滩羊肉中油酸和亚油酸含量的近红外预测模型建立

基于近红外光谱技术结合化学计量学方法建立滩羊肉中油酸和亚油酸含量的预测模型。选取滩羊肉外脊、里脊、羊霖、羊腩共138 份样本,在900～2 500 nm波长范围内,采集滩羊肉糜样品的近红外反射光谱,利用气相色谱法作为参考,测定样品中油酸和亚油酸含量,并建立滩羊肉中油酸和亚油酸含量的偏最小二乘回归（partial least squares regression,PLSR）模型。为优化模型性能,使用间隔随机蛙跳（interval random frog,IRF）算法进行数据降维处理。结果表明：对于油酸模型,经过标准正态变量变换结合一阶导数处理后的全波长模型相关性较高,校正相关系数（Rc）和交叉验证均方根误差（root mean square error of cross-validation,RMSECV）分别为0.889 5和10.2515,预测相关系数（Rp）和预测集均方根误差（root mean square error of prediction set,RMSEP）分别为0.7357和10.2492,然而,经IRF算法提取92个特征波长后,Rc和Rp均低于全波长模型;对于亚油酸模型,使用多元散射校正处理后的全波长模型Rc最大,为0.8747,RMSECV为1.0512,但其Rp和RMSEP较小,利用IRF算法提取102 个特征波长后,建立的亚油酸模型相关性得到极大改善,其中Rc最大达到0.9912,相应的RMSECV为0.0118,Rp为0.9879,RMSEP为0.0122。因此,近红外光谱技术结合IRF算法不能较好预测滩羊肉中油酸含量,但对亚油酸含量具有较好的预测能力。     

发酵乳酸度近红外光谱快速检测方法的研究

利用近红外光谱技术对发酵乳酸度进行快速分析检测。采用电位滴定仪法测定71批次含活乳酸菌发酵乳样品的酸度实测值,并同时扫描得到近红外光谱数据。以校正集均方根误差（RMSEC）、预测集均方根误差（RMSEP）、交互验证均方根误差（RMSECV）及其相关系数Rc、Rp、Rcv为评价指标建立最优的酸度定量模型。利用模型对10批次含活乳酸菌发酵乳样品的酸度进行预测。结果表明,优化后的模型,其RMSEC、RMSEP、RMSECV及其相关系数Rc、Rp、Rcv分别为3.27、4.39、4.84,0.946 2、0.922 5、0.877 8。经外部验证后,该模型酸度预测值和实测值的最大相对误差为6.76%,满足不超过10%的要求。说明模型具有良好的预测性能,可用于发酵乳中酸度的快速检测。     

基于模拟退火算法优化波长的面粉品质检测

模拟退火算法（simulated annealing algorithm,SAA）是一种随机搜索、全局优化算法,为提高近红外光谱检测面粉品质模型的准确度与稳健性,实验提出基于SAA优化波长,再结合偏最小二乘（partial least squares,PLS）法建模预测的定量模型,并对SAA中冷却进度表参数设置进行对比分析。实验依据面粉中灰分含量梯度,随机选取126 份样本的近红外光谱建立SAA-PLS模型。结果发现,SAA从2 074 个波数优选出70 个波数,结合PLS建立的定量模型相关系数为0.976 0,交互验证均方根误差（root mean square error of cross validation,RMSECV）为0.022,预测均方根误差（root mean square error of prediction,RMSEP）为0.030 1,全谱建立的PLS模型相关系数为0.778 5,RMSECV为0.066 6,RMSEP为0.076 8。结果表明,基于SAA优化特征谱区,建立灰分定量模型是可行的,且准确度与稳健性明显优于全谱定量分析模型。     

莲子含水率近红外光谱检测模型构建

含水率是衡量莲子品质的关键指标之一。为实现莲子烘干过程中其含水率的快速无损检测,利用便携式近红外光谱仪采集武夷山和广昌两个莲子品种在4个不同干燥时间的光谱数据,结合偏最小二乘（partial least square,PLS）法建立莲子含水率检测模型。结果表明,两个品种莲子数据混合后,基于原始光谱建立的PLS模型预测决定系数 RP2为 0.928 3,预测均方根误差（root mean square error of prediction,RMSEP）为 0.112 5,剩余预测偏差（residual predictive deviation,RPD）为 3.734 3。进一步比较卷积平滑（savitzky golay,SG）、标准正态变量变换（standard normal variate transformation,SNV）、多元散射校正（multiplicative scatter correction,MSC）和归一化4种不同光谱数据处理方法对PLS模型预测性能的影响。MSC预处理后的光谱建立PLS模型预测性能最好,RP2为0.945 3,RMSEP为0.108 3,RPD为4.275 0。研究表明,利用便携式近红外光谱仪采集莲子光谱反射率结合化学计量学方法可实现莲子含水率的快速无损检测。     

