速溶普洱茶中水分、咖啡碱和茶多酚含量近红外光谱快速测定方法的建立

以随机抽取的42个市售速溶茶产品为研究对象,采用近红外光谱分析技术并结合偏最小二乘法(PLS)对其水分、咖啡碱和茶多酚含量进行定标建模分析。建模结果以校正集相关系数(R_c)、校正集均方根误差(RMSEC)、交互验证相关系数(R_cv)和交互验证均方根误差(RMSECV)为指标评价模型的优劣。结果表明,水分较为理想的定标模型R_c=0.9266,RMSEC=0.6439,R_cv=0.8809,RMSECV=0.8509;咖啡碱的最优定标模型R_c=0.9964,RMSEC=0.1337,R_cv=0.9543,RMSECV=0.4958;茶多酚较为理想的定标模型R_c=0.9845,RMSEC=1.2097,R_cv=0.9679,RMSECV=1.8083。经验证集样品检验,水分、咖啡碱、茶多酚的预测相关系数分别是0.9050、0.9350、0.9557,与实际测定值吻合度较高,可为速溶普洱茶制品理化成分的快速检测提供参考。     

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。     

蜂蜜中还原糖组分的近红外光谱应用研究

为探索快速测定还原糖含量的方法,提出了用傅立叶变换近红外光谱技术结合偏最小二乘法(PLS)建立近红外光谱与蜂蜜还原糖含量的数学模型并进行预测。通过光谱扫描还原糖含量在61.3%～75.22%范围的蜂蜜样本,选择11992.1～7494.6cm-1波数范围、二阶导数、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,模型的校正决定系数(Rcal)、校正均方差(RMSEE)、交叉验证决定系数(RCV)、交叉验证均方差(RMSECV)分别为99.71%、0.27%、98.44%、0.45%。用该模型对验证集样本进行预测并统计分析,表明预测值与测定值无显著差异。因此,用该方法快速准确定量分析大批蜂蜜中的还原糖含量具有重要意义。     

不同槟榔果常规营养成分和槟榔碱含量分析

对海南产的新鲜槟榔、槟榔烟果、槟榔籽3种样品作槟榔碱含量和常规营养成分分析.结果显示:不同样品中各槟榔碱及营养成分存在一定差异,槟榔碱在0～12.5 mg/L范围内呈线性关系,线性回归方程为Y=0.025 2x+0.063 2,测得新鲜槟榔、槟榔烟果、槟榔籽的槟榔碱含量分别是0.422%、0.184%、0.329%;新鲜槟榔:蛋白质6.23%,粗脂肪17.52%,粗纤维17.87%,灰分4.09%,Vc 13.29 ms/g,还原糖13.35%,水分21.32%;槟榔烟果:蛋白质12.05%,粗脂肪13.23%,粗纤维23.31%.灰分4.67%,Vc> 2.64 mg/g,还原糖2.86%,水分7.65%;槟榔籽:蛋白质22.78%,粗脂肪26.52%,粗纤维2.45%,灰分3.94%,Vc> 7.68 mg/g,还原糖17.19%,水分12.56%.未加工的槟榔、加工后的槟榔及槟榔的不同部位的槟榔碱含量和常规营养成分含量存在一定差异.     

基于近红外建立荞麦营养成分快速检测模型

为探索一种快速、高效测定荞麦营养成分含量的方法，从内蒙古等地收集荞麦样品66份，采集样品近红外漫反射光谱图，并参照国标法测定样品水分、灰分、脂肪、蛋白质、淀粉含量，利用样品近红外光谱指纹结合化学计量学方法建立荞麦各营养成分的快速检测模型。结果，在10 000~4 000 cm-1波数范围内，分别对近红外光谱进行多元散射校正+一阶导数处理、一阶导数处理+标准正态变换及去趋势算法、无预处理、二阶导数+标准正态变换及去趋势算法，结合化学测定值建立的营养成分快速检测模型的校正和预测效果最佳；所建立的水分、灰分、脂肪、蛋白质、淀粉含量快速检测模型交叉验证决定系数R2分别为81.601 0%、94.086 2%、80.942 3%、99.897 5%、99.857 6%，外部验证决定系数R2分别为81.60%、94.09%、80.94%、99.97%、99.86%，且验证结果预测值及化学值差异不显著。建立的模型可以满足荞麦营养成分的快速检测。     

