基于近红外光谱技术(NIRS)对工夫红茶含水率、游离态氨基酸、茶多酚品质成分评价研究

目的:提出一种利用近红外光谱技术无损快速检测工夫红茶含水率、游离态氨基酸、茶多酚品质的新方法。方法:实验样品共计240个,手动选择180个样品作为校正级,剩余60个样品作为预测集;利用OPUS 7.0软件优化出各模型最佳波数段和最佳预处理方法,平滑点数17,维数1,结合含水率、游离态氨基酸、茶多酚含量建立预测模型,分析预测模型的预测性能。结果:各预测模型预测精准度高,均可用于工夫红茶含水率、游离态氨基酸、茶多酚品质预测。其中,各模型校正相关系数(Rc)为92.76%~99.28%,校正均方根误差(RMSEC)为0.016~0.0437;预测相关系数(Rp)为97.41%~98.46%,预测均方根误差(RMSEP)为0.00915~0.0168。各模型校正集和预测集均有较高的拟合度,模型预测性能游离态氨基酸含水率茶多酚。结论:近红外光谱图结合含水率、游离态氨基酸、茶多酚品质含量建立的各预测模型预测性能优,适合工夫红茶品质评价。     

基于近红外光谱技术(NIRS)对工夫红茶茶色素含量测定

提出一种利用近红外光谱技术无损快速检测工夫红茶茶色素茶黄素(TFs)、茶红素(TRs)、茶褐素(TB)含量的新方法。实验样品共计240个,手动选择180个样品作为校正级,剩余60个样品作为预测集;利用OPUS7.0软件优化出各模型最佳波数段和最佳预处理方法,平滑点数17,维数1,结合茶TFs、TRs、TB含量建立预测模型,分析预测模型的预测性能。各预测模型预测精准度高,均可用于TFs、TRs、TB含量检测。其中,各模型校正相关系数(Rc)为95.11%~98.04%,校正均方根误差(RMSEC)为0.0796~0.2320;预测相关系数(Rp)为91.41%~99.73%,预测均方根误差(RMSEP)为0.0362~0.0762。各模型校正集和预测集均有较高的拟合度,模型预测性能TFsTRsTB。结论:近红外光谱图结合TFs、TRs、TB含量建立的各预测模型预测性能优,可用于工夫红茶TFs、TRs、TB含量快速无损检测。     

工夫红茶咖啡碱和5种儿茶素组分近红外快速测定方法的研究

提出一种利用近红外光谱技术无损快速检测工夫红茶咖啡碱(Caffeine)和5种儿茶素(儿茶素(Catechin,C)、表儿茶素(Epicatechin,EC)、表没食子儿茶素(Epigallocatechin,EGC)、表儿茶素没食子酸酯(Epicatechin gallate,ECG)、表没食子儿茶素没食子酸酯(Epigallocatechin gallate,EGCG))组分含量的新方法。实验样品共计240个,手动选择180个样品作为校正级,剩余60个样品作为预测集;利用OPUS7.0软件优化出各模型最佳波数段和最佳预处理方法,平滑点数17,维数1,结合咖啡碱(Caffeine)和5种儿茶素组分C、EC、ECG、EGC、EGCG含量建立预测模型,分析预测模型的预测性能。结果表明:各预测模型预测精准度高,均可用于咖啡碱和5种儿茶素组分C、EC、ECG、EGC、EGCG检测。其中,各模型校正相关系数(Rc)为91.85%~99.49%,校正均方根误差(RMSEC)为0.0187~0.353;预测相关系数(Rp)为97.12%~99.88%,预测均方根误差(RMSEP)为0.00759~0.0773。各模型校正集和预测集均有较高的拟合度,模型预测性能咖啡碱EGCECECGEGCGC。结论:近红外光谱图结合咖啡碱(Caffeine)和5种儿茶素组分C、EC、ECG、EGC、EGCG含量建立的各预测模型预测性能优,可用于工夫红茶咖啡碱(Caffeine)和5种儿茶素组分C、EC、ECG、EGC、EGCG含量快速无损检测。     

