基于近红外光谱的卷烟质量投影模型

为提高卷烟配方的稳定性,科学量化卷烟的质量水平,建立基于卷烟产品近红外光谱信息的质量投影模型。通过主成分分析对光谱数据进行降维,利用主成分建立Fisher判别函数对各卷烟产品进行投影。实验结果表明,模型得到的二维投影图能直观反映各卷烟牌号质量的高低关系,为卷烟质量的评价提供了客观的科学依据。     

基于近红外光谱的枸杞化学成分定量分析

针对目前市场上枸杞掺假现象严重及枸杞品质分析检测繁琐等问题,本试验采用近红外光谱技术对不同产地的枸杞进行光谱分析,对枸杞的各种化学成分进行定量分析。通过偏最小二乘回归法（PLS）,其中30个样品为校正集,10个样品为预测集,利用枸杞的近红外光谐擞据建立校正模型后,对枸杞的化学值进行预测。用枸杞样品的主成分在空间的分布对全部样品进行检验,去除异常样品,同时采用残余验证方差作为确定主成分数的评价标准。结果表明：枸杞各成分建立的预测模型,其校正集相关系数Rc均在0．93以上,交叉检验相关系数Rcv均在0．83以上。同时各成分的校正均方差RMSEC值均小于交叉检验均方差RMSEP值,且这两个教值没有明显差异性,预测值与化学值具有良好的相关性。本试验中,枸杞各成分的化学值与预测值都达到了定量标准,可以进行定量分辘,     

应用近红外光谱定量分析技术多成分、快速检测饲料品质

简介近红外光谱分析技术,着重综述它在饲料领域中近10年来国内外的应用研究状况。     

不同预处理方法对烟草近红外光谱预测模型的影响

采用基线校正、去卷枳、一阶微分、二阶微分、主成分回归(PCR)和偏最小二乘(PLS)法对198个烟叶样品的近红外光谱和总糖、还原糖、总烟碱含量数据进行了处理,建立了相应的总糖、还原糖和总烟碱校正模型,并将这些模型的回归参数作了比较。结果表明:①二阶微分处理光谱建立的模型的相关系数比基线校正、去卷枳、一阶微分预处理法建立的模型的高,而其相对偏差比基线校正、去卷枳、一阶微分法的低;②PLS算法建立的定量分析模型比PCR算法的好。     

不同胎次奶牛乳中乳蛋白含量的近红外光谱定量分析

对不同胎次奶牛的牛奶样品进行近红外光谱扫描,并用多功能乳制品分析仪对牛奶样品中蛋白质的含量进行测定。利用正交实验设计,分别采用主成分回归法(PCR)、偏最小二乘法(PLS)、改进偏最小二乘法(MPLS)三种定量校正方法和多种光谱预处理方法建立模型,利用目标函数法对模型进行评定,结果表明:一胎、二胎奶牛乳样中乳蛋白的最优模型相同,其校正相关系数(R2)、定标标准差(SEC)和预测标准差(SEP)分别为:0.9626、0.0531、0.0630和0.9377、0.0810、0.1100;建立了三胎及以上奶牛乳样中乳蛋白的最优模型,R2、SEC和SEP分别为:0.9406、0.0461和0.0500;同时,建立了所有乳样中乳蛋白的最优模型,R2、SEC和SEP分别为:0.9351、0.0687和0.0790。所建模型对于快速、准确、无损、定量检测原料奶中乳蛋白的含量是可行的,该方法为快速检测混合原料奶中乳蛋白含量提供了理论依据。      

