近红外与表面增强拉曼光谱融合技术快速检测花生油中黄曲霉毒素B1

目的 在近红外光谱(near infrared spectroscopy, NIR)与表面增强拉曼光谱(surface-enhanced Raman spectroscopy, SERS)特征层数据融合的基础上构建偏最小二乘回归模型(partial least squares regression, PLSR)实现花生油中黄曲霉毒素B1 (aflatoxin B1, AFB1)含量的快速检测。方法 首先，分别采集待测样本的NIR与SERS光谱。其次，将采集的NIR与SERS光谱分别进行光谱预处理。然后，采用基于希尔伯特-施密特独立准则的变量空间迭代优化算法(Hilbert-Schmidt independence criterion based variable space iterative optimization, HSIC-VSIO)分别筛选NIR与SERS光谱的特征变量。最后，将筛选的特征变量进行融合并构建PLSR模型用于定量检测花生油中AFB1含量。结果 与NIR光谱数据、SERS光谱数据以及NIR与SERS光谱直接融合数据构建的PLSR模型相比，NIR与SERS光谱特征层融合数据构建的PLSR模型具有最佳的预测性能：校正集均方根误差(root mean squared error of calibration set, RMSEC)为0.1569，校正集决定系数(coefficient of determination of calibration set, )为0.9908，预测集均方根误差(root mean squared error of prediction set, RMSEP)为0.1827，预测集决定系数(coefficient of determination of prediction set, )为0.9854，性能偏差比(ratio of performance to deviation, RPD)为8.2761。将本方法与标准方法分别检测真实含有AFB1的花生油样本，结果表明两者的检测性能无显著性差异(P=0.84>0.05)。结论 本方法可实现花生油中AFB1含量的快速、高精度定量检测，也验证了NIR与SERS光谱融合的可行性与有效性。     

基于中红外光谱法检测煎炸油极性组分

目的 利用中红外光谱技术实现对煎炸油极性组分的快速检测。方法 根据光谱-理化值共生距离分类法对煎炸油中红外光谱数据进行样本划分,从而得到校正集和预测集。采用卷积(Savitzy-Golay,S-G)平滑+一阶导数预处理手段,利用竞争自适应重加权算法(competitive adaptive reweighted sampling, CARS)进行特征提取,建立煎炸油极性组分含量的偏最小二乘回归(partial least squares regression, PLSR)预测模型,并利用BP神经网络算法对模型进行优化。结果 BP神经网络算法建立的模型校正集决定系数为0.9032,校正集均方根误差(root means quare error of calibration,RMSEC)为0.1264,预测集决定系数为0.8569,预测集均方根误差(root mean square error of prediction, RMSEP)为0.0625。经BP神经网络算法优化后,均方根误差明显减小,提高了预测模型的准确性。结论 结合BP神经网络算法的中红外光谱技术是一种检测煎炸油极性组分的有...     

浦城薏米粉水分和还原糖的近红外光谱快速检测模型优化

目的 建立浦城薏米粉水分和还原糖的近红外光谱快速检测模型。方法 采集浦城薏米粉样品的近红外光谱图, 使用6种不同方法对样品的原始光谱分别进行预处理, 在全波段10000~4000 cm?1范围内建立薏米粉偏最小二乘法(partial least squares, PLS)的定量分析模型。结果 浦城薏米粉原始光谱在标准正态变换(standard normal variate, SNV)预处理后确定水分含量最佳模型的光谱波段(5944~5590 cm?1), 主因子数为7, 校正决定系数(determination coefficient of calibration, Rc2)为0.9904, 均方根误差(root mean square error, RMSEC)为0.0631; 在二阶导数法(second derivative, SD)预处理后确定还原糖含量最佳模型的光谱波段(9845~7386 cm?1), 主因子数为6, Rc2为0.9998, RMSEC为0.0187。在上述条件下, 水分和还原糖含量的验证集相关系数(determination coefficient of prediction, Rp2)分别为0.9902和0.9989, 验证均方根(root mean square of prediction error, RMSEP)分别为0.0693和0.0698。结论 经验证, 该模型可以实现浦城薏米粉中水分和还原糖含量的快速无损检测。     

