用近红外光谱无损测定烟草种子淀粉含量

为探索烟草种子淀粉含量无损检测技术,分析了120份不同生长发育期的烟草种子样品的近红外光谱,在4 000~9 000 cm~(-1)波段,利用主成分回归法建立了烟草种子淀粉含量的近红外光谱定量分析模型,并采用外部独立验证的方法对该模型进行了检验。结果表明,标准正态变量转换法结合去趋势算法,经19点平滑处理烟草种子近红外光谱数据后,所建立的烟草种子淀粉含量定量分析模型的决定系数可达99.80%,校正标准差和预测标准差分别低至0.149 3和0.183 8,验证集的实际测定值与模型预测值之间误差较小。     

玉米籽粒直链淀粉含量的近红外透射光谱无损检测

以214份玉米样品为材料,利用近红外谷物分析仪对样品进行光谱扫描,并测定直链淀粉含量的参比数据,借助于WinISI软件,采用多种数学处理方法和不同的回归统计方法进行定标曲线的开发,优化得到了玉米籽粒直链淀粉含量测定的近红外定标方程,其中直链淀粉占总淀粉含量及直链淀粉占样品干重两个定标方程的定标标准偏差(SEC)、定标相关系数(RSQ)、交叉验证标准误差(SECV)和检验工作标准误差(SEP)分别为2.3201和1.2064、0.8860和0.8856、2.5896和1.3769、3.368和2.133。通过内部交叉验证和外部交叉验证及对其它的231份自交系、杂交种和高直链淀粉自交系进行预测,结果表明,近红外分析技术具有较高的准确度,能代替常规化学分析方法应用于玉米育种的早代材料直链淀粉含量的筛选,可作为高直链淀粉玉米育种的一种简便快速的无损筛选技术。     

葛粉掺假的近红外漫反射光谱快速检测

研究葛粉中掺假红薯淀粉和马铃薯淀粉的近红外漫反射光谱快速检测方法。采集样品的近红外漫反射光 谱,采用主成分回归和偏最小二乘法建立校正模型,并对比光谱预处理方法和光谱建模区间对模型的影响。结果表 明,采用偏最小二乘法建模,光谱采用标准正态变量变换预处理,光谱区间选择在962～1 389 nm时,模型预测效 果最佳,外部验证预测相关系数（RP 2）达0.994 5,均方根误差2.298 7%,相对分析误差13.56,平均回收率99.89% （n=9,RSD=2.96%）,这表明近红外漫反射技术能对葛粉中掺假红薯淀粉和马铃薯淀粉进行有效检测。     

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。     

微晶纤维素掺假的快速鉴别方法

研究了微晶纤维素掺假的近红外光谱快速鉴别方法。基于微晶纤维素样品及掺假物(可溶性淀粉,小麦粉)的近红外光谱数据,分别创建材料谱数据库及掺假物光谱数据库,建立微晶纤维素分类模型及掺假物模型,采用Adulterant Screen算法技术进行计算分析,创建了微晶纤维素掺假快速鉴别方法。微晶纤维粉单一组份掺假的识别最低检出含量为:可溶性淀粉2%、小麦粉1%,双组分(可溶性淀粉+小麦粉)掺假量在单组份掺假检出限浓度的2～10倍时,准确的识别率均为100%,对未知样品微晶纤维素在检出限以上的准确识别率为100%。该方法简单、快速、可靠,可快速鉴别微晶纤维素样品的掺假,可以有效地应用于日常微晶纤维素样品的掺假检测和鉴定,为海关打击逃税漏税行为提供有力的技术支持。     

基于可见/近红外光谱的香梨贮藏时间区分方法

采用可见/近红外光谱方法区分不同贮藏时间的香梨。使用光纤光谱仪记录香梨样品的可见/近红外光谱反射信号,用随机共振提取香梨样品光谱数据的特征信息。与原始光谱数据比较,基于随机共振输出信噪比特征值的主成分分析法区分不同香梨样品的结果更好。该方法具有速度快、无损、成本低等优势,有望在食品品质快速分析领域得到应用。     