不同胎次奶牛乳中乳蛋白含量的近红外光谱定量分析

对不同胎次奶牛的牛奶样品进行近红外光谱扫描,并用多功能乳制品分析仪对牛奶样品中蛋白质的含量进行测定。利用正交实验设计,分别采用主成分回归法(PCR)、偏最小二乘法(PLS)、改进偏最小二乘法(MPLS)三种定量校正方法和多种光谱预处理方法建立模型,利用目标函数法对模型进行评定,结果表明:一胎、二胎奶牛乳样中乳蛋白的最优模型相同,其校正相关系数(R2)、定标标准差(SEC)和预测标准差(SEP)分别为:0.9626、0.0531、0.0630和0.9377、0.0810、0.1100;建立了三胎及以上奶牛乳样中乳蛋白的最优模型,R2、SEC和SEP分别为:0.9406、0.0461和0.0500;同时,建立了所有乳样中乳蛋白的最优模型,R2、SEC和SEP分别为:0.9351、0.0687和0.0790。所建模型对于快速、准确、无损、定量检测原料奶中乳蛋白的含量是可行的,该方法为快速检测混合原料奶中乳蛋白含量提供了理论依据。     

近红外光谱技术在植物纤维化学成分预测中的应用

目前纺织行业一般使用化学方法对植物纤维原料成分进行分析测试,但化学方法耗时较长,而近红外光谱方法（NIRS）作为一种现代成分分析方法,可以迅速准确地对植物纤维原料的化学成分进行预测。本丈将对近红外光谱方法的机理、植物成分定量分析研究进展及其优缺点进行概述,为近红外光谱在纺织领域应用提供一种新的思路。     

近红外光谱技术在肉类品质评价中的应用

我国作为肉品消耗大国, 肉类品质一直是政府和百姓关注的热点问题。传统肉品检测方法不仅所用试剂会对环境造成污染, 而且检测周期也很难满足当今快速增长的肉品消耗需求。近红外光谱作为一个快速、无损、无污染、效率高、低成本、响应速度快、选择性强、抗干扰能力强和多组分同时分析(即一个近红外光谱数据可获得样品多种物质信息)的检测技术已逐渐被广泛用于肉品检测领域。本文综述了近红外光谱技术在肉品种类判别、产地溯源和品质分类定性鉴别中的研究, 以及在肉品颜色、pH值、持水力和常规化学组成定量分析中的研究, 并对近红外光谱在肉品检测领域的发展前景进行展望, 以期为更好评价肉类品质提供参考。     

近红外光谱分析技术在食品工业中的应用

本文介绍了近红外光谱分析技术的工作原理、光谱的预处理方法、定量分析方法、定性分析方法，综述了近红外光谱分析技术在食品工业领域中的应用现状。并对目前近红外光谱分析技术的发展方向作了简单的评论。     

基于拓展光谱的近红外光谱模型转移方法

提出了一种基于拓展光谱的近红外光谱模型转移方法。该方法利用一组标准样品估计源机光谱和目标机光谱之间的差异光谱,然后利用差异光谱将其他样品的源机光谱转移为目标机光谱,从而扩充目标机光谱的数量,建立目标机的稳定建模。使用三台不同仪器的近红外光谱进行了研究,结果表明,利用少量的标准样品光谱可以将大量源机光谱转移为目标机光谱,建立目标机的模型进行准确预测。该方法对仪器的更新替换具有重要的实用意义。      

近红外光谱法预测烟草中的纤维素含量

为了快速测定烟草中的纤维素含量,对1214个国产烤烟烟叶样品进行了近红外(NIR)漫反射光谱扫描及其纤维素含量的化学测定,而后根据这些烟叶样品的NIR光谱数据及其纤维素含量的化学测定数据,利用偏最小二乘法建立了烟叶纤维素NIR预测模型,并对建模参数和模型的预测效果进行了评价。结果表明:优化后,该NIR模型预测纤维素的决定系数为0.9649,实际预测的平均相对偏差<2%。该模型适合大批量烟叶纤维素含量的快速分析。     

近红外光谱法快速测定烟草中的钙

采用傅立叶变换近红外(NIR)光谱法建立了烟草中钙含量的NIR数学预测模型。该模型的内部验证决定系数(R2)为92.00,均方差(RMSECV)为0.121;外部验证的决定系数(R2)为90.99,均方差(RMSEP)为0.122,NIR预测值与化学测定值的平均相对误差为6.20%。该法简捷、快速、精密度高,可用于烟草中钙的快速测定。     

近红外光谱分析技术进展及其在烟草行业中的应用

对国内外近红外光谱的发展现状、分析技术特点、分析仪器、近红外光谱中常使用的化学计量学方法以及近年来近红外光谱在烟草行业中的应用等几个方面进行了较详细的综述,认为近红外光谱与其他方法相比具有简便、快速、无污染、样品无需处理、适合在线分析等独特优点,值得在烟草行业中推广应用.     

