近红外光谱法预测烟气总粒相物中的烟碱含量

采用近红外(NIR)光谱技术直接扫描烟叶粉末,建立了预测烟气总粒相物中烟碱含量的数学模型。该模型的内部验证决定系数(R2)为86.57,均方差(RMSECV)为0.385;外部验证的决定系数(R2)为81.32,均方差(RMSEP)为0.398,近红外预测值与标准测定值的平均相对偏差为8.89%。通过配对t-检验,该方法与标准方法测定的效果无显著性差异。该方法精密度高,可用于烟气总粒相物中烟碱含量的快速预测。     

近红外光谱法快速测定烟草中的总挥发碱

利用近红外光谱仪(NIR)建立了烟草中总挥发碱的数学模型,其决定系数为95.67%,均方差为00171.选用未知样品对模型进行了检验,近红外测定值与化学测定值的平均相对偏差为4 8%.结果表明,采用近红外光谱法可快速测定烟草中的总挥发碱.     

近红外光谱法预测烟草中的纤维素含量

为了快速测定烟草中的纤维素含量,对1214个国产烤烟烟叶样品进行了近红外(NIR)漫反射光谱扫描及其纤维素含量的化学测定,而后根据这些烟叶样品的NIR光谱数据及其纤维素含量的化学测定数据,利用偏最小二乘法建立了烟叶纤维素NIR预测模型,并对建模参数和模型的预测效果进行了评价。结果表明:优化后,该NIR模型预测纤维素的决定系数为0.9649,实际预测的平均相对偏差<2%。该模型适合大批量烟叶纤维素含量的快速分析。     

利用近红外光谱分析方法建立妙府老酒酒精度和总酸模型

该文利用近红外(NIR)透射光谱分析技术结合偏最小二乘法(PLS)建立了妙府老酒酒精度与总酸的定量检测模型,并以该模型对未知黄酒样品的酒精度与总酸含量进行预测,验证模型的可靠性.酒精度建模结果:决定系数为90.36％、均方差为0.043;酒精度建模结果:决定系数为和96.73％,均方差为0.121;外部检验的预测均方差分别为0.058和0.081;结果表明该方法应用于黄酒品质的检测,操作简便、快速、准确.为妙府老酒的现场、即时快速定量分析提供了一种新方法,同时也为生产过程中的在线质量监控奠定了基础.     

声光可调-NIR法预测烟草中的总烟碱、总糖、还原糖和总氮

采用声光可调(AOTF)-近红外光谱(NIR)仪和Unscrambler化学计量学光谱分析软件,通过旋转扫描的方式测定了534个不同年份、不同地区、不同等级国产烤烟烟叶样品的NIR,采用PLS1建立了测定烟草中总烟碱、总糖、还原糖和总氮的校正模型,并用这些模型对41个未知烤烟烟叶样品进行了预测。结果表明:总烟碱、总糖、还原糖和总氮含量的NIR预测模型的决定系数R2分别为0.9869、0.9851、0.9733和0.9721,预测的平均相对偏差分别为4.21%、2.23%、2.91%和3.60%。AOTF-NIR技术适用于烟草中总烟碱、总糖、还原糖和总氮含量的快速分析。     

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。     

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.     

甘薯蛋白质含量近红外反射光谱分析模型应用研究

以71份薯叶和170份薯块根样品为材料,应用近红外光谱技术(NIRS)和偏最小二阶乘法(PLs),建立甘薯蛋白质含量近红外反射光谱分析数学模型,并对模型预测结果的准确性进行了评价.结果显示.甘薯叶和块根的蛋白质含量的近红外光谱预测模型校正决定系数(R2cal)分别为O.996和0.993,校正均方差(RMSEE)分别为O.255和O.126,内部交叉验证决定系数(R2cv)分别为0.984和O.986,均方差(RMSECV)分别为0.448和O.178.模型对样品NIR的预测值与其相应的化学值有较好的相关性,此模型可用来预测甘薯蛋白含量.在甘薯优质育种和品质分析中具有广泛的应用价值.     