基于近红外光谱技术快速测定甘薯多糖含量

摘 要：目的 建立一种基于近红外光谱技术快速测定甘薯多糖的方法。方法 通过采集来自不同地区的74个甘薯及甘薯干的近红外光谱图,对异常样本进行剔除与回收后随机选择其中56种作为校正集,11种作为验证集。通过一阶导数、二阶导数、多元散射校正（multiplicative signal correction,MSC）、标准正态变量变换（standard normal variate,SNV）等组合预处理方式对原始光谱进行处理,比较多元线性回归（stepwise multiple linear regression,SMLR）、主成分回归（principal component regression,PCR）和偏最小二乘法（partial least squares,PLS）三种方法建立的模型结果,进一步选择波段确定最佳甘薯多糖含量测定方法。结果 PLS建立的模型整体精确度和稳定性最佳,最优模型的预处理方式为一阶导数处理,该模型的最佳波段为全波段范围,校正集均方根误差（root mean square error of calibration set,RMSEC）为相关系数0.496,校正集相关系数（calibration set correlation coefficient,RC2）为0.9683,验证集均方根误差（root mean square error of prediction set,RMSEP）为0.430,验证集相关系数（prediction set coefficient of determination,RP2）为0.9440,主成分数为8。结论 通过近红外光谱技术结合偏最小二乘法建立甘薯多糖模型可作为甘薯多糖快速测定的可行性方法。     

近红外光谱技术快速检测甜叶菊中绿原酸含量

为实现甜叶菊中绿原酸含量的快速检测，该研究利用近红外光谱技术结合偏最小二乘法对甜叶菊绿原酸含量的光谱数据进行了近红外模型分析。结果表明，采用多元散射校正(multiplicative scatter correction, MSC)+Savitzky-Golay卷积平滑预处理算法和无信息变量消除法(uniformative variable elimination, UVE)特征波长选择算法，绿原酸含量近红外模型的性能最好。该模型的交互验证相关系数(correlation coefficient in cross validation,R_CV)和交互验证残差均方根(root mean square error of cross validation, RMSECV)分别为0.945 3和0.263 1;验证集相关系数(correlation coefficient in validation,R_P)和验证集残差均方根(root mean square error of prediction, RMSEP)分别为0.952 1和0.247 2。...     

光谱预处理结合模拟退火算法的小麦粉面筋含量检测

为得到可靠的小麦粉中面筋含量定量分析模型,基于光谱预处理及模拟退火算法（simulated annealing algorithm,SAA）对近红外光谱（near infrared spectroscopy,NIR）进行优化处理。偏最小二乘（partial least squares,PLS）回归用于建立预测模型,以决定系数R2、校正均方根误差（root mean square error of calibration,RMSEC）、预测均方根误差（root mean square error of prediction,RMSEP）为指标,对比在不同光谱预处理条件下建立的回归模型与光谱预处理结合模拟退火算法优化处理条件下的回归模型。结果表明光谱预处理结合SAA-PLS模型能够有效提高模型的稳定性和预测能力,将R2从0.763?7提高到0.949?1、RMSEC从1.371?2降低到0.589?8、RMSEP从1.450?2降低到0.534?1。结果说明,光谱预处理结合模拟退火算法对光谱进行优化处理是可行的,模型预测能力和稳定性均优于未处理模型和仅进行光谱预处理的模型。     

