基于近红外光谱技术的米糠粕主要成分分析

为探索米糠粕营养成分的近红外快速测定方法,采集261个米糠粕样品的近红外光谱,分别经过标准正态变量变换、去趋势校正、多元散射校正等20种方法进行预处理,在1000~1799 nm波长范围内,结合化学方法测定数据采用偏最小二乘法、主成分分析结合人工神经网络法、偏最小二乘结合人工神经网络法建立米糠粕营养成分近红外定量模型。结果发现,在3种建模方法中,偏最小二乘法结合人工神经网络法建立的模型效果最好,预测精度最高,所得的水分、灰分和粗蛋白近红外定量模型的相关系数分别为0.9593、0.9168和0.9626。     

鲫鱼新鲜度近红外定量预测模型的建立

为实现鲫鱼新鲜度的快速测定,本文基于近红外漫反射光谱定量分析技术和化学计量学方法,采集了144个鲫鱼鱼肉样品在1000~1799 nm范围内的光谱数据,测定了鲫鱼样品的p H、TVB-N含量、TBA含量和K值四种新鲜度指标;在确定近红外光谱数据最佳预处理方法和适宜波段的基础上,分别采用偏最小二乘法、主成分分析和BP人工神经网络技术、偏最小二乘法和BP人工神经网络技术建立了鲫鱼新鲜度定量预测模型。结果表明,鲫鱼样品四种指标数据范围均较大,可满足建模要求。以p H为鲜度指标时,采用偏最小二乘法和BP人工神经网络技术建立的模型最好,其定标相关系数为0.9945;以TVB-N、TBA和K值为鲜度指标时,采用偏最小二乘法建立的模型最好,其定标相关系数分别为0.9857、0.9985和0.9952。建立的四种鲜度指标定量模型均具有较好的预测能力。     

基于近红外光谱的大豆水分和粗脂肪含量的快速检测

基于近红外光谱技术快速检测大豆中水分和粗脂肪含量。方法 首先采集350-2500 nm光谱范围的大豆近红外光谱,采用光谱-理化值共生距离（SPXY）算法将大豆样本划分为校正集样本与测试集样本,然后对原始光谱分别采用多元散射校正(MSC)、标准正态变量交换(SNV)、归一化（Nor）等9种方法进行预处理,最后使用偏最小二乘回归(PLSR)分析方法建立模型对样本进行定量分析。结果 原始光谱经过多元散射校正后建立的偏最小二乘回归模型对水分的预测精度最高,其校正集和测试集的相关系数分别为0.8964和0.9055 , 均方根误差分别为0.4211和0.5933;原始光谱经过归一化处理后建立的偏最小二乘回归模型对粗脂肪的预测精度最高,其校正集和测试集的相关系数分别为0.9084和0.9295 , 均方根误差分别为0.6897和0.6462。结论 近红外光谱（NIRS）结合预处理及偏最小二乘回归法,可以快速、准确的检测大豆水分和粗脂肪含量。     

混合果粉中营养成分的快速检测

以菠萝原粉、芒果原粉和椰子原粉为原料,配制比例不同的菠萝椰子混合果粉和芒果椰子混合果粉,测定其营养成分。采用偏最小二乘法建立近红外和红外光谱数据与菠萝椰子混合果粉和芒果椰子混合果粉中营养成分含量的模型。利用近红外光谱数据建立的2种混合果粉中总糖、蛋白质、总酸、灰分含量的模型校正、交叉验证、预测的相关系数都大于0.95;利用红外光谱数据建立的2种混合果粉中总糖、蛋白质、总酸、灰分含量的模型校正、交叉验证、预测的相关系数都大于0.80,且近红外和红外光谱所建模型的校正、交叉验证、预测的均方根误差都小于0.2。结果表明:近红外光谱技术和红外光谱技术用于菠萝椰子混合果粉和芒果椰子混合果粉中营养成分的快速检测都是可行的,且利用近红外光谱数据所建的模型更优,预测更准确。     

番茄总糖含量的近红外光谱无损检测方法研究

根据偏最小二乘法建立番茄总糖含量的定量分析模型,比较原始光谱和平均光谱以及10 种光谱预处理方法对近红外光谱无损检测番茄总糖含量的影响。结果表明：平均光谱所建立的偏最小二乘法校正模型明显优于原始光谱所建模型,常数偏移消除最适合番茄总糖近红外光谱的预处理,其在11998.9～7497.9cm-1 和4601.3～4256.5cm-1优化光谱区内,所建偏最小二乘法定量分析模型的预测值和实测值的相关系数(R)为0.917,校正标准差(RMSEC)为0.263%,预测标准差(RMSEP)为0.236%。平均光谱和优化的光谱预处理方法可有效提高近红外光谱无损检测番茄总糖含量的准确性。     

