新疆春小麦粉品质特性与饺子品质关系的研究?

为了测定新疆小麦粉品质与饺子加工品质关系,选择不同筋力的30个2000年后新疆生产种植的春小麦品种,分别测定其小麦粉理化指标和粉质参数,并对其进行饺子制作试验.通过分析小麦粉理化指标和粉质参数与饺子品质的关系可知,小麦粉灰分含量、吸水率、面团形成时间、稳定时间、弱化度、评价值、峰值黏度和稀懈值是影响饺子得分的主要因素.形成时间、稳定时间、评价值、峰值黏度和稀懈值与饺子总分呈正相关关系,其中,稳定时间和评价值与饺子总分的相关系数较大,对饺子品质的影响也较大.小麦粉灰分含量、吸水率和弱化度与饺子总分呈显著或极显著负相关,对饺子品质有负影响作用.通径分析和回归分析表明,面团稳定时间对饺子总分影响最大.     

近红外光谱法测定金华火腿生产过程中的品质参数

以金华火腿为研究对象,采用傅里叶近红外光谱分析技术检测火腿生产过程中的品质参数.火腿样品经万能机粉碎,在AntarisⅡ傅里叶变换近红外光谱仪上扫描,获得其近红外光谱.参照国标法测定对应样本的过氧化值和水分含量,用Norris导数平滑滤波及一阶导数对光谱预处理,建立火腿过氧化值和水分含量的偏最小二秉(PLS)回归模型.其中过氧化值模型中样品预测值与实测值的相关系数r2=0.99091,预测均方差(RMSEP)0.436,平均相对标准偏差0.34％,与化学测定值无显著差异.水分含量模型中样品的预测值与实测值的相关系数r2= 0.93537,RMSEP为0.0184.本实验结果表明近红外光谱技术可快速检测金华火腿生产过程中的品质参数.     

不同分光原理近红外光谱仪光谱标准化方法在小麦粉品质检测中的应用

为探究不同分光原理的近红外光谱仪的光谱标准化方法，降低光谱差异性，实现模型共享，以小麦粉的粗蛋白为检测指标，以3台不同原理的近红外光谱仪采集的小麦粉样品近红外光谱为研究对象，分别采用直接标准化(DS)、分段直接标准化(PDS)和一元线性回归直接标准化(SLRDS)算法进行近红外光谱标准化研究，通过欧氏距离(D)、光谱标准化误差率(SSER)等指标分析主、从机光谱间的光谱差异性，以预测相关系数(Rp)、标准偏差(RMSEP)和相对标准偏差(RPD)等参数，评估模型转移后的预测效果；结果表明:1)经3种算法的光谱标准化，从机与主机之间的光谱差异性显著降低，转移后模型的从机预测效果大幅度提升，其中从机S2的预测效果优于从机S1；2)3种算法中，光谱经DS算法标准化后2台从机的预测误差率均最小，其中从机S1的SSERave和SSERmax分别为0.9057和3.3667，Rp、RMSEP、RPD分别为0.8949，0.7052， 2.2408，从机S2的SSERave和SSERmax分别为0.6595和4.3691，Rp、RMSEP、RPD分别达到0.9687，0.4105，4.0284。3种算法的光谱标准化方法均可应用于不同分光原理的近红外光谱仪，其中DS算法效果较好，实现了小麦粉粗蛋白含量近红外校正模型的共享。     

茶叶蛋白质对面团流变学特性的影响

为探索茶蛋白作为添加剂在面制品中应用的可行性,以市售小麦粉为原料,添加不同比例的茶叶蛋白质置于小麦粉中,通过粉质实验和拉伸实验,研究其对小麦粉面团流变学特性的影响。结果表明:粉质特性参数中,随着茶叶蛋白质添加量的增加,面团吸水率增加,形成时间和稳定时间降低,弱化度增加;拉伸实验中,随着添加量的增加,面团拉伸比例、延伸度、拉伸阻力先增加后减小。     

冷鲜羊肉品质的高光谱成像无损检测

利用400~1000 nm可见近红外高光谱成像系统对冷鲜羊肉蛋白质含量、嫩度、p H进行无损检测研究。采集冷鲜羊肉表面的高光谱散射图像,提取样本感兴趣区域的反射光谱曲线获得原始数据。先对原始光谱预处理并建立偏最小二乘回归(PLSR)模型,优选最佳预处理方法,后采用正自适应加权算法(CARS)和连续投影算法(SPA)提取特征波长,建立不同特征波长下各品质参数的PLSR预测模型。结果表明:利用原始光谱建立的冷鲜羊肉蛋白质、嫩度和p H的PLSR模型均优于经过光谱预处理所建PLSR模型;在不同波长下建立预测模型,OS-PLSR光谱模型对冷鲜羊肉蛋白质含量预测效果最佳,Rp=0.869,RMSEP=0.097;建立的SPA-PLSR光谱预测模型对p H预测效果理想,Rp=0.958,RMSEP=0.067;CARS-PLSR光谱预测模型对嫩度的预测能力较高,Rp=0.862,RMSEP=0.706。研究表明:利用可见近红外高光谱技术对冷鲜羊肉品质进行快速无损检测是可行的。     

