蒸煮过程纸浆卡伯值近红外光谱法在线测定

利用近红外光谱法测量蒸煮过程黑液中木素含量的变化，从而在线测定出纸浆卡伯值。通过一元线性回归、多元线性回归和主成分回归分析显示：3种测量模型均具有较好的学习和预测精度，其中主成分回归模型具有较高的预测鲁棒性。     

纸浆卡伯值测定方法的研究进展

传统化学法测定卡伯值步骤复杂、时间长、误差较大,很多研究者都在探索新的测定方法。本文介绍和评价了近年来出现的几种直接和间接的纸浆卡伯值分析法,重点介绍了新开发的卡伯值快速测定法。     

纸浆卡伯值与亮度的测量及其重要性

介绍了纸浆卡伯值与亮度在线连续测量方法，并根据其在北欧几家浆厂的实验，对化实验分析与在线连续测量的结果做了比较。在此基础上，一些原来无法实现自动控制的变量由于有了卡伯值的信号而投入自动控制，从而优化蒸煮过程的漂白过程，减少药品消耗和对环境的污染。     

紫外光吸收法快速、直接测定纸浆卡伯值

本文简要介绍了紫外光吸收(UV)法测定纸浆卡伯值的原理、方法、装置和步骤,并与常规方法进行了比较.     

近红外漫反射光谱法测定小麦Zeleny沉降值

选用220份良种小麦品种作为原始样品集,基于漫反射基本原理,使用现代傅立叶变换近红外光谱仪扫描其近红外光谱。探讨以傅里叶近红外光谱法(FT-NIRS)预测小麦的Zeleny沉降值的可行性。以良好的常规实验数据为前提,通过内部交叉检验进行预测模型的建立,其校正决定系数(R2)和交叉检验均方误差(RMSECV)分别为0.9363和2.4,外部验证校正决定系数(R2)和预测均方误差(RMSEP)分别为0.9502和2.68。该法的建立证明了近红外漫反射光谱技术应用于小麦Zeleny沉降值测定的可行性。     

纸浆卡伯值测量方法的探讨

概述了纸浆卡伯值的测量方法,并分析了每种方法的优缺点,指出了目前迫切需要解决的问题以及今后的发展趋势。     

近红外光谱法快速测定桉木硫酸盐浆卡伯值和水分

利用近红外光谱快速测定桉木硫酸盐浆的卡伯值和水分。经过内部、外部以及重现性检验,结果表明通过红外方法建立起来的纸浆卡伯值和水分预测模型具有良好的测量准确度及重现性,与传统的实验室化学检测方相比具有快速、准确和环保的优点。     

纸浆卡伯值在线测量的研究进展

主要论述了传统卡伯值测量方法的局限性、卡伯值在线测量的方法及其在国内外的研究进展,并对国内造纸企业应用卡伯值在线测量提出了建议。     

近红外漫反射光谱法快速检测谷子蛋白质和淀粉含量

建立近红外漫反射光谱法测定谷子中的蛋白质和淀粉含量,提供一种快速、简便、无损的分析方法进行谷子品种资源鉴定和筛选。以191份山西核心谷子种质为材料,采用近红外漫反射光谱法建立谷子蛋白质和淀粉含量的快速检测模型。结果表明,采用一阶导数+矢量归一化光谱预处理,分别建立谷子蛋白质和淀粉含量的校正模型,模型的校正决定系数(R~2_(cal))分别为0.977 0和0.907 3,交叉验证均方根误差分别为0.203%和0.466%,外部验证决定系数(R~_(2val))分别为0.989 6和0.977 2,预测均方根误差分别为0.225%和0.368%。对于谷子蛋白质和淀粉的预测,化学法和近红外仪器法测定间无显著差异,近红外测定结果是准确可靠的。说明采用近红外漫反射光谱分析技术能够满足对谷子蛋白质和淀粉含量的检测。     

近红外漫反射光谱法测试醋酸纤维滤棒中的三醋酸甘油酯

为探索快速准确测定滤棒中三醋酸甘油酯含量的方法,利用近红外漫反射光谱技术和偏最小二乘法,建立了滤棒中三醋酸甘油酯含量测定的数学模型,并对所建立的数学模型进行了优化和验证。结果表明,该方法具有简单快速、无损、准确的特点,无需样品预处理,特别适合于大量重复性样品的分析测定。     

近红外光谱检测技术在肉类工业中的应用

近年来,近红外光谱技术(near infrared reflectance spectroscopy,NIRS)已经成为肉和肉产品品质检测中最为有效、先进的方法之一。本文回顾了应用NIRS技术对食品化学成分、物理性质和感官指标的检测,说明了NIRS技术在肉品分级制度中的应用,并讨论了NIRS在肉品工业上的应用前景。     

