傅立叶变换近红外光谱法快速检测锅盔中水分含量

应用傅立叶变换近红外光谱技术,建立锅盔水分含量分析模型.测定61份锅盔的近红外光谱,经一阶导数+MSC预处理以滤去噪声,在7 501.9～4 597.6 cm-1谱段范围内,选择维数10,利用偏最小二乘法建立近红外光谱与国标参考方法测得的水分含量之间的相关模型.最终得到水分定量校正模型决定系数(R2)为99.03％,内部交叉验证均方差(RMSECV)为0.409％.用该模型对19个未知锅盔样品进行外部验证,其水分外部验证决定系数(R2)为97.99％,预测标准偏差(RMSEP)为0.341％.结果表明,近红外定量分析技术有较高的准确度,能满足锅盔水分的快速检测精度要求.     

近红外光谱法检测小麦粉中的水分含量

以化学法测定67个小麦粉样品的水分含量,利用波通DA7200型近红外光谱分析仪采集样品近红外光谱,选择合适的光谱区间及光谱预处理方法,采用偏最小二乘法(PLS)和留一法内部交叉验证方式建立定标模型.50个定标样品的近红外光谱经一阶导数预处理,由PLS法获得的定标模型决定系数(R2)为0.984 3.利用17个验证集样品进行外部检验,预测值与真实值之间的相关系数(R2)为0.984 8,预测集标准偏差(SEP)为0.092 9.近红外光谱法具有方便、快速、准确、无损、无污染的特点,应用于小麦粉水分的测定是可行的.     

傅立叶变换近红外光谱法测定豆腐干中总酸、蛋白质和水分含量

应用傅立叶变换近红外光谱技术,以豆腐干为材料建立豆腐干中总酸、蛋白质和水分含量分析模型.测定63份豆腐干的近红外光谱数据,得到原始光谱信息,通过光谱预处理方法消除原始光谱噪声,最后采用偏最小二乘法建立回归方程.最终得到总酸、蛋白质和水分含量近红外光谱分析模型的决定系数(R2)依次为98.24%、97.85%、99.17%,交叉验证均方根差(RMSECV)依次为0.0113、0.122、0.152.用该模型对21个未知豆腐干样品进行外部验证,其总酸、蛋白质和水分外部验证的决定系数(R2)依次为93.46%、97.49%、99.39%,预测标准偏差(RMSEP) 次为0.0208、0.121,0.121.内部交叉验证和外部验证均证明,近红外定量分析有较高的准确度,能满足生产中总酸、蛋白质和水分检测的精度要求.     

近红外光谱技术快速检测腊肉酸价和过氧化值

探讨应用傅里叶近红外光谱技术快速定量检测腊肉酸价和过氧化值的方法。腊肉样品经粉碎、混匀后在AntarisⅡ傅里叶近红外光谱分析仪上扫描,获得其近红外光谱与国标法测定的酸价和过氧化值含量数据进行关联,用傅里叶变换近红外光谱技术结合偏最小二乘法建立近红外光谱与腊肉酸价和过氧化值含量的数学模型并进行预测。结果表明：酸价模型中,校正决定系数和交叉验证决定系数分别是0.99582和0.98687,校正均方差和交叉验证均方差分别是0.1370和0.1900;过氧化值模型中,校正决定系数和交叉验证决定系数分别是0.99999和0.99926,校正均方差和交叉验证均方差分别是0.756×10-4和0.684×10-3。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,傅里叶近红外光谱技术快速定量检测腊肉酸价和过氧化值是可行的。     

FT-NIR在油菜籽品质指标快速检测中的应用研究

以203份不同品种的油菜籽为原料,开展了油菜籽整籽粒和粉碎样品的水分、蛋白质和粗脂肪含量的近红外研究。研究结果显示:油菜籽整籽粒和粉碎样品的水分含量近红外检测模型的内部交叉验证决定系数R~2分别为0.967和0.953,油菜籽整籽粒和粉碎样品的蛋白质含量的近红外检测模型的内部交叉验证决定系数R~2分别为0.810和0.947,油菜籽整籽粒和粉碎样品的粗脂肪含量的近红外检测模型的内部交叉验证决定系数R~2分别为0.776和0.896。同时,测定水分时可采用整籽粒扫描,而粉碎试样所建的蛋白质和粗脂肪模型优于整籽粒扫描。油菜籽粉碎样品的外部验证模型评价效果较好,外部验证水分、蛋白质和粗脂肪决定系数R~2分别为0.966、0.937和0.918。结果表明,近红外光谱技术可用于油菜籽品质指标的检测。     

