傅里叶变换衰减全反射红外光谱测定米粉中硒代胱氨酸的硒含量

利用傅里叶变换衰减全反射红外光谱(ATR-FTIR)法测定米粉中硒代胱氨酸的硒含量,以期探寻一种快捷、绿色环保且准确的硒含量测定方法。采用添加法制备样本,衰减全反射中红外光谱仪采集红外光谱,TQ Analyst分析软件作偏最小二乘法建模并验证,选择1 600～650 cm~(-1)作为样品的红外光谱分析波段,用导数对原始红外光谱处理,结果表明二阶导数处理后的模型,噪音小、失真少且预测效果更好,模型的决定系数(R■)都大于0.995、因子数为5～8、校正均方差(RMSEC)为1.17～2.68,验证均方差(RMSEP)为4.053 0～6.234 6验证集预测值相对偏差在20%以内的占87.95%,含量在18μg/100 g以上更是占了96.75%,含量在50μg/100 g(不含)以上的样品93.33%偏差在10%以内,预测效果较准确。     

衰减全反射红外光谱测定番茄酱中番茄红素

利用衰减全反射红外光谱法测定番茄酱中番茄红素,选择1 700~950?cm-1作为样品的红外光谱分析波段,用二阶导数对原始红外光谱降噪后,进行偏最小二乘法回归分析,建立了回归方程,模型决定系数R2为0.970。经验证,其相对预测均方根误差为3.78,预测值与真实值的线性拟合决定系数为0.959 8,能较准确测定番茄酱中番茄红素含量。     

利用近红外光谱分析技术快速测定高良姜中水分含量

结合化学计量学技术构建高良姜中水分含量NIRS分析模型,可应用于高良姜中水分含量的快速测定。方法:用减压干燥法测定106批样品中水分的含量,采集并用多元散射校正法、二阶导数法、Savitzky-Golay卷积平滑法预处理近红外光谱,结合偏最小二乘法建立高良姜药材中水分含量的定量模型,对所建模型进行了内部交叉验证和23批验证集样品的外部预测验证,并对模型进行了重复性考察。结果:所建立的高良姜药材中水分含量的近红外光谱定量分析模型,内部交叉验证决定系数达到0.9864,校正均方差为0.134,预测均方差为0.145,内部交叉验证均方差为0.311,交叉检验和外部检验RPD均大于3。结论:该模型稳定,准确可靠,可应用于高良姜中水分含量的测定。     

衰减全反射中红外光谱测定马铃薯中可溶性蛋白含量

傅里叶变换衰减全反射红外光谱法是一种快速无损绿色的分析技术,结合化学计量学和数学建模可对混合物进行定性、定量分析。本研究利用衰减全反射中红外光谱建立测定马铃薯中可溶性蛋白含量的方法,以满足选育高蛋白质含量马铃薯的快速测定,提高快速鉴定育种品系品质的目的。采用平滑降噪和导数基线矫正的方法预处理数据,选择1 700～600 cm~(-1)波段作特征光谱,提取主成分并逐步回归建模。结果表明7点平滑后一阶导数处理数据,能较准确地测定马铃薯中可溶性蛋白的含量,对于验证集的预测,其中70. 37%预测值偏差小于20%,对于鲜重蛋白质含量在5 mg/g以上的14个样品的预测,高达92. 86%预测值偏差小于20%,说明能准确快速鉴定高蛋白品系。     

偏最小二乘-判别分析模型影响因素初步研究

目的研究偏最小二乘-判别分析模型的影响因素。方法以小麦为例,采用人工加速老化结合近、中红外光谱技术采集陈化、非陈化小麦粉的近、中红外光谱,分别针对小麦粉衰减全反射中红外数据、衰减全反射中红外一阶导数数据、近红外一阶导数数据以及小麦颗粒近红外一阶导数数据建立偏最小二乘-判别分析模型,分别获取模型参数及第1、2主成分得分分布情况。结果小麦粉近红外一阶导数建模的第1、2主成分得分散点图具有明显的两类样本分布。外部验证数据表明,小麦粉近红外一阶导数所建模型具有更好的稳健性。结论样品的物理形态、数据预处理以及红外光谱波段皆会对偏最小二乘-判别分析模型结果产生影响;同时,红外光谱偏最小二乘-判别分析模型的评价需要从正确识别率、模型的校正测定系数、交互验证测定系数、校正均方根误差、交互验证均方根误差以及模型主要成分得分分布等多种情况综合考虑。     