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。     

稀乳酸对小麦粉面筋蛋白质的影响研究

应用快速黏度仪(RVA)通过稀乳酸法主要研究了2#与A2两种类型小麦粉的面筋蛋白特性,探讨了RVA曲线的峰值黏度、3min时黏度、衰减度及最终黏度。另外,应用粉质仪、拉伸仪及湿面筋仪分别对小麦粉粉质特性、拉伸特性及湿面筋进行了研究。结果表明:不同类型的小麦粉的面筋蛋白RVA曲线存在明显差异,对于同一类型的A2粉,衰减值在α=0.10水平上与稳定时间表现为负相关,与弱化度、MTI特性及拉伸阻力表现为正相关,而与面筋指数在α=0.01水平上表现为强正相关。峰值黏度在α=0.01水平上与吸水率、延伸性表现为强正相关性。3min时黏度值在α=0.05水平上与吸水率及延伸性表现为正相关性。另外,最终黏度值在α=0.01水平上与吸水率表现为强正相关性,在α=0.05水平上与延伸性表现为正相关性。     

近红外光谱法高通量检测罗布麻纤维胶质含量

研究了近红外光谱法高通量测定罗布麻纤维中的胶质含量。采用近红外光谱漫反射模式采集罗布麻纤维的近红外光谱,结合常规化学法所测参考值,运用偏最小二乘法(PLS)建立罗布麻纤维胶质含量的定量模型,并用未知样品对模型进行验证。结果表明,所建定量模型校正集相关系数(Rc)和校正集均方根误差(RMSEC)分别为0.994 0和1.676 1;经外部验证的验证集相关系数(Rp)和验证集均方根误差(RMSEP)分别为0.956 1和4.843 7。该方法操作简单,快速,可用于罗布麻纤维胶质含量的高通量检测。     

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.     

玉米粉配比对玉米-小麦混合粉品质的影响

采用不同的配比将玉米粉与小麦粉混配,通过测定玉米-小麦混合粉的粉质、拉伸及糊化特性,以研究玉米粉对混合粉品质的影响。结果表明:随着玉米粉比例的增加,混合粉的吸水率、稳定时间、评价值、拉伸能量、延伸度和最大拉伸阻力呈逐渐减少的趋势;形成时间也有所减小,弱化度则有所增大;糊化温度、峰值粘度、最低粘度和崩解值呈逐渐上升的趋势,而最终粘度和回生值则呈先上升后下降的趋势。不同性状的玉米粉、小麦粉及其混合粉,粉质和拉伸特性变化趋势较一致,但糊化特性变化趋势却有较大差异。     

近红外高光谱联用Stepwise算法快速无接触评估冷鲜鸡肉色泽及嫩度

利用900~1700 nm近红外高光谱成像系统联用Stepwise算法快速评估鸡肉色泽和嫩度。通过采集新鲜屠宰鸡肉高光谱图像,提取试验样本感兴趣区域(Region of interests,ROI)反射光谱信息,经中值滤波平滑(Median filtering smoothing,MFS)、多元散射校正(Multiplicative scatter correction,MSC)和标准正态变量变换(Standard normal variable correction,SNV)三种预处理后,分别利用偏最小二乘(Partial Least Squares,PLS)和多元线性回归(Multiple linear regression,MLR)挖掘光谱信息与鸡肉色泽参数(L*、a*、b*)及嫩度参考值之间的定量关系。结果显示,经MFS预处理的近红外光谱(486个波长)构建的全波段PLS回归模型(F-PLS)预测L*(R_P=0.904,RMSEP=2.036)、b*(R_P=0.908,RMSEP=1.577)和嫩度(R_P=0.948,RMSEP=1.596)效果更好。为提高预测效率,采用Stepwise算法筛选最优波长优化F-PLS模型,结果显示,从SNV预处理光谱筛选的14个最优波长构建MLR回归模型预测L*值(R_P=0.894,RMSEP=2.160)效果较优,从SNV预处理光谱筛选的13最优波长构建的O-PLS回归模型预测b*值(R_P=0.877,RMSEP=1.811)效果较优,从MFS预处理光谱筛选的20个最优波长构建O-PLS回归模型预测嫩度值(R_P=0.888,RMSEP=2.408 N)效果较优。本试验表明,利用近红外高光谱成像技术结合Stepwise算法可实现鸡肉色泽参数L*、b*值以及嫩度的快速评估。     

