基于傅里叶近红外光谱的食用油过氧化值间接检测研究

为了建立食用油过氧化值的快速测定方法,以食用油为材料,基于氢过氧化物与三苯基磷(TPP)快速反应生成三苯基氧磷(TPPO),利用TPP和TPPO在近红外光谱的吸收差异性。在光谱范围为4 650~4 500 cm-1以一阶求导及Norris平滑(NF)后采用PLS建立食用油过氧化值近红外测定模型,通过校正样品及盲样对模型进行验证,并与国标碘量法进行比较分析。结果表明:校正集预测相关系数为0.999 4,校正均方根误差为0.143 9,验证预测相关系数为0.992 6,预测均方根误差为0.555 6,盲样预测相关系数为0.997 1,标准偏差为0.400 1,所建方法与国标法测定过氧化值结果非常接近。表明傅里叶近红外光谱间接测定食用油过氧化值是可行的。     

傅里叶变换近红外光谱快速检测方便面油脂含量

利用傅里叶变换近红外光谱技术测定方便面油脂含量。光谱通过多元散射校正算法(MSC)处理后,采用偏最小二乘法(PLS)建立模型,用定标集预测误差(SEC)、验证集预测误差(SEP)及其相关系数(Rc,Rv)评判模型好坏。结果发现,该法定标集预测误差和验证集预测误差分别为0.4456和0.4447,定标集和验证集相关系数分别为0.9798、0.9755;研究表明,利用近红外光谱技术能快速、准确测定油炸方便面油脂含量。     

哈姆林甜橙果实内在品质的可见-近红外光谱无损检测法

采用可见- 近红外漫反射光谱技术,结合偏最小二乘法,以不同时间采摘的哈姆林甜橙果实为样品建立其可溶性固形物、含酸量和VC 的无损检测数学模型,同时对不同光谱预处理方法和不同建模波段范围对模型的预测性能进行对比分析。结果表明：原始光谱在400～1000nm 波段的模型预测精度较高。经多元散射校正和5 点移动平均平滑预处理后,果实可溶性固形物含量的PLS 模型最好,校正集样品的相关系数为0.995RMSEC和RMSEP分别为0.026%、0.028%;预测集样品的相关系数为0.992。经多元散射校正和9 点移动平均平滑预处理后,果实含酸量的PLS 模型最好,校正集样品的相关系数为0.997,RMSEC 和RMSEP 分别为0.012%、0.013%;预测集样品的相关系数为0.997。经多元散射校正和9 点移动平均平滑预处理后,果实VC 含量的PLS 模型最好,校正集样品的相关系数为0.998,RMSEC 和RMSEP 分别为0.009%、0.009%;预测集样品的相关系数为0.999。可见由不同时间采摘的果实组成的样品集所建立的数学模型可以提高模型的预测精度,从而提高模型的适用范围。应用可见-近红外漫反射光谱检测哈姆林甜橙果实的内在品质可行。     

近红外光谱快速测定 Mortierella alpina菌丝体油脂含量

为实现玉米皮渣发酵生产微生物油脂过程中菌丝体油脂含量的实时监测,建立了菌丝体油脂含量测定的近红外定标模型。结果表明,采用偏最小二乘法(PLS)、归一化预处理方法,模型的定标集相关系数(R)及验证集相关系数分别为0.997 4和0.995 8,定标集标准偏差(SEE)为1.266 6,验证集标准偏差(SEP)为1.417 1,定标集标准偏差(SEE)与验证集标准偏差(SEP)的比值为0.893 7,这表明该方法可快速准确地测定菌丝体油脂含量。     

利用FTIR/ATR快速测定大豆油的过氧化值

利用傅里叶变换衰减全反射红外光谱法(FTIR/ATR)简单快速地测定大豆油的过氧化值.采用偏最小二乘法(PLS)建立光谱数据与化学测定值之间的校准模型.油样根据过氧化物值分为高过氧化值(10 ～ 90 mmol/kg)和低过氧化值(0～ 10 mmol/kg),然后根据分组波谱及全部波谱分别建模.选择合适的波长范围以及预处理方法,用验证样品集对定标方程进行验证,获得验证相关系数分别为0.999 9、0.996 0,定标集预测标准差(SEC)分别为0.27、0.21,验证集预测标准偏差(SEP)分别为0.58、0.25.FTIR/ATR法的变异系数和相对偏差均优于化学法.因此模型具有较高的精密度和良好的稳定性,研究开发的FTIR/ATR法分析油脂过氧化物值具有快速、准确环境友好等优点.     