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。     

中红外光谱模型用于烤肉中苯并[a]芘的快速检测和评估

目的：实现烤肉制品中苯并[a]芘含量的快速检测。方法：提出一种基于中红外光谱模型的苯并[a]芘含量检测方法，利用中红外光谱采集了120个烤肉样品的原始光谱，采用标准正态变量转换法、多元散射校正、一阶导数、二阶导数对原始光谱进行预处理，并通过主成分分析评价了光谱的预处理效果，以8∶2的比例将原始光谱数据分为训练集和验证集建立了烤肉制品评价模型。结果：基于中红外光谱数据建立的模型的训练集决定系数、验证集决定系数、训练集均方根误差以及验证集均方根误差分别为0.995 1、0.995 7、0.164 4 μg/kg和0.116 3 μg/kg，训练集样本经过建模后，其残差较小，最大值为0.406，总残差和趋于零。结论：该模型的预测能力强，准确度高，能够较好反映实际的烤肉中苯并[a]芘的含量，可以实现烤肉制品的无损快速检测，在烤肉制品行业中有实际应用价值。     

近红外光谱技术快速检测腊肉酸价和过氧化值

探讨应用傅里叶近红外光谱技术快速定量检测腊肉酸价和过氧化值的方法。腊肉样品经粉碎、混匀后在AntarisⅡ傅里叶近红外光谱分析仪上扫描,获得其近红外光谱与国标法测定的酸价和过氧化值含量数据进行关联,用傅里叶变换近红外光谱技术结合偏最小二乘法建立近红外光谱与腊肉酸价和过氧化值含量的数学模型并进行预测。结果表明：酸价模型中,校正决定系数和交叉验证决定系数分别是0.99582和0.98687,校正均方差和交叉验证均方差分别是0.1370和0.1900;过氧化值模型中,校正决定系数和交叉验证决定系数分别是0.99999和0.99926,校正均方差和交叉验证均方差分别是0.756×10-4和0.684×10-3。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,傅里叶近红外光谱技术快速定量检测腊肉酸价和过氧化值是可行的。     

基于负二阶导数红外光谱的反式脂肪酸的快速测定

建立了基于负二阶导数红外光谱的反式脂肪酸的快速测定方法。以三反油酸甘油酯和三油酸甘油酯混合标样系列为校正集,使用带有水平衰减全反射(HATR)附件的傅里叶变换红外光谱仪采集校正集样品在1 050～900 cm-1波段范围的吸收光谱,求二阶导数,乘以-10 000,得负二阶导数谱(-2D-HATR-FTIR)。以970～960 cm-1波段范围的最大峰高为X轴,以三反油酸甘油酯含量为Y轴,构建定标方程为Y=0.348 8X-0.918 5,相关系数0.999 5。在0.5%～60%范围,验证集样品反式脂肪酸含量预测值与实际指定值显著相关,验证相关系数0.999 0,相对残差的绝对值小于10%,表明方法定标模型预测性能良好。方法检测下限达0.5%,改善了现有红外光谱法的灵敏度,适用于较低含量反式脂肪酸的快速测定。     

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。     

近红外光谱技术在南极磷虾粉水分、脂肪和蛋白质含量快速检测中的应用

利用傅里叶近红外光谱分析技术,以磷虾粉样品的实测值与模型预测值为基础,研究了采用最小二乘法建立磷虾粉原始样品与磷虾粉混合样品中水分、脂肪和蛋白含量近红外定标模型的可行性和准确性。结果表明,磷虾粉近红外图谱最佳预处理方式为:标准正态变换预处理+一阶导数+Norris导数滤波;以磷虾粉混合样品构建的近红外模型较磷虾粉原始样品构建的模型在交互验证均方根误差、外部验证残差均方根（root mean square error of external prediction, RMSEP）(root mean square error of external prediction, RMSEP)和外部验证用样品真实值的标准差与RMSEP的比值(the ratio of the RMSEP to standard deviation of reference data in the prediction, RPD_EV)等参数有所提升;经预处理后,定标模型的建模相关系数、交互验证相关系数和外部验证相关系数(correlation coefficient in external va...     

