基于近红外光谱技术的海参品质快速检测

目的应用近红外光谱技术建立海参产地区分和胶原蛋白快速检测的方法。方法总计43个海参样品来自大连、福建、连云港、山东4个地区。首先采集样品的近红外光谱图,经过标准正态变量(standard normal variables,SNV)预处理,利用不同定性判别模型对海参产地进行区分。通过分光光度计法测定海参的胶原蛋白含量,利用偏最小二乘法(partial least squares,PLS)、区间偏最小二乘法(interval partial least squares,iPLS)、向后区间偏最小二乘法(backwards interval partial least squares,BiPLS)和联合区间偏最小二乘法(synergy interval partial least squares,Si PLS)建立了海参胶原蛋白含量的预测模型。结果产地区分模型中最小二乘支持向量机(least-squares support vector machine regression,LS-SVM)的识别率最高,校正集识别率为100%,预测集识别率为95.35%;海参胶原蛋白预测模型中BiPLS的预测效果较好,校正集相关系数Rc为0.9002,预测集相关系数Rp为0.8517。结论近红外光谱技术可实现对海参的产地区分和胶原蛋白的快速检测。     

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。     

基于便携式仪器的小麦面粉品质检测方法研究

目的 建立一种噪声小、自适应程度高的小麦粉预测模型的遗传算法-最小二乘法(genetic algorithm partial least squares, GA-PLS)检测小麦面粉品质。方法 采用AMBERⅡ手持式蓝牙光谱仪采集小麦面粉的近红外光谱,将采集的全波段光谱分段成波长相等的子区间,对每段子区间的小麦粉水分、灰度以及面筋含量进行最小二乘法预测建模(PLS模型),将每段建模数据进行遗传算法筛选优化,最终建立GA-PLS模型,幵与未分段的全谱段PLS模型进行对比分析。结果 基于遗传算法结合偏最小二乘的模型验证精度高于全谱段PLS模型,。其中小麦粉灰度值的相关系数(r~2)由0.679上升至0.919,小麦粉水分的r~2由0.701上升至0.923,小麦粉面筋的r~2由0.821上升至0.925。结论 该方法结果准确,精度高,适用于小麦面粉品质的现场快速检测。     

基于近红外光谱技术的白酒原酒中关键成分的定量分析

采用间隔偏最小二乘法(interval partial least squares,i PLS)、组合间隔偏最小二乘法(synergy interval partial least squares,Si PLS)、遗传偏最小二乘法(genetic algorithms partial least squares,GA-PLS)、竞争性自适应重加权法(competitive adaptive reweighted sampling,CARS)优选波长,并结合偏最小二乘法(partial least squares,PLS)建立白酒原酒中乙酸乙酯和乳酸乙酯定量分析模型。结果表明,上述4种方法都对模型有一定的优化效果,其中遗传算法结合组合间隔偏最小二乘算法(genetic algorithms-synergy interval partial least squares,GA-SiPLS)优选波长的优化效果最为明显,乙酸乙酯和乳酸乙酯的决定系数(R~2)分别达到了0. 989 7和0. 991 0,预测均方根误差(root mean square error of prediction,RMSEP)分别为0. 085 4、0. 143 4,相对分析误差(relation percent deviation,RPD)分别为8. 5和8. 6,提高了模型的稳定性和精准性。说明近红外光谱分析技术对于白酒原酒中乙酸乙酯和乳酸乙酯含量的检测具有科学的指导意义。     

