基于近红外光谱技术快速检测椰汁品质

本研究应用近红外光谱技术结合主成分分析法(PCA)对3个不同品种的椰子,3个不同品牌成品椰子饮料及椰子粉进行定性分析。结果表明,对椰子3种不同形式的加工产品(椰子原汁、椰子饮料、椰子粉)进行定性分析的准确判别率均达到100%。采用近红外光谱技术结合偏最小二乘法(PLS)对椰汁饮料中原汁含量进行定量分析。为保证所建模型的稳健性、准确性,消除干扰,采用6种不同的预处理方法对近红外光谱技术进行优化,结果表明经过中心化预处理可得最佳模型,其R_p²、RMSEP、R_c²、RMSEC分别为0.9942、0.0435、0.9932、0.0519。本研究表明近红外光谱技术可为市售椰汁及椰子加工制品品质的快速、无损检测提供一种新思路。     

利用可见/近红外光谱技术对小米产地进行溯源研究

目的利用可见/近红外光谱技术对产自不同地区的晋谷21号小米进行溯源研究。方法使用近红外光谱仪获取产自洪洞、浮山、沁县3个不同地区的晋谷21号小米400~1004nm波段范围内的漫反射光谱;对光谱分别进行多元散射校正法(multiple scattering correction,MSC)、一阶导数法(first derivative,1St-D)预处理;对预处理光谱进行主成分分析,全交叉验证确定最佳主成分数量,获取主成分;同时选择预处理光谱特征波长。使用马氏距离法、线性判别法建立判别模型,最后用未知样品的验证准确率来表示模型的判别效果。结果原始光谱和MSC处理光谱提取特征波长分别建立的产地判别模型对3个不同产地的小米判别完全准确;1St-D处理光谱基于7个主成分结合马氏距离法和基于9个主成分结合线性判别法建立的2种判别模型对3个不同产地的小米亦实现完全准确判别。结论可见/近红外反射光谱技术用于小米产地的判别具有可行性,本研究可为小米产地的快速判别应用中提供技术基础。     

可见/近红外漫反射光谱无损检测磨盘柿果实硬度的研究

建立可见/近红外光谱与磨盘柿果实硬度之间的数学模型,评价可见/近红外光谱技术无损检测磨盘柿硬度的应用价值。在可见/近红外光谱区域(570～1848nm),实验对比分析了不同数学建模算法、不同导数处理方法和不同散射及标准化处理的磨盘柿果实硬度定标模型。结果表明,应用偏最小二乘回归算法、一阶导处理和标准正常化和散射处理所建柿果实硬度定标模型的预测性能较优,模型的相关系数(Rc2)为0.7992,均方根误差(RMSEC)为2.0642;用该模型对40个预测样本进行预测,其相关系数(Rp2)为0.8267,预测均方根误差(RMSEP)为2.0223。研究表明,可见/近红外漫反射技术对磨盘柿果实硬度的快速无损检测具有可行性。     

可见/近红外漫反射光谱无损检测磨盘柿果实硬度的研究

建立可见/近红外光谱与磨盘柿果实硬度之间的数学模型,评价可见/近红外光谱技术无损检测磨盘柿硬度的应用价值。在可见/近红外光谱区域(570～1848nm),实验对比分析了不同数学建模算法、不同导数处理方法和不同散射及标准化处理的磨盘柿果实硬度定标模型。结果表明,应用偏最小二乘回归算法、一阶导处理和标准正常化和散射处理所建柿果实硬度定标模型的预测性能较优,模型的相关系数(Rc2)为0.7992,均方根误差(RMSEC)为2.0642;用该模型对40个预测样本进行预测,其相关系数(Rp2)为0.8267,预测均方根误差(RMSEP)为2.0223。研究表明,可见/近红外漫反射技术对磨盘柿果实硬度的快速无损检测具有可行性。      

壶瓶枣轻微损伤可见/近红外光谱动态判别模型研究

为了研究快速识别轻微损伤壶瓶枣与完好壶瓶枣的有效方法,本文以轻微损伤壶瓶枣和完好壶瓶枣为研究对象,动态采集轻微损伤壶瓶枣和完好壶瓶枣的近红外光谱数据。采用S-G平滑与多元散射校正(MSC)相结合的方法预处理光谱数据,分别以预处理后的全光谱(FS)数据和采用主成分分析(PCA)法提取主成分、采用连续投影算法(SPA)提取特征波长作为输入变量,建立偏最小二乘判别分析(PLS-DA)和最小二乘支持向量机(LS-SVM)模型,比较4种损伤壶瓶枣及完好壶瓶枣的判别准确性。结果表明:采用PCA提取主成分有较明显的优势,对4种损伤壶瓶枣的判别准确性均能满足实际要求,且采用PCA-LS-SVM模型对4种轻微损伤壶瓶枣和完好壶瓶枣的正确判别率最佳,分别达到100%、86%、100%、100%和100%,总的正确判别率为97.2%。该研究为轻微损伤壶瓶枣的动态判别提供了新的理论基础。     