磨盘柿褐变指标的可见/近红外漫反射无损预测研究

为了建立可见/近红外漫反射光谱与磨盘柿果皮和果肉褐变之间的关系,作者在全光谱区域(570～1 848 nm)对比分析了不同处理方法对磨盘柿果皮颜色b*和果肉浊度定标模型的影响。结果表明,应用MPLS、原始光谱和无散射处理建立果皮颜色b*的定标模型预测性能较好,Rp2为0.968,RMSEP为1.417 7,RPD为7.92。应用PLS、一阶导处理和无散射处理建立磨盘柿果肉浊度的定标模型预测性能较好,Rp2为0.757,RMSEP为0.107 9,RPD为2.22。因此,可见/近红外漫反射技术对磨盘柿果皮颜色b*和果肉浊度的快速无损检测具有可行性。     

Glucose Adulteration in Saudi Honey with Visible and Near Infrared Spectroscopy

This article reports on the implementation of visible and near infrared spectroscopy for the detection of glucose concentration in a mixture of Saudi and imported honey samples adulterated by glucose syrup of five concentrations: 0, 5, 12, 19, and 33 g/100 g. Honey samples were scanned in trans-reflectance mode with an AgroSpec mobile, fibre type, visible and near infrared spectrophotometer (tec5 Technology for Spectroscopy, Germany), with a measurement range of 305–2200 nm. The entire data set of 345 spectra was randomly divided into calibration (70%) and prediction (30%) sets. The first group was subjected to a partial least squares regression analysis with a leave-one-out cross-validation to establish a calibration model for the prediction of glucose concentration, whereas the second group was used to validate the partial least squares model. For the cross-validation, the values for root mean square error of prediction, coefficient of determination, and ratio of prediction deviation, which is the standard deviation divided by root mean square error of prediction were 4.52 g/100 g, 0.85, and 2.53, respectively. A slightly lower range of accuracy was obtained in the prediction set, with root mean square error of prediction, coefficient of determination, and ratio of prediction deviation values of 5.56 g/100 g, 0.78 and 2.06, respectively. The results achieved suggest that the visible and near infrared spectroscopy is a powerful technique for the quantification of glucose adulteration in Saudi honey.     

基于MCCV奇异样本筛选和CARS变量选择的蜂蜜pH值和酸度的近红外光谱检测

采用Norris平滑加一阶微分数据预处理,蒙特卡洛交互验证(MCCV)的奇异样本筛选和CARS(competitive adaptive reweighted sampling)变量选择法,用Kennard-Stone(KS)法划分训练集和预测集,偏最小二乘(PLS)回归近红外光谱建模,对蜂蜜pH值和酸度进行定量分析。pH值和酸度校正模型的交互验证决定系数(Rcv2)、交互验证均方差(RMSECV)、预测集决定系数(Rp2)、预测均方差(RMSEP)分别为0.8516和0.8723、0.1214和2.1734、0.8205和0.8250、0.1196和2.4674。结果表明,该方法适于蜂蜜pH值的测定,而不宜用于测定蜂蜜酸度。     

Non-destructive evaluation of maturity and quality parameters of pomegranate fruit by visible/near infrared spectroscopy

In this study, the potential of visible and near infrared spectroscopy was investigated to classify the maturity stage and to predict the quality attributes of pomegranate variety “Ashraf” such as total soluble solids content, pH, and titratable acidity during four distinct maturity stages between 88 and 143 days after full bloom. Principal component analysis was used to distinguish among different maturities. The prediction models of internal quality attributes of the pomegranate were developed by partial least squares regression. The transmission spectra of pomegranate were obtained in the wavelength range from 400 to 1100 nm. In this research several preprocessing methods were utilized including centering, smoothing (Savitzky–Golay algorithm, median filter), normalization (multiplicative scatter correction and standard normal variate) and differentiation (first derivative and second derivative). It concluded that different preprocessing techniques had effects on the classification performance of the model using the principal component analysis method. In general, standard normal variate and multiplicative scatter correction gave better results than the other pretreatments. The correlation coefficients (r), root mean square error of calibration and ratio performance deviation for the calibration models were calculated: r = 0.93, root mean square error of calibration = 0.22 °Brix and ratio performance deviation = 6.4 °Brix for total soluble solids; r = 0.84, root mean square error of calibration = 0.064 and ratio performance deviation = 4.95 for pH; r = 0.94, root mean square error of calibration = 0.25 and ratio performance deviation = 5.35 for titratable acidity.     