近红外光谱技术定量检测果味啤中的果汁含量

该文以近红外光谱分析技术快速测定菠萝啤中果汁含量为目的,采用了后向间隔偏最小二乘(backward interval partial least squares,Bi-PLS)、组合间隔偏最小二乘(synergy interval partial least squares,Si-PLS)以及遗传算法(genetic algorithm,GA)提取特征波长以提高模型性能。研究结果表明,基于Si-PLS提取的特征波长结合偏最小二乘法(partial least squares,PLS)建立的定量分析模型效果最好,从原始光谱范围4 000～10 000 cm~(-1)内筛选出3个特征光谱区间,分别为(4 484～4 960,5 600～6 051,7 844～8 080) cm~(-1),共94个特征变量,比原始1 501个波长变量减少了93. 7%,验证集的均方根误差和决定系数分别为0. 18%、0. 89,范围误差比为3. 17。实验结果表明,近红外光谱分析技术用于测定果味啤中的果汁含量是可行的,这为快速高效测定菠萝啤果汁含量提供了一种方法依据。     

基于高光谱技术苹果硬度快速无损检测方法的建立

目的 利用高光谱技术建立苹果内部品质无损检测的方法。方法 将高光谱图像的光谱信息和空间信息结合, 采用洛伦兹函数对苹果高光谱的空间散射曲线进行拟合, 提取拟合曲线的相关参数, 利用拟合参数对苹果硬度进行建模分析。结果 拟合曲线与原散射曲线的相关系数R达到0.99以上。分析比较多种统计建模方法对不同拟合参数的建模效果, 结果表明: 在524~1016 nm波段范围内, 利用偏最小二乘法(partial least squares, PLS)对拟合曲线的峰值建立硬度的预测模型, 校正集预测值与标准值的相关系数Rc=0.89, 校正集标准误差SEC=0.71×105 Pa, 验证集预测值与标准值的相关系数Rv=0.88, 验证集标准误差SEV=0.88×105 Pa。结论 利用高光谱散射成像技术, 采用偏最小二乘的方法对拟合峰值建模, 可以实现苹果硬度的快速无损检测。     

近红外光谱法测定面粉的水分、脂肪、碳水化合物和蛋白质含量

应用近红外光谱技术结合不同的定量分析方法建立面粉4种组分的快速定量模型。国标法测定68种面粉样品的水分、脂肪、碳水化合物和蛋白质的含量,并采集其近红外漫反射光谱图。选取58个校正集和10个验证集样品,通过马氏距离法剔除异常样品后,对比17种光谱预处理方式所建立的基于全光谱的偏最小二乘法(partial least squares,PLS)定量模型效果,在最佳预处理方法的基础上,采用向后区间偏最小二乘法(Backward interval PLS,BiPLS)筛选特征光谱,进一步得到最佳定量模型。结果表明,所建立的模型校正集相关系数Rcv均大于0.9650,内部交叉验证均方根误差均小于0.328;验证集相关系数均大于0.9926,预测均方根误差均低于0.383。因此,模型具有较好的准确性和稳定性,能应用于面粉的多指标快速检测。     

近红外光谱法检测山茱萸中莫诺苷和马钱苷的含量

目的建立近红外光谱法快速检测山茱萸中莫诺苷和马钱苷含量的分析方法。方法利用近红外光谱仪扫描粉碎后的山茱萸药材样品,对其光谱进行预处理和波段选择,并结合偏最小二乘法(partial least squares,PLS)建立莫诺苷和马钱苷含量快速无损检测方法。结果所建立的模型的决定系数R分别为0.9668、0.9062,交叉验证均方根差值分别为0.059、0.047,对验证集样品进行预测并统计分析,预测值与真实值之间无显著差异(P>0.05)。结论所建立的模型准确度高,适用于山茱萸药材粉末的莫诺苷和马钱苷含量的快速检测。     

近红外光谱技术结合反向区间偏最小二乘算法-连续投影算法预测哈密瓜可溶性固形物含量

采用近红外光谱技术结合数据降维的方法,建立了哈密瓜可溶性固形物含量的预测模型,对原始光谱进行特征区间选择,共选取了6个子区间,432个光谱变量;将6个联合子区间的光谱数据分别结合特征选择竞争性自适应重加权采样算法、遗传算法、连续投影算法(successive projections algorithm, SPA)提取特征波长;再使用选取的特征波长以及特征区间波长作为模型的输入变量,利用极限学习机和偏最小二乘算法(partial least squares, PLS)建立哈密瓜可溶性固形物含量预测模型。结果显示,反向区间偏最小二乘算法+SPA+PLS建立的预测模型最优,模型的校正集相关系数为0.923 4,预测集相关系数为0.878 8,模型能够准确预测哈密瓜可溶性固形物含量。     