采用正交投影偏最小二乘法快速无损分析乳粉蛋白质含量

应用近红外光谱分析技术,建立了不同品牌不同种类不同批次的乳粉原样和混合样的蛋白质定量分析模型。采用正交投影偏最小二乘法(orthogonal partial least squares,OPLS)建立近红外光谱回归模型,并与其他预处理方法和传统偏最小二乘法(partial least squares,PLS)对比;采用交叉验证法(cross-validation)全局寻优方式获得OPLS和PLS模型的最佳参数;5个主成分建立的OPLS校正模型效果最佳,相关系数R为0.994 0,校正集交叉验证均方根RMSECV为1.09,预测集的化学值与模型预测值的相关系数R达到0.976 7,分析模型的预测误差均方根RMSEP为0.905。结果表明:OPLS回归方法在简化模型的同时提高了模型的预测泛化性能,能够快速无损建立乳粉的蛋白质近红外定量模型。     

基于红外光谱角度度量模型同时测定辣椒油品质指标

利用向量的方向确定性,将光谱强度度量转换成空间角度度量,重构辣椒油红外光谱与酸值、折光率、过氧化值的线性关系,建立辣椒油红外光谱与关键品质指标的分析模型。共采集40个辣椒油样本红外光谱数据,用传统方法测定其3种指标的真实值,对光谱进行不同预处理后,分别选取不同波段,利用自编角度度量算法(VAPLS)建立辣椒油3种指标预测模型,并与传统偏最小二乘法(PLS)进行对比。结果表明:酸值校正集和验证集相关系数为0.9936,0.9959,均方根误差为0.0282,0.0264;折光率相关系数为0.9925,0.9907,均方根误差为0.000132,0.000147;过氧化值相关系数为0.9923,0.9421,均方根误差为0.0176,0.0543。市售辣椒油3种指标均方根误差为0.0185,0.0001,0.0355,均优于PLS,说明角度度量所建模型有较好的预测性和稳定性。     

近红外光谱技术应用于云芝蛋白含量的定量分析

应用近红外光谱结合偏最小二乘法(PLS)建立测定真菌云芝中蛋白含量定量分析模型.所建立的模型经过i选择最有效的光谱预处理方法,光谱区域和最适主因子数使模型最优化.实验结果表明:采用傅里叶变换在1330 nm～725 nm光谱区域,主因子数为6,建立的模型最优.模型校正集的交互验证均方根误差(RMSECV)为0.010,交互验证所得校正集样品中的蛋白含量的预测值与真实值间相关系数(Rv)为0.968;应用此模型对预测集样品中的蛋白质含量进行预测,得到预测均方根误差(RMSEP)为0.009,预测集的相关系数(Rp)为0.990.     

基于低场核磁共振技术的大米水分含量及活度快速预测

以直接干燥法和水分活度仪测定的结果作为参考值,采用低场核磁共振仪对大米样品进行测量,获取样品的横向弛豫数据,结合化学计量学算法建立多元校正模型,实现对大米水分含量及活度的快速测定。采用偏最小二乘方法(PLS)和误差反向传播人工神经网络方法(BP-ANN)对160个校正集样品进行训练后,建立多元校正模型,并对90个预测集样本进行预测。结果显示,PLS与BP-ANN 2种方法中预测集样品的水分含量预测值和参考值之间的相关系数分别为0.937 6和0.955 5,预测均方根偏差分别为0.005 8和0.004 6,水分活度预测值和参考值之间的相关系数分别为0.983 0和0.993 4,预测均方根偏差分别为0.009 2和0.006 2,表明2种方法能够快速而准确地对大米的水分含量及活度进行预测。     

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.     