近红外光谱技术快速测定鹅肉嫩度

目的：应用近红外光谱技术快速检测鹅肉的嫩度值。方法：采集完整鹅肉的近红外光谱（950～ 1 650 nm）,光谱经多种校正预处理后,再分别采用主成分回归和偏最小二乘法建立鹅肉嫩度的定量预测数学模 型。结果：采用5点移动窗口平滑处理结合偏最小二乘法所建立模型的预测效果最好,嫩度定量校正数学模型的模 型决定系数为0.908 0,内部交互验证均方根误差为113.618 6。用此模型对预测集20 个样品进行预测,预测值与实 测值的相关系数达到0.971 1,预测值平均偏差为21.673 g,预测值和实测值之间没有显著性差异（P＞0.05）。结 论：近红外光谱作为一种无损快速的检测方法,可用于评价鹅肉的嫩度。     

基于近红外光谱技术检测红曲米中的红曲色素

采用近红外光谱技术结合化学计量学方法构建红曲米中红曲橙色素、红曲红色素、红曲黄色素的预测模型。分别采用多元线性回归(SMLR)、偏最小二乘回归(PLS)、主成分回归(PCR)构建所有色素组分的数学模型,以相关系数(R)、校正均方根误差(RMSEC)、预测均方根误差(RMSEP)、预测相对分析偏差(RPD)值来评价模型的综合性能。结果显示,MSC、SNV方法能够消除红曲米粉颗粒不均对光谱的散射影响;导数处理消除了基线漂移;对于红曲橙色素、红曲黄色素、红曲红色素三种模型均具有良好的稳定性;利用三种模型对未知红曲样品预测时,预测结果具有较高的线性,预测性能较好(RPD=2.86~5.39),可用于准确定量预测。结果表明近红外光谱技术可用于红曲色素的快速无损测定,为红曲米质量的智能化控制提供了新的途径。     

Compositional Analysis of Whey Powders Using Near Infrared Diffuse Reflectance Spectroscopy

Compositional analysis data for 47 whey powders (including sweet whey, acid whey, demineralized delactosed whey and whey protein concentrates) were correlated with near infrared reflectance (NIR) measurements. The most useful wavelengths for determining constituent concentrations were chosen from 19 pre-selected wavelengths by using linear regression analysis. Results indicate that samples to be used for NIR calibrations should be similar in composition and should represent a limited range of constituent concentrations. Individual NIR calibrations need to be developed for each type of whey powder to be analyzed.     

近红外光谱结合连续投影算法检测综纤维素含量

为了简化模型并实现制浆材综纤维素含量近红外光谱法的快速准确检测,以连续投影算法（SPA）筛选出有效波长组合进行了建模实验研究和分析。选择5种制浆材原料共82个样品,测量其综纤维素含量及光谱数据,经蒙特卡罗交叉验证法剔除异常样品后,剩余样品按2∶1划分为校正集和预测集。校正集先以多元散射校正（MSC）方法预处理,再利用SPA选择波长结合偏最小二乘（PLS）回归建立了综纤维素含量的近红外分析模型,并与相关系数法、竞争性重加权自适应选择（CARS）算法所选波长的建模及预测效果进行了比较。结果表明,SPA算法选择出25个波长能充分表征全谱图中的综纤维素含量信息,预测精度最高,预测均方根误差（RMSEP）和预测决定系数（R2p）分别为0.8306和0.9801,满足工业应用精度需求。     

近红外光谱技术快速测定鹅肉新鲜度

目的：应用近红外光谱技术快速检测鹅肉的新鲜度,评价指标包括总挥发性盐基氮和pH值。方法：采集完整冷鲜鹅肉的近红外光谱（950～1 650 nm）,光谱经多种校正预处理后,采用偏最小二乘法建立鹅肉新鲜度的定量预测数学模型。结果：对于这2 种指标均采用标准常态变量结合偏最小二乘法所建立模型的预测效果最好,总挥发性盐基氮和pH值定量校正数学模型的模型决定系数分别为0.727、0.991,内部交互验证均方根误差分别为3.666、0.028。用此模型对预测集20 个样品进行预测,预测值与实测值的相关系数分别达到0.976、0.705,预测值平均偏差分别为－0.240、－0.024,预测值和实测值之间没有显著性差异（P＞0.05）。结论：近红外光谱作为一种无损快速的检测方法,可用于评价鹅肉新鲜度。     

基于近红外漫反射光谱及不同算法对泰来绿豆的产地溯源研究

为实现泰来绿豆产地溯源研究，筛选适宜算法与样品形态对模型精度的影响与应用，实验采用傅里叶变换近红外漫反射光谱技术对来自泰来绿豆和非泰来绿豆共计253 份样品进行产地溯源研究。结果表明，采用绿豆粉末状态建模效果要优于籽粒状态，对绿豆粉末鉴别研究中，运用因子化法建模的检测精度要优于标准算法，该法结合一阶导数+5点平滑的预处理方式建立的定性分析模型及采用Ward’s algorithm聚类算法结合二阶导数＋SNV＋5点平滑的预处理方式建立的聚类分析模型分别对粉末状泰来绿豆的正确鉴别率为96.15%和92.30%。对绿豆籽粒鉴别研究中，采用PLS法建立的定量分析模型，其RMSECV为0.129，R2为98.06，RPD为7.18，RMSEP为0.123，对泰来绿豆正确识别率为88.46%，要明显优于其他模型。因此，采用近红外漫反射光谱技术对泰来绿豆进行产地判别具有可行性。