鸡腿肌冻干粉蛋氨酸近红外光谱定量预测模型的建立与优化

本文从光谱预处理方法、建模特征光谱筛选、异常样本剔除、建模样本选择四个方面建立和优化鸡腿肌冻干粉蛋氨酸近红外定量预测模型,旨在进一步提高模型的预测精度和模型稳健性。以263个鸡腿肌冻干粉NIRS和蛋氨酸含量为研究对象,分别使用7种不同光谱预处理方法、4种特征光谱筛选方法、2种MCCV异常样本剔除方法,SPXY和常规选择2种建模样本选择方法,应用偏最二小乘法(PLS)、内部交互验证和外部验证建立和优化腿肌冻干粉蛋氨酸近红外定量预测模型。结果表明：在本研究中,最优鸡腿肌冻干粉蛋氨酸NIRS定量预测模型为在1000-2502nm谱段,使用原始光谱,在SNV+gapsegment(1#,15,7)光谱的基础上使用MCCV方法删除54个样本后,采用SPXY方法选取156个校正样本,39个外部验证样本所建模型,其为0.93、SE_CV为0.0609、为0.83、RPD_P为2.42。研究表明,模型预测值与化学检测值有很高的相关度,对腿肌冻干粉蛋氨酸NIRS模型预测精度和稳健性影响最大因素是异常样本剔除方法和建模样本选取方法。     

基于光谱波段优化的鸡肉冻干粉粗蛋白近红外定量预测模型研究

本文通过将鸡肉蛋白质近红外光谱特性与组合间隔偏最小二乘法(Si PLS)、遗传算法(GA)相结合筛选校正模型的最佳建模光谱区域,旨在提高鸡肉冻干粉粗蛋白近红外定量预测模型的预测精度和模型稳健性。以260个鸡腿肌冻干粉为研究对象,提取其中100个样品的蛋白质,在999.7～2502.3nm扫描腿肌冻干粉和腿肌提取蛋白冻干粉的NIRS,比较两光谱异同,根据腿肌提取蛋白冻干粉NIRS光谱特征及主成分分析(PCA)结果将全谱划分为10个建模光谱区,采用PLS建模,比较全谱建模与特征光谱组合区建模的优劣,筛选出基于鸡肉蛋白特征光谱的建模光谱组合区,应用Fi PLS和Bi PLS在全谱和优选出的光谱区再次进行建模光谱区域筛选,接着使用GA和FBi PLS进行第三次建模光谱筛选。结果表明:在999.7～1850.4 nm波长上采用FBi PLS法优选出的建模光谱区1811.6～1794.0 nm、1756.2～1722.4 nm、1704.4～1688.9 nm、1594.4～1580.8 nm、1510.8～1485.7 nm、1472.1～1424.3 nm、1222.2～1057.6nm、1051.2～1008.7nm所建模型最优。研究显示,为保证校正模型的精确性和稳定性,在筛选最佳建模波长时,应将样品预测成分的光谱特征与光谱筛选数学算法相结果,才能获得更好的建模结果。     

鲫鱼新鲜度近红外定量预测模型的建立

为实现鲫鱼新鲜度的快速测定,本文基于近红外漫反射光谱定量分析技术和化学计量学方法,采集了144个鲫鱼鱼肉样品在1000~1799 nm范围内的光谱数据,测定了鲫鱼样品的p H、TVB-N含量、TBA含量和K值四种新鲜度指标;在确定近红外光谱数据最佳预处理方法和适宜波段的基础上,分别采用偏最小二乘法、主成分分析和BP人工神经网络技术、偏最小二乘法和BP人工神经网络技术建立了鲫鱼新鲜度定量预测模型。结果表明,鲫鱼样品四种指标数据范围均较大,可满足建模要求。以p H为鲜度指标时,采用偏最小二乘法和BP人工神经网络技术建立的模型最好,其定标相关系数为0.9945;以TVB-N、TBA和K值为鲜度指标时,采用偏最小二乘法建立的模型最好,其定标相关系数分别为0.9857、0.9985和0.9952。建立的四种鲜度指标定量模型均具有较好的预测能力。     

小龙虾中砷含量近红外光谱预测模型的建立

为快速检测小龙虾中重金属砷的含量,将砷选择性吸附树脂(SQ-407)置于100 mL砷标准溶液(100 μg/L)中,调节溶液pH 6.0～8.0,在35～45 ℃下吸附60～120 min,优化SQ-407树脂的吸附条件。鲜活小龙虾经冷冻干燥后微波消解,消解液用SQ-407树脂吸附。采集吸附砷的树脂的近红外光谱,采用不同预处理方法(一阶导数1st、标准正态变量变换SNV、多元散射校正MSC和小波变换WT)进行优化,用偏最小二乘法(PLS)建立砷浓度与近红外光谱之间的线性预测模型,比较预测砷浓度与真实砷浓度,得出预测模型的准确性。结果显示,在pH 7.0、40 ℃下吸附90 min,砷的吸附率高(99.30%)。经1st方法对光谱预处理后,建立的PLS预测模型的准确度高,其训练集均方根误差(RMSECV)为0.033,相关系数(R)为0.995;验证集均方根误差(RMSEP)为0.032,相关系数(R)为0.995。结论:树脂吸附结合近红外光谱建立的预测模型能快速检测小龙虾中砷的含量。     

