可见/近红外漫反射光谱无损检测磨盘柿果实硬度的研究

建立可见/近红外光谱与磨盘柿果实硬度之间的数学模型,评价可见/近红外光谱技术无损检测磨盘柿硬度的应用价值。在可见/近红外光谱区域(570～1848nm),实验对比分析了不同数学建模算法、不同导数处理方法和不同散射及标准化处理的磨盘柿果实硬度定标模型。结果表明,应用偏最小二乘回归算法、一阶导处理和标准正常化和散射处理所建柿果实硬度定标模型的预测性能较优,模型的相关系数(Rc2)为0.7992,均方根误差(RMSEC)为2.0642;用该模型对40个预测样本进行预测,其相关系数(Rp2)为0.8267,预测均方根误差(RMSEP)为2.0223。研究表明,可见/近红外漫反射技术对磨盘柿果实硬度的快速无损检测具有可行性。     

磨盘柿褐变指标的可见/近红外漫反射无损预测研究

为了建立可见/近红外漫反射光谱与磨盘柿果皮和果肉褐变之间的关系,作者在全光谱区域(570～1 848 nm)对比分析了不同处理方法对磨盘柿果皮颜色b*和果肉浊度定标模型的影响。结果表明,应用MPLS、原始光谱和无散射处理建立果皮颜色b*的定标模型预测性能较好,Rp2为0.968,RMSEP为1.417 7,RPD为7.92。应用PLS、一阶导处理和无散射处理建立磨盘柿果肉浊度的定标模型预测性能较好,Rp2为0.757,RMSEP为0.107 9,RPD为2.22。因此,可见/近红外漫反射技术对磨盘柿果皮颜色b*和果肉浊度的快速无损检测具有可行性。     

磨盘柿可溶性固形物的可见/近红外漫反射光谱无损检测

研究可见/近红外漫反射光谱技术快速检测磨盘柿可溶性固形物的方法。在可见/近红外光谱区域(570～1848nm),对比分析不同数学建模算法、不同导数处理方法和不同散射及标准化处理的果实可溶性固形物定标模型。结果表明：应用改进偏最小二乘回归算法、一阶导处理和去散射处理所建果实可溶性固形物定标模型的预测性能较优,其定标交互验证相关系数(Rcv)和预测相关系数(Rp2)分别为0.8076和0.8085,定标交互验证均方根误差(RMSECV)和预测均方根误差(RMSEP)分别为0.4546°Brix和0.4482°Brix。这表明,可见/近红外漫反射技术对磨盘柿可溶性固形物的快速无损检测具有可行性。     

蓝莓可溶性固形物、总酸近红外无损检测模型的建立

建立了近红外漫反射光谱技术检测蓝莓可溶性固形物、总酸的数学模型,并对其进行评价。实验比较了在近红外全波长范围400~2 500 nm内,不同的光谱预处理方法对模型的影响。结果表明利用偏最小二乘法(PLS)、一阶导数(D1Log(1/R))和加权多元离散校正处理(WMSC)建立的可溶性固形物含量(SSC)定标模型预测结果相对较好。其预测相关系数Rp2为0.8518,预测标准误差(SEP)为0.351,相对分析误差(RPD)为2.05。总酸的最佳模型处理条件为改进偏最小二乘法(MPLS)、二阶导数(D2Log(1/R))和WMSC,其Rp2为0.8776,SEP为0.042,RPD为2.10。由此确定近红外漫反射技术可用于蓝莓可溶性固形物、总酸含量的快速无损检测。     

红提葡萄V_C含量的可见/近红外检测模型

为了建立红提葡萄VC含量的可见/近红外漫反射光谱检测模型,并评价其应用价值,应用不同的化学计量学建模方法和光谱预处理方法,在不同特征波长区间内建立定标模型,讨论建模效果,并通过预测集样品验证最优模型的精度。结果显示:在全光谱范围内,应用改进偏最小二乘法(MPLS)结合一阶导数、5点平滑、加权多元离散校正(WMSC)处理得到的定标模型效果最优,交互验证标准差SECV为0.054 3,定标决定系数R2cv为0.920 2,预测决定系数R2p为0.931 8,预测标准差SEP为0.050 0,残差平方和PRESS为0.188 0,预测相对分析误差RPD为3.640 0。故应用可见/近红外漫反射技术对红提葡萄果实VC含量进行快速无损检测是可行的,模型稳定且精度较高。     