基于近红外光谱技术的腐竹脂肪定量分析

采用近红外光谱技术结合化学计量学方法,建立腐竹脂肪含量的快速分析方法。收集不同生产线、不同时间的腐竹样本180 份,利用积分球附件采集漫反射光谱（4 000～10 000 cm－1）。为消除颗粒散射影响和光谱基线漂移,二阶导数和卷积平滑用于光谱预处理。采用反向区间偏最小二乘法、组合区间偏最小二乘法、搜索组合移动窗口偏最小二乘法和遗传偏最小二乘法优化建模变量,最终构建了定量预测模型。结果显示,4 种方法均可有效地提取信息变量、降低模型维度、提高预测性能;遗传偏最小二乘法一次优选获得143 个变量,构建的模型性能最佳,其校正相关系数、校正均方根误差、预测相关系数、预测均方根误差分别为0.96、0.95、0.92和1.17。研究表明,经过信息变量提取后所构建的近红外模型简单、预测精度高,可用于腐竹脂肪含量的日常监测。     

基于近红外光谱技术与BP-ANN算法的豆粕品质快速检测

应用近红外漫反射光谱技术结合误差反向传递人工神经网络(BP-ANN)算法,建立豆粕品质(包括水分、粗蛋白、残油)的定量分析模型。将豆粕漫反射吸收光谱数据进行SNV、DT、SG求导、SG平滑和均值中心化处理,然后采用偏最小二乘方法(PLS)降维获取主成分,并优化选择合适的隐含层节点数、隐含层和输出层转化函数,建立校正模型,并用验证样品对校正模型进行验证。结果显示,BP-ANN法建立的水分、粗蛋白和残油的预测相关系数(R)分别为0.981、0.988、0.982,预测标准偏差(SEP)分别为0.120、0.216、0.036,均优于PLS建模方法结果,且满足传统分析方法的重复性要求,表明BP-ANN方法可用于生产过程豆粕品质的快速监控。     

基于近红外漫反射光谱的云芝提取物品级分类研究

为探索快速无损分析云芝提取物品级的方法,采集不同产地云芝提取物的近红外漫反射光谱,通过主成分分析(PCA)对样本原始光谱数据进行降维、压缩,并分别结合偏最小二乘判别法(PLS-DA)和反向传输人工神经网络(BP-ANN)建立识别模型。结果表明:采用主成分分析结合偏最小二乘判别法,建模集和验证集的识别正确率分别为100%和84%;采用主成分分析结合反向传输人工神经网络模型,其建模集和验证集的识别正确率均为100%。由此可见,主成分分析结合反向传输人工神经网络模型可以更好地实现对不同品级的云芝提取物进行分类识别。     

近红外漫反射光谱法快速检测高纤维素、木质素物料水分含量

目的：建立一种快速检测高纤维素、木质素物料水分含量的方法。方法：以槟榔这种含高纤维素、木质素的中药材为原料,用近红外光谱仪采集近红外漫反射光谱,运用NIR Cal建模软件对光谱数据进行预处理,优选特征波长,并运用偏最小二乘法（PLS）分析建立槟榔水分含量定量模型。结果：槟榔水分含量定量模型校正集决定系数为0.994 2,校正误差均方根（RMSEC）为0.50;验证集决定系数为0.986 7,预测误差均方根（RMSEP）为0.68。结论：该方法简便、快速、安全、实用、准确,适用于含高纤维素、木质素物料的水分含量的快速测定。     

基于近红外光谱技术的小麦粉灰分含量检测方法研究

采用近红外光谱技术建立小麦粉灰分含量的快速检测方法。使用两种不同的近红外光谱仪器采集小麦粉的近红外光谱数据,以常规分析法的测定值作为建模数据,采用偏最小二乘(PLS)回归分析法建立小麦粉灰分的定量分析模型,比较两种不同的近红外光谱仪器扫描的小麦粉近红外光谱图对模型的影响。结果表明,MicroNIR-1700近红外光谱仪扫描的谱图所建校正集模型的相关系数R~2为90.69,均方根误差(RMSECV)为0.031 2,预测集模型的均方根误差(RMSEP)为0.021 7;VERTEX70傅里叶变换近红外光谱仪扫描的谱图所建校正集模型的相关系数R~2为89.40,均方根误差(RMSECV)为0.035 0,预测集模型的均方根误差(RMSEP)为0.036 6。两种仪器都能用于小麦粉光谱采集,并进行灰分含量快速检测,MicroNIR-1700在小麦粉灰分检测方面有更好的应用。     

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。     

近红外光谱结合偏最小二乘法快速测定糖果中水分含量

采用近红外光谱(NIR)结合偏最小二乘法(PLS)建立了一种糖果中水分含量快速准确的测定方法。在12500~3600 cm-1光谱范围内采集116批糖果的近红外漫反射光谱,并用减压干燥失重法测定其水分含量。通过比较不同参数对建模的影响,发现用多元散射校正法进行预处理,在11682.2~9826.1、8939.0~6267.9、5378.8~4487.8 cm-1光谱范围内,主成分数为15时,应用PLS方法建立的糖果水分的定量分析模型效果最佳。所建立模型的相关系数为0.9716,校正均方根误差和验证均方根误差分别为0.97%和1.03%。该方法结果准确可靠、操作简便,可用于糖果中水分含量的快速检测。     