基于高光谱成像技术的鸡肉菌落总数快速无损检测

以市售新鲜冷藏(4℃)鸡胸肉为研究对象,采集鸡胸肉表面的高光谱(400~1 100 nm)图像信息,采用偏最小二乘回归(partial least square regression,PLSR)建立菌落总数预测模型,采用不同预处理方法提高模型的预测准确性和稳健性,实现快速无损检测生鲜鸡胸菌落总数的目的。结果表明:标准变量变换(standard normalized variate,SNV)预处理后,模型性能最佳。模型的校正标准差(standard error of calibration,s_(EC))和验证标准差(standard error of prediction,s_(EP))分别为0.40和0.57,s_(EP)/s_(EC)为1.08,校正集相关系数(correlation coefficient of prediction,R_C)和验证集相关系数(correlation coeffic ient of prediction,R_P)分别为0.93和0.86;且应用最佳模型可有效预测样品菌落总数的分布地图。     

基于光谱预处理结合遗传算法优化波长的面粉水分快速检测

正基于光谱预处理及遗传算法(genetic algorithm,GA)法优化波长,再结合偏最小二乘(partial least squares,PLS)法建立面粉中水分的定量分析模型,对比在不同预处理方法下相关系数R2、校正标准差(root mean square error of calibration,RMSEC)、预测标准偏差(root meansquare error of prediction,RMSEP)3个指标,随机选择130份样本建立预处理+GA+PLS定量分析模     

高光谱成像技术结合线性回归算法快速预测鸡肉掺假牛肉

采用近红外高光谱成像技术(900~1700 nm)结合线性回归算法对牛肉掺假快速无损检测。将鸡肉糜掺入牛肉糜中制备牛肉掺假样品,掺假比例为2%~98%(w/w),掺假间隔为2%。采集掺假样品的光谱图像,提取光谱数据,并利用偏最小二乘回归(Partial least squares regression,PLSR)和多元线性回归(Multiple linear regression,MLR)算法建立掺假样品的定量预测模型。为了减少高维共线性问题,提高模型运算效率,分别采用PLS-β系数法、逐步回归法(Stepwise)和连续投影算法(Successive projection algorithm,SPA)筛选最优波长建立优化预测模型。结果表明,基于SPA算法结合MLR建模方法得到的掺假牛肉预测模型,其预测效果最优,校正集决定系数(R_C2)和均方根误差(Root mean square error of calibration,RMSEC)分别为0.99和3.23%,验证集的决定系数(R_P2)和均方根误差(Root mean square error of prediction)RMSEP分别为0.97和5.31%,预测偏差(Residual predictive deviation,RPD)为6.82。综上,近红外高光谱成像技术结合线性回归算法可以实现对掺假牛肉的快速无损定量检测。     

小种红茶水浸出物近红外定量分析模型的建立

为实现近红外光谱技术在小种红茶中的快速无损检测,对76份有代表性的小种红茶按现行国家标准测定其水浸出物含量,采集样品的近红外光谱,采用OPUS 7.5软件,结合偏最小二乘法(partial least squares,PLS)建立小种红茶水浸出物含量的近红外定量分析模型。结果表明,所建立的水浸出物定量模型决定系数R2为95.73%,校正均方差(root mean square error of calibration,RMSEC)为0.629,验证均方差(root mean square error of prediction,RMSEP)为0.513。所建立的小种红茶水浸出物含量的近红外定量分析模型较为成功,模型预测效果较好,能够对小种红茶中水浸出物的含量进行快速地分析。     

Monitoring the ripening attributes of Turkish white cheese using miniaturized vibrational spectrometers