傅立叶变换近红外光谱法快速检测锅盔中水分含量

应用傅立叶变换近红外光谱技术,建立锅盔水分含量分析模型.测定61份锅盔的近红外光谱,经一阶导数+MSC预处理以滤去噪声,在7 501.9～4 597.6 cm-1谱段范围内,选择维数10,利用偏最小二乘法建立近红外光谱与国标参考方法测得的水分含量之间的相关模型.最终得到水分定量校正模型决定系数(R2)为99.03％,内部交叉验证均方差(RMSECV)为0.409％.用该模型对19个未知锅盔样品进行外部验证,其水分外部验证决定系数(R2)为97.99％,预测标准偏差(RMSEP)为0.341％.结果表明,近红外定量分析技术有较高的准确度,能满足锅盔水分的快速检测精度要求.     

近红外光谱法快速测定烟草中的绿原酸、新绿原酸和芸香苷

为了加快烟草中绿原酸、新绿原酸、芸香苷含量的分析速度,采用183个烟草(烤烟)样品绿原酸、新绿原酸、芸香苷含量的高效液相色谱法测定值及其近红外(NIR)光谱,通过多元散射、一阶导数 附加散射校正光谱预处理和偏最小二乘法建立了NIR预测模型,并进行了内部交叉验证和30个烟叶样品的外部预测验证.结果表明:模型的预测值与化学测定值的平均相对偏差分别为0.545%、0.709%、1.954%,RSD各为0.83%、3.18%、1.426%.该方法可用于批量烟草中绿原酸、新绿原酸、芸香苷的快速测定.     

近红外光谱法测定清汁中还原糖含量

采用近红外光谱法测定清汁中还原糖含量，获得良好效果，所建模型标准误差小而决定系数高。数据采用修正的最小二乘法（MPLS）进行计算，所得多元回归线性方程的定标决定系数R2、交互定标标准误差（SECV）、交互定标决定系数（1-VR）分别为0．952，0．067，0．813，具有较好的相关性。用36个随机清汁样品检验该模型，近红外法预测结果与传统滴定法测定结果的检验工作标准误差（SEP）为0．070，检验决定系数为0．876，证明测定所建近红外法定标模型具有较好的稳定性。     

Application of neural networks to simulate the growth profile of lactic acid bacteria in green olive fermentation

The growth profile of five strains of lactic acid bacteria (Lactobacillus plantarum ACA-DC 287, L. plantarum ACA-DC 146, Lactobacillus paracasei ACA-DC 4037, Lactobacillus sakei LQC 1378, and Leuconostoc mesenteroides LQC 1398) was investigated in controlled fermentation of cv. Conservolea green olives with a multilayer perceptron network, a combined logistic-Fermi function, and a two-term Gompertz function. Neural network training was based on the steepest-descent gradient learning algorithm. Model performance was compared with the experimental data with five statistical indices, namely coefficient of determination (R2), root mean square error (RMSE), mean relative percentage error (MRPE), mean absolute percentage error (MAPE), and standard error of prediction (SEP). The experimental data set consisted of 125 counts (CFU per milliliter) of lactic acid bacteria during the green olive fermentation process for up to 38 days (5 strains x 25 sampling days). For model development, a standard methodology was followed, dividing the data set into training (120 data) and validation (25 data) subsets. Our results demonstrated that the developed network was able to model the growth and survival profile of all the strains of lactic acid bacteria during fermentation equally well with the statistical models. The performance indices for the training subset of the multilayer perceptron network were R2 = 0.987, RMSE = 0.097, MRPE = 0.069, MAPE = 0.933, and SEP = 1.316. The relevant mean values for the logistic-Fermi and two-term Gompertz functions were R2 = 0.981 and 0.989, RMSE = 0.109 and 0.083, MRPE = 0.026 and 0.030, MAPE = 1.430 and 1.076, and SEP = 1.490 and 1.127, respectively. For the validation subset, the network also gave good predictions (R2 = 0.968, RMSE = 0.149, MRPE = 0.100, MAPE = 1.411, and SEP = 2.009).     

