苹果糖度近红外光谱检测的初步试验研究

应用近红外光谱漫反射技术,开展了苹果内部品质无损检测的研究。对试验结果的方差分析表明:苹果不同测量位置对光谱测量的影响不显著,而不同测量距离对光谱影响较显著。运用SPSS10.0统计软件对苹果糖度与光谱曲线波峰处对应的吸光度进行多元线性回归分析,建立最佳单波长、最佳双波长组合、最佳三波长组合和最佳四波长组合的校正方程,相关系数R分别为0.621、0.675、0.797和0.822,标准校正误差(SEC)分别为1.75、1.65、1.34和1.27°Brix,相对校正误差(R SEC)分别为13.73%、12.96%、11.42%和10.81%,试验表明:利用近红外光谱技术无损检测苹果糖度等内部品质是可行性的,也为今后进一步建立水果内部品质预测模型奠定了基础。     

苹果硬度品质的光谱图像检测技术研究

应用光谱图像技术进行了苹果内部品质无损检测技术的研究.通过采集不同波长(分别为632、650、670、780、850、900nm)的光谱图像,对所采集的光谱图像灰度分布进行洛伦茨分布(LD)、高斯分布(GD)、指数分布(ED)函数的拟合,通过比较发现洛伦茨分布为最优灰度分布拟合函数.将苹果硬度与洛伦茨分布函数拟合所得参数分别进行多元线性回归,建立最佳单波长、最佳双波长组合、最佳三波长组合和最佳四波长组合的校正方程,相关系数分别是最佳单波长R为0.706;最佳双波长0.837;最佳三波长R为0.869;最佳四波长R为0.880.结果表明:利用光谱图像技术无损检测苹果硬度等内部品质是可行性的,为应用计算机图像对水果进行内部品质的无损检测提供了技术依据.     

苹果中糖酸度的CCD近红外光谱分析

应用自行搭建的CCD近红外光谱系统检测苹果的糖酸度。通过Y型光纤采集120个红富士苹果的漫反射光谱,采用偏最小二乘回归(PLSR)建立苹果糖度、酸度的定量预测模型。针对CCD光谱噪声较大的特点,采用S-G平滑、一阶导数、二阶导数对光谱进行预处理。结果表明,S-G平滑后所建模型的效果最好,糖度、酸度的相关系数(r)分别为0.9240、0.8151,标准校正误差(SEC)分别为0.9254、0.0120,标准预测误差(SEP)分别为0.9407、0.0204。本研究说明应用CCD近红外光谱仪,在630～1030nm波段实现对苹果糖度、酸度的无损检测具有可行性。     

基于高光谱图像技术的长枣糖度无损检测

基于高光谱图像技术对长枣含糖量进行无损检测。由长枣高光谱图像获取反射光谱进行多元散射校正处理,再采用主成分分析获得主成分数据作为BP神经网络的输入变量,建立长枣糖度预测模型。结果表明,采用BP神经网络预测长枣糖度模型优于PLS,模型的相关系数和均方根误差分别为0.927 4和1.712 5。利用高光谱图像技术对长枣糖度的无损检测是可行的。     

基于MATLAB软件的苹果内部品质系统化无损检测

研究将近红外设备与MATLAB软件链接,实现苹果糖度及可滴定酸度的近红外光谱扫描、数据处理、模型建立、含量预测及模型评价等在线无损检测水果内部品质的一体化。以市售陕西红富士苹果为材料,通过近红外文件格式转换、近红外光谱预处理、偏最小二乘法(PLS)回归分析、预测模型的建立、结果预测及模型精度检验等工作编写和调试基于MATLAB语言的模块化程序,经主程序调用建立苹果糖度及可滴定酸度的定量预测模型。结果表明:本实验所建预测模型糖度及可滴定酸度预测值和真实值之间的相关系数R分别为0.9528,0.8786;标准校正误差(SEC)分别为0.4788,0.0215;标准预测误差(SEP)分别为0.3170,0.0128;标准偏差(SD)分别为1.4111,0.0390,模型具有较高的预测精度。因此,将近红外设备与MATLAB软件链接,实现苹果糖度及可滴定酸度在线无损检测的一体化具有可行性且模型检测精度较高,对开发水果内部品质评价及在线分级软件具有重要意义。     