Monitoring the ripening process by prevalent analytic methods is laborious, expensive, and time consuming. Our objective was to develop a rapid and simple method based on vibrational spectroscopic techniques to understand the biochemical changes occurring during the ripening process of Turkish white cheese and to generate predictive algorithms for the determination of the content of key cheese quality and ripening indicator compounds. Turkish white cheese samples were produced in a pilot plant scale and ripened for 100 d, and samples were analyzed at 20 d intervals during storage. The collected spectra (Fourier-transform infrared, Raman, and near-infrared) correlated with major composition characteristics (fat, protein, and moisture) and primary products of the ripening process and analyzed by pattern recognition to generate prediction (partial least squares regression) and classification (soft independent analysis of class analogy) models. The soft independent analysis of class analogy models classified cheese samples based on the unique biochemical changes taking place during the ripening process. partial least squares regression models showed good correlation (R_Pre = 0.87 to 0.98) between the predicted values by vibrational spectroscopy and the reference values, giving low standard errors of prediction (0.01 to 0.57). Portable and handheld vibrational spectroscopy units can be used as a rapid, simple, and in situ technique for monitoring the quality of cheese during aging and provide real-time tools for addressing deviations in manufacturing.     

MEALINESS DETECTION IN APPLES USING TIME RESOLVED REFLECTANCE SPECTROSCOPY

Mealiness is a textural attribute related to internal fruit disorder that is characterized by the combination of abnormal softness of the fruit and absence of free juiciness in the mouth when eaten by the consumer. Time‐resolved laser reflectance spectroscopy was used as a tool to determine mealiness. This new technique in agrofood research may provide physical and chemical information independently and simultaneously, which is relevant to characterize mealiness. Using visible and near infrared lasers as light sources, time‐resolved laser reflectance spectroscopy was applied to Golden Delicious and Cox apples (n = 90), to characterize batches of untreated samples and samples that were stored under conditions that promote the development of mealiness (20C & 95% RH). The collected database was clustered into different groups according to their instrumental test values. The optical coefficients were used as explanatory variables to build discriminant functions for mealiness. The performance of the classification models created ranged from 47 to 100% of correctly identified mealy versus nonmealy apples.     

多种光谱技术在食用油分析鉴别中的研究进展

随着快检技术的发展与普及,化学计量学分析工具与光谱技术相结合的策略逐步在食品的掺假鉴别和产地溯源等领域发挥独特的优势,成为品质鉴别及掺伪检测的重要发展方向,具有重要的研究意义和广阔的应用前景。该文综述红外光谱、拉曼光谱、核磁共振波谱、太赫兹时域等光谱技术的基本原理及其与化学计量学分析工具相结合在食用油脂品种鉴定、掺假分析、理化指标等方面的应用及研究进展,为食品快检技术研究提供参考和借鉴。     

超声预处理对麦胚蛋白结构的影响

采用超声波对麦胚蛋白进行不同时间的预处理,并利用荧光、拉曼光谱分析溶液中蛋白的结构,红外光谱分析冻干后蛋白结构。结果显示,超声预处理会影响酶解法制备降血糖肽的活性,30min时活性最高。荧光光谱分析提示超声预处理能够引起麦胚蛋白中色氨酸残基由疏水区向亲水区转移,但蛋白结构未发生重大破坏。拉曼光谱分析超声预处理30min时对蛋白结构的影响最大,β-折叠含量降低最多。红外光谱分析显示蛋白结构随时间变化,在35 min时变化最大,α-螺旋含量显著降低,无规则卷曲含量显著升高。拉曼和红外光谱提供的信息比荧光丰富,拉曼光谱能够提供更准确的水溶液酶催化体系中的底物结构,对于蛋白的酶解反应更有指导意义。     

Evaluation of freshness decay of minced beef stored in high-oxygen modified atmosphere packaged at different temperatures using NIR and MIR spectroscopy

Meat freshness has been monitored by various microbiological, chemical and sensorial indices. However, these methods are slow and not suited to automation. Infrared spectroscopy is one of the most convenient analytical tools which could be used to monitor the evolution of food quality. The aim of this work was to investigate the ability of both NIR (Near Infrared) and MIR (Mid Infrared) spectroscopy to follow meat freshness decay. The minced beef was packaged in high-oxygen modified atmosphere (30% CO₂ and 70% O₂) and stored at three temperatures. Spectra were collected by Fourier-Transformation (FT)-NIR and FT-IR instruments. PCA, applied to the data, was able to discriminate samples on the basis of storage time and temperature. The modelling of PC scores versus time allowed the setting of the time of initial freshness decay for the samples (6–7 days at 4.3 °C, 2–3 days at 8.1 °C and less than 1 day at 15.5 °C).     