电子鼻分析猪肉中负载的微生物数量研究

利用电子鼻技术检测猪肉在4℃和20℃保存不同天数的挥发性成分的变化,结合猪肉中微生物数量的变化,考察电子鼻输出信号与微生物数量之间的对应关系。结果表明：主成分分析(PCA)可以区分不同储藏天数的猪肉样品;通过最小线性回归分析(PLS)建立电子鼻输出信号与细菌总数之间的对应关系,4℃时R ＝ 0.9003,20℃时R ＝0.9940,线性关系均良好。初步研究表明,随着保存时间不同,猪肉挥发性成分与微生物数量会发生变化,电子鼻可检测到这些变化,因此可尝试用电子鼻技术检测猪肉中的有害微生物。     

基于中红外光谱结合化学计量法快速检测油炸食品用油品质

目的：保障食品工业化生产过程中最终油炸食品的安全。方法：以某大学食堂油炸食品用油为研究对象,以国标法为依据,测定油样酸价、过氧化值、羰基价,通过配备多点衰减全反射的傅里叶变换红外光谱仪获取其红外谱图,并采用偏最小二乘回归法分别建立控制油样、随机油样及所有油样的数学模型。结果：模型对油样酸价的测定均有很好的预测性,但对过氧化值的预测能力较弱。此外,控制油样模型比随机油样模型的预测性更强。结论：采用衰减全反射附件的傅里叶变换中红外光谱结合化学计量法有望实现快速、同时检测油炸食品工业化生产过程中油炸用油的酸价、过氧化值和羰基价。     

太赫兹光谱法检测面粉中过氧化苯甲酰含量

检测40个不同过氧化苯甲酰含量的面粉样品的太赫兹时域谱,获得其在0.2~2.0 THz频段内的频域谱、折射谱及吸收谱。时域谱表明,与参考信号相比,添加过氧化苯甲酰的面粉样品,其太赫兹波幅值出现了不同程度的降低,面粉样品的频域信号出现了不同程度的延迟现象。频域谱表明面粉样品中过氧化苯甲酰的含量越高,其频域谱的幅值越大,对太赫兹波的吸收强度越小,过氧化苯甲酰在一定程度上降低了面粉样品对太赫兹波的吸收。折射谱表明随着频率的增加,折射率逐渐降低,随着面粉中过氧化苯甲酰的含量增加,面粉样品的折射率随之增大。吸收谱表明面粉样品中的过氧化苯甲酰在1.6 THz处存在一个较为明显的特征吸收峰。因此,太赫兹光谱可用于面粉中过氧化苯甲酰的特征识别。利用40个面粉样品的吸收谱数据作为输入变量,分别采用偏最小二乘(partial least squares,PLS)、支持向量回归(support vector regression,SVR)及最小二乘支持向量回归(least squares support vector regression,LS-SVR)建立校正模型,其中PLS和SVR模型得到的决定系数(R2)都低于0.9,相对标准偏差(relative standard deviation,RSD)都大于10%,而LS-SVR模型的R2为0.986,RSD为4.30%,结果表明太赫兹光谱分析技术可以用于检测面粉中过氧化苯甲酰含量。     

利用THz时域谱技术和支持向量机回归法快速测定食用油的过氧化值和酸价

采用THz时域谱技术得到30个食用油样本的吸收谱,随机分为训练集和预测集,利用支持向量回归算法和标准方法测得的参考含量在训练集上建立了食用油酸价和过氧化值的预测模型,并应用此模型对预测集样本进行预测。结果表明该模型对食用油预测的相关系数较传统PLS方法对比更为精确。     

基于iPLS的油脂过氧化值近红外光谱特征波段选择

在大豆油脂过氧化值近红外光谱分析中,利用间隔偏最小二乘法(interval partial least square,iPLS)实现油脂光谱特征波段选择。分别将全谱波段以10个数据点间隔和20个数据点间隔分成若干个小波段,然后对全谱和每个小波段分别用PLS回归建模,用预测残差平方和(predicted residual sum of squares,PRESS)对模型进行评价。结果表明：经过特征波段选择后,50个波长点模型的决定系数、预测误差均方根、相对误差均值分别为0.9791、0.0513和2.12%,有效地减少建模的变量数,预测精度得到提高。     

