近红外光谱技术定量检测果味啤中的果汁含量

该文以近红外光谱分析技术快速测定菠萝啤中果汁含量为目的,采用了后向间隔偏最小二乘(backward interval partial least squares,Bi-PLS)、组合间隔偏最小二乘(synergy interval partial least squares,Si-PLS)以及遗传算法(genetic algorithm,GA)提取特征波长以提高模型性能。研究结果表明,基于Si-PLS提取的特征波长结合偏最小二乘法(partial least squares,PLS)建立的定量分析模型效果最好,从原始光谱范围4 000～10 000 cm^-1内筛选出3个特征光谱区间,分别为(4 484～4 960,5 600～6 051,7 844～8 080) cm^-1,共94个特征变量,比原始1 501个波长变量减少了93. 7%,验证集的均方根误差和决定系数分别为0. 18%、0. 89,范围误差比为3. 17。实验结果表明,近红外光谱分析技术用于测定果味啤中的果汁含量是可行的,这为快速高效测定菠萝啤果汁含量提供了一种方法依据。     

LS-SVM结合近红外光谱快速检测香梨可溶性糖

利用可见/近红外光谱技术对"库尔勒香梨"内部品质的快速无损检测具有非常重要的研究意义。为了解决光谱数据中由于大量无关信息的存在而导致模型精度降低的问题,探究了基于不同可见/近红外光谱特征波长筛选方法建立模型的效果。分别采用无信息变量消除算法(UVE)、后向偏最小二乘算法(BiPLS)对香梨可溶性糖的特征波长进行筛选,并将其作为输入变量分别建立偏最小二乘(PLS)、最小二乘支持向量机(LS-SVM)模型。结果表明,UVE算法可以有效地减少建模变量,UVE-LS-SVM模型效果明显优于UVE-PLS模型,其决定系数(R~2)为0.976、预测均方根误差(RMSEP)为2.313、预测相对分析误差(RPD)为5.45,验证了UVE-LS-SVM结合近红外光谱分析技术能实现对"库尔勒香梨"可溶性糖含量的快速无损测量。     

基于NIR的白酒酿酒高粱中关键指标的定量分析

文章基于近红外光谱分析技术(NIR)对酿酒高粱中支链淀粉和直链淀粉含量进行定量分析。采用无信息变量消除法(UVE)、无信息变量消除法结合遗传算法(UVE-GA)、无信息变量消除法结合连续投影算法(UVE-SPA)筛选建模特征波长,并结合偏最小二乘法(PLS)建立酿酒高粱中支链淀粉和直链淀粉定量分析模型。所建立的模型结果表明,上述3种波长筛选方法对模型均有一定程度的优化效果,其中无信息变量消除法结合遗传算法(UVE-GA)光谱波长筛选的方法得到的效果最佳,所建立的支链淀粉和直链淀粉模型的决定系数(R~2)分别为0.9523和0.9417,预测均方根误差(RMSEP)分别为1.2845和0.0901,相对分析误差(RPD)分别为12.1和34.18,模型的精确度和鲁棒性均有所提高,为现代白酒企业快速、简便、准确地测定酿酒原料高粱中直链淀粉和支链淀粉含量提供了科学的参考。