不同年份陈酿湘西原香醋的光谱特性

通过分析湘西原香醋的紫外光谱、红外光谱和荧光光谱,探讨不同陈酿年份原香醋的光谱特性。结果表明:原香醋的紫外光谱主要在200～400nm间近紫外区存在特征吸收,随陈酿时间延长,紫外吸收增强、光谱曲线上移。不同年份陈酿湘西原香醋的红外光谱—OH对称伸缩振动峰υ(OH)随陈酿时间延长发生不规则变化,在2351cm-1处变化较明显。随陈酿年份延长,原香醋荧光光谱变化较大,总体荧光强度呈下降趋势,陈酿3年后总体荧光强度急剧降低,发射峰由3个减少至2个。陈酿期间原香醋发生的理化变化导致光谱特性改变,光谱分析法可为原香醋陈酿时间的鉴别提供可选方法。     

基于多重光谱技术的木糖醇与牛乳酪蛋白相互作用及对酪蛋白结构的影响

综合利用荧光光谱法、傅里叶变换红外光谱法和圆二色谱法等多种先进光谱技术研究木糖醇与牛乳酪蛋白的相互作用以及对牛乳酪蛋白二级结构及功能性质的影响。荧光光谱表明,木糖醇对牛乳酪蛋白具有较强的荧光猝灭效应,猝灭机理属于静态猝灭,生成了新的复合物,二者在300、310 K和320 K时相互作用的结合常数分别为5.326×106、2.600×106 L/mol和2.160×106 L/mol,对应的结合位点数分别为1.513、1.452和1.422,主要作用力为静电引力,可能会有疏水作用力,结合距离为3.564 nm;同步荧光光谱和三维荧光光谱的结果表明,二者的相互作用位点更接近于色氨酸,其周围微环境的疏水性增强,使酪蛋白的分子构象发生改变;傅里叶变换红外光谱和圆二色谱的结果表明,木糖醇改变了牛乳酪蛋白的二级结构,使其α-螺旋结构相对含量增加,无规卷曲结构相对含量减少,结构变得更加紧密;结构的变化导致酪蛋白的乳化活性降低,乳化稳定性升高,表面疏水性降低。研究结果为功能性乳基料的开发提供了理论依据。     

食用植物油掺假鉴别方法研究进展

阐述了食用植物油掺伪的现状,综述了理化方法、色谱法、核磁共振波谱法、红外光谱法、拉曼光谱法的检测原理,以及在食用植物油掺假鉴别中的研究进展.着重介绍了应用最广泛的色谱法,它主要通过对脂肪酸、甾醇、生育酚等物质的测定来进行掺伪鉴别.同时,对核磁共振波谱法、红外光谱法、拉曼光谱法在油脂掺伪检测中的初步应用进行了归纳.对掺伪检测技术的研究方向进行了展望.     

温度外扰的二维相关荧光谱鉴别4种食用植物油的研究

采用F97S荧光分光光度计结合温度扰动下的二维相关荧光光谱技术,对芝麻油、棕榈油、菜籽油和油茶籽油,进行了快速无损的识别方法的研究,并以市售4种植物油样品进行验证试验。结果表明,4种食用植物油样加热后的一维荧光发射光谱谱图在出峰数目、位置以及峰强度上都略有差别,而结合二维相关荧光光谱对其进行进一步的研究时,其谱图在自动峰和交叉峰的出峰数目、位置以及交叉峰正负情况上区别更为清晰直观。表明以温度为外扰,二维相关荧光光谱能够对食用植物油进行有效区分。