Assessing the temperature influence on the soluble solids content of watermelon juice as measured by visible and near-infrared spectroscopy and chemometrics

The visible/near-infrared (Vis/NIR) spectra may be affected by environmental variations, such as temperature fluctuation. In the current study, this type of influence was investigated. The spectra of watermelon juice samples were collected and analyzed under nine temperatures, varying from 0 °C to 40 °C at intervals of 5 °C. Discriminant analysis (DA) and particle least square regression (PLSR) statistical methods were used to establish calibration models. The regression models were compared under nine different temperatures. Local and global compensation models were also established. The results indicated that there was an influence of temperature on the Vis/NIR spectra. The average absorbance shifted with the change of temperature. The PLSR model established at 20 °C performed better than at other temperatures. The results also indicated that the local models were sensitive to changes in temperature. Additionally, the global model showed good prediction ability, which made temperature fluctuation a negligible interference.     

基于偏最小二乘法的板栗近红外光谱分析模型的建立

目的:应用近红外光谱技术和化学计量学方法,建立板栗品质分析的近红外光谱模型。方法:采用傅里叶变换近红外光谱仪,采集样品的近红外漫反射光谱,再用传统理化分析方法测得样品的各项品质参数,采用偏最小二乘法(PLS)建立定标模型,内部交叉验证法对模型进行检验。结果:对板栗分别建立了水分、淀粉、硬度和糖度的PLS模型,4种PLS模型都非常理想,模型的相关系数均大于0.99。结论:采用近红外光谱法可以实现板栗品质指标的快速无损检测。     

Estimation of the percentage of transgenic Bt maize in maize flour mixtures using perfusion and monolithic reversed-phase high-performance liquid chromatography and chemometric tools

The estimation of the percentage of transgenic Bt maize in maize flour mixtures has been achieved in this work by high-performance liquid chromatography using perfusion and monolithic columns and chemometric analysis. Principal component analysis allowed a preliminary study of the data structure. Then, linear discriminant analysis was used to develop decision rules to classify samples in the established categories (percentages of transgenic Bt maize). Finally, linear regression (LR) and multivariate regression models (namely, principal component analysis regression (PCR), partial least squares regression (PLS-1), and multiple linear regression (MLR)) were assayed for the prediction of the percentages of transgenic Bt maize present in a maize flour mixture. Using the relative areas of the protein peaks, MLR provided the best models and was able to predict the percentage of transgenic Bt maize in flour mixtures with an error of ±5.3%, ±2.3%, and ±3.8% in the predictions of Aristis Bt, DKC6575, and PR33P67, respectively.     

电子鼻结合气相色谱-质谱法对宁夏小尾寒羊肉中鸭肉掺假的快速检测

以宁夏小尾寒羊为研究对象,将熟化的鸭肉按照不同比例掺入到羊肉中制作成掺假肉样,利用电子鼻和气相色谱-质谱法对肉样进行快速检测。通过电子鼻对肉样挥发性成分的响应,利用Fisher线性判别分析,线性回归拟合分析等进行定性定量判别和模型的建立。同时利用固相微萃取结合气相色谱-质谱联用仪对样品进行检测。结果表明,Fisher线性判别分析能区分不同样品,线性回归拟合分析相关系数高达0.965,利用Fisher线性判别分析预测掺假正确率为98.2%。气相色谱-质谱法共检测到26种挥发性化合物,3-环庚烯-1-酮、3-甲基丁醛等被认为在区分不同样品中起重要作用。利用电子鼻和气相色谱-质谱法数据建立偏最小二乘模型回归方程的决定系数均高于0.950。得到传感器S1、S3、S5、S6、S8和S9的响应值与气相色谱-质谱结果具有较高的相关性。