近红外光谱法同时测定涪陵榨菜中果胶和总糖的含量

应用傅里叶变换近红外光谱技术,以涪陵榨菜为材料建立与其品质有关的果胶和总糖的定量分析模型。测定50份涪陵榨菜的近红外光谱数据,得到原始光谱,通过光谱预处理方法消除噪声,最后通过偏最小二乘法(PLS)建立回归模型。最终得到涪陵榨菜中果胶和总糖含量的近红外光谱分析模型,其决定系数(R2)分别为98.31、98.35,交叉验证均方差(RMSECV)分别为0.513、0.0531。用该模型对18份未知涪陵榨菜样本进行外部验证,其果胶和总糖的外部验证决定系数(R2)分别为96.69、95.63,预测集标准偏差(RMSEP)分别为0.572、0.0671。内部交叉验证和外部验证均证明,近红外定量分析有较高的准确度,能满足生产中对涪陵榨菜果胶和总糖同时测定的精度要求。     

基于近红外光谱技术的大米品质分析与种类鉴别

应用近红外光谱(NIRS)技术建立了大米食味品质分析与种类快速鉴别的方法。提取了102份粉碎后大米样品的近红外光谱,采用偏最小二乘法(PLS)建立了大米水分、蛋白质和直链淀粉定量分析模型,对模型预测结果的准确性进行了评价。预测模型的内部交叉验证决定系数(R2)分别为:0.992、0.9792和0.9736;内部交叉验证标准差(RMSECV)分别为:0.141、0.201和0.209;模型外部验证决定系数(R2)分别为0.9861、0.912和0.9373;外部验证标准差(RMSEP)分别为0.179、0.206和0.243。通过计算样品的近红外光谱图之间的欧氏距离来反映不同样品间的差异,对不同属性和不同产地的大米进行了定性聚类分析,种类识别准确率达到100%。结果表明,NIRS分析技术可以用于对大米品质和种类的快速无损检测。     

近红外光谱法快速测定榨菜中亚硝酸盐含量

为研究利用傅立叶近红外光谱分析仪(NIRS)快速测定市售榨菜中亚硝酸盐的含量,先取榨菜样品按GB5009.33-2016测定其亚硝酸盐含量,再向榨菜样品中添加亚硝酸钠,制成亚硝酸钠浓度范围为0.122~39.0875 mg/kg,浓度梯度为0.66 mg/kg的60个样本校正集;与10个样本预测集采集对应的傅立叶近红外光谱曲线,将光谱信息与实际测量值相关联,利用TQ analyst建模软件进行计算分析。结果表明:建模最优预处理方法为一阶微分(1D)与Savitzky-Golay filter滤波平滑的组合预处理;比较分析偏最小二乘法(PLS)与主成分回归法(PCR)的亚硝酸盐样品建立的光谱模型,数据结果显示采用偏最小二乘法(PLS)的亚硝酸盐组分模型稳定性和预测能力更好;内部交叉验正均方差(RSMECV)、交叉验证决定系数(R_c)、外部预测均方根误差(RMSEP)、预测决定系数(R_P)相关系数(r)分别为0.0310、0.9925、0.0141、0.9720、0.9378。经F检验与t检验,与国标所测结果无显著性差异。NIRS检测快速,无损便捷,可用于市售榨菜中亚硝酸盐残留量的定量检测。     

FT-NIR法预测陈化烟叶的淀粉、多酚和色素含量

应用傅立叶变换近红外光谱(FT-NIR)法和化学分析法测定了400个陈化烤烟烟叶样品的NIR光谱数据和淀粉、多酚、色素含量,采用偏最小二乘法(PLS)法将光谱数据和化学测定值进行拟合,建立了淀粉、多酚、色素的NIR预测模型,进行了模型的内部交叉验证,并用未参与建模的100个样品进行了外部验证.结果表明,淀粉、多酚、色素的NIR预测模型的决定系数(R<'2>)分别为97.64%、86.97%、87.08%,交互校验均方差(RMSECV)分别为0.338、0.283、0.011;模型的预测结果与化学分析法无显著性差异,其RSD均<5%.FT-NIR光谱法可用于批量陈化烟叶样品淀粉、多酚和色素含量的快速检测.     