近红外光谱对特征部位牛肉的分析

通过采集牛霖、牛柳、牛腩3个部位牛肉样品的近红外光谱并对其蛋白质、脂肪、水分和灰分等化学指标进行测定,应用偏最小二乘法分别建立蛋白质、脂肪、水分和灰分的校正模型。牛霖样品的灰分和水分校正模型相关系数分别为0.9843、0.9740,预测相关系数分别为0.9502、0.9342;牛柳样品的蛋白质和水分校正模型相关系数分别是0.9540、0.7752,预测相关系数分别为0.9500、0.9060;牛腩样品的灰分和脂肪校正模型相关系数分别是0.9746、0.9218,预测相关系数分别是0.9560、0.9233;牛霖和牛柳样品的水分总校正模型相关系数为0.7504,预测相关系数是0.9737;牛腩和牛霖样品的灰分总校正模型相关系数是0.8770,预测相关系数为0.9777。结果表明：近红外光谱分析法预测准确度较高,可以用于评价牛肉品质。     

近红外光谱法快速检测带鱼肉中的水分和蛋白质含量

应用傅立叶变换近红外光谱分析技术对带鱼肉中水分和蛋白质含量进行了研究。分别建立原始光谱、间隔2点一阶导数(dblg2)、3点平滑(sa3)、标准归一化(SNV)和多元散射校正(MSC)的偏最小二乘回归(PLS)模型,比较定标相关系数(Rc)、预测相关系数(Rv)、定标标准差(SEC)和预测标准差(SEP),建立了MSC预测模型,水分和蛋白质近红外检测模型的相关系数均在0.9以上。SEC分别为0.74和0.68,SEP分别为0.81和0.73。将确定的模型进行了外部验证,水分和蛋白质NIR预测值和化学分析值的配对t检验差异均不显著。说明近红外光谱法应用于带鱼肉中水分和蛋白质含量的快速检测是可行的。     

基于近红外光谱法快速测定许氏平鲉脂肪和 水分含量的方法研究

目的建立近红外光谱法结合偏最小二乘法测定许氏平鲉鱼肉中的脂肪和水分含量,以期简便、快速地对许氏平鲉进行品质分析与评价。方法采用常规分析手段测定70个样品的脂肪和水分含量,同时采集其近红外光谱数据,结合偏最小二乘法(partial least square,PLS)建立许氏平鲉鱼肉中脂肪和水分的定量预测模型,并对比不同光谱预处理方法、光谱范围和因子数对定量预测模型的影响。结果光谱经Savitzky-Golay(S-G)和标准正态变量变换(standardized normal variate,SNV)预处理后,在5341.85~4007.36 cm~(-1)、6556.79~5345.71cm~(-1)和8651.10~7162.33 cm~(-1)光谱范围内,选取主因子数10,建立脂肪的校正模型性能最优;光谱经过SNV预处理后,在8886.38~4061.35cm~(-1)光谱范围内,分别选取主因子数为9时,建立的水分的校正模型性能最优。脂肪和水分含量相对最优PLS模型的校正集相关系数分别为0.9918和0.9912,校正标准偏差分别为0.2680和0.3300,交叉验证相关系数分别为0.9820和0.9810,交叉验证均方差分别为0.3980和0.4850,验证集相关系数分别为0.9804和0.9798,验证集均方差分别为0.3260和0.3070。结论本方法可较为准确地预测许氏平鲉鱼肉中的脂肪和水分含量,能够满足快速分析评价许氏平鲉品质的要求。     

近红外光谱技术分析草鱼的质构特性

采用化学计量学方法,测定211个草鱼样品鱼肉的质构参数和持水性,并采集各样品的近红外光谱,以建立基于近红外光谱技术的草鱼质构特性的快速检测方法。结果表明,样品数据范围较大,可满足建模要求,比较多种光谱预处理方法,确定正交信号校正(OSC)适宜分析鱼肉持水性、硬度、回复性、弹性和剪切力的大小,而鱼肉咀嚼性的近红外光谱的最佳预处理方法是数据标准化(S)。采用偏最小二乘法分别建立草鱼各质构指标的近红外定量分析模型。所建立的鱼肉持水性、硬度、回复性、弹性、咀嚼性和剪切力指标的近红外光谱模型的相关系数分别为0.9194、0.9812、0.9830、0.9871、0.7860和0.9896,说明除了咀嚼性模型外,草鱼质构指标各数学模型的预测值和实测值之间具有较高的相关性,采用该方法能较为准确、快速地测出草鱼鱼肉持水性、硬度、回复性、弹性和剪切力的值。     

近红外光谱技术在南极磷虾粉水分、脂肪和蛋白质含量快速检测中的应用

利用傅里叶近红外光谱分析技术,以磷虾粉样品的实测值与模型预测值为基础,研究了采用最小二乘法建立磷虾粉原始样品与磷虾粉混合样品中水分、脂肪和蛋白含量近红外定标模型的可行性和准确性.结果表明,磷虾粉近红外图谱最佳预处理方式为:标准正态变换预处理+一阶导数+Norris导数滤波;以磷虾粉混合样品构建的近红外模型较磷虾粉原始样...