拉曼光谱快速监测荔枝酒发酵过程酒精度的研究

酒精度是荔枝酒发酵过程及成品酒质量控制的关键因素，该研究使用拉曼光谱仪快速采集样本信号，并对拉曼光谱数据进行2阶导预处理后，分别采用偏最小二乘法（PLS）和向量角偏最小二乘法（VAPLS）建模，同时对模型效果进行对比分析。结果表明，VAPLS酒精度预测模型效果最好，该模型预测值与真实值的相关系数（R2）为0.993 1，均方根误差（RMSE）为0.285 6，验证集预测相对误差为-5.0%～1.6%，优于PLS建模方法。所建分析方法简便快速，能满足生产中荔枝酒酒精度的快速检测精度要求，并可以拓展实现酒类发酵过程中多个性能指标的同时分析。     

面粉品质近红外光谱在线检测系统开发与应用

本研究运用近红外光谱无损检测技术,开发了一种适用于面粉品质检测的在线测量系统。本系统在硬件平台基础上,采用C++Builder 6.0对NIR 1.7/S微型光谱仪进行二次开发,编写了具有光谱采集、面粉品质预测、模型更新和数据存储等功能的软件。对市售170种面粉进行试验,以面粉水分含量为代表性指标。通过对比不同光谱预处理方法建模结果,发现不进行任何预处理时的面粉水分偏最小二乘回归(PLS)得到的模型精度最高。建模集和验证集决定系数(R2)分别为0.947,0.841;均方根误差(RMSE)分别为0.146%,0.198%;RPD值为2.53。模型导入软件后对30份新样品进行外部验证,预测值与测量值决定系数(R2)为0.883,均方根误差为0.206%。结果表明,该系统能够初步实现面粉水分的实时预测,为近红外在线检测技术应用提供了一定的技术参考。     

Dynamic kinetic analysis of growth of Listeria monocytogenes in pasteurized cow milk

The objective of this study was to develop a dynamic model for predicting the growth of Listeria monocytogenes in pasteurized cow milk under fluctuating temperature conditions during storage and temperature abuse. Six dynamic temperature profiles that simulated random fluctuation patterns were designed to change arbitrarily between 4 and 30°C. The growth data collected from 3 independent temperature profiles were used to determine the kinetic parameters and construct a growth model combining the primary and secondary models using a 1-step dynamic analysis method. The results showed that the estimated minimum growth temperature and maximum cell concentration were 0.6 ± 0.2°C and 7.8 ± 0.1 log cfu/mL (mean ± standard error), with the root mean square error (RMSE) only 0.3 log cfu/mL for model development. The model and the associated kinetic parameters were validated using the data collected under both dynamic and isothermal conditions, which were not used for model development, to verify the accuracy of prediction. The RMSE of prediction was approximately 0.3 log cfu/mL for fluctuating temperature profiles, and it was between 0.2 and 1.1 log cfu/mL under certain isothermal temperatures (2–30°C). The resulting model and kinetic parameters were further validated using 3 growth curves at 4, 7, and 10°C arbitrarily selected from ComBase (www.combase.cc). The RMSE of prediction was 0.8, 0.4, and 0.5 log cfu/mL, respectively, for these curves. The validation results indicated the predictive model was reasonably accurate, with relatively small RMSE. The model was then used to simulate the growth of L. monocytogenes under a variety of continuous and square-wave temperature profiles to demonstrate its potential application. The results of this study showed that the model developed in this study can be used to predict the growth of L. monocytogenes in contaminated milk during storage.     

不同水分胁迫程度下烤烟叶片钾含量的光谱响应

  目的  精准、快速、无损监测烤烟叶片钾素营养水平。  方法  设计不同程度的干旱和渍水胁迫试验，以K326、中烟100为供试品种，探索不同水分胁迫程度下烤烟叶片钾含量与光谱信息的变化规律，筛选烟叶钾含量的敏感光谱特征变量及光谱参数，构建烟叶钾含量预测模型。  结果  （1）随水分胁迫程度的加重，在近红外光区，烤烟叶片钾含量和叶片光谱反射率的值在伸根期均表现为升高趋势，在旺长期与成熟期表现为降低趋势。（2）以利用本文筛选出的8个最佳敏感光谱指数（mSR705、SDr、DVI、MSAVI2、λg、Dr、NDSI（2275，1875）、RDVI）构建的BP神经网络模型效果最好，模型决定系数R2=0.9336，RMSE（均方根误差）为0.1348。  结论  可利用光谱参数构建烤烟钾含量BP神经网络模型，模型稳定、精度较好。可为实时精准监测烤烟叶片钾含量，及时了解土壤水分环境提供技术支撑。      