用近红外光谱无损测定烟草种子淀粉含量

为探索烟草种子淀粉含量无损检测技术,分析了120份不同生长发育期的烟草种子样品的近红外光谱,在4 000~9 000 cm~(-1)波段,利用主成分回归法建立了烟草种子淀粉含量的近红外光谱定量分析模型,并采用外部独立验证的方法对该模型进行了检验。结果表明,标准正态变量转换法结合去趋势算法,经19点平滑处理烟草种子近红外光谱数据后,所建立的烟草种子淀粉含量定量分析模型的决定系数可达99.80%,校正标准差和预测标准差分别低至0.149 3和0.183 8,验证集的实际测定值与模型预测值之间误差较小。     

蜂蜜中羟甲基糠醛的近红外光谱快速测定方法

为实现蜂蜜中羟甲基糠醛的快速测定,利用近红外(NIR)光谱分析技术结合偏最小二乘法(PLS)建立了蜂蜜中羟甲基糠醛的定量分析模型,并进行了预测。通过光谱扫描,波数范围为7706~4009cm-1、一阶导数、norris derivative平滑及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,羟甲基糠醛定量模型的交叉验证相关系数(Rcv2)=0.99620、交叉验证均方差(RMSECV)=2.40;预测相关系数(Rp2)=0.99874、预测均方差(RMSEP)=2.02;预测值与测定值之间无显著差异,该方法适用于蜂蜜中羟甲基糠醛的快速测定。     

基于MEMS微镜技术的近红外光谱检测奶粉中的三聚氰胺

为实现奶粉中三聚氰胺的无损定量快速检测,搭建了一款便携式光学仪器。采用基于MEMS微镜的微型光学平台及手持式探头、光纤及样品池等搭建的傅里叶变换近红外光谱仪,在1 000～2 500 nm波长范围内采集样品光谱,结合光谱预处理、特征波段筛选及主成分数选取来优化光谱信息,依照偏最小二乘法结合交叉验证建立定量模型。在1 400～1 600 nm和1 900～2 400 nm波段内,二阶导数+Savitzky-Golay九点平滑的预处理方法下,当主成分数为5时,交叉验证相关系数为0.965 2,交叉验证均方差为8.22,外部验证结果预测偏差均小于5%,模型预测性能良好。基于MEMS微镜的便携式近红外光谱仪能实现奶粉掺假三聚氰胺定量检测。     

基于近红外光谱的藏区酥油脂肪和蛋白质含量快速检测分析

为了建立藏区酥油中脂肪和蛋白质含量快速检测方法,以藏区不同产地酥油为研究对象,采用组合区间偏最小二乘法优选出脂肪和蛋白质的红外光谱特征波段,在此基础上分别对几种光谱预处理方法进行比较挑选出最佳预处理方法,最后建立脂肪和蛋白质的定量分析模型并对模型进行外部验证。结果表明:在脂肪和蛋白质的特征波段内采用SNV+数据归一化+二阶导数+S-G滤波法对光谱预处理后建立脂肪和蛋白质定量模型,模型相关系数(R)分别为0.994和0.997,交叉验证均方差(RMSECV)分别为4.09%和0.286%。对验证样本的预测值和实测值进行配对t检验,两种测量值之间没有显著性差异(P0.05),表明建立的脂肪和蛋白质的近红外定量模型具有良好的预测能力,基于近红外光谱快速测定藏区酥油中脂肪和蛋白质的含量是可行的。     

近红外光谱法预测烟气总粒相物中的烟碱含量

采用近红外(NIR)光谱技术直接扫描烟叶粉末,建立了预测烟气总粒相物中烟碱含量的数学模型。该模型的内部验证决定系数(R2)为86.57,均方差(RMSECV)为0.385;外部验证的决定系数(R2)为81.32,均方差(RMSEP)为0.398,近红外预测值与标准测定值的平均相对偏差为8.89%。通过配对t-检验,该方法与标准方法测定的效果无显著性差异。该方法精密度高,可用于烟气总粒相物中烟碱含量的快速预测。     

基于近红外光谱建立纸张表面施胶量测定模型

采集不同施胶量纸张的近红外光谱,利用偏最小二乘法建立测定纸张表面施胶量基于近红外光谱的校正模型。得到校正模型的交叉验证均方差（RMSECV）和外部验证均方差（RMSEP）分别为0.0928和0.1460,校正数据集和独立的检验数据集的预测值与实际测定值之间的相关系数分别为0.9609和0.9294,表明所建立的校正模型具有较高的预测精度和较好的推广性,为纸张无损伤、无预处理的快速、简便、准确的检测提供了新的途径,并且可望实现纸机上的在线检测。     