近红外光谱对甜椒果实质地的无损检测

以黄色甜椒为研究对象,建立其近红外漫反射光谱检测果实质地的数学模型。在400~2 500、400~1100、400~1 450 nm 3个波段内分别建立了甜椒的果肉弹性、回复性和凝聚性定标MPLS模型,并用各波段下最优模型进行预测。结果表明:这3个波段下的定标模型相关系数都很高,但在全光谱下建立的定标模型稳定性最好,所以选取该光谱下的定标模型作为最终的测定模型,果肉弹性、回复性和凝聚性定标集交互验证相关系数(RCV)分别为0.937、0.933、0.932,交互验证标准误差(SECV)分别为0.029、0.013、0.016,预测集的相关系数RP分别为0.924、0.899、0.922,预测标准误差(SEP)分别为0.026、0.018、0.015,相对残差分别为-0.200、0.068、-0.033。结果说明,甜椒果实质地的近红外无损检测是可行的,果实质地与近红外漫反射光谱具有显著相关性。     

软枣猕猴桃总酚的可见-近红外漫反射光谱无损检测

应用可见-近红外漫反射光谱在570～1848nm光谱区域内,建立了软枣猕猴桃总酚定量数学模型。实验将贮藏分三个阶段(采收阶段,贮藏12d,贮藏24d)进行,通过对比分析不同建模方法得到软枣猕猴桃总酚定标模型。结果表明,应用偏最小二乘回归算法、一阶导数处理和反相多元离散校正处理所建软枣猕猴桃总酚定标模型的预测性能较好。定标集样本的交互验证相关系数(RCV)为0.8939,交互验证均方根误差(RMSECV)为11.6734mg/100g;预测集样本的相关系数(RP)为0.8627,预测均方根误差(RMSEP)为16.7690mg/100g。研究表明：可见/近红外漫反射光谱对软枣猕猴桃总酚的快速无损检测具有一定的可行性, 但模型精度有待提高。     

可见/近红外漫反射光谱检测马奶葡萄表皮色泽

本研究的目的是建立马奶葡萄果实表皮色泽的可见/近红外漫反射光谱检测数学模型,并评价其应用价值。以明度L*和色度坐标a*、b*为评价指标,讨论应用不同化学计量学建模方法、不同的光谱预处理方法、不同有效波长区间建立定标模型的效果,并用最优模型对未知样品进行预测,以验证模型精度。结果显示,在全光谱范围内,应用偏最小二乘法(PLS)结合二阶导数、去散射的光谱预处理方法的L*值模型效果最好,其交互验证误差SECV、交互验证相关系数R2CV分别为0.4591、0.9476;a*、b*值模型宜采用一阶导数结合加权多元离散校正处理,SECV分别为0.1239、0.4496,R2CV为0.9508、0.8648。实验证明,应用可见/近红外漫反射技术对马奶葡萄果实表皮色泽进行快速无损检测是可行的,L*、a*模型稳健,b*模型精度有待进一步提高。     

近红外漫反射技术检测甜樱桃果实质地研究

以萨米脱樱桃为材料,利用近红外光谱技术研究贮藏过程中樱桃果实质地等方面模型建立的相关问题。实验在可见-近红外光谱(408.8~2492.8 nm)范围内,采用樱桃果实硬度、咀嚼性、回复性作为评价指标,对校正模型的不同预处理进行讨论。研究发现,三个模型在一阶微分导数下,果实硬度最优预处理是改进偏最小二乘法(MPLS)结合标准多元散射校正(SMSC),咀嚼性和回复性最优预处理是改进偏最小二乘法(MPLS)结合标准正常处理(SNV)。硬度、咀嚼性、回复性的校正误差SEC分别为0.110、0.035、0.009,校正相关性系数Rcv分别为0.974、0.949、0.921,预测相对分析误差RPD分别为3.38、3.24、3.27。结果表明,近红外光谱技术对贮藏过程中樱桃果实质地的检测具有可行性。     

近红外光谱法检测李果坚实度的研究

为了实现准确无损检测"安哥诺"李果实的坚实度,试验利用MPA近红外光谱仪在4 000~12 500 cm~(-1)光谱范围采集了515个李果实样品的漫反射光谱,采用偏最小二乘法和反向传播人工神经网络建立"安哥诺"李果实坚实度的定量分析模型,使用波段筛选和多种光谱预处理方法优化了偏最小二乘模型。结果表明,4 000~7 267 cm~(-1)波段光谱数据经MSC校正的预处理方法处理后,偏最小二乘定量模型的校正集相关系数和均方根误差分别为0.878 1和1.22 kg/cm~2,预测集相关系数和均方根误差分别为0.836 5和1.51 kg/cm~2,优于BP-ANN模型。因此认为试验所建立的定量模型可为实现近红外无损检测"安哥诺"李果实坚实度提供技术支持和理论依据。     