烟叶霉变的快速识别——基于近红外光谱与随机森林算法

为建立烟叶霉变快速识别模型，以复烤片烟为研究对象，在高温高湿条件下进行霉变实验，获得不同霉变程度的烟叶样本。应用近红外光谱技术在4000~12000 cm-1范围内对烟叶的近红外光谱进行采集，获得烟叶样本的基础光谱数据。采用小波分解法对基础光谱数据进行解析，选择中间频率小波系数[cd4, cd5]为光谱变量，利用随机森林算法建立了不同霉变烟叶的识别模型。模型对训练集预测准确率达到93.82%，独立测试集判别准确率达到94.84%，对未霉变样品、临近霉变样品和霉变样品的判别均取得了令人满意的结果。      

FT-NIR法预测陈化烟叶的淀粉、多酚和色素含量

应用傅立叶变换近红外光谱(FT-NIR)法和化学分析法测定了400个陈化烤烟烟叶样品的NIR光谱数据和淀粉、多酚、色素含量,采用偏最小二乘法(PLS)法将光谱数据和化学测定值进行拟合,建立了淀粉、多酚、色素的NIR预测模型,进行了模型的内部交叉验证,并用未参与建模的100个样品进行了外部验证.结果表明,淀粉、多酚、色素的NIR预测模型的决定系数(R<'2>)分别为97.64%、86.97%、87.08%,交互校验均方差(RMSECV)分别为0.338、0.283、0.011;模型的预测结果与化学分析法无显著性差异,其RSD均<5%.FT-NIR光谱法可用于批量陈化烟叶样品淀粉、多酚和色素含量的快速检测.     

近红外光谱技术检测石榴汁酸度的研究

目的:研究石榴汁酸度的近红外光谱检测技术。方法:实验以不同产地的石榴汁样品为对象,对其近红外光谱数据进行预处理和通过主成分分析法提取光谱特征后,采用遗传算法(GA)对支持向量机(SVM)的三个参数进行优化,建立了石榴汁酸度近红外光谱检测的模型。结果:所建的模型对验证集预测的决定系数为0.9928,均方根误差(RMSE)为0.01359,模型预测性能良好。结论:近红外光谱技术能用于石榴汁酸度的定量检测。     

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。     

高光谱结合优化算法的多品种高粱混合的淀粉含量检测

高粱作为一种酿酒原料,其不同混合比例配比的高粱的淀粉含量会影响白酒的品质和产量。因此,准确高效地检测混合高粱中的淀粉含量对获得优质高产的白酒具有重要意义。本文基于可见光高光谱成像技术研究了混合高粱中的淀粉含量的快速检测方法。采用不同预处理方法对高粱样本的光谱数据进行预处理,并建立偏最小二乘法回归（partial least squares regression, PLSR）模型来确定最佳预处理方式。使用主成分分析（principal component analysis,PCA）、PLSR算法分别提取高粱样本的光谱特征。基于全波长和光谱特征分别建立了预测高粱淀粉含量的遗传算法-BP神经网络（genetic algorithm-back propagation neural network, GA-BPNN）和粒子群算法-支持向量机回归(particle swarm optimization -support vector regression, PSO-SVR)模型。对比模型性能发现,采用PCA方法提取的光谱特征建立的GA-BPNN模型最优,其直链淀粉的预测决定系数、预测均方根误差分别为0.992 2、0.041 6,支链淀粉的预测决定系数、预测均方根误差分别为0.151 9,0.933 6。研究结果表明,可见光高光谱成像技术结合优化算法可以快速预测不同混合比例配比下高粱的淀粉含量,为检测高粱的淀粉含量提供了一种新的方法。     

基于近红外光谱的淀粉含水量快速检测研究

运用近红外光谱分析技术检测淀粉的含水量,收集了国内常用的不同种类的淀粉,选择最优的光谱预处理方法和光谱范围,运用偏最小二乘法（PLS）进行定量分析研究。结果表明,采用偏最小二乘法（PLS）所建的定量分析模型的相关系数R2达0．9912,预测均方根误差RMSEP为0．0784,偏差为0．132。研究发现,近红外光谱技术用于快速无损检测淀粉含水量是可行的。     

Starch Gelation Process Observed by FT-IR/ATR Spectrometry with Multivariate Data Analysis

For directly observing changes related to the gelation process of starch, IR spectra of starch in water while heating were obtained using FT-IR/ATR spectrometry. Relationships between gelation and spectral changes were examined using factor analysis, evolving factor analysis (EFA) and three-way principal component analysis (PCA). Absorption at 3300 and 1610 cm^-1 decreased with temperature but absorption at 1000 cm^-1 increased. The factor score plot patterns of amylose, amylopectin and rice starches were similar but those of potato and corn starches were unique. EFA indicated variances relating to changes caused in starch and water as different factors. Loadings of the starch component 2 in three-way PCA correlated with starch granule sizes.     