基于近红外光谱的海藻糖浆组分快速定量检测

研究采用近红外光谱(near infrared spectroscopy,NIRS)快速检测单酶法生产海藻糖浆(海藻糖、麦芽糖及葡萄糖)组成的方法。取65个海藻糖浆作为样本,扫描得到近红外光谱图,分为48个样本校正集,17个样本预测集,计算分析结果表明:一阶微分(first derivative,1D)与S-G平滑(savitzky-golay filter)组合处理为最优预处理方法;运用TQ analyst建模软件中主成分回归(principal component regression,PCR)算法和偏最小二乘法(partial least squares,PLS)算法分别对海藻糖浆建模,发现采用偏最小二乘法(partial least squares,PLS)的海藻糖浆组分模型稳定性和预测能力更好;运用PLS、1D、S-G平滑组合预处理海藻糖浆组分模型,不仅降低光谱的背景噪声,同时还提高模型的稳定性。海藻糖浆各组分模型的交叉验证均方差(RMSEC)、交叉验证决定系数(Rc)、预测均方差(RMSEP)、预测决定系数(RP)依次为:海藻糖模型分别为0.188,0.995,0.089,0.989;麦芽糖模型分别为0.143,0.997,0.131,0.969;葡萄糖模型分别为0.147,0.997,0.094,0.999。NIRS检测快速、无损便捷,可用于检测单酶法生产海藻糖浆的组分。     

基于RPLS的造纸废水处理过程软测量建模

偏最小二乘(PLS)软测量预测模型在预测造纸废水处理过程中的出水化学需氧量(CODCr)和固体悬浮物(SS)时,易受过程非线性特性和系统外部干扰等因素的影响而失效。针对以上问题,研究了递归偏最小二乘(RPLS)算法的造纸废水处理过程软测量建模。计算结果表明,采用PLS模型预测出水CODCr时,平均绝对百分比误差(MAPE)、均方根误差(RMSE)和相关系数(R2)分别为5.3832%、4.6878和0.5892；采用RPLS模型预测时，MAPE、RMSE、R2分别为1.3861%、1.8792和0.9221。采用PLS模型预测SS时,MAPE、RMSE和R2分别为2.5962%、0.7412和0.6651；采用RPLS模型时MAPE、RMSE、R2分别为0.6795%、0.2198和0.9627。以上结果表明,RPLS预测模型比PLS预测模型具有更好的预测性能和更高的精度。     

郎枣轻微损伤可见/近红外光谱分波段动态判别研究

为了实现轻微损伤郎枣的快速无损检测,以完好和轻微损伤郎枣为研究对象,动态采集其可见/近红外光谱数据。依据光谱波段定义将采集的光谱数据分为可见光(Vis)、短波近红外(SW-NIR)、长波近红外(LW-NIR)、可见/短波近红外(Vis/SW-NIR)、近红外(NIR)和可见/近红外(Vis/NIR)等6个波段,分别选取各波段最佳预处理方法。采用连续投影法(SPA)和主成分分析法(PCA)分别对各波段光谱数据降维,以全波长、SPA提取的特征波长和PCA提取的主成分作为输入,分别建立偏最小二乘回归法(PLSR)和最小二乘支持向量机(LS-SVM)模型,通过比较预测集的判别准确率,确定最佳建模方法。结果表明,PLSR模型优于LS-SVM模型,SW-NIR波段较其余5个波段有更好的判别能力,所建SW-NIR-SNV-SPA-PLSR模型判别准确率为93.3%,为最佳模型。本实验为轻微损伤郎枣的快速无损检测和相关仪器的开发提供了理论基础。     