不同品种马铃薯化学组成及香气成分的研究

研究通过测定武川县不同品种马铃薯:夏波蒂、费乌瑞它、康尼贝克、兴佳和冀张12的水分/干物质、碳水化合物(还原糖、淀粉)、维生素C、蛋白质、脂肪和膳食纤维的含量及香气成分,为马铃薯加工利用提供理论依据。结果表明:调查的5种马铃薯品种的水分76.94%~82.12%,干物质17.88%~23.06%,还原糖0.10%~0.23%,淀粉18.36%~20.33%,维生素C 12.39%~19.42%,蛋白质1.72%~2.56%,脂肪0.11(g/100 g)~0.22(g/100 g),膳食纤维0.27(g/100 g)~0.42(g/100 g);不同品种马铃薯香气成分存在明显差异,醇类、醛类、酸类、烃类和酮类化合物对香味形成有重要作用。     

基于近红外技术快速检测棉籽饼粉水解液中氨基氮含量

利用近红外(NIR)光谱技术结合偏小二乘(PLS)的方法,通过分别选择不同波长、不同光谱预处理方法,建立并优化棉籽饼粉水解液中氨基氮含量校正模型。波长选择为1 300¹ 800 nm,采用光谱预处理阶导数+减条直线,得到校正模型的交叉验证均方根(RMSECV)为0.457 g/L,决定系数(R2)为0.927 2,剩余预测偏差(RPD)为3.71。并对校正模型进行外部检验,预测含量与实际含量进行对比,决定系数为0.944 5,平均相对误差为5.05%。结果证明预测模型能够快速、准确地对棉籽饼粉水解液氨基氮含量进行预测和监控,为建立棉籽饼粉水解液评价系统奠定定基础。     

近红外定量模型快速测定大米的营养成分

大米中的蛋白质、脂肪、碳水化合物和水分是大米的重要营养成分,这些组分的检测需要依赖国标法,检测过程繁琐冗长,污染大,实现近红外快速检测具有重要的现实意义。本实验以75个大米样品为研究对象,用国标法测定其蛋白质、脂肪、碳水化合物和水分的含量,用Antares Ⅱ型近红外光谱仪采集光谱信息。将样品分为校正集和验证集,其中校正集63个,验证集12个,通过6种光谱预处理方法和3种建模方法分别建立大米的蛋白质、脂肪、碳水化合物和水分的定量模型,用Workflow调用模型来实现四种组分的快速检测。结果表明,蛋白质、碳水化合物通过一阶导数与Savitzky-Golay滤波对光谱进行处理;脂肪、水分通过二阶导数和Savitzky-Golay滤波对光谱进行处理;再通过PLS回归与国标法的测定值相关联建立的大米中蛋白质、脂肪、碳水化合物及水分的定量模型具有较高的预测精度。蛋白质、脂肪、碳水化合物和水分的预测模型的内部交叉验证的相关系数R分别为0.9266、0.9333、0.9198、0.9175,RMSECV分别为0.280、0.133、0.362、0.270,内部交叉验证的相关系数R均在0.91以上,RMSECV均小于0.37,可实现对大米中蛋白质、脂肪、碳水化合物和水分的快速检测。     

近红外光谱法快速检测黄酒的酒精度、总糖和总酸

通过研究黄酒的近红外光谱和利用化学计量学的技术,采用偏最小二乘法建立快速检测黄酒的酒精度、总糖和总酸的近红外模型。用相关系数(R)、交叉验证均方差(RMSECV)和相对分析误差(RPD)衡量模型的预测精度和稳定性,R值分别为0.9994,0.9989,0.9780,RMSECV值分别为0.0891,0.6980,0.0898,RPD值分别为27,21,4.8,RPD≥3表明建立的模型效果良好。研究结果表明,近红外光谱法可用于快速检测黄酒酒精度、总糖和总酸,为黄酒食品安全质量控制体系的建立提供了快速检测手段。     

可见/近红外反射光谱法检测马铃薯抗性 淀粉含量的研究

目的利用可见/近红外反射光谱技术无损检测新鲜马铃薯茎块中抗性淀粉的含量。方法使用光谱仪获取新鲜马铃薯在345~1100 nm波段范围内的漫反射光谱;分别使用Savitzky–Golay(S-G)平滑处理、多元散射校正(MSC)法和一阶导数法(1st-D)对反射光谱进行预处理;对(S-G)反射光谱、MSC处理光谱和1st-D光谱使用逐步回归法判别法选择最优波长组合,建立多元线性回归模型,使用全交叉验证法验证模型。结果结果表明,可见/近红外反射光谱经过一阶导数处理后,确定的8个最优波长(370、569、576、866、868、886、922和963 nm)组合建立模型的校正和验证结果最好:模型的校正结果为相关系数R=0.996,标准差SEC=0.521%;模型交叉验证相关系数Rcv=0.982,验证标准差SECV=0.791%。结论可见/近红外反射光谱技术可以较好地预测新鲜马铃薯茎块的抗性淀粉含量,本研究可为可见近红外光谱技术在马铃薯功能成分的快速检测提供一定的技术基础。