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。     

稻米储藏品质近红外光谱快速判定技术及仪器研发

采用近红外光谱(NIRS)分析技术和化学计量方法建立稻米脂肪酸值、品尝评分值和水分含量的近红外分析模型并对模型进行了预测准确性评价;在建立定标模型的过程中,分别探讨光谱散射和数学导数处理等优化对定标模型的影响。结果表明:偏最小二乘法是建立稻米脂肪酸值、品尝评分值和水分含量测定定标模型的最佳回归方法,所建立脂肪酸值、品尝评分值和水分含量模型的定标相关系数(RSQ)分别为0.961、0.9230和0.9999,定标标准偏差(SEC)分别为1.9205、2.5391和0.04。标准方法测定值与NIRS方法预测值之间的T检验结果显示两种方法无显著性差异,表明所建立的稻米脂肪酸值、品尝评分值和水分含量的NIRS数学模型有较好预测准确性。本试验研制了便携式粮食储藏品质测定仪。     

基于可见-近红外光谱技术对市售紫薯粉的品质评价

目的建立可见-近红外光谱法结合偏最小二乘回归法对市售紫薯粉的品质进行评价。方法以市售紫薯粉为研究对象,对其原始光谱进行S-G 9点卷积平滑(savitzky-golay smoothing,S-G)、标准正态变量变换(standard normal variable transform,SNV)预处理,建立碘蓝值、花青素以及水分含量的偏最小二乘模型。结果花青素模型校正集和预测集的相关系数分别为0.9750和0.9461,均方根误差分别为0.1052 mg/g和0.1918 mg/g;碘蓝值模型校正集和预测集的相关系数分别为0.9687和0.9673,均方根误差分别为7.0256和7.1848;水分含量校正集和预测集的相关系数分别为0.9397和0.9219,均方根误差分别为0.5589%和0.5965%。结论基于可见-近红外光谱技术可以实现对市售紫薯粉的花青素、碘蓝值以及水分含量的快速无损检测,对市售紫薯粉的品质评价提供理论参考。     

近红外光谱结合不同偏最小二乘法快速检测镇江香醋的浑浊度

利用近红外光谱(4000cm-1～10000cm-1)结合化学计量学方法快速检测了镇江香醋中的浑浊度。首先,用近红外光谱仪采集香醋样本的近红外光谱数据以及用离心法测定样本的浑浊度值;然后,采用间隔偏最小二乘法(iPLS)、反向区间偏最小二乘法(biPLS)、联合间隔偏最小二乘算法(siPLS)优选光谱特征区间;最后,采用全光谱(4000cm-1～10000cm-1)偏最小二乘法(PLS)对优选出来的区间建立香醋浑浊度近红外光谱模型。结果表明,采用siPLS将全光谱均匀划分30个子区间,选择4个子区间[4 10 18 27]联合时,建立的模型预测效果最佳,其RMSECV和RMSEP分别为0.173和0.208,校正集和预测集相关系数分别为0.9337和0.9004。因此,利用近红外光谱技术快速检测香醋中的浑浊度是可行的。     

基于siPLS的猕猴桃糖度近红外光谱检测

为了探寻一种快速无损检测猕猴桃糖度的方法,利用小波滤噪法对猕猴桃1000～2500nm 近红外光谱进行了预处理,并用偏最小二乘法(PLS)、区间偏最小二乘法(iPLS)和联合区间偏最小二乘法(siPLS)分别建立预测模型。结果表明,采用联合区间偏最小二乘法将光谱划分为16 个子区间,利用其中的第9、11、13 号3 个子区间联合建立的糖度模型效果最佳,其校正集相关系数和均方根误差分别为0.9414 和0.3788。预测集相关系数和均方根误差分别为0.9295 和0.3904,主因子数为7 个。研究表明,用小波滤噪和联合区间偏最小二乘法所建立的猕猴桃糖度模型不但减少建模运算时间,剔除噪声过大的谱区,而且预测能力和精度均有所提高。     

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。     

树脂吸附结合近红外光谱同时检测小龙虾中铅、镉模型的建立

目的 建立树脂吸附结合近红外光谱模型同时检测大批量小龙虾中铅、镉含量的方法。方法 小龙虾经微波消解后, 用D405大孔吸附树脂吸附小龙虾消解液中的铅、镉, 采集吸附树脂的近红外光谱, 并采用一阶导数、小波变换、标准正态变换和多元散射校正进行光谱预处理, 选取较佳预处理方法, 结合竞争自适应重加权采样法进行最优波段选择; 利用偏最小二乘法建立最优定量预测模型, 并对模型进行外部验证, 探究模型预测准确度; 收集6个地区的小龙虾对模型进行应用验证, 探究模型实际应用可靠性。结果 D405树脂对小龙虾消解液中铅、镉的吸附率均达98.5%以上。经小波变换光谱预处理, 结合波段选择, 建立的铅、镉定量模型预测准确度较高, 校正集交叉验证均方根误差和相关系数分别为0.08、0.12及0.98、0.95; 外部验证集的预测均方根误差和相关系数分别为0.07、0.10及0.98、0.98。模型实际应用可靠, 铅、镉含量参考值与预测值之间偏差的标准差和相关系数分别为0.01、0.01及0.99、0.98。结论 建立的小波变换-竞争自适应重加权采样-偏最小二乘定量模型对小龙虾样品中的铅、镉含量都具有更好的预测效果, 树脂吸附结合近红外光谱可以用于同时检测大批量小龙虾中的铅、镉。     