近红外光谱法预测烟草中硫含量的研究

为适应快速分析烟草中硫含量的需要,以硫酸钡比浊法的测定值为标准值,建立了近红外光谱法预测烟草中硫含量的方法,考察了光谱预处理方法、谱区范围对硫含量预测值的影响。该方法具有简便、快速、低消耗、低成本、不破坏样品及重现性好等优点,且其预测值与硫酸钡比浊法测定值较为接近,适用于大批量烟叶样品硫含量的快速分析。     

近红外光谱分析技术及仪器发展概况

近红外技术是现在国际上公认的最有应用价值的分析技术之一,它的应用能给企业带来巨大利益,也将在各种大型流程化工业中扮演越来越重要的角色。评述了近红外光谱分析技术的发展史和近红外光谱仪的诞生到现在的发展状况。展望了近红外分析技术研发方向和仪器的发展前景。     

近红外光谱技术在烟草在制品稳定性分析中的应用

为了研究烟草在制品化学成分的稳定性,在线采集了烘丝出口叶丝的近红外光谱(NIR),采用连续小波变换方法进行光谱预处理,结合主成分分析(PCA)方法研究了样品常规化学成分与NIR的关系;建立了烟草在制品稳定性的表征模型,并通过调整烘丝工序加工参数对模型进行了验证。结果表明:NIR能够对样品常规化学成分所包含的信息进行表征;当显著性水平α=0.05时,B牌号试验卷烟的表征模型对异常样品的识别率为100%,对正常样品的识别率为98%,A,C,D和E牌号卷烟的模型对正常样品的识别率分别为98.7%,99.3%,100%和98.4%。该NIR模型能够对烟草在制品质量进行有效的实时监测。     

利用近红外光谱技术建立国内外烤烟化学成分模型的可行性实验

利用采用近红外光谱技术,把国内与国外烤烟混合,建立了近红外光谱(NIR)与烤烟主要化学成分之间的定量回归模型,并进行预测检验.结果表明国内与国外烤烟混合建模可行,而且预测值与化学值接近,模型准确度较好,可以用在大批量国内外样品的检测上.     

近红外光谱分析技术在白酒行业中的应用

简要介绍近红外光谱分析技术的基本原理、分析步骤、技术优势及在白酒行业中的应用现状,并对其在白酒行业的应用前景进行了讨论.     

Prediction of Benzoyl Peroxide in Flour Using Near Infrared Spectroscopy Technique

This research proposed to design a prediction model based on radial basis function neural network and near infrared reflectance spectroscopy in detecting concentration of benzoyl peroxide in flour. Near infrared reflectance spectra acquired from 100 different concentration samples were pre-processed by the standard normal variate method, detection of leverage, and student residual. Near infrared reflectance spectroscopy models were designed to predict benzoyl peroxide in the 36 samples by means of partial least squares, back propagation neural network, and radial basis function, respectively. The results demonstrated that the radial basis function model, with prediction correlation coefficient (R), root mean squared error of prediction, and ratio of performance to standard deviate reaching 0.9937, 15.5095, and 8.8216, respectively, had optimal prediction accuracy and feasibility providing quality evaluation and dynamic monitoring service for quality inspection department and consumers.     

Detection and Quantification of Adulteration in Honey through Near Infrared Spectroscopy

Honey is one of the important traditional medicines since ancient times. In this article, a case study was carried out using near infrared spectroscopy techniques with Chemometrics to detect the Jaggery adulterants in the honey. Jaggery was used to prepare adulterant solution of different proportionate by manually mixing with four types of different honey samples. In total, 160 spectra were collected using the XDS^TM Optiprobe analyzer reflection type spectrometer and a calibration model was built using partial least square regression. The honey adulteration was predicted statistically with the calibration error 0.00751 and coefficient of determination R² of 0.9924.