傅立叶近红外光谱法测定桃果中果胶含量

目的 基于傅里叶近红外光谱(Fourier transform near infrared)检测桃果中果胶含量的研究。方法 近红外光谱采集样品利用两个品种的桃,探究光谱预处理对建模的影响,建模采用偏最小二乘法(PLS)以及主成分回归(PCR)方法,模型的评价标准采用建模相关系数(R_C)、建模均方偏差(RMSE_C)、预测相关系数(R_P)、预测均方偏差(RMSE_P)。结果 两个品种的近红外光谱图和果胶含量无明显差异(P＞0.05),采用标准正态变量变换(SNV)和多元散射校正(MSC)对原始光谱的光程进行选择,所得建模结果影响基本一致,合适光谱数据格式以及平滑处理,能提高PLS和PCR模型的预测精度和稳定性。综合得出模型最佳是利用PLS方法建模并采用MSC/SNV结合一阶导数和 Savitzky-Golay (S-G)平滑对近红外光谱图进行预处理,评价参数分别为R_C=0.7795、R_P=0.7545、RMSE_C=0.0933、RMSE_P=0.0534和R_C=0.7800、R_P=0.7530、RMSE_C=0.0932、RMSE_P=0.0534。结论 该方法为利用近红外建模快速检测桃果中果胶含量提供重要依据。     

NIR高光谱成像技术联用SPA算法 快速检测五花肉的过氧化值

利用近红外(NIR)高光谱成像技术结合连续投影算法(SPA)快速、无损检测五花肉的过氧化值。通过高光谱成像系统采集样品的光谱图像,提取其反射光谱信息,经过基线校正(BC)、高斯滤波平滑(GFS)、中值滤波平滑(MFS)、卷积平滑(SGS)、移动平均值平滑(MAS)、标准正态变量变换(SNV)、多元散射校正(MSC)七种预处理后,利用偏最小二乘(PLS)建立预测模型。使用SPA筛选最优波长,重新预算,构建优化的PLS模型和多元线性回归(MLR)模型。结果显示,经过BC预处理(R_P=0.960,RMSEP=5.15×10-4g/100 g)和原始数据RAW(R_P=0.960,RMSEP=4.89×10-4g/100 g)的全波段PLS模型(F-PLS)预测过氧化值效果较好。优化结果显示,RAW的MLR模型(R_P=0.968,RMSEP=4.12×10-4 g/100 g)预测效果更好。研究表明,NIR高光谱成像技术联用SPA算法可潜在实现对五花肉过氧化值的快速无损检测。     

微量农药溶液近红外光谱PLS模型的不同预处理方法对比研究

比较了常用的多种预处理方法对近红外光谱技术(NIR)检测微量农药溶液含量的影响,使用偏最小二乘法(PLS)分别对各预处理方法处理后的数据建立了数学模型,利用两种不同农药初步探讨了数据量对PLS建模结果的影响。结果表明:矢量归一化(SNV)对26个微量毒死蜱溶液样本的预处理效果综合参数最好,校正集参数为R=0.9957,RMSECV=0.182,预测集参数为R=0.9992,RMSEP=0.0802;减去一条趋势线对20个微量炔螨特溶液样本的预处理效果综合参数最好,校正集参数为R=0.9925,RMSECV=0.649,预测集参数为R=0.9952,RMSEP=0.646。26个样本的微量毒死蜱溶液PLS建模结果优于20个样本的微量炔螨特溶液。     

基于高光谱成像技术和连续投影算法检测葡萄果皮花色苷含量

应用高光谱成像技术结合连续投影算法（SPA）实现葡萄果皮中花色苷含量的快速无损检测。采集60 组样本高光谱图像,获取样本光谱曲线,并采用多元散射校正预处理方法提高信噪比。然后采用SPA选择光谱变量,将其作为多元线性回归（MLR）、偏最小二乘（PLS）模型和BP神经网络（BPNN）的输入变量,分别建立SPAMLR、SPA-PLS和SPA-BPNN模型并与全光谱变量PLS模型相比较。结果表明,SPA-MLR、SPA-BPNN和SPA-PLS模型的预测精度均优于全光谱变量PLS模型,其中SPA-PLS模型获得了最佳预测结果,其预测相关系数Rp和预测均方根误差（RMSEP）分别为0.900 0和0.550 6。结果表明,利用近红外高光谱成像技术能够有效检测酿酒葡萄果皮中花色苷含量。     