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。     

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。     

基于拉曼光谱的胡萝卜中β-胡萝卜素的快速无损检测

目的利用实验室自行搭建的拉曼点扫描系统,以市售新鲜胡萝卜为研究对象,建立一种快速无损检测胡萝卜中的β-胡萝卜素的预测模型。方法在胡萝卜长度方向每隔1 cm进行点扫描,样品点扫描拉曼光谱曲线均先采用Savizky-Golay 5点平滑法去噪后再用Baseline方法进行去除荧光背景预处理,最后取平均值作为样品的拉曼光谱。胡萝卜中的β-胡萝卜素标准理化值按照国家标准GB/T 5009.83-2003法进行测定,理化值与1521 cm~(-1)和1156 cm~(-1)处β-胡萝卜素的拉曼特征峰强建立了多元线性回归模型。结果模型校正集的相关系数(R_C)和均方根误差(RMSEC)分别为0.9249和12.04 mg/kg,验证集的相关系数(RP)和均方根误差(RMSEP)分别为0.9155和1 1.47 mg/kg。结论基于拉曼光谱完全可以实现新鲜胡萝卜中β-胡萝卜素含量的检测,为新鲜果蔬中β-胡萝卜素含量的定量检测提供技术支撑。     

Prediction of Cadmium content in brown rice using near‐infrared spectroscopy and regression modelling techniques

The feasibility of prediction of cadmium (Cd) content in brown rice was investigated by near‐infrared spectroscopy (NIRS) and chemometrics techniques. Spectral pretreatment methods were discussed in detail. Synergy interval partial least squares (siPLS) algorithm was used to select the efficient combinations of spectral subintervals and wavenumbers during constructing the quantitative calibration model. The performance of the final model was evaluated by the use of root mean square error of cross‐validation (RMSECV), root mean square error of prediction (RMSEP) and correlation coefficients for calibration set and prediction set (R_c and R_p), respectively. The results showed that the optimum siPLS model was achieved when two spectral subinterval and fifty‐two variables were selected. The predicted result of the best model obtained was as follows: RMSECV = 0.232, R_c = 0.930, RMSEP = 0.250 and R_p = 0.915. Compared with PLS and interval PLS models, siPLS model was slightly better than those methods. These results indicate that it is feasible to predict and screen Cd content in brown rice using NIRS.     

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。     

基于高光谱图像技术的镇江香醋固态发酵过程研究

以发酵醋醅为研究对象,应用高光谱图像技术对其图像和光谱信息进行研究,以期对发酵状况快速预测。首先通过主成分分析(PCA)对其图像信息进行PCA;然后利用预处理后的光谱信息结合全光谱偏最小二乘(PLS)、区间偏最小二乘法(i PLS)和联合区间偏最小二乘法(si PLS)建立总酸、p H及不挥发酸含量的快速预测模型,选择最优模型。结果表明,依据图像信息的不同主成分,优选出3幅特征图像,提取每幅图像的对比度、相关性、角二阶矩和一致性等4个基于灰度共生矩阵的纹理特征变量,利用K-最邻近法(KNN)建立发酵醋醅的识别模型,预测集识别率达到90.04%,能很好的预测醋醅发酵状况;优选出si PLS模型最优,预测集总酸、p H值和不挥发酸的RMSEP分别为0.75、0.05和0.3,能够实现重要理化指标的快速预测。因此利用高光谱图像技术可快速预测醋醅发酵状况,为优化工艺操作和提高发酵质量等提供有效、快速地检测手段。     

红外光谱结合偏最小二乘法快速检测油茶籽油脂肪酸组成的模型建立与评价北大核心CSCD

为建立快速检测油茶籽油中脂肪酸组成的方法,利用傅里叶红外光谱仪扫描86个油茶籽油样品,红外光谱数据分别通过Savitzky-Golay平滑(SG)、多元散射校正(MSC)、标准正态变换(SNV)、一阶导数(FD)和二阶导数(SD)等5种方法进行降噪处理,然后以气相色谱测定的脂肪酸组成作为标准值,采用全波长偏最小二乘法(PLS)、区间偏最小二乘法(iPLS)和联合区间偏最小二乘法(siPLS)分别构建油茶籽油中主要脂肪酸(油酸、棕榈酸、亚油酸)的定量回归模型。结果表明:油酸、棕榈酸、亚油酸的红外光谱数据预处理分别以SG、SNV、SD较好;siPLS通过有效波段的选择可去掉更多的噪声,比PLS和iPLS建立的模型精确度高,油酸、棕榈酸、亚油酸的校正集和预测集的相关系数(R)分别为0.9479和0.8539、0.9008和0.9101、0.9793和0.9505。红外光谱结合siPLS更适用于油茶籽油脂肪酸组成的快速测定。     