有限总体的广义压缩型预测

利用线性模糊的广义压缩最小二乘估计，提出了有限总体的广义压缩型预测。它是一个很大的预测类，包含了许多有偏预测，并且在预测均方误差意义下，得到了在参数的某个空间上，广义压缩型预测优于最佳线性无偏预测的充要条件。     

Front-face fluorescence spectroscopy combined with chemometrics to detect high proteinaceous matter in milk and whey ultrafiltration permeate

Proteinaceous matter can leak into the permeate stream during ultrafiltration (UF) of milk and whey and lead to financial losses. Although manufacturers can measure protein content in the finished permeate powders, there is currently no rapid monitoring tool during UF to identify protein leak. This study applied front-face fluorescence spectroscopy (FFFS) and chemometrics to identify the fluorophore of interest associated with the protein leak, develop predictive models to quantify true protein content, and classify the types of protein leak in permeate streams. Crude protein (CP), nonprotein nitrogen (NPN), true protein (TP), tryptone-equivalent peptide (TEP), α-lactalbumin (α-LA), and β-lactoglobulin (β-LG) contents were measured for 37 lots of whey permeate and 29 lots of milk permeate from commercial manufacturers. Whey permeate contained more TEP than did milk permeate, whereas milk permeate contained more α-LA and β-LG than did whey permeate. The types of protein leak were thus identified for predictive model development. Based on excitation-emission matrix (EEM) of high- and low-TP permeates, tryptophan excitation spectra were collected for predictive model development, measuring TP content in permeate. With external validation, a useful model for quality control purposes was developed, with a root mean square error of prediction of 0.22% (dry basis) and a residual prediction deviation of 2.8. Moreover, classification models were developed using partial least square discriminant analysis. These classification methods can detect high TP level, high TEP level, and presence of α-LA or β-LG with 83.3%, 84.8%, and 98.5% cross-validated accuracy, respectively. This method showed that FFFS and chemometrics can rapidly detect protein leaks and identify the types of protein leak in UF permeate. Implementation of this method in UF processing plants can reduce financial loss from protein leaks and maintain high-quality permeate production.     

Prediction of fatty acid composition using milk spectral data and its associations with various mid-infrared spectral regions in Michigan Holsteins

Fatty acid composition in milk is not only reflective of nutritional quality but also potentially predictive of other attributes (e. g. including the cow's energy balance and its relative output of methane emissions). Furthermore, a higher ratio of long-chain to short-chain fatty acids or mean carbon number has been associated with negative energy balance in dairy cows, whereas enhanced nutritional properties have been generally associated with higher levels of unsaturation. We set out to directly compare Bayesian regression strategies with partial least squares for the prediction of various milk fatty acids using Fourier-transform infrared spectrum data on 777 milk samples taken from 579 cows on 4 Michigan dairy herds between 5 and 90 d in milk. We also set out to identify those spectral regions that might be associated with fatty acids and whether carbon number or level of unsaturation might contribute to the strength of these associations. These associations were based on adaptively clustered windows of wavenumbers to mitigate the distorting effects of severe multicollinearity on marginal associations involving individual wavenumbers. In general, Bayesian regression methods, particularly the variable selection method BayesB, outperformed partial least squares regression for cross-validation prediction accuracy for both individual fatty acids and fatty acid groups. Strong signals for wavenumber associations using BayesB were well distributed throughout the mid-infrared spectrum, particularly between 910 and 3,998 cm⁻¹. Carbon number appeared to be linearly related to strength of wavenumber associations for 38 moderately to highly predicted fatty acids within the spectral regions of 2,286 to 2,376 and 2,984 to 3,100 cm⁻¹, whereas nonlinear associations were determined within 1,141 to 1,205; 1,570 to 1,630; and 1,727 to 1,768 cm⁻¹. However, no such associations were detected with level of unsaturation. Spectral regions where there were significant relationships between strength of association and carbon number may be useful targets for inferring the relative proportion of long-chain to short-chain fatty acids, and hence energy balance.     