面粉湿面筋近红外定量分析中的光谱预处理方法研究

采用10种不同的预处理方法对面粉湿面筋含量的近红外光谱数据进行预处理,并比较了10种预处理方法对偏最小二乘法（PLS）建立定量模型效果的影响。结果表明,采用近红外光谱（NIRS）分析技术对面粉中的湿面筋含量进行定量分析时,一阶导数+减去一条直线的预处理方法对面粉湿面筋含量的预测效果最好,内部交叉验证相关系数R为0.901 8,内部交叉验证标准差（RMSECV）为0.708;预测相关系数R为0.920 9,预测标准差（RMSEP）为0.083,提高了预测模型的精度和准确性。     

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。     

Determination of 10‐Hydroxy‐2‐Decenoic Acid of Royal Jelly Using Near‐Infrared Spectroscopy Combined with Chemometrics

A rapid quantitative analysis model for determining the hydroxy‐2‐decenoic acid (10‐HDA) content of royal jelly based on near‐infrared spectroscopy combining with PLS has been developed. Firstly, near‐infrared spectra of 232 royal jelly samples with different 10‐HDA concentrations (0.35% to 2.44%) were be collected. Second‐order derivative processing of the spectra was carried out to construct a full‐spectrum PLS model. Secondly, GA‐PLS, CARS‐PLS, and Si‐PLS were used to select characteristic wavelengths from the second‐order derivative spectrum to construct a PLS calibration model. Finally, 58 samples were used to select the best predictive model for 10‐HDA content. The result show that the PLS model constructed after wavelength selection was significantly more accurate than the full spectrum model. The Si‐PLS algorithm performed best and the corresponding characteristic wavelength range were: 980 to 1038, 1220 to 1278, 1340 to 1398, and 1688 to 1746 nm. The prediction results were RMSEP = 0.1496% and R_P = 0.9380. Hence, it is feasible to employ near‐infrared spectra to analyze 10‐HDA in royal jelly.     

Quality evaluation of frozen guava and yellow passion fruit pulps by NIR spectroscopy and chemometrics

The present study investigated the application of near infrared spectroscopy as a green, quick, and efficient alternative to analytical methods currently used to evaluate the quality (moisture, total sugars, acidity, soluble solids, pH and ascorbic acid) of frozen guava and passion fruit pulps. Fifty samples were analyzed by near infrared spectroscopy (NIR) and reference methods. Partial least square regression (PLSR) was used to develop calibration models to relate the NIR spectra and the reference values. Reference methods indicated adulteration by water addition in 58% of guava pulp samples and 44% of yellow passion fruit pulp samples. The PLS models produced lower values of root mean squares error of calibration (RMSEC), root mean squares error of prediction (RMSEP), and coefficient of determination above 0.7. Moisture and total sugars presented the best calibration models (RMSEP of 0.240 and 0.269, respectively, for guava pulp; RMSEP of 0.401 and 0.413, respectively, for passion fruit pulp) which enables the application of these models to determine adulteration in guava and yellow passion fruit pulp by water or sugar addition. The models constructed for calibration of quality parameters of frozen fruit pulps in this study indicate that NIR spectroscopy coupled with the multivariate calibration technique could be applied to determine the quality of guava and yellow passion fruit pulp.     

Application of successive projections algorithm for variable selection to determine organic acids of plum vinegar

Visible and near infrared (Vis/NIR) spectroscopy was investigated to determine the acetic, tartaric and lactic acids of plum vinegar based on a newly proposed combination of successive projections algorithm-least squares-support vector machine (SPA-LS-SVM). SPA, compared with regression coefficients (RC), was applied to select effective wavelengths (EWs) with least collinearity and redundancies. Five concentration levels (100%, 80%, 60%, 40% and 20%) of plum vinegar were studied. Multiple linear regression (MLR) and partial least squares (PLS) models were developed for comparison. The results indicated that SPA-LS-SVM achieved the optimal performance for three acids comparing with full-spectrum PLS, SPA-MLR, SPA-PLS, RC-PLS and RC-LS-SVM. The root mean square error of prediction (RMSEP) was 0.3581, 0.0714 and 0.0201 for acetic, tartaric and lactic acids, respectively. The overall results indicated that Vis/NIR spectroscopy incorporated to SPA-LS-SVM could be applied as an alternative fast and accurate method for the determination of organic acids of plum vinegars.