京郊鲜食杏白利糖度的便携式光谱快速无损检测方法研究

目的 建立京郊鲜食杏白利糖度的定量分析预测模型, 实现对京郊鲜食杏品质的快速无损检测。方法 使用便携式近红外光谱仪采集900~1700 nm下鲜食杏的漫反射光谱信息, 使用多元散射校正(multiplicative scatter correction, MSC)、标准正态变量变换(standard normal variable transformation, SNV)和Savitzky-Golay卷积平滑(Ssavitzky – Ggolay smooth, S-G)对原始光谱数据进行预处理, 使用Kennard-Stone (K-S)算法以3:1比例将样本集划分成校正集和预测集, 利用竞争自适应重加权采样(competitive adaptive reweighted sampling, CARS)算法和连续投影算法(successive projections algorithm, SPA)对光谱进行特征波长筛选, 使用偏最小二乘回归(partial least squares regression, PLSR)算法建立京郊鲜食杏白利糖度的预测模型。结果 以MSC+S-G+ CARS+PLSR算法建立的北京鲜食杏的白利糖度预测模型取得较好的预测精度, 模型的校正集均方根误差、校正集相关系数、预测集均方根误差、预测集相关系数分别为0.3502、0.9747、0.4698、0.9616。结论 基于便携式近红外光谱技术所采集数据构建的京郊鲜食杏白利糖度预测模型准确性较高, 可以快速准确检测鲜食杏白利糖度, 从而实现对鲜食杏品质的快速无损检测, 为鲜食杏的品质检测提供了理论依据和方法指导。     

苹果质地的近红外光谱无损检测模型研究

为了建立快速而无损检测苹果质地的新方法,应用近红外光谱仪研究不同建模方法和光谱预处理方法对苹果质地(脆度、硬度、回复性、凝聚性和咀嚼性)无损检测模型性能的影响。结果表明,波长范围400~2500nm内,采用改进偏最小二乘法、原始光谱结合反相多元离散校正处理所建苹果质地的校正模型最优,脆度、硬度、回复性、凝聚性和咀嚼性预测相关系数均大于0.8,而预测标准误差分别为7.6763N、6.5876N、0.0085、0.0175、1.2466N,残差之和均小于0.2。因此,通过近红外光谱对苹果质地进行快速而无损检测具有一定可行性,但模型精度有待进一步提高。     

基于高光谱成像技术的长枣表面农药残留无损检测

利用近红外高光谱成像技术对灵武长枣的表面农药残留进行无损检测研究。采用Kubelka-Munk校正和SavitzkyGolay卷积平滑对900~1 700nm波段范围内的原始光谱进行预处理,选取最优的预处理方法;运用偏最小二乘回归系数选择特征波长,建立全波段和特征波长下的偏最小二乘农药残留预测模型。结果表明,经过Kubelka-Munk+Savitzky-Golay卷积平滑处理后的光谱建模效果最好,且利用特征波长建立的长枣表面农药残留校正和验证模型的相关系数和均方根误差分别为0.86,0.85和0.000 32,0.000 33,优于全波段建立的模型。研究表明,采用高光谱成像技术对灵武长枣表面农药残留的无损检测是可行的。     

基于NIR高光谱成像技术的滩羊肉内部品质无损检测

利用近红外高光谱成像技术对滩羊肉蛋白质和脂肪含量、pH值进行无损检测研究。通过高光谱系统(900~1700 nm)采集69个羊肉样本信息,先对全波段下的原始光谱和预处理后光谱建立偏最小二乘回归(PLSR)模型,对比优选出最佳预处理算法,后采用PLSR的加权β系数法提取特征波长,建立特征波长下各品质参数的PLSR模型,分析预测效果。结果表明:羊肉蛋白质、脂肪含量、pH值最佳预处理方法为基线校准(Baseline)、多元散射校正与S-G卷积平滑结合算法(MSC+SG)和原始光谱;利用特征波长建立预测模型,决定系数(RP2)分别为0.83、0.86和0.72,预测均方根误差(RMSEP)为0.57、0.09和0.12,可替代全波段建模。利用近红外高光谱成像技术对羊肉内部品质进行快速无损检测是可行的。     

近红外透射光谱测定水晶梨糖度的初步研究

采用近红外透射光谱,分析波长在643.26～928.35nm范围内无损检测水晶梨糖度的可行性。建立的水晶梨的糖度模型,其相关系数为0.976630,标准误差为0.197749,预测标准误差为0.463898,偏差为-0.001484。结果表明,利用近红外透射光谱技术测定水晶梨糖度是可行的。     