虾样品不同采集状态对近红外光谱PLS模型的影响

研究了不同采集状态的虾样品对近红外光谱PLS模型的影响。利用DA7200近红外光谱仪,采集南美白对虾完整虾和虾糜的近红外光谱曲线。采用Unscrambler10.3软件选择最佳光谱预处理方法和最优波段,建立了完整虾和虾糜与挥发性盐基氮(TVB-N)值、菌落总数(TBC)值关联的偏最小二乘(PLS)模型,并对模型进行评价和验证。结果表明:定标集虾糜模型中的校正相关系数rc,校正决定系数Rc2,交叉验证相关系数rv,交叉验证决定系数Rv2,均高于完整虾模型;校正均方根误差RMSEC,校正标准误差SEC,交叉验证均方根误差RMSECV,交叉验证标准误差SECV均低于完整虾模型。验证模型中虾糜预测模型中相关系数r均大于完整虾预测模型,预测均方根误差RMSEP,预测标准误差SEP均低于完整虾预测模型,且虾糜预测模型对TVB-N、TBC值预测值更为准确,表明以虾糜作为近红外光谱采集状态优于完整虾。     

利用近红外光谱和偏最小二乘回归法预测脂肪酸组成

采集了30种植物油样品在10000~55 00 cm-1范围内的近红外透射光谱,将所有样品作为校正集,随机抽取10种样品作为预测集,以气相色谱方法测得植物油中主要成分油酸、亚油酸、棕榈酸、硬脂酸的含量为参考值,应用偏最小二乘回归法建立了基于近红外光谱的测定植物油主要成分含量的校正模型。四种成分校正模型的交叉验证误差均方根为0.281 1%~1.496 4%,预测误差均方根为1.080 8%~18.063 0%,校正集的预测值与实测值的相关系数均大于0.99,预测集中除了棕榈酸的预测值与实测值的相关系数为0.817 9,其余均大于0.9。     

樱桃番茄可溶性固形物含量的可见/近红外透射光谱无损检测

基于可见/近红外透射原理,针对樱桃番茄内部品质不均,果径不同等特点,建立樱桃番茄透射检测系统,结合相关性分析和归一化处理对樱桃番茄的果径进行校正,在此基础上对樱桃番茄可溶性固形物(SSC)含量做快速无损检测。将80个样品按3∶1的比例随机分为校正集与预测集,选取波长范围600～960 nm内的光谱曲线先SG卷积平滑后进行一阶导数、二阶导数预处理,再对二者于波长903 nm和826 nm处进行归一化处理,采用偏最小二乘回归法对樱桃番茄可溶性固形物含量建立预测模型。结果显示,一阶微分和二阶微分预处理后,其预测模型的校正集和预测集相关系数与原始光谱相比均有明显提高。二阶微分光谱的预测模型校正集和预测集相关系数分别为0.8938和0.8337,均方根误差分别为0.3625°Brix和0.5793°Brix。果径归一化处理后,其预测模型的校正集和预测集相关系数进一步提高。果径归一化处理后的二阶微分光谱预测模型,其校正集和预测集相关系数分别达到0.9383和0.9360,均方根误差分别为0.2796°Brix和0.3955°Brix。结果表明,可见/近红外透射光谱结合果径归一化处理能有效预测樱桃番茄的内部品质,消除果径不同带来的误差,该检测方法的精度和稳定性较为理想,可预测樱桃番茄内部品质。     

基于近红外漫反射光谱技术的小麦蛋白质含量检测

收集来自国内3个主要小麦生产省份的小麦样品共73份,应用近红外光谱漫反射技术结合化学计量学方法建立小麦蛋白质含量的近红外光谱定量模型,并对模型的稳定性和可靠性进行评价。结果表明,光谱预处理的最佳条件为:Savitzky-Golay平滑+一阶导数处理,使用偏最小二乘法(Partial least square,PLS)建立模型,校正集(Rc)和预测集相关系数(Rp)为0.936和0.925,校正集均方根误差(RMSEC)和预测集均方根误差(RMSEP)分别为0.23和0.28,表明模型准确可靠,可应用于小麦蛋白质含量的快速无损检测。     