霉变玉米中玉米赤霉烯酮和黄曲霉毒素B1含量电子鼻检测模型的构建

为建立霉变玉米中玉米赤霉烯酮和黄曲霉毒素B1的电子鼻检测方法,首先以电子鼻对7 级不同霉变程度玉米响应信号的积分值作为特征参量,然后分别利用主成分回归、偏最小二乘回归、BP（back-propagation）神经网络、最小二乘支持向量机等方法建立霉变玉米中玉米赤霉烯酮与黄曲霉毒素B1含量的预测模型,并进行了比较分析。结果表明,主成分回归预测精度最差,偏最小二乘回归较差、BP神经网络和最小二乘支持向量机法比较好。对于玉米赤霉烯酮,4 种预测模型70 个样本中相对误差控制在5%以内的样本数分别为23、45、63、67 个。对于黄曲霉毒素B1,4 种预测模型70 个样本中相对误差控制在5%以内的样本数分别为19、41、62、65 个。同时,变换不同的训练集和测试集以考察BP神经网络、最小二乘支持向量机建模方法的稳健性,结果表明,在BP神经网络结构和最小二乘支持向量机核函数与核函数参数均未发生改变的条件下,两种建模方法依然有较高的预测精度,这说明了两种模型具有较高的稳健性。     

广东花香型红茶与单丛茶挥发性成分比较分析

以不同茶树品种加工的红茶和单丛茶为试验材料,采用HS-SPME-GC-MS方法,比较分析同一茶树品种在不同年份、不同季节加工的红茶和单丛茶中挥发性成分差异,探明不同茶树品种红茶和单丛茶的特征性成分,为深入了解茶树品种特性和加工工艺对香气轮廓的影响提供借鉴。结果表明:萜醇是鸿雁12号(HY12)、大叶奇兰10号(QL10)、岭头单丛(LT)和乌叶单丛(WY)中最丰富的挥发性成分。萜醇和芳香醛是HY12和QL10的主体挥发性成分。萜烯、烃类、萜酮和脂肪酮是构成LT和WY的主体挥发性成分,吲哚可区分LT和WY香型。PLS-DA进一步证实,遗传背景相似且加工工艺相同的WY和LT香气轮廓略有差异;遗传背景不同但加工工艺相同的QL10和HY12香气轮廓不同。因此,相同的加工工艺其主体挥发性成分相同,但茶树品种的遗传背景决定茶叶香气轮廓。     

近红外光谱结合不同偏最小二乘法快速检测镇江香醋的浑浊度

利用近红外光谱(4000cm-1～10000cm-1)结合化学计量学方法快速检测了镇江香醋中的浑浊度。首先,用近红外光谱仪采集香醋样本的近红外光谱数据以及用离心法测定样本的浑浊度值;然后,采用间隔偏最小二乘法(iPLS)、反向区间偏最小二乘法(biPLS)、联合间隔偏最小二乘算法(siPLS)优选光谱特征区间;最后,采用全光谱(4000cm-1～10000cm-1)偏最小二乘法(PLS)对优选出来的区间建立香醋浑浊度近红外光谱模型。结果表明,采用siPLS将全光谱均匀划分30个子区间,选择4个子区间[4 10 18 27]联合时,建立的模型预测效果最佳,其RMSECV和RMSEP分别为0.173和0.208,校正集和预测集相关系数分别为0.9337和0.9004。因此,利用近红外光谱技术快速检测香醋中的浑浊度是可行的。     

迭代函数系自由变量的确定

利用最小二乘法建立了线性迭代函数系的竖直标度因子d的计算公式，以及非线性迭代函数系中关于y的非线性函数d(y)的系数d=(d1,d2,…,dn)^T的计算公式，从而使分形插值函数的确定更加客观。