西式快餐用煎炸油质量近红外快速检测模型的建立

为对西式快餐用煎炸油质量进行快速监测,选用近红外光谱法（NIRS）联合偏最小二乘法（PLS）,分别建立酸价和极性组分两个煎炸油质量指标的定量模型。结果表明,酸价和极性组分的定标模型校正决定系数（R2）均为0.9974,校正标准差均方根（RMSEC）分别为0.111和0.359,预测标准差均方根（RMSEP）分别为0.171和0.562。盲样验证、精密度及准确度分析结果显示,酸价和极性组分的NIR预测值同真实值的相关方程的相关系数分别为0.9944、0.9761,应用所建模型预测同一煎炸油样品的酸价和极性组分的相对标准偏差（RSD）分别为0.934%和1.278%,表明所建模型对煎炸油样品的酸价和极性组分预测能力较好,且有较好的重现性。因此,基于近红外光谱定量模型,可以对西式快餐用煎炸油质量进行快速、准确地监测。     

漫反射红外光谱法结合PLS测定稻谷脂肪酸值研究

为了快速、简便、无污染地测定稻谷中脂肪酸含量,提出基于漫反射傅里叶变换红外光谱法(DRIFTS)和近红外漫反射光谱法(NIDRS)测定稻谷脂肪酸值快速检测方法。同时探讨了反向区间偏最小二乘法(BiPLS)对中红外光谱区域的优化效果。傅里叶变换原始光谱模型经7点平滑预处理及BiPLS优化,得到的最佳模型的R~2、RMSECV、RMSEP分别为0.998、3.65、3.69。近红外光谱经一阶导数和多元散射校正预处理后建立最佳模型,其R~2为0.97,RMSECV为3.43。在验证实验中,傅里叶变换红外光谱预测值与国标测定值的相对标准偏差为1.16%,近红外光谱预测值与国标测定值的相对标准偏差为1.70%。结果表明,DRIFTS能够更加准确检测脂肪酸值。     

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。     

近红外光谱的预处理对羊肉TVB-N模型的影响

为研究能否通过对算法参数的调整和算法的组合来减弱甚至消除便携式近红外仪和样品组织结构等对样品光谱信息的影响,提高模型的预测准确性和稳健性,实现现场快速无损检测生鲜羊肉挥发性盐基氮(total volatile basic nitrogen,TVB-N)的目的。本研究应用不同参数组合的单一算法和不同算法组合对样品的光谱信息进行预处理并建模,从模型的预测准确性和稳健性2个方面探讨算法参数和算法组合对模型性能的影响,找出针对检测生鲜羊肉中TVB-N含量的最佳预处理方法。结果表明,不同的算法参数和算法组合对模型性能的影响差别很大,对样品的近红外光谱信息进行差分求导(窗口数为6,求导阶次为1)后,模型性能最佳。模型的校正标准差和验证标准差分别为1.21和1.31,校正标准差和验证标准差的比值为1.08小于1.2,主成分数为10,校正集相关系数和验证及相关系数分别为0.94和0.92。说明通过对算法参数的调整和对算法的组合可以有效提高模型性能,满足应用便携式近红外仪现场快速无损检测生鲜羊肉TVB-N含量的要求。     

近红外光谱分析技术在苹果品质检测中的应用进展

苹果营养丰富,是大众水果之一,苹果的品质安全问题一直是社会关注的热点。本研究综述了2012~2016年我国近红外光谱分析技术在苹果品质检测中的研究和应用进展,包括基于近红外光谱的苹果品质检测、模型传递、分类与分级及在线检测系统研制4个方面。对今后我国近红外光谱分析技术在苹果品质检测中的应用提出建议,技术研究方面应不断建立和维护模型数据库,提高模型通用性;技术应用方面应研制在线检测系统和推进软硬件+互联网相结合,使近红外光谱分析技术在苹果品质检测中得到长足的发展。     

近红外光谱定性定量检测牛肉汉堡饼中猪肉掺假

利用近红外光谱技术结合化学计量学方法,对不同肥肉占比的解冻牛肉汉堡饼中的猪肉掺假进行定性判别建模,并建立猪肉掺假比例的定量检测模型。结果表明：对不同掺假比例样品的判别,应用偏最小二乘判别分析方法效果优于主成分分析-支持向量机方法,最优模型校正集和验证集判别正确率均为100%。应用偏最小二乘方回归法定量检测不同肥瘦比解冻牛肉汉堡饼中的猪肉掺假比例,模型校正集和验证集的相关系数Rc和Rp、验证集均方根误差分别为0.968 9、0.861 1、7.221%。因此,应用近红外光谱技术可以实现对不同肥肉占比的解冻牛肉汉堡饼中的猪肉掺假进行定性判别和定量检测。     