基于近红外光谱的大米蛋白质含量快速检测

针对国标化学检测方法耗时耗力、成本昂贵的问题,分析了近红外光谱（NIRS）结合化学计量学进行大米蛋白质含量检测的可行性。基于变量选择、特征提取和非线性建模的策略,将反向区间偏最小二乘（BiPLS）与主成分分析（PCA）和支持向量机（SVM）相结合,构建了BiPLS-PCA-SVM模型,用于提高蛋白质回归模型的性能。在BiPLS-PCA-SVM模型中,将蒙特卡罗交叉验证与预测残差平方和相结合进行最佳主成分个数的选择,通过遗传模拟退火算法对模型参数进行优化。为了评估BiPLS-PCA-SVM模型的性能,建立了Full-PLS、BiPLS和BiPLS-SVM 3种模型,并系统分析了上述模型的预测精度和鲁棒性。BiPLS-PCA-SVM模型在预测蛋白质含量方面显示的性能高于其他模型,使用最佳主成分和优化后的SVM参数建立的模型具有更高的鲁棒性和准确性。对于BiPLS-PCA-SVM模型,验证集的决定系数、均方根误差和剩余预测偏差分别为0.928 9、0.196 7%和4.024 6。结果表明,NIRS与BIPLS-PCA-SVM模型相结合,可作为替代策略实现大米中蛋白质含量的快速检测。     

基于近红外光谱技术的鲢鱼营养成分的快速分析

目的通过采集鲢鱼的近红外光谱数据和测定鱼肉营养成分含量探索鲢鱼营养成分的快速分析方法。方法采集254个鲢鱼鱼肉样品的近红外光谱数据,经过多元散射校正、正交信号校正、数据标准化等20种方法预处理,在1000~1799 nm光谱范围内,结合化学实测值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鲢鱼营养成分近红外定量模型。结果鲢鱼鱼肉粗蛋白含量为12.05%~19.05%,粗脂肪含量为0.24%~5.27%,水分含量为72.62%~80.58%,灰分含量为0.46%~1.50%,数据范围较大,可满足建模要求。在3种建模方法中,近红外光谱数据结合偏最小二乘法建立的鲢鱼营养成分模型最优,所得的粗蛋白、粗脂肪、水分和灰分的近红外定量模型的相关系数分别为0.9969、0.9925、0.9831和0.9976。结论采用近红外光谱数据和偏最小二乘法建立的模型具有较好的预测能力,能较为准确、快速地分析出鲢鱼鱼肉粗蛋白、粗脂肪、水分和灰分的含量。     

基于近红外光谱技术快速检测小龙虾中的生物胺

目的 建立近红外光谱法快速检测小龙虾中总生物胺含量的方法。方法 利用近红外光谱仪采集154个不同新鲜程度小龙虾样品的近红外光谱, 使用高效液相色谱技术检测对应样品总生物胺含量; 使用KS(Kennard-Stone)算法将103个样品作为训练集, 51个样品作为预测集。采用多元散射校正(multiplicative scatter correction, MSC)、标准正态变换(standard normal variate, SNV)、小波变换(wavelet transform, WT)和1阶导数(1st)分别对样品的光谱进行处理, 利用训练集样品的光谱和生物浓度建立偏最小二乘回归(partial least squares regression, PLSR)模型, 使用竞争性自适应重加权算法(competitive adaptive reweighted sampling, CARS)进一步选择波长, 对模型进行优化。结果 经过小波变换处理之后的光谱所建立的PLSR模型具有较好的预测结果, CARS方法可以进一步提高模型的预测和解释能力, 预测集生物胺的预测均方根误差(root mean square error of prediction, RMSEP)值和决定系数(r2)分别可达55.74和0.92。结论 基于近红外光谱分析技术快速检测小龙虾总生物胺含量是可行的, 优化后的PLSR模型可以用于评价小龙虾总生物胺含量。     