烟碱含量近红外光谱预测模型的评价

以烟碱为例,建立了近红外光谱的预测模型,采用回归分析法和假设检验法对该模型的预测效果进行了系统的评价。结果表明,该模型对烟草样品烟碱含量的预测效果良好,模型预测值与化学测定值之间不存在显著性差异。      

异亮氨酸发酵过程中浓度近红外预测模型的建立

利用近红外分析仪和相关近红外软件,建立谷氨酸棒杆菌发酵过程中异亮氨酸质量浓度的近红外预测模型.结合偏最小二乘法,在波数为7 400～9 100 cm-1,减去一条直线作为光谱预处理的条件下,获得异亮氨酸质量浓度最优近红外预测模型.该模预测偏差(RPD)为3.36,交叉验证误差均方根(RMSECV)为1.73 g/L,决定系数(R2)为0.997.通过外部验证,该模型能够较好地检测发酵过程中异亮氨酸的质量浓度.     

近红外定量模型快速测定大米的营养成分

大米中的蛋白质、脂肪、碳水化合物和水分是大米的重要营养成分,这些组分的检测需要依赖国标法,检测过程繁琐冗长,污染大,实现近红外快速检测具有重要的现实意义。本实验以75个大米样品为研究对象,用国标法测定其蛋白质、脂肪、碳水化合物和水分的含量,用Antares Ⅱ型近红外光谱仪采集光谱信息。将样品分为校正集和验证集,其中校正集63个,验证集12个,通过6种光谱预处理方法和3种建模方法分别建立大米的蛋白质、脂肪、碳水化合物和水分的定量模型,用Workflow调用模型来实现四种组分的快速检测。结果表明,蛋白质、碳水化合物通过一阶导数与Savitzky-Golay滤波对光谱进行处理;脂肪、水分通过二阶导数和Savitzky-Golay滤波对光谱进行处理;再通过PLS回归与国标法的测定值相关联建立的大米中蛋白质、脂肪、碳水化合物及水分的定量模型具有较高的预测精度。蛋白质、脂肪、碳水化合物和水分的预测模型的内部交叉验证的相关系数R分别为0.9266、0.9333、0.9198、0.9175,RMSECV分别为0.280、0.133、0.362、0.270,内部交叉验证的相关系数R均在0.91以上,RMSECV均小于0.37,可实现对大米中蛋白质、脂肪、碳水化合物和水分的快速检测。     

多年份苹果糖度近红外预测模型建立

目的开发多年份苹果糖度预测模型。方法将移动窗口偏最小二乘法(MWPLS)用于优化3个采收年份的苹果糖度信息区间,构建一种新颖的线性组合权重偏最小二乘法(LCW-PLS)模型。结果 MWPLS选择结果为4328~4787 cm-1、5323~5512 cm-1、5982~7135 cm-1和7159~7463 cm-1,当对应权重为0.004、0.070、0.066和0.860时,所建LCW-MWPLS模型预测性能较好,其RP=0.942、RMSEP=0.649%Brix和Q=0.890。结论 LCW-PLS法可改进常规PLS模型,为果品品质分级提供了一种建模参考方法。     

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。     

近红外光谱定量技术在方便面油份快速测定中的应用

探讨了用近红外漫反射光谱快速无损检测方便面含油率的数据处理方法，采用浸反射光谱、一阶导数光谱和二阶导数光谱，使用了四元线性向前逐步回归和BP人工神经网络的数学方法，对40个校正样本建立了的线性和非线性两种校正模型，用28个预测样要检验了校正模型的预测精度，其中线性校正模型中，采用二阶导数光谱的预测精度最好，预测平均误差为5．741％，预测误差的标准差为1．842；非线性校正模型中，采用一阶导数光谱，隐层单元数为2时，校正模型的预测精度最好，预测平均相对误差为5．149％，预测误差的标准差为1．675结果表明近红外漫反射光谱分析检测方便面的含油率能满足实际生产的要求。     

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。     

近红外光谱法对鸡肉品种的快速无损鉴别

选取爱拔益加肉鸡（又名AA肉鸡）、京海黄鸡和狼山鸡鸡胸肉各40 个肉样,应用便携式近红外光谱仪在1 000～2 500 nm波长条件下分别对鸡肉肉块和肉糜进行光谱扫描,并测定肉样的颜色、蛋白质、脂肪和水分含量。各选择90 个肉样作为建模集,采用偏最小二乘判别分析法分别建立了鸡肉肉块和肉糜的品种鉴别模型。所建的两个模型对校正集和验证集样本的鉴别准确率均分别为100%和97.7%,对剩余预测集的各30 个肉样进行鉴别分析的鉴别准确率均为90%。     