近红外光谱法检测婴幼儿营养米粉蛋白质含量

以160个婴幼儿营养米粉为样品,应用近红外光谱技术和偏最小二乘法建立了婴幼儿营养米粉中蛋白质含量的近红外模型。比较了2、3、4、5、6、7、8 mm不同装样厚度(即光程)下样品近红外光谱的稳定性,通过样品光谱在不同波数下的标准差选定了5 mm为最佳的装样厚度;比较了变量标准化、导数、多元散射校正和9点平滑预处理方法对模型建立的影响,根据模型的相关系数和均方根误差确定了最佳的预处理方法,为变量标准化、一阶导数和9点平滑,预处理后的光谱数据结合国标方法测定的蛋白质含量建立了婴幼儿营养米粉中蛋白质含量的近红外定量分析模型,定标集和验证集相关系数分别为0.9856、0.9841,均方根误差分别为0.2431%、0.2456%,对已建立的近红外光谱定量分析模型进行了外部样品验证,预测准确度达到96%,验证结果证明了近红外检测技术与国标方法一致性较好,速度快且不需要样品前处理,在婴幼儿营养米粉蛋白质含量分析中具有广泛的应用价值。     

基于近红外光谱仪分析中式爆炒猪肉的水分含量

应用傅里叶变换近红外光谱技术建立中式传统爆炒猪肉片水分含量预测模型,达到快速无损检测的目的。通过直接干燥法测定100 组爆炒猪肉片样品的水分含量,并扫描得到其近红外光谱图。采用偏最小二乘法并通过二阶微分结合卷积平滑算法对光谱进行预处理,通过拐点法、马氏距离法、杠杆值、学生残差法与内部交互验证均方根法进一步剔除异常样本,优化光谱模型。结果表明：所构建的中式爆炒肉片水分含量近红外光谱预测模型的校正均方差值为0.089 1,相关系数为0.972 1;且将预测值与真实值进行比较发现,预测结果正确率大于98.7%（P＜0.05）,表明本研究建立的用于检测中式爆炒肉片水分含量的近红外光谱预测模型效果良好,能够快速检测并准确预测中式爆炒肉片的水分含量,具有一定的应用价值。     

短波近红外光谱-偏最小二乘法测定白酒中乙醇含量

应用近红外光谱技术结合偏最小二乘法(NIRS-PLS)建立白酒中乙醇含量定量分析数学模型。所建校正模型相关系数(Corr.Coeff.)达到0.99986,校正集均方根误差(RMSEC)为0.00225,预测均方根误差(RMSEP)为0.00137,模型通过交互验证检验,得出PLS因子数为4时预测残差平方和(PRESS)和交互验证均方根误差(RMSECV)最小。用所建模型测定样品与气相色谱分析结果相对误差不大于0.81%。实验结果表明该方法准确性、稳定性好、精密度高。     

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。     

基于近红外光谱技术快速检测小龙虾中的生物胺

目的 建立近红外光谱法快速检测小龙虾中总生物胺含量的方法。方法 利用近红外光谱仪采集154个不同新鲜程度小龙虾样品的近红外光谱, 使用高效液相色谱技术检测对应样品总生物胺含量; 使用KS(Kennard-Stone)算法将103个样品作为训练集, 51个样品作为预测集。采用多元散射校正(multiplicative scatter correction, MSC)、标准正态变换(standard normal variate, SNV)、小波变换(wavelet transform, WT)和1阶导数(1st)分别对样品的光谱进行处理, 利用训练集样品的光谱和生物浓度建立偏最小二乘回归(partial least squares regression, PLSR)模型, 使用竞争性自适应重加权算法(competitive adaptive reweighted sampling, CARS)进一步选择波长, 对模型进行优化。结果 经过小波变换处理之后的光谱所建立的PLSR模型具有较好的预测结果, CARS方法可以进一步提高模型的预测和解释能力, 预测集生物胺的预测均方根误差(root mean square error of prediction, RMSEP)值和决定系数(r2)分别可达55.74和0.92。结论 基于近红外光谱分析技术快速检测小龙虾总生物胺含量是可行的, 优化后的PLSR模型可以用于评价小龙虾总生物胺含量。