近红外光谱法快速检测饮料中的食用合成色素

以光谱扫描范围为1?100～1?650?nm,分辨率为0.2?nm,通过对不同质量浓度的日落黄、柠檬黄、胭脂红和苋菜红溶液扫描,得到的原始光谱图经过一阶导数、二阶导数等方法进行预处理。然后通过修正的最小二乘（modified partial least square,MPLS）法结合变量标准化且去散射处理的光谱预处理手段建立相关的MPLS模型。最后利用所建模型,对饮料中的食用合成色素含量进行预测。预测相关系数最高可达0.991,预测标准差最低为0.009%,相对分析误差最大为3.51。结果表明,近红外光谱可作为一种简单、快速、无损、可靠的方法用于检测饮料中的食用合成色素。     

近红外光谱法快速检测梨汁中柠檬酸和L-苹果酸含量

利用近红外光谱技术对梨汁中柠檬酸和L-苹果酸含量进行快速定量检测,并通过6种光谱预处理及3种数学校正方法对柠檬酸和L-苹果酸含量预测模型进行优化。本研究采用近红外光谱仪在1 100~1 650 nm光谱范围内共采集70个梨汁样本的近红外光谱图,并利用高效液相色谱法测定柠檬酸和L-苹果酸的含量。首先对样本原始光谱图经过多元散射校正(MSC)、一阶导数、二阶导数等方法进行预处理,然后通过主成分分析(PCR)、修正的最小二乘法(MPLS)及偏最小二乘法(PLS)等分别建立梨汁中柠檬酸和L-苹果酸含量的预测模型,并对该模型进行优化。优化后,柠檬酸的最佳模型为PLS结合MSC;L-苹果酸的最佳模型为MPLS结合SNV且去散射;最佳预测模型的预测相关系数最高可达0.985,预测标准差最低为0.039%,相对分析误差最大为3.46。结果表明,近红外光谱可作为一种可靠、快速、无损、简单的方法用于梨汁中柠檬酸和L-苹果酸含量的测定。该方法为生产企业及监管部门开展梨汁的掺伪鉴别提供了依据。     

生鲜紫薯花青素等多品质参数的可见-近红外快速无损检测

基于实验室自行搭建的可见-近红外光谱系统,以市售生鲜紫薯为研究对象,探讨其花青素、可溶性固形物（soluble solid contents,SSC）以及总糖（total sugars,TS）的同时快速无损检测方法。对紫薯原始光谱进行SG（Savitzky-Golay）平滑、标准正态变量变换以及一阶求导预处理,然后用偏最小二乘回归法进行建模分析。对于花青素和TS,经SG平滑结合一阶求导预处理的模型预测效果最佳;对于SSC,经SNV预处理的模型预测效果最好。针对紫薯各参数最佳预处理光谱采用竞争性自适应加权算法进行波长筛选,再次建立模型。花青素模型预测集的相关系数为0.942 1,预测均方根误差（root mean square error of prediction,RMSEP）为0.225?9?mg/g;SSC模型预测集相关系数为0.943?1,RMSEP为0.878?7?°Brix;TS模型预测集的相关系数为0.925?3,RMSEP为0.244?3%。结果显示,利用可见-近红外光谱可以实现对生鲜紫薯的花青素、SSC以及TS的同时快速无损检测,对生鲜紫薯品质的快速无损检测分选有着重要的实用意义。     

基于近红外光谱技术的黄桃脆片可溶性固形物和硬度定量检测方法

以多批次黄桃脆片为分析对象,分别采集了可见/短波近红外光谱(400~1000 nm)和长波近红外光谱(1000~2500 nm)原始信息,分别采用标准正态变量变换(SNV)、多元散射校正(MSC)、移动平均平滑(MS),一阶导数(1-Der)预处理后,建立了全波段线性偏最小二乘法(PLS)和非线性支持向量机(SVM)预测模型,并结合外部试验进行可行性验证。结果表明,基于MSC-SVM的可见/短波红外光谱模型对可溶性固形物预测效果最佳,验证集的决定系数(R p)、预测均方根误差(RMSEP)、相对预测偏差(RPD)分别为0.761,1.998%和1.532;而基于MSC-SVM的长波近红外光谱模型对硬度预测效果相对最佳,对应R p、RMSEP和RPD分别为0.862,0.292 kg和1.991。基于近红外光谱系统可以实现对大批量黄桃脆片品质参数的快速无损检测。     

