

采用近红外光谱分析法直接用于痕量农药辛硫磷的定量检测。通过引入一种样品预处理方法,将待测样品与硅胶混合,硅胶作为吸附剂,用来富集待测农药化合物,然后直接采集其漫反射光谱。用偏最小二乘(PLS)回归方法建立模型、留一交互验证法来对模型进行评价。通过两批次实验,浓度梯度为0.5 mg·L-1的21个样品的交互验证相关系数为0.958,RMSECV为 0.872 mg·L-1;浓度梯度为0.25 mg·L-1的41个样品的交互验证相关系数为0.924,RMSECV为1.15 mg·L-1。随着浓度梯度的降低,模型的预测能力有所下降,但模型的相关系数仍然较高。结果表明利用硅胶作为待测样品吸附剂的预处理方法,可以有效降低近红外光谱分析技术的检测限,在农药残留等低含量样品检测中有实际应用价值。     

近红外光谱用于皮棉杂质含量预测和分类的研究

采用光纤漫反射光谱采集模式,采集未经预处理皮棉的近红外光谱,对比不同的光谱预处理方式,应用偏最小二乘回归建立皮棉杂质含量预测模型,判别分析法分类皮棉和杂质含量级别。采用一阶微分光谱预处理,使用3个主成分建立的杂质含量PLS模型预测相关系数r为0.906,RMSEC为0.440,RMSEP为0.823; 采用判别分析,分类含有植物性杂质皮棉和纯皮棉,使用15个主成分准确度达到95.4％; 判别含有多类杂质皮棉,分类准确率仅能达到80.9％。而杂质含量级别分类效果不佳。研究表明,皮棉近红外光谱可以预测皮棉中杂质含量等指标,但受到杂质含量、类型和均匀度的影响,后续研究应通过透射采集模式等方法,改善光谱质量,提高预测精度。     

PLS和SMLR建模方法在水蜜桃糖度无损检测中的比较研究

在实际应用中,一些实验条件往往不能严格控制而存在变化,从而影响近红外光谱检测模型的稳健性。文章以50个常温和50个冷藏后的奉化水蜜桃样品组成温度混合样品集,经光谱杠杆值和狄克松检验法进行异常光谱剔除后,采用偏最小二乘法(PLS)和逐步多元线性回归(SMLR)对水蜜桃糖度进行建模分析。PLS的建模结果：校正集相关系数R_C=0.965, 校正均方根标准误差RMSEC=0.301°Brix,交叉验证R_CV=0.812,交叉验证均方根标准误差RMSECV=0.67°Brix,标准偏差与交叉验证均方根标准误差的比值RPD=1.72;SMLR的建模结果：校正集R_C=0.929,RMSEC=0.424°Brix, 交叉验证R_CV=0.887, RMSECV=0.532°Brix, RPD=2.16。SMLR的预测结果要优于PLS的预测结果,在SMLR分析中,在3个不同的光谱区域4 290～7 817,7 817～10 725,4 290～10 725 cm-1的RPD值分别为1.97,1.89,2.16。试验结果表明,将不同温度条件下的样品组成温度混合样品集,用PLS和SMLR建立的模型具有较好的预测效果。     

尖椒叶片叶绿素含量的近红外检测分析实验研究

应用傅里叶漫反射近红外光谱技术探讨了尖椒叶片叶绿素含量的无损检测方法。利用偏最小二乘法和主成分回归法分别建立了尖椒叶片叶绿素含量与漫反射光谱间的数学模型,同时对不同光谱预处理方法和不同建模波段范围对模型的预测性能进行对比分析。结果表明,用傅里叶变换光谱仪采集的原始光谱经平滑和基线校正对结果的影响不是很明显;利用PLS建模获得的结果明显好于采用PCR方法建模;原始光谱经二阶微分获得的预测结果比一阶微分光谱和原始光谱的预测结果好;剔除异常样本后,在全波段范围内原始光谱经二次微分的预测相关系数达到0.975 37,校正均方根误差和预测均方根误差分别为2.33和5.49。本研究说明, 应用近红外漫反射光谱检测叶片叶绿素含量是可行的,可为今后快速无损检测叶片叶绿素含量提供理论依据。     

应用多种近红外建模方法分析梨的坚实度

近红外光谱(near infrared spectroscopy,NIRS)技术是一种快速、无损的仪器分析方法,在农产品品质检测方面引起了广泛的关注,在近红外光谱信息和品质指标之间建立一个稳健的模型是近红外光谱分析中十分重要且有一定难度的过程,常见的多元校正方法有偏最小二乘回归(PLSR)、主成分回归(PCR)和逐步多元线性回归(SMLR)等,该研究中除了常用的线性方法外,还采用了一种结合非线性方法的组合算法[结合了SMLR和径向基神经网络(RBFN)]用于梨坚实度的近红外光谱检测。比较常用的线性建模方法,原始光谱的PLSR模型的得到了较好的结果：校正集相关系数r=0.87, 校正均方根误差RMSEC=3.88 N,预测集r=0.84, 预测均方根误差RMSEP=4.26 N;组合算法的建模结果比SMLR和PCR的结果好,但比PLSR的结果稍差：校正集r=0.85, RMSEC=4.15 N,预测集r=0.82, RMSEP=4.67 N。结果表明：NIRS可用于梨的坚实度检测,但是建模方法的选择值得进一步研究以提高预测的精度。