基于近红外光谱法的桑蚕丝接枝率快速定量测定

为解决蚕丝经化学接枝增重处理后,接枝率难以直接测定以及现有的热分析法检测耗时长、不适用于批量化快速检测等问题,提出了采用近红外光谱技术对蚕丝接枝率进行快速测定的方法。应用近红外光谱法结合化学计量学软件,选择偏最小二乘法,从光谱预处理、最佳主因子数选择以及建模谱区选择3个方面优化建立甲基丙烯酰胺接枝蚕丝的接枝率预测模型,得到所建模型的内部预测准确率为91.03%。使用19个已知参比值但未参与建模的样本对模型的稳健性进行验证,对预测值和参比值进行配对t检验,在给定显著水平α为0.05条件下,模型预测结果与称重法测试结果不存在显著性差异。结果表明,近红外光谱技术可为蚕丝接枝率的定量测定提供一种快速有效的分析方法。     

粳稻储藏食用品质近红外光谱快速测定技术研究

采用近红外光谱(NIRS)分析技术和化学计量方法建立了粳稻储藏品尝评分值的近红外分析模型,并对模型进行了预测准确性评价;在建立定标模型的过程中,探讨了不同光谱散射、数学等优化处理对定标模型的影响。结果表明:修正偏最小二乘法(MPLS)是建立粳稻储藏品尝评分值定标模型的最佳回归方法,所建立颗粒状和粉末状样品模型的定标相关系数(RSQ)分别为0.927 4和0.923 0,定标标准偏差(SEC)分别为2.347 9和2.539 1。定标模型具有较好的预测准确性。     

Discrimination between Chinese rice wines of different geographical origins by NIRS and AAS

The feasibility of near infrared spectroscopy (NIRS) for discrimination between Chinese rice wine of different geographical origins (Shaoxing and Jiashan, China) is presented in this research. NIR spectra were collected in transmission mode in the wavelength range of 800–2500 nm. Qualitative analysis models were developed based on partial least squares regression (PLSR). The prediction performance of calibration models in different wavelength range was also investigated. The best models gave a 100% classification of wines of the two geographical origins in the range of 1300–1650 nm. The content of trace metals (potassium, magnesium, zinc, and iron) was also investigated to classify wines of the two categories by atomic absorption spectroscopy (AAS). The AAS results were in agreement with NIRS, with 100% classification for wines of the two categories. In addition, the correlation between NIRS and AAS was also investigated by PLSR. Potassium and magnesium were well predicted by quantitative models based on NIR spectra and AAS data. The correlation coefficient of calibration (R _cal) for potassium and magnesium were 0.958 and 0.885, respectively, and the correlation coefficient of validation (R _val) were 0.861 and 0.700, respectively. The results demonstrated that NIRS technique could be used as a rapid method for classification of geographical origin of Chinese rice wine, and AAS could be used as an alternative technique or to validate the discrimination results.     

米糠粗蛋白、粗脂肪以及粗纤维含量的近红外预测模型的建立

近红外光谱技术是一种快速无损检测物质含量和鉴别物质的现代分子光谱分析技术.本研究选用分别来自南北方共200个米糠样品(100个粳米米糠、100个籼米米糠),经过理化数据检测、近红外参数优化、光谱信息采集、光谱数据预处理、模型建立及模型优化等步骤,最终建立粳米米糠、籼米米糠及总米糠的粗蛋白、粗脂肪、粗纤维的预测模型,所建...     

近红外漫反射光谱法快速检测胶原肽粉中低聚肽含量

目的建立近红外漫反射光谱法(near infrared reflectance spectroscopy,NIRS)快速检测胶原肽粉核心功效成分低聚肽含量的分析方法。方法基于径向基神经网络(radial basis function neural network,RBFNN)的方法,分析比较了多元散射校正(multiple scatter calibration,MSC)、标准正态变换(standard normal variation,SNV)的光谱预处理方法,分别结合了主成分分析(principal componentanalysis,PCA)、独立成分分析(independent component analysis,ICA)的方法提取特征信息,优化输入变量、扩展系数等参数,建立了低聚肽含量的检测模型,同时为了比较方法优劣,也建立了相应的偏最小二乘方法(partial least squares,PLS)模型。结果非线性建模方法RBFNN比线性PLS方法模型效果更好,与常用的PCA-RBFNN模型相比,本研究采用的ICA-RBFNN模型结果更准确,模型独立验证集的相关系数R是0.87,预测标准偏差(root mean square error of predicition,RMSEP)是1.71%。结论所建立的模型准确度高,适用于胶原肽粉低聚肽含量的快速高效分析。