遗传算法联合LS-SVM的苹果原醋成分定量分析

利用近红外光谱技术对苹果原醋中的重要指标进行定量分析,并进行模型优化以提高性能。采用遗传偏最小二乘法（GA-PLS）提取的特征波长作为最小二乘支持向量机（LS-SVM）的输入变量,先后建立苹果原醋中总酸、可溶性固形物的近红外定量模型,并与建立的偏最小二乘（PLS）模型结果进行比较。用决定系数（R2）、预测均方根误差（RMSEP）以及相对分析误差（RPD）对模型进行评价,确定最佳建模方法。结果表明,相比于PLS模型,总酸及可溶性固形物指标的LS-SVM定量模型的R2、RMSEP以及RPD值均有更好的表现,且在进行独立测试集验证时,LS-SVM模型的预测精度也明显优于PLS模型。说明遗传算法联合LS-SVM建立的定量模型有很高的准确度及稳定性,可以应用于苹果原醋总酸和可溶性固形物含量的快速检测。     

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。     

玛咖多糖提取过程的原位实时监测技术研究

研究超声辅助提取玛咖多糖及检测过程中提取液的多糖含量,同时应用近红外原位实时采集提取过程的光谱信息,通过光谱信息与多糖含量化学值之间的关系建立数学模型,从而达到实时监测提取过程中玛咖多糖的目的。研究结果表明,超声提取60 min内,多糖含量不断增加,随后增加缓慢并出现波动增长的趋势。对采集的原始光谱预处理,SG是最为有效地预处理方法,Rc和Rp最高,RMSECV和RMSEP数值最小。采用PLS、iPLS和si-PLS方法建立模型后,si-PLS所建立的模型最佳,联合4个最优的波长区间为:1 258.591～1 316.735nm,2 027.121～2 084.226 nm,2 153.93～2 210.888 nm和2 337.239～2 387.696 nm,模型的Rc、Rp分别为0.9621,0.9667;RMSECV、RMSEP分别为0.0116,0.0137。结论:采用近红外光谱可较好的预测超声提取玛咖多糖过程中提取液中的多糖含量,实现提取过程中的原位监测。     

枇杷内部品质近红外光谱无损检测

利用近红外光谱技术(near infrared spectroscopy,NIRS)对101个枇杷样品进行无损检测,测得样品的可溶性固形物(total soluble sdid,TSS)、可滴定酸和Vc含量,结合偏最小二乘法(partial least squares,PLS)分别建立TSS、可滴定酸和Vc含量的定标模型。采用定标模型分别对TSS、可滴定酸和Vc的验证集样品进行预测,预测决定系数Rp2分别为0.906,0.745,0.554,预测均方根误差(root-meansquare error of prediction,RMSEP)分别为0.628,0.048,2.230,且TSS的相对分析误差(relative prediction deviation,RPD)为3.31,可滴定酸和Vc的RPD分别为2.00,1.52。表明建立的枇杷TSS的定标模型可用于实际检测,枇杷的可滴定酸和Vc含量可采用近红外光谱进行检测,但检测精度有待于进一步的提高。     

基于近红外光谱定量分析花生牛奶可行性

模拟花生牛奶生产工艺制备不同含量的花生牛奶,使用近红外光谱仪扫描建立定量分析模型,探索近红外光谱应用于花生奶定量分析的可行性。结果表明,花生牛奶使用PLS建模方法可以有效地对光散射、花生与奶粉之间的干扰做出补偿,适合用于花生牛奶复杂成分体系的分析;花生定量分析模型校正均方差(root-mean-square error of calibration,RMSEC)、预测均方差(root-mean-square error of predication,RMSEP)、相关系数R分别为0.573%、3.73%、0.999 7;奶粉定量分析模型RMSEC、RMSEP、R分别为0.066、0.183 g/L、0.955 7。近红外光谱可以应用于花生牛奶的定量分析,可以为花生牛奶提供产品质量控制和快速定量检测,为植物蛋白饮料提供一种新的检测思路。模型优化改进有待进一步研究。     

基于近红外漫反射光谱技术的小麦蛋白质含量检测

收集来自国内3个主要小麦生产省份的小麦样品共73份,应用近红外光谱漫反射技术结合化学计量学方法建立小麦蛋白质含量的近红外光谱定量模型,并对模型的稳定性和可靠性进行评价。结果表明,光谱预处理的最佳条件为:Savitzky-Golay平滑+一阶导数处理,使用偏最小二乘法(Partial least square,PLS)建立模型,校正集(Rc)和预测集相关系数(Rp)为0.936和0.925,校正集均方根误差(RMSEC)和预测集均方根误差(RMSEP)分别为0.23和0.28,表明模型准确可靠,可应用于小麦蛋白质含量的快速无损检测。     