近红外漫反射光谱法测定小麦Zeleny沉降值

选用220份良种小麦品种作为原始样品集,基于漫反射基本原理,使用现代傅立叶变换近红外光谱仪扫描其近红外光谱。探讨以傅里叶近红外光谱法(FT-NIRS)预测小麦的Zeleny沉降值的可行性。以良好的常规实验数据为前提,通过内部交叉检验进行预测模型的建立,其校正决定系数(R2)和交叉检验均方误差(RMSECV)分别为0.9363和2.4,外部验证校正决定系数(R2)和预测均方误差(RMSEP)分别为0.9502和2.68。该法的建立证明了近红外漫反射光谱技术应用于小麦Zeleny沉降值测定的可行性。     

基于近红外分析技术快速测定灯盏花素注射液的含量

目的基于近红外光谱分析技术结合偏最小二乘法建立快速测定灯盏花素注射液含量的方法。方法选取2个厂家生产的27批灯盏花素注射液及实验室自制的54个样品为建模样本,首先以液体附件采用透反射法采集样品的近红外光谱,同时以标准方法测定含量,进而利用化学计量学方法辅助建立模型。结果基于内部交叉验证构建模型。测定样本的含量范围为0.956～4.15 mg/ml;建模谱段为7502～5446 cm~(-1)和4602～4247 cm~(-1);预处理方法选择一阶导结合矢量归一化;Rank值为7;交叉验证的均方根误差为0.24%,决定系数为95.9%。结论所建定量模型准确性、耐用性良好,可对灯盏花素注射液进行快速定量分析,同时为近红外技术应用于中药分析开拓了思路。     

基于近红外光谱技术测定稻谷水分含量研究

本文采用近红外光谱技术结合化学计量学方法,建立稻谷水分含量测定的快速分析方法。试验选取江苏省不同地区的两年内197份稻谷样品作为建模集样品,对其进行化学分析和图谱扫描处理,通过近红外化学计量学软件初步建立稻谷水分含量的预测模型。建模结果显示运用PLS（偏最小二乘法）建立的分析模型预测效果最优,决定系数（R2）高达0.9689,交互验证标准差（SECV）为0.3434,选取24个未知样品作为验证集样品,验证决定系数（R2）高达0.9806,预测标准差为0.0933。结果表明,近红外光谱技术可以用于稻谷水分含量的快速测定。     

傅里叶变换红外光谱结合化学计量法对香附水分、灰分和浸出物的快速测定

建立基于傅里叶变换红外光谱的香附水分、灰分和浸出物的快速测定模型。运用ANTARIS II FT-NIR Analyzer对60个香附样品进行近红外光谱采集。依照2015版药典中的方法测得60个香附样品的水分、灰分以及浸出物含量数据。运用TQ Analyst软件对所得香附的近红外光谱与试验所得的香附样品的水分、灰分以及浸出物含量数据建立快速测定的模型。所建立的香附水分、灰分、浸出物含量快速测定模型能较准确地对香附水分、灰分、浸出物含量进行识别与验证。其中香附水分含量模型R2为0.902 7,校正集预测均方差（root mean square error of calibration,RMSEC）为0.774,预测集的预测均方差（root mean square error of prediction,RMSEP）为0.521;香附灰分含量模型R2为0.988 4,RMSEC为0.061 9,RMSEP为0.058 5;香附浸出物含量模型R2为0.890 3,RMSEC为1.25,RMSEP为2.33。所建立的模型能够较准确地实现香附水分、灰分、浸出物含量的快速测定。     

无效变量消除法在油菜籽芥酸近红外无损速测中的应用

探索改善油菜籽芥酸近红外预测模型准确度与精密度的方法,利用无效变量消除法（UVE）,对135个油菜籽样品近红外光谱信号进行筛选,并利用筛选后的光谱对油菜籽芥酸含量进行偏最小二乘法交叉验证。结果表明,UVE法筛选变量后建立的芥酸校正模型对未知样品预测结果的准确度和速度显著优于全波长参与建立的芥酸校正模型。散射校正加一阶导数对光谱预处理,UVE法筛选变量,偏最小二乘法交叉验证建立的校正模型效果最好,其预测值与标准值的相关系数R达到0.92,交叉验证预测均方差为2.2。因此,用UVE进行波长选择后建立的近红外模型,能准确快速地对油菜籽芥酸含量进行定量分析。