基于通量观测数据的MODIS生产力模型在攀西典型烟田的适用性验证

准确估算烟田生态系统生产力，对于评估区域烟叶产量的时空变化特征及研究烟叶产量的影响因素至关重要。采用遥感数据和地面通量观测数据，对MODIS生产力模型在攀西烟区典型烟田生态系统总初级生产力（GPP）评估中的适用性进行初步验证和本地参数化，以提高MODIS数据产品在攀西烟田生产力水平评价中的可信度。结果表明:采用默认参数的GPP模拟值低于观测值，1∶1直线回归斜率为0.769，决定系数（R2）为0.776，效率系数（NS）为0.253，均方根误差（RMSE）为0.268 gC·m-2·8day-1，模型模拟效果相对较差。基于通量观测数据，对默认参数的MODIS生产力模型进行本地参数化后，GPP模拟效果明显改善，1∶1直线斜率、R2及NS分别为1.001、0.984和0.919，RMSE下降至0.0978 gC·m-2·8day-1，时间动态曲线基本一致，表明参数校正后的MODIS生产力模型在研究区具有较好的适用性。为进一步利用该模型在攀西及西南烟区进行烟田生产力评估及水、碳循环过程研究提供理论依据与数据支持。      

基于近红外光谱技术快速检测稻谷水分含量

目的:建立一种无损、快速高效的稻谷水分含量检测方法。方法:研究收集了不同年份的稻谷样品161份,运用近红外光谱结合化学计量学方法,通过剔除异常光谱和光谱预处理,采用偏最小二乘法建立稻谷水分含量预测模型。结果:采用主成分分析结合马氏距离的方法剔除异常光谱样品15个,最佳的光谱预处理方式为消除常数偏移量。训练集建立的预测模型(R_CAL²)为0.9943,模型标准偏差(RMSEC)为0.21%,模型交叉验证决定系数(R_CV²)为0.9936,模型交叉验证标准偏差(RMSECV)为0.32%,表明预测模型交叉验证预测样品水分含量准确度高。用验证集样品检验预测模型,模型验证集验证决定系数R 2 VA L为0.9801,模型验证集验证标准偏差(RMSEP)值为0.36%,相对分析误差(RPD)值为7.14,表明预测模型对未知样品的预测准确度高。验证集样品实测值与预测值均值方程T检验结果P值(双侧)为0.879,验证集样品实测值与预测值之间差异不显著,表明预测模型的预测结果可信度高,验证集样品预测值与实测值的误差在±1%,且90%以上的验证集样品其预测值与实测值的误差都在±0.5%以内。结论:建立的稻谷水分预测模型可以实现收储稻谷的无损、快速、准确检测。     

基于挥发性成分定量预测风味茶油掺浸出茶油的偏最小二乘回归模型的建立

为解决在压榨风味茶油掺浸出茶油的定量预测问题,本文设计高/低两个掺伪梯度,基于挥发性成分,运用Python语言构建定量预测压榨风味（原香和浓香）茶油掺浸出茶油的偏最小二乘回归（PLSR）模型。研究结果表明,高掺伪梯度下压榨原/浓香茶油样本的定量鉴别PLSR模型的平均R2值均达到了0.998,平均RMSE值为1.127/1.166,大部分样本的相对误差集中在0~0.1之间;低掺伪梯度下压榨原/浓香茶油样本的定量鉴别PLSR模型的平均R2值达到了0.956/0.999,平均RMSE值为0.592/0.094,大部分样本的相对误差集中在0~0.15/0~0.02之间。本文所构建的PLSR模型定量鉴别压榨风味茶油掺浸出茶油的准确率较高,压榨浓香茶油掺浸出茶油的定量鉴别效果要好于压榨原香茶油。