基于多源信息融合的绿茶杀青叶水分含量智能感知方法

为了实现绿茶杀青过程中水分含量的快速有效检测,利用机器视觉结合近红外光谱技术,构建绿茶杀青过程中水分含量变化的定量预测模型。首先采集杀青过程中在制品的光谱和图像信息,然后采用竞争性自适应权重取样（competitive adaptive reweighted sampling,CARS）法、变量组合集群分析（variables combination population analysis,VCPA）法、变量组合集群分析法结合迭代保留信息变量（variable combination population analysis and iteratively retains informative variables,VCPA-IRIV）法和随机蛙跳法（random frog,RF）4 种变量筛选方法提取光谱中的特征波长,并融合图像中的15 个色泽和纹理特征建立线性偏最小二乘回归（partial least squares regression,PLSR）和非线性支持向量回归（support vector regression,SVR）预测模型。结果表明,与单一数据相比,基于融合数据所建立的模型能有效提高预测精度,其中基于CARS算法提取光谱特征波长融合图像的15 个颜色特征,并结合归一化预处理和主成分分析（principal component analysis,PCA）建立的SVR模型效果最佳,其中校正集相关系数为0.974 2,预测集相关系数为0.971 9,相对分析误差（relative percent deviation,RPD）为4.154 6,表明模型具有极好的预测性能。综上,本研究证明融合光谱和图像技术对绿茶杀青过程中水分含量预测的可行性,克服了单一传感器预测精度低的问题,为实现绿茶杀青叶水分含量的快速无损检测和精准把控杀青质量提供理论基础。     

速溶普洱茶中水分、咖啡碱和茶多酚含量近红外光谱快速测定方法的建立

以随机抽取的42个市售速溶茶产品为研究对象,采用近红外光谱分析技术并结合偏最小二乘法(PLS)对其水分、咖啡碱和茶多酚含量进行定标建模分析。建模结果以校正集相关系数(R_c)、校正集均方根误差(RMSEC)、交互验证相关系数(R_cv)和交互验证均方根误差(RMSECV)为指标评价模型的优劣。结果表明,水分较为理想的定标模型R_c=0.9266,RMSEC=0.6439,R_cv=0.8809,RMSECV=0.8509;咖啡碱的最优定标模型R_c=0.9964,RMSEC=0.1337,R_cv=0.9543,RMSECV=0.4958;茶多酚较为理想的定标模型R_c=0.9845,RMSEC=1.2097,R_cv=0.9679,RMSECV=1.8083。经验证集样品检验,水分、咖啡碱、茶多酚的预测相关系数分别是0.9050、0.9350、0.9557,与实际测定值吻合度较高,可为速溶普洱茶制品理化成分的快速检测提供参考。     

永川秀芽活性成分及滋味特征分析

通过分析永川秀芽各级产品活性成分、色泽及滋味表现，为永川秀芽产品定级、特征性指标筛选及品牌建设提供理论依据。本文检测了不同等级永川秀芽产品活性成分和L*、a*、b*色泽指标，运用主成分分析（principal component analysis，PCA）方法研究其特征性指标与等级的关系；并采用电子舌结合感官审评方法分析永川秀芽呈味特征。结果表明，永川秀芽产品活性成分随着产品等级的变化呈现一定趋势。随着产品等级的降低，茶多酚、水浸出物含量及酚氨比呈增加趋势，氨基酸含量呈降低趋势；没食子儿茶素（GC）、表没食子儿茶素（EGC）、儿茶素（C）含量随产品等级的降低而升高。通过PCA分析，提取了4个主成分，筛选出对品质有重要贡献的特征指标16个，包括色泽指标干茶L*、a*、b*值，叶底L*、b*值，叶绿素a、叶绿素b、总叶绿素、茶多酚、氨基酸、水浸出物、没食子酸（GA）、GC、EGC、C、咖啡碱（CAF）。主成分分析综合得分排名与实际产品等级排名呈相反趋势，综合得分从高到低依次是:6级>5级>4级>3级>2级>1级。电子舌呈味表现为:随着产品等级的降低，酸味、苦味以及涩味指标值呈逐渐降低的趋势；鲜味、丰富性呈增加的趋势。电子舌呈味中涩味回味、鲜味和丰富性3项指标与审评员的滋味评分及综合评分呈极显著或显著负相关（P<0.01，P<0.05），与滋味得分的相关系数分别为?0.968、?0.897、?0.956；与总分的相关系数分别为?0.964、?0.885、?0.950。采用PCA评价指标模型结合电子舌滋味表现可以很好地预测永川秀芽的产品级别。     