近红外光谱在淀粉糖生产中的应用

本文论述了采用近红外光谱漫反射技术检测葡萄糖浆中主要成分含量的方法。讨论了采用偏最小二乘法(PLS)建立校正模型过程中样品预处理及利用常规吸收峰优选波长的方法。经验证：DE、DP分布测量值同浓度参考值具有良好相关性(相关系数大于0．9)，测量重复性变异系数(CV)优于2％。结果表明：近红外光谱法可以满足葡萄糖浆中主要成分的实际测量要求，为玉米深加工企业提供了淀粉糖生产过程控制的参考方法。     

马铃薯主要营养成分的近红外光谱分析

以44个品系马铃薯为原料,利用主成分分析（PCA）方法筛选出代表马铃薯块茎主要营养成分指标（水分、还原糖、淀粉和蛋白质）,应用偏最小二乘法（PLS）建立这4种营养成分的预测模型,并对模型预测结果进行了评价。结果表明,马铃薯主要营养成分的模型预测与其相应的化学测量值之间具有较好的相关性,对于水分模型,校正效果:R_cal²=98.37%,RMSEE=0.445,RPD=7.84;交叉验证效果:R_cv²=93.05%,RMSECV=0.84,RPD=3.79。还原糖模型校正模型效果:R_cal²=98.43%,RMSEE=0.0236,RPD=7.99;交叉验证效果:R_cv²=86.42%,RMSECV=0.0598,RPD=2.71。淀粉模型校正模型效果:R_cal²=97.13%,RMSEE=0.577,RPD=5.9;交叉验证效果:R_cv²=95.370%,RMSECV=0.7,RPD=4.65。蛋白质模型校正模型效果:R_cal²=98.41%,RMSEE=0.0334,RPD=7.92;交叉验证效果:R_cv²=89.49%,RMSECV=0.0767,RPD=3.08。     

近红外光谱法对松原不同品种大米的确证探究

该文提出一种对松原不同品种大米进行判别的方法,对来自松原的稻花香、小高粱、通系926、吉粳515、农大521,5个品种共368个大米样品,利用波数范围为12000 cm^-1~4000 cm^-1的傅里叶近红外光谱仪获取光谱数据并对数据进行6种方法的预处理。结果表明,一阶导数结合SG9点平滑为最佳预处理方法,并用偏最小二乘判别(partial least squares discrimination analysis,PLS-DA)方法对校正样本建立判别分析模型,用验证集对模型进行验证,模型对验证集中稻花香、小高粱、通系926、吉粳515、农大521共5个品种的识别率均为100%;且优于主成分分析的结果。用来自柳河和梅河的稻花香样本与松原的稻花香样本进行产地判别,结果显示,此模型可以将松原样本与非松原样本进行判别。     

一种基于近红外光谱快速鉴别染色橙的新方法

本文应用近红外光谱仪(NIRS)测定染色橙样品的光谱数据,采用多种方式对光谱数据进行预处理,用主成分分析法(PCA)对不同染色橙样品进行聚类分析并获得染色橙的近红外光谱数据的主成分,在此基础上建立了偏最小二乘(PLS)回归模型,并根据均方根校准误差(RMSEC)和相关系数(R²)对模型性能进行评价。结果表明,主成分分析可以快速鉴别染色橙样品,模型识别率达到94%。将主成分分析(PCA)与偏最小二乘(PLS)相结合建立的回归模型,均方根校准误差(RMSEC)为0.26,决定系数R²为0.96,模型效果较好。表明利用近红外光谱鉴别染色橙是可行的,这为染色橙的鉴别提供了一种快速无损的新方法。     

基于介电谱法的油茶籽油掺伪检测方法研究

为检测油茶籽油的掺伪程度,对5种食用油及两组油茶籽油掺杂混合油进行了介电谱测量.运用主成分分析法(PCA)开展了5种食用油的区分分析,结果表明PCA法不仅能够显著区分单不饱和脂肪酸(MUFA)型和多不饱和脂肪酸(PUFA)型食用油,对于同一类型的不同油品也具有良好的区分度.运用基于交叉验证的偏最小二乘法(PLS),对两种油茶籽油掺杂混合油的介电谱数据建立定量分析模型,经外部验证集验证,混合油的预测均方根误差(RMSEP)小于2.10％,决定系数(R2)大于0.998 9.最后进行了油茶籽油介电谱的温度特性测试,给出了温度补偿的相应算法.试验结果表明,介电谱法为食用油的掺伪鉴别和纯度检测提供了一种快捷、准确的方法.     