近红外光谱快速测定巧克力中掺假淀粉

巧克力作为一种休闲食品,以其细腻的口感和独特的口味而广泛受到消费者的青睐。然而,近几年来关于巧克力掺假的报道不断涌入人们的视野。其中,以廉价淀粉掺假巧克力的手段最为常见。本文研究利用近红外光谱快速检测巧克力中掺假红薯淀粉和马铃薯淀粉的方法,采用主成分回归(principal component regression,PCR)和偏最小二乘法(partial least squares regression,PLS)建立校正模型,并对比了光谱区间、光谱预处理方式以及主因子数对模型的影响。结果显示,采用PLS建模,光谱采用一阶导数处理(7pts),光谱区间选择在7000~4200 cm-1,主因子数为8时,模型预测效果最佳。结果表明,模型的预测误差均方根RMSEP=1.7%,实际值与预测值相关系数RP2=0.9426。该模型对不同掺假比例样品的加样回收率为94.2%~105.6%,日内RSD为4.7%~8.9%,日间RSD为5.1%~11.3%。结果表明,近红外光谱技术可用于快速检测巧克力中掺假淀粉。     

短波近红外光谱结合ν-SVM法快速无损鉴别淀粉种类

选用不同厂家的红薯淀粉、马铃薯淀粉和玉米淀粉共112个样品,利用短波近红外光谱技术对淀粉种类进行鉴别。分别采用马氏距离判别法、C-支持向量机(C-SVM)、ν-支持向量机(ν-SVM)建立淀粉种类鉴别的短波近红外光谱模型;并对比多元散射矫正、平滑、一阶微分、二阶微分等多种预处理方法后的建模结果。结果表明:同时使用平滑、多元散射矫正、一阶微分3种预处理方法后,ν-SVM分类模型的效果最佳;训练集交叉验证正确率为100%,测试集正确率也达到100%。该模型快速准确无损的鉴别淀粉种类是可行的。     

近红外光谱分析技术快速检测藕粉品质

目的 基于近红外光谱技术鉴别不同产地的藕粉样品与检测藕粉的掺假问题。方法 采集不同产地的藕粉样品的近红外光谱,在光谱预处理后采用相关系数法提取特征波长,以提取的特征波长变量构建偏最小二乘法-判别分析(partial least squares discriminant analysis,PLS-DA)、线性判别分析(linear discriminant analysis,LDA)以及支持向量机(support vector machine,SVM)模型,实现对不同产地藕粉的鉴别分析。同时,采集掺假地瓜粉、玉米粉、木薯粉的藕粉样品的近红外光谱,在样品类别已知情况下,运用K-Means聚类分析鉴别3种掺假类型的藕粉样品,在掺假类别未知下,运用基于局部密度判别的聚类算法进行判别。结果 以相关系数法提取的特征波长变量构建的PLS-DA、LDA和SVM三种模型对于不同产地藕粉样品的判别准确率均为100%。对于不同掺假类型的藕粉检测,在样品类别已知情况下,K-Means聚类分析能有效识别出掺假藕粉,识别精度为98.33%。在样品类别未知的情况下,基于局部密度判别的聚类算法可以有效识别出2%掺假率的藕粉样品。结论 近红外光谱技术能实现不同产地莲藕粉的快速鉴别,同时为隐蔽的藕粉掺假鉴别提供一种快速、高效、无损检测的分析方法,为藕粉的质量控制提供一定的理论基础。     

Synthesis and evaluation of physicochemical properties of cross‐linked Phaseolus aconitifolius starch

