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。     

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.     

AOTF-NIR快速检测再造烟叶涂布液主要化学指标

为了快速检测造纸法再造烟叶涂布液的化学品质,采用声光可调近红外光谱(AOTF-NIR)技术在模拟生产温度(70℃)下采集了89个再造烟叶涂布液样品的漫透射光谱,连续流动分析法测定了这些样品的烟碱、总糖、还原糖、氯离子及钾离子含量,采用偏最小二乘法(PLS)将样品的光谱数据与其烟碱、总糖、还原糖、氯离子及钾离子含量测定值拟合,建立了预测再造烟叶涂布液烟碱、总糖、还原糖、氯离子及钾离子含量的NIR模型,并用随机挑选的16个样品验证了这些模型的预测能力.结果表明,烟碱、总糖、还原糖、钾离子和氯离子模型预测的平均相对偏差分别为2.01％,1.71％,1.75％,1.83％和1.68％,RSD各为1.44％,0.95％,1.12％,0.91％,0.51％.结论,AOTF-NIR法可用于再造烟叶涂布液烟碱、总糖、还原糖、钾离子和氯离子含量的快速检测.     

支持向量回归算法在NIR光谱法预测烟草淀粉中的应用

为考察支持向量机回归(SVR)在烟草近红外光谱(NIRS)分析中应用的可行性,采用偏最小二乘回归(PLS)、多元线性回归(MLR)、误差反向传播人工神经网络(BP-ANN)和SVR对187份烟草样品的NIR漫反射光谱及其淀粉含量的化学测定数据进行处理,建立了烟草中淀粉含量NIRS定标模型,并采用留一法交叉验证(LOOCV)和独立样本集对模型进行了内部和外部验证.结果表明,SVR模型的预测能力比BP-ANN、PLS和MLR模型略好.因此,可将SVR引入到烟草淀粉含量的NIR分析中.     

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。     

最小二乘支持向量回归与偏最小二乘回归建立烟草总糖NIR预测模型比较

采用最小二乘支持向量回归(LSSVR)法和偏最小二乘回归(PLSR)法及192个烟叶样品的近红外(NIR)光谱与总糖含量的测定数据,分别建立了烟叶总糖含量的NIR预测模型,并利用这两种模型对95个烟叶样品进行了预测。结果表明:LSSVR法模型的预测误差范围为-3.08%~3.71%,预测回收率范围为90.0%~112.2%。LSSVR法模型的预测准确度比PLSR法的高。     

近红外光谱法快速测定烟草中的植物色素

为适应快速分析烟草中植物色素含量的需要,应用傅立叶变换近红外(FT-NIR)光谱法测定了77个具有代表性的烟草样品的光谱数据,利用偏最小二乘法,以样品的光谱数据和对应的化学测定值为基础,建立了预测烟草中叶黄素、β-胡萝卜索和其它类胡萝卜素含量的数学模型.结果表明:模型优化后,模型的相关系数(R)分别为0.9802、0.9962和0.9751.预测标准偏差(RMSEP)分别为0.00947、0.0607和0.0446.该方法简便、快速、不破坏样品,可用于大批量烟草样品中叶黄素、β-胡萝卜素和其它类胡萝卜素的快速测定.     

NIR光谱法测定烟草中棕榈酸、亚麻酸及亚油酸

为了快速检测烟草样品中的棕榈酸、亚麻酸及亚油酸含量,采用偏最小二乘法(PLS)将242个烤烟样品的近红外光谱(NIR)及其棕榈酸、亚麻酸、亚油酸含量GC测定值进行拟合,建立了校正模型,考察了光谱预处理方法和光谱谱区范围对模型的影响,并进行了内部交叉验证和模型精度检验及30个测试样品的外部验证。结果表明:①多元散射校正法和7502~5442.3,4427.9~4246.7 cm-1,一阶导数法和7502~5442.3,4601.5~4246.7 cm-1,矢量归一化法和8724.7~5438.5,4427.9~4246.7 cm-1谱区范围分别适合棕榈酸、亚麻酸、亚油酸模型;②3个模型的平均相对精度分别为98.41%,97.84%,98.84%;③3个模型的预测标准偏差均小于5%,且NIR预测值与GC测定值不存在显著性差异。NIR光谱法适合批量烟叶样品中棕榈酸、亚麻酸及亚油酸含量的快速分析。     

近红外透射法预测再造烟叶中的5种主要化学成分

为了解近红外(NIR)透射法预测再造烟叶中烟碱、总糖、还原糖、总氮和钾含量的可行性,以100个有代表性的再造烟叶样品作为模型校正集,15个样品为验证集,通过偏最小二乘法(PLS)建立了这5种成分的NIR透射模型,并对模型的预测效果和重复性进行评价.结果表明:①烟碱、总糖、还原糖、总氮和钾NIR透射模型的相关系数分别为0.9268、0.9575、0.9252、0.8024和0.9665;除烟碱外,总糖、还原糖和总氮模型平均相对预测偏差均低于5%,钾的模型平均绝对预测偏差低于0.20;5种化学成分模型的预测相对标准偏差都低于5%;②NIR透射模型的预测精确度比漫反射法略低.NIR透射法适合于批量再造烟叶样品中烟碱、总糖、还原糖、总氮和钾含量的快速分析.     

毛白杨材性的近红外光谱分析研究

用近红外光谱仪采集毛白杨杂交子代各样品的谱图,用偏最小二乘法和完全交互验证方式建立化学测量值的光谱验证模型,并用其对未知样品进行了预测.结果发现毛白杨冷水抽出物、1%NaOH抽出物、综纤维素、Klasson木素NIR验证模型确定系数分别为93%、94.6%、94.73%、81.87%,校正标准误差值分别为0.171、0.402、0.409、0.232,光谱残差分别为3.78、4.31、4.36、2.35.预测结果表明:近红外光谱分析技术可以用于毛白杨材性的快速分析测定.