基于近红外光谱的大鲵肉粉掺伪鉴别及纯度检测

利用近红外光谱技术进行大鲵肉粉的掺伪鉴别及纯度检测。分别采集大鲵纯肉粉、掺入江团鱼肉粉、草鱼肉粉和土豆淀粉的掺伪大鲵肉粉（各40 个样本,4 类共160 个样本）的近红外光谱图。原始光谱经光谱预处理后,利用偏最小二乘-判别分析（partial least square-discriminant analysis,PLS-DA）法分别建立2分类（纯样和掺伪样）和4分类（纯样、掺江团鱼样、掺草鱼样和掺淀粉样）的定性判别模型,利用偏最小二乘回归（partial least squares regression,PLSR）分析法分别建立3 类掺伪大鲵肉粉的纯度定量校正模型。结果表明,PLS-DA定性模型中,经一阶导数＋多元散射校正光谱预处理后,所建2分类和4分类模型性能均为最佳,校正集和预测集的预测准确率均为100%;PLSR定量模型中,大鲵肉粉掺江团鱼肉粉、大鲵肉粉掺草鱼肉粉和大鲵肉粉掺土豆淀粉模型的校正集相关系数（Rc2）分别为0.990 6、0.986 4和0.993 3,校正集的均方根误差分别为1.14%、1.39%和0.88%;测试集的相关系数（Rp2）分别为0.994 4、0.992 4和0.990 8,测试集的均方根误差分别为0.83%、0.89%和1.22%。运用近红外光谱技术结合化学计量学方法能够对大鲵肉粉进行掺伪鉴别及纯度检测。     

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。     

基于表面增强拉曼光谱技术的苹果汁中溴氰菊酯农药残留的快速定量分析

针对苹果汁中农药残留量超标问题,采用共焦显微拉曼仪,研究了针对苹果汁中溴氰菊酯农残量的快速检测方法。分别以乙醇溶液(对照)、苹果汁溶液为背景溶液,分别采用拉曼光谱技术、表面增强拉曼光谱技术(SurfaceEnhanced Raman Scattering,SERS)采集含农药(溴氰菊酯)的两种样本的拉曼光谱与SERS光谱,并结合一阶导加Norris求导法进行光谱预处理,进而使用偏最小二乘方法建立两种样本溶液中溴氰菊酯残留量的拉曼光谱定量分析模型与SERS光谱定量分析模型,并对两种模型进行对比分析。结果表明,乙醇中溴氰菊酯溶液样本的拉曼光谱定量分析模型的校正集相关系数可达到0.9634,而SERS模型校正集相关系数可达到0.9995,最大误差不超过0.1 mg/kg。苹果汁中溴氰菊酯样本的拉曼光谱模型校正集相关系数为0.9355,最大误差不超过0.02 mg/kg;而SERS模型校正集相关系数为0.9870,最大误差不超过0.1 mg/kg。结果表明,拉曼光谱技术对快速检测苹果汁中的农药残留量具有可行性。     

基于近红外光谱技术的小麦粉灰分含量检测方法研究

采用近红外光谱技术建立小麦粉灰分含量的快速检测方法。使用两种不同的近红外光谱仪器采集小麦粉的近红外光谱数据,以常规分析法的测定值作为建模数据,采用偏最小二乘(PLS)回归分析法建立小麦粉灰分的定量分析模型,比较两种不同的近红外光谱仪器扫描的小麦粉近红外光谱图对模型的影响。结果表明,MicroNIR-1700近红外光谱仪扫描的谱图所建校正集模型的相关系数R~2为90.69,均方根误差(RMSECV)为0.031 2,预测集模型的均方根误差(RMSEP)为0.021 7;VERTEX70傅里叶变换近红外光谱仪扫描的谱图所建校正集模型的相关系数R~2为89.40,均方根误差(RMSECV)为0.035 0,预测集模型的均方根误差(RMSEP)为0.036 6。两种仪器都能用于小麦粉光谱采集,并进行灰分含量快速检测,MicroNIR-1700在小麦粉灰分检测方面有更好的应用。