近红外光谱技术应用于云芝蛋白含量的定量分析

应用近红外光谱结合偏最小二乘法(PLS)建立测定真菌云芝中蛋白含量定量分析模型.所建立的模型经过i选择最有效的光谱预处理方法,光谱区域和最适主因子数使模型最优化.实验结果表明:采用傅里叶变换在1330 nm～725 nm光谱区域,主因子数为6,建立的模型最优.模型校正集的交互验证均方根误差(RMSECV)为0.010,交互验证所得校正集样品中的蛋白含量的预测值与真实值间相关系数(Rv)为0.968;应用此模型对预测集样品中的蛋白质含量进行预测,得到预测均方根误差(RMSEP)为0.009,预测集的相关系数(Rp)为0.990.     

青砖茶品质近红外特征光谱筛选及预测模型建立

应用近红外光谱技术对青砖茶品质进行快捷、无损评价。在保证样品完整的条件下获取光谱信息,通过光谱预处理、联合区间偏最小二乘法筛选特征光谱区间后进行主成分分析,再建立品质分数的Jordan-Elman nets人工神经网络预测模型。最佳预处理方法为多元散射校正+二阶导数,特征光谱区间为4 377.6～4 751.7、4 755.6～5 129.7、6 262.7～6 633.9、7 386～7 756.3 cm~(-1),特征光谱区间前3个主成分累计贡献率为99.15%,模型传递函数为tanh,模型对验证集样品的预测均方根误差为0.386,预测集决定系数为0.973;对未知样品品质的预测结果为:预测均方根误差0.393,预测集决定系数0.971。结果表明,在75.00～93.00分青砖茶品质范围内,应用近红外光谱和Jordan-Elman nets人工神经网络方法实现了对青砖茶品质的快速、准确评价。     

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。     

基于可见-近红外光谱技术对市售紫薯粉的品质评价

目的建立可见-近红外光谱法结合偏最小二乘回归法对市售紫薯粉的品质进行评价。方法以市售紫薯粉为研究对象,对其原始光谱进行S-G 9点卷积平滑(savitzky-golay smoothing,S-G)、标准正态变量变换(standard normal variable transform,SNV)预处理,建立碘蓝值、花青素以及水分含量的偏最小二乘模型。结果花青素模型校正集和预测集的相关系数分别为0.9750和0.9461,均方根误差分别为0.1052 mg/g和0.1918 mg/g;碘蓝值模型校正集和预测集的相关系数分别为0.9687和0.9673,均方根误差分别为7.0256和7.1848;水分含量校正集和预测集的相关系数分别为0.9397和0.9219,均方根误差分别为0.5589%和0.5965%。结论基于可见-近红外光谱技术可以实现对市售紫薯粉的花青素、碘蓝值以及水分含量的快速无损检测,对市售紫薯粉的品质评价提供理论参考。     

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。     

近红外光谱法快速测定干姜中6-姜酚的含量

目的采用近红外光谱技术建立干姜中6-姜酚的定量模型。方法以超高效液相色谱法(UPLC),分别测定样品中6-姜酚含量,作为参考值,采用漫反射模式采集近红外光谱,结合偏最小二乘法(PLS)建立光谱信息与6-姜酚含量的快速测定方法。结果 6-姜酚校正集的相关系数校正集决定系数(Rc2)为0.9902,校正集均方根误差(RMSEC)为0.0174,预测集均方根误差(RMSEP)为0.0284。结论所建方法简便、快捷、环保、测量数据可靠,可用于大批量干姜样品的快速分析。     

蚁群和遗传算法优化花茶花青素近红外光谱预测模型的比较

以建立花茶花青素含量的最优近红外光谱模型为目标,对比研究了蚁群算法(Ant ColonyOptimization,ACO)和遗传算法(Genetic Algorithm,GA)优化近红外光谱谱区的效果。ACO-i PLS将全光谱划分为12个子区间时,优选出第1、9、10共3个子区间,所建的校正集和预测集相关系数分别为0.901 3和0.864 2;交互验证均方根误差(RMSECV)和预测均方根误差(RMSEP)分别为0.160 0 mg/g和0.202 0 mg/g;GA-i PLS将全光谱划分为15个子区间时,优选出第1、5共2个子区间,所建模型的校正集和预测集相关系数分别为0.906 3和0.879 3,交互验证均方根误差(RMSECV)和预测均方根误差(RMSEP)分别为0.156 0 mg/g和0.206 0 mg/g。研究结果表明:ACO-i PLS和GA-i PLS均可以有效选择近红外光谱特征波长,其中GA-i PLS模型的精度更高。     