青砖茶茶汤滋味成分分析及品质评价模型建立

以不同厂家生产的青砖茶为研究对象,在对茶汤滋味进行感官审评后,测定内含成分含量,利用主成分分析法和相关系数法筛选代表性内含成分,最后结合主成分回归法和逐步回归法建立茶汤滋味品质评价回归方程,并用未知样品检验回归方程预测效果。结果表明,筛选出5 个与茶汤滋味品质密切相关的内含成分（P＜0.05）,按照对茶汤滋味的贡献大小,依次为表没食子儿茶素没食子酸酯、儿茶素总量、茶多酚、表儿茶素没食子酸酯和表没食子儿茶素;以逐步回归方法建立的茶汤滋味品质评价方程预测结果最佳（校正集决定系数0.973 5,交互验证均方根误差0.380 7;验证集决定系数0.968 1,预测均方根误差0.400 0）;以逐步回归方程对未知样品的预测结果最佳（验证集决定系数0.974 6,预测均方根误差0.391 5）。结果表明,应用化学计量学方法建立拟合方程实现对青砖茶茶汤滋味品质的准确、可靠预测,为青砖茶茶汤滋味品质评价提供一种新的参考方法。     

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。     

浦城薏米粉水分和还原糖的近红外光谱快速检测模型优化

目的 建立浦城薏米粉水分和还原糖的近红外光谱快速检测模型。方法 采集浦城薏米粉样品的近红外光谱图, 使用6种不同方法对样品的原始光谱分别进行预处理, 在全波段10000~4000 cm?1范围内建立薏米粉偏最小二乘法(partial least squares, PLS)的定量分析模型。结果 浦城薏米粉原始光谱在标准正态变换(standard normal variate, SNV)预处理后确定水分含量最佳模型的光谱波段(5944~5590 cm?1), 主因子数为7, 校正决定系数(determination coefficient of calibration, Rc2)为0.9904, 均方根误差(root mean square error, RMSEC)为0.0631; 在二阶导数法(second derivative, SD)预处理后确定还原糖含量最佳模型的光谱波段(9845~7386 cm?1), 主因子数为6, Rc2为0.9998, RMSEC为0.0187。在上述条件下, 水分和还原糖含量的验证集相关系数(determination coefficient of prediction, Rp2)分别为0.9902和0.9989, 验证均方根(root mean square of prediction error, RMSEP)分别为0.0693和0.0698。结论 经验证, 该模型可以实现浦城薏米粉中水分和还原糖含量的快速无损检测。     

基于近红外光谱技术快速检测苦荞面条中荞粉含量

以苦荞面条为研究对象,采用近红外漫反射光谱(NIR)技术结合偏最小二乘法(PLS)建立预测苦荞面条中荞粉含量的定量模型,实现荞粉含量的在线快速检测。根据参考值,制作230份苦荞面条样品,分别以移动平均平滑、一阶导数、归一化处理、标准正态化、多元散射校正等方法预处理光谱。结果表明,选择波数9 403.6～7 498.2,6 101.9～5 446.2 cm~(-1)+一阶导数+多元散射校正(MSC)所建的模型效果最好,预处理后模型相关系数为0.983 9,其交叉验证均方根误差(RMSECV)、预测标准误差(RMSEP)、预测相对分析偏差(RPD)、最低检出限(LOD)和定量检出限(LOQ)分别为1.14、0.894、7.89、2%、5%。外部验证预测相关系数为0.985 2,RMSEP、RPD分别为0.881、5.41,相对标准偏差(RSD)均小于1,不同产地苦荞粉对比验证集的R~2、RMSEP、RPD分别为0.963 7、0.926、5.22,RSD较小,模型具有较高的精密度,符合实际生产的需求。该方法快速、低成本、准确、简便、无污染,可以实现苦荞面条中荞粉含量的快速检测。     

基于MCCV奇异样本筛选和CARS变量选择的蜂蜜pH值和酸度的近红外光谱检测

采用Norris平滑加一阶微分数据预处理,蒙特卡洛交互验证(MCCV)的奇异样本筛选和CARS(competitive adaptive reweighted sampling)变量选择法,用Kennard-Stone(KS)法划分训练集和预测集,偏最小二乘(PLS)回归近红外光谱建模,对蜂蜜pH值和酸度进行定量分析。pH值和酸度校正模型的交互验证决定系数(Rcv2)、交互验证均方差(RMSECV)、预测集决定系数(Rp2)、预测均方差(RMSEP)分别为0.8516和0.8723、0.1214和2.1734、0.8205和0.8250、0.1196和2.4674。结果表明,该方法适于蜂蜜pH值的测定,而不宜用于测定蜂蜜酸度。