DETERMINATION OF FIRMNESS AND SUGAR CONTENT OF APPLES USING NEAR‐INFRARED DIFFUSE REFLECTANCE1

The objective of this research was to study the potential of near‐infrared (NIR) diffuse reflectance between 800 nm and 1700 nm for determining the firmness and sugar content of apples and to ascertain the effects of apple peel and variety on the NIR prediction of these two quality attributes. The spectral reflectance data were acquired from both peeled and unpeeled ‘Empire', ‘Golden Delicious', and ‘Red Delicious’ apples. Statistical models were developed using principal component analysis/regression. Lower correlations of prediction were obtained (r=0.38 to 0.58) between NIR measurement and Magness‐Taylor firmness for both unpeeled and peeled fruit, with the standard errors of prediction (SEP) between 6.6 N and 10.1 N. Improved predictions were obtained when NIR reflectance was correlated with the slope of the Magness‐Taylor force‐deformation curves. Excellent predictions of the sugar content in peeled apples were obtained (r=0.93 to 0.97; SEP=0.37 to 0.42 °Brix). The SEP, on average, increased by about 0.17 °Brix for the unpeeled apples. Variety did not have a large effect on the model performance on sugar content predictions.     

可见/近红外光谱技术无损检测新鲜鸡蛋蛋白质含量的研究

鸡蛋是一种重要的食品,蛋白质是鸡蛋的主要营养成分。本研究利用可见近红外反射光谱技术无损检测新鲜鸡蛋的蛋白质含量。使用光谱仪获取新鲜鸡蛋在400~1100 nm波段范围内的漫反射光谱;分别使用多元散射校正(MSC)法和一阶导数法(1-D)对反射光谱进行预处理;对反射光谱、MSC处理光谱和1-D光谱,使用逐步回归法判别法选择最优波长组合,建立多元线性回归模型,使用全交叉验证法验证模型。结果表明,可见/近红外反射光谱经过多元散射校正后,确定的10个最优波长(400、403.16、407.9、714.6、715、715.58、970.4、970.75、973和974.45 nm)组合建立模型的校正和验证结果最好:选定模型的校正结果为R=0.92,SEC=0.42%;验证结果为Rcv=0.89,SECV=0.47%。研究表明可见/近红外反射光谱技术可以较好的预测新鲜鸡蛋的蛋白质含量,本研究可为可见近红外光谱技术在鸡蛋营养成分的快速检测提供一定的理论基础。     

Evaluation of the quality of deep frying oils with Fourier transform near-infrared and mid-infrared spectroscopy

Deep frying oils are subjected to high temperature and prolonged heating that may lead to a series of quality and safety problems for fried foods. This study evaluated the quality of deep frying oils collected from a local college canteen (n = 132) with Fourier transform mid-infrared (FT-IR) and Fourier transform near-infrared (FT-NIR) spectroscopy. Partial least squares (PLS) regression was used to correlate spectral data with free fatty acids (FFA) and peroxide (PO) values of frying oils. The coefficient of determination (R(2)), standard error of prediction (SEP), and the RPD (ratio of the standard deviation of data set to the SEP) were used as indicators for the predictability of the PLS models. The FT-IR and FT-NIR methods exhibited similar predictability for the FFA values (FT-IR: R(2) = 0.954, SEP = 0.14, RPD = 4.48; FT-NIR: R(2) = 0.948, SEP = 0.14, RPD = 4.38). Although the predictability of the FT-IR method for the PO values was not as satisfactory as that of the FT-NIR method (FT-IR: R(2) = 0.893, SEP = 6.17, RPD = 2.93; FT-NIR: R(2) = 0.953, SEP = 4.15, RPD = 4.36), both FT-IR and FT-NIR methods could be used as simple and rapid approaches to determining the quality of deep frying oils.     

Non-destructive measurement of firmness and soluble solids content in bell pepper using NIR spectroscopy

The potential of near infrared (NIR) reflectance spectroscopy over the range 780–1690 nm was investigated to measure the soluble solids content (SSC) and firmness of bell pepper fruit. Partial least squares (PLS) calibration models were constructed based on a calibration dataset which included data from two cultivars (Solution and Ferrari) and two harvest times (2005 and 2006). The effect of Savitzky–Golay second derivative preprocessing and extended multiplicative signal correction (EMSC) on the accuracy of the calibration models was investigated and the best results were obtained with the former. The SECV were equal to 5.9 N and 0.59 °Brix for firmness and SSC, respectively. When the model was applied to an external data set including data from cv. Solution and a different harvest season, the satisfactory SEP values of 4.49 N and 0.7 °Brix were obtained, but for firmness a bias of 5.6 N was observed. From these results it can be concluded that NIR spectroscopy can be used as a non-destructive technique for measuring the SSC in bell pepper, but that further research is needed to make it robust for firmness prediction.