Highly substituted moth bean starch (MBS) phosphate ester was synthesized using POCl₃ as cross‐linking reagent. Titrimetric and FT‐IR spectral analysis was used to characterize the substitution. The physicochemical properties of cross‐linked moth bean starch (CLMBS) were done by using X‐ray powder diffractometer (XRD), thermogravimetric analysis (TGA) and swelling study at various temperatures. The change in starch morphology was done using scanning electron micrograph (SEM), and found that it lost its crystallinity after cross‐linking. The results revealed that crystalline nature of native MBS was transformed into amorphous after cross‐linking. TGA report exhibited higher thermal stability, which make it suitable for various industrial applications. Swelling behavior showed high swelling at low temperatures (30 and 60°C) as compared to at high temperature (90°C).     

基于便携式近红外光谱技术的茯苓粉真实性无损检测研究

目的 基于便携式近红外光谱技术结合化学计量学方法建立了一种茯苓粉真实性无损检测新方法。方法 以与茯苓粉外观相似的生粉、木薯粉和小麦粉为假冒以及掺假物质, 利用便携式近红外光谱仪采集假冒以及不同比例掺假茯苓粉的光谱数据; 利用光谱预处理方法消除光谱中的背景以及基线漂移干扰; 结合主成分分析方法构建假冒以及掺假茯苓粉的鉴别模型。结果 采用原始光谱建立的主成分分析模型即可实现假冒茯苓粉(生粉和木薯粉)以及不同比例掺假茯苓粉(生粉)的准确鉴别, 但无法实现假冒以及所有比例掺假茯苓粉(小麦粉)、25%掺假比例茯苓粉(木薯粉)的准确鉴别; 合适的预处理方法可以提高模型的鉴别准确率, 经预处理后的主成分分析模型可以实现所有假冒以及掺假茯苓粉的准确鉴别。结论 采用近红外光谱技术与化学计量学方法可实现茯苓粉真实性无损检测。     

FT-NIR spectroscopy coupled with multivariate analysis for detection of starch adulteration in turmeric powder

This paper investigates the feasibility of Fourier transform near-infrared (FT-NIR) spectroscopy, a fast and easy method based on chemometric methods to detect corn starch illegally added to turmeric powder. In this work, the pure turmeric powders were blended with corn starch to generate different concentrations (1–30%)(w/w) of starch-adulterated turmeric samples. The reflectance spectra of total of 224 samples were taken by FT-NIR spectroscopy. The exploratory data analysis was done by principal component analysis (PCA). The starch related peaks were selected by variable importance in projection (VIP) method and were explored by examination of original reflectance spectra, 1^st derivative spectra, PCA loadings and β coefficients plot of the partial least square regression (PLSR) model. The coefficient of determination (R²) and root-mean-square error of partial least square regression (PLSR) models were found to be 0.91–0.99 and 0.23–1.3%, respectively, depending on the pre-processing techniques of spectral data. The figure of merit (FOM) of the model was found with the help of net analyte signal (NAS) theory.     

酶促合成肉豆蔻酸淀粉酯的性质及结构表征

为提高淀粉的反应活性,采用氢氧化钠尿素法对马铃薯原淀粉进行处理,以处理后的马铃薯淀粉和肉豆蔻酸为原料,Novozyme 435为催化剂,在无溶剂体系中制备了取代度为0.018~0.065的肉豆蔻酸淀粉酯,并对其部分理化性质进行研究。结果表明:与原淀粉相比,预处理淀粉溶解度和透明度显著增加(P0.05),其膨胀度、冻融稳定性、乳化性和乳化稳定性均显著降低(P0.05)。同时,肉豆蔻酸淀粉酯的性质与其取代度密切相关,与原淀粉相比,随着取代度的增加,酯化淀粉冻融稳定性、乳化性和乳化稳定性随之升高,而其溶解度、膨胀度和透明度随之下降。扫描电子显微镜(SEM)、傅里叶红外光谱分析(FTIR)、疏水性测定对预处理淀粉及不同取代度的肉豆蔻酸淀粉酯进行观察、测定、分析,结果表明,淀粉颗粒结构被破坏,酯化淀粉具有较好的疏水性,FTIR验证了预处理淀粉及酯化淀粉的生成。