近红外光谱法测定面粉的水分、脂肪、碳水化合物和蛋白质含量

应用近红外光谱技术结合不同的定量分析方法建立面粉4种组分的快速定量模型。国标法测定68种面粉样品的水分、脂肪、碳水化合物和蛋白质的含量,并采集其近红外漫反射光谱图。选取58个校正集和10个验证集样品,通过马氏距离法剔除异常样品后,对比17种光谱预处理方式所建立的基于全光谱的偏最小二乘法(partial least squares,PLS)定量模型效果,在最佳预处理方法的基础上,采用向后区间偏最小二乘法(Backward interval PLS,BiPLS)筛选特征光谱,进一步得到最佳定量模型。结果表明,所建立的模型校正集相关系数Rcv均大于0.9650,内部交叉验证均方根误差均小于0.328;验证集相关系数均大于0.9926,预测均方根误差均低于0.383。因此,模型具有较好的准确性和稳定性,能应用于面粉的多指标快速检测。     

基于傅里叶近红外光谱的食用油过氧化值间接检测研究

为了建立食用油过氧化值的快速测定方法,以食用油为材料,基于氢过氧化物与三苯基磷(TPP)快速反应生成三苯基氧磷(TPPO),利用TPP和TPPO在近红外光谱的吸收差异性。在光谱范围为4 650~4 500 cm-1以一阶求导及Norris平滑(NF)后采用PLS建立食用油过氧化值近红外测定模型,通过校正样品及盲样对模型进行验证,并与国标碘量法进行比较分析。结果表明:校正集预测相关系数为0.999 4,校正均方根误差为0.143 9,验证预测相关系数为0.992 6,预测均方根误差为0.555 6,盲样预测相关系数为0.997 1,标准偏差为0.400 1,所建方法与国标法测定过氧化值结果非常接近。表明傅里叶近红外光谱间接测定食用油过氧化值是可行的。     

长波近红外光谱-偏最小二乘法快速分析白酒中乙醇含量

研究近红外光谱结合偏最小二乘法(NIRS-PLS)快速测定白酒中的乙醇含量的可行性,应用NIRS-PLS所建的模型相关系数达到0.99991,校正均方根误差(RMSEC)为0.00181,通过交互验证得出交互验证均方根误差(RMSECV)为0.00296,预测参差平方和(PRESS)为0.00016.用模型对预测集和白酒样品进行预测,预测均方根误差(RMSEP)为0.00258,结果表明NIRS-PLS可用于白酒生产中的在线质量监控和白酒市场的快速质量检测.     

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。     

苹果脆度的近红外无损检测

为了更好的对苹果的脆度进行检测,试验应用波长范围为643.26～985.11nm的Purespect近红外透射光谱仪对60个富士苹果的校正集样品和20个预测集样品进行了光谱扫描,比较了不同的光谱预处理方法和不同建模波段对模型的影响,最终确立的模型相关系数(Rc)为0.941,校正均方根误差(RMSEC)为0.390。对模型预测性能的验证结果表明:建立的苹果脆度模型性能较稳定,能满足实际应用的要求。     

苹果有效酸度的近红外无损检测研究

为了更好的对苹果的有效酸度进行检测,实验应用波长范围为643.26～985.11 nm的Purespect近红外透射光谱仪对100个富士苹果的校正集样品和20个预测集样品进行了光谱扫描,比较了不同的光谱预处理方法和不同建模波段对模型的影响,最终确立的模型相关系数(RC)为0.925,校正均方根误差(RMSEC)为0.0395.对模型预测性能的验证结果表明:建立的苹果有效酸度模型性能较稳定,能满足实际应用的要求.