近红外光谱技术测定小麦过氧化氢酶的研究

过氧化氢酶是衡量小麦籽粒新鲜度的重要指标.将近红外光谱技术与化学计量方法结合起来,建立小麦样品过氧化氢酶的定标方程,并对方程进行了验证、优化得到小麦过氧化氢酶的最佳定标模型,其1-VR值为0.688,RSQ值为0.947,SEC值为3.363,SECV值为7.303,SEP值为3.361.通过外部验证,表明该方法可以对不同新鲜度的小麦进行快速筛查.     

近红外光谱法检测小麦粉中灰分含量的研究

采用化学法测定67个小麦粉样品的灰分含量,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二阶导数预处理,由PLS法获得的定标模型的决定系数(R2)为0.897 0.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0.909 4,预测集标准偏差(SEP)为0.098 0.实验表明,近红外光谱法应用于小麦粉灰分的测定是可行的.     

近红外光谱技术测定花生蛋白质含量研究

采用近红外光谱技术(NIRS)建立花生蛋白质含量的测定模型,讨论了不同回归技术及光谱和数学处理方法对模型的影响,并对模型进行外部验证.得出最佳的建模参数为:标准正常化结合散射处理(SNV and Detrend)的光谱处理方法和"2,4,4,1"的数学处理方法,改进最小二乘法的回归技术.得到的定标方程的定标相关系数为0.926 9,定标标准偏差为0.228 1,交叉验证相关系数为0.911 7,交叉检验标准偏差平均值为0.311 9,经外部验证得到的相关系数为0.919 7.近红外光谱技术可以用于花生蛋白质含量的快速检测.     

近红外光谱技术测定花生蛋白质含量研究

采用近红外光谱技术(NIRS)建立花生蛋白质含量的测定模型,讨论了不同回归技术及光谱和数学处理方法对模型的影响,并对模型进行外部验证.得出最佳的建模参数为:标准正常化结合散射处理(SNV and Detrend)的光谱处理方法和"2,4,4,1"的数学处理方法,改进最小二乘法的回归技术.得到的定标方程的定标相关系数为0.926 9,定标标准偏差为0.228 1,交叉验证相关系数为0.911 7,交叉检验标准偏差平均值为0.311 9,经外部验证得到的相关系数为0.919 7.近红外光谱技术可以用于花生蛋白质含量的快速检测.     

近红外光谱法测定小麦籽粒中的蛋白质含量

用化学方法测定78个小麦籽粒样品中的蛋白质含量,利用近红外谷物分析仪采集样品的近红外光谱,选择合适的光谱区间和光谱预处理方法.60个定标集样品的近红外光谱经二阶导数及标准多元离散校正预处理,结合偏最小二乘法建立了小麦籽粒中的蛋白质含量测定的定标模型,其相关系数为0.934 0.18个验证集样品用于外部检验,小麦籽粒中的蛋白质含量的模型预测值与化学值之间的相关系数为0.979 7.     

污泥厌氧发酵过程中基于近红外光谱的COD定量分析

采用厌氧序批式反应器(ASBR)对污水厂剩余污泥进行的中温发酵处理,利用小波去噪对其上清液近红外光谱进行预处理,基于间隔偏最小二乘法(i PLS)建立COD值的校正模型。结果表明两者建立的校正模型线性相关性r=0.9786,校正均方根误差RMSECV=39.13。利用小波去噪与间隔最小偏二乘法进行建模不但可以减少变量数和运算过程,同时模型预测精度也较高,该研究为污泥发酵过程中COD的变化规律提供了一种快速检测的可行分析方法。     

近红外光谱法测定油炸方便面中水分含量的研究

应用近红外光谱技术测定了油炸方便面中的水分.通过比较各种数据处理方法,以80份样品建立方便面水分的近红外定标模型,40份样品作为验证样品集进行了验证.结果表明:以SNV(标准正态变量转化法)预处理后采用PLS(偏最小二乘法)建模效果最好.该方法得到的定标集样品的相关系数Rc和预测标准误差SEC分别为0.985 0、0.237 3;验证集样品的相关系数Rv和预测标准误差SEP分别为0.986 0、0.232 2.验证结果表明利用近红外光谱技术能快速测定油炸方便面中的水分.     

基于近红外光谱技术测定小麦籽粒淀粉含量

采用化学方法测定78个小麦样品中的淀粉含量,运用近红外光谱仪采集小麦样品近红外光谱.用光学处理和数学处理等手段对模型的影响进行了探讨.结果显示,反相离散多元校正(Inverse MSC)与二阶导数结合对光谱数据进行预处理后,运用偏最小二乘法(PLS)所建分析模型的预测效果最优,其相关系数为0.951 7.以17个验证集样品进行外部检验,得小麦籽粒中淀粉含量的模型预测值与化学值之间的相关系数为0.978 6.     

近红外光谱法快速定量分析那格列奈

采用近红外漫反射光谱分析技术和化学计量学的方法对那格列奈进行快速无损的定量分析.采集41份不同浓度系列的那格列奈样品测量近红外漫反射光谱,用多元散射校正结合一阶导数的光谱预处理方法,结合偏最小二乘法(PLS)建立那格列奈的定量分析模型.结果表明:交叉验证均方根误差(RMSECV)为0.448 5,决定系数R2为0.999 8;预测均方根误差(RMSEP)为0.196 0.方法精密度RSD为1.1%(n=6),加标回收率为95.55%.结果表明,用近红外光谱分析技术对那格列奈进行定量分析结果准确可靠,方法简便快速,可推广用于此类样品的工业在线分析.     

近红外漫反射聚类法无损快速测定淀粉品质

提出一种基于近红外光谱技术和聚类分析法对不同种类的淀粉进行无损快速鉴别的方法,研究了近红外光谱结合聚类分析法快速鉴别淀粉种类的可行性.采集样品在12 500~4 000cm-1范围内的近红外漫反射光谱,利用光谱模式识别法中的聚类分析法对图谱进行定性分类鉴别.光谱经一阶导数预处理后,采用聚类分析法可准确无误地将样品分为2类,分类准确率达到100%.同时采用预测集的样品验证所建模型的准确性,经实验得出预测准确率也是100%.实验结果表明,近红外漫反射光谱结合聚类分析法可以为快速无损鉴别淀粉种类提供一种准确可靠的方法.