Discrimination of Apples Using Near Infrared Spectroscopy and Sorting Discriminant Analysis

Near infrared spectra of apples contain the most useful information of the soluble solids content and firmness of apples. A new feature extraction method, called sorting discriminant analysis, was proposed to use a sorting method based on principal component analysis and linear discriminant analysis to extract the features of near infrared spectra. The objective of this research was to make use of feature extraction methods, such as principal component analysis, linear discriminant analysis, discriminant partial least squares, and sorting discriminant analysis to extract information from near infrared spectra of the “Huaniu” apples and the “Fuji” apples. After feature extraction, the nearest neighbor classifier was used to classify the apples, and the classification results were compared to study that which feature extraction method performed best. The experimental results showed principal component analysis + linear discriminant analysis and sorting discriminant analysis could extract discriminant information from near infrared spectra of apples better than principal component analysis and discriminant partial least squares, and sorting discriminant analysis was the best one. Sorting discriminant analysis can not only compress the high-dimensional near infrared spectra to the low-dimensional data but also project near infrared spectra to a new feature space where the data can be classified easily and effectively, and sorting discriminant analysis is superior to principal component analysis + linear discriminant analysis in most cases.     

2个品种不同成熟度油茶果实品质差异比较

为明确油茶果实的最佳采收期,以赣石83-4和赣石447油茶鲜果为原料,测定其不同成熟度下果实品质相关的表型性状、营养物质和种仁油中脂肪酸组成及含量的变化,并采用主成分分析法对2个品种不同成熟度油茶果实品质进行综合评价。结果表明：随着成熟度的增加,2个品种油茶果实的单果质量、含水率总体呈下降趋势,而鲜果出籽率、干籽出仁率则总体呈上升的趋势;赣石83-4种仁含油率在第四成熟度达到最大值(44.16%),而赣石447种仁含油率在第二成熟度达到最大值(48.56%);赣石447和赣石83-4种仁可溶性糖含量随成熟度变化趋势不一致,前者在第四成熟度达到最大值(11.35%),后者在第五成熟度达到最大值(13.05%);2个品种不同成熟度的油茶种仁蛋白质含量较低且总体上较稳定;2个品种油茶种仁油中脂肪酸组成及含量存在差异,随着成熟度的增加,油酸和单不饱和脂肪酸含量持续增加,而亚油酸和多不饱和脂肪酸含量降低,饱和脂肪酸和不饱和脂肪酸含量的变化幅度较小,分别维持在11%和89%左右;主成分分析结果表明,赣石83-4和赣石447的最佳采收期分别在第五成熟度和第四成熟度。综上,赣石83-4和赣石447油茶...     

核磁共振氢谱结合化学计量学快速检测掺假茶油

摘 要：以纯茶油和掺假茶油（掺入大豆油、玉米油）作为核磁共振氢谱检测对象,结合化学计量学方法分析处理核磁数据,建立一种能快速预测茶油掺假的方法。结果表明：纯茶油和掺假茶油在主成分分析得分图上有较好地区分,且掺假样品随掺假比例在图中呈规律性分布,但少部分低体积分数的掺假油与纯茶油重叠。而采用偏最小二乘判别（partial least squares discriminant analysis,PLS-DA）法可以得到更好的分离效果,在该模型中,纯茶油的判别准确率为100%。进一步采用PLS可实现对茶油掺假水平的准确定量测定。该方法可简单、快速地用于茶油的掺假鉴别,在茶油品质控制及评价方面具有很大的应用潜力。     

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。     

基于近红外光谱对牛奶中掺杂尿素的判别分析

采集40个合格的纯牛奶样品,并配制含有尿素为1～20g/L的40个牛奶样品,研究掺杂尿素牛奶的二维相关近红外特性,在此基础上选择波数4200～4800cm-1为建模区间,采用偏最小二乘法建立定性、定量模型。结果指出通过判别偏最小二乘法可以实现纯牛奶及掺杂尿素牛奶的定性鉴别,判别正确率为100%;掺杂牛奶校正集相关系数R为0.999,交叉验证均方差为0.242,对未知样品集预测相关系数R达到0.999,预测标准偏差为0.57,这表明所建模型具有较好的预测效果。     

Detection and Quantification of Adulteration in Honey through Near Infrared Spectroscopy

Honey is one of the important traditional medicines since ancient times. In this article, a case study was carried out using near infrared spectroscopy techniques with Chemometrics to detect the Jaggery adulterants in the honey. Jaggery was used to prepare adulterant solution of different proportionate by manually mixing with four types of different honey samples. In total, 160 spectra were collected using the XDS^TM Optiprobe analyzer reflection type spectrometer and a calibration model was built using partial least square regression. The honey adulteration was predicted statistically with the calibration error 0.00751 and coefficient of determination R² of 0.9924.