基于近红外光谱定量分析花生牛奶可行性

模拟花生牛奶生产工艺制备不同含量的花生牛奶,使用近红外光谱仪扫描建立定量分析模型,探索近红外光谱应用于花生奶定量分析的可行性。结果表明,花生牛奶使用PLS建模方法可以有效地对光散射、花生与奶粉之间的干扰做出补偿,适合用于花生牛奶复杂成分体系的分析;花生定量分析模型校正均方差(root-mean-square error of calibration,RMSEC)、预测均方差(root-mean-square error of predication,RMSEP)、相关系数R分别为0.573%、3.73%、0.999 7;奶粉定量分析模型RMSEC、RMSEP、R分别为0.066、0.183 g/L、0.955 7。近红外光谱可以应用于花生牛奶的定量分析,可以为花生牛奶提供产品质量控制和快速定量检测,为植物蛋白饮料提供一种新的检测思路。模型优化改进有待进一步研究。     

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。     

白酒基酒中典型醇的近红外预测模型构建

采用气相色谱法测定白酒基酒中的正丙醇、正丁醇、正戊醇和异戊醇的含量作为建立近红外预测模型的化学值,将近红外光谱图结合偏最小二乘法和内部交互验证法建立基酒中典型醇的快速检测模型,并进一步优化模型。确定了最优光谱预处理方法和最佳谱区,正丙醇、正丁醇、正戊醇和异戊醇的校正集样品的真实值与近红外预测值的决定系数（R2）分别为0.952、0.981、0.963和0.981,内部交互验证均方根误差分别为0.27、0.49、0.101?mg/100?mL和0.67?mg/100?mL;验证集的决定系数（R2）分别为0.947、0.980、0.928和0.952,预测均方根误差分别为0.40、0.81、0.49?mg/100?mL和1.35?mg/100?mL。结果表明建立的典型醇近红外快速检测模型的准确度、稳定性及预测性能均呈现良好,为白酒基酒的醇类物质品质分析方法研究提供了新的思路。     

绿茶茶多酚近红外光谱定量分析模型优化研究

采用NIR Systems6500 和InfraXact Lab 型近红外仪分别对158 份绿茶未粉碎品和粉碎样品进行光谱扫描,利用正交试验设计,分别采用主成分回归、偏最小二乘、改进偏最小二乘3 种校正方法,并对原始光谱分别进行不同的预处理,建立了绿茶茶多酚定标模型,利用目标函数法对模型进行评定,并对评定的最优模型适用性进行验证。试验结果为：利用NIR Systems6500 型近红外仪对绿茶粉碎样品扫描的光谱采用改进偏最小二乘法进行定标,在标准正常化+ 趋势变化散射处理、二阶导数处理(取点间隔为1)、平滑处理取点间隔为4 和二次平滑处理取点间隔为8 组合的光谱预处理下建立的模型最优,其目标函数值为95.74%,验证相对标准差(RSD)为4.52%,相对分析误差(RPD)为2.52%。结果表明：采用正交试验设计能够综合考察不同的校正方法和预处理方法对近红外定标模型的影响,利用近红外光谱分析法能够实现绿茶中茶多酚含量的定量检测,所建立的最优模型具有很好的预测准确性和适用性。     

英红九号发酵叶中茶褐素近红外定量模型的优化与验证

为提高近红外光谱分析方法快速实现对测定红茶在制品中的茶褐素的定量模型精度无损、快速检测,该试验利用近红外光谱技术对以英红九号发酵叶中茶褐素进行采集、提取和分析的检测为例,对其近红外定量检测模型的构建与优化进行了研究。首先,采用规范化处理（Normalize）、基线校正（Baseline）、S-G一阶导数（Savitzky-Golay,1st S-G）、S-G二阶导数（2nd S-G）、标准正态变量变换（Standard Normal Variate Transform,SNV）五种预处理方法对原始光谱进行预处理分析。然后,采用效果最好的一阶导数预处理方法进行波长特征提取,分别使用间隔偏最小二乘算法（Interval Partial Least Square,iPLS）、竞争自适应加权算法（Competitive Adaptive Reweighted Sampling,CARS）、变量迭代空间收缩方法（the Variable Iterative Space Shrinkage Approach,VISSA）提取波长特征。最后,使用偏最小二乘回归（Partial Least Square,PLS）预测模型进行回归建模。研究结果表明：使用一阶导数进行预处理、同时使用CARS方法建立的1st-CARS-PLS模型效果特征更显著,特征值数量为53个。研究表明,该试验采用的模型方法能够快速、无损地检测英红九号发酵叶中的茶褐素含量。     

近红外特征光谱定量检测羊肉卷中猪肉掺假比例

利用近红外漫反射光谱技术结合化学计量学方法对解冻掺假羊肉卷,进行猪肉掺假比例的定量检测研究。按照不同肥肉占比和不同猪肉掺假比例,制备324?个样品,并利用近红外光谱仪采集其光谱数据。对原始数据进行SG（Savitzky-Golay）平滑、SG一阶导、SG二阶导、多元散射校正、中心化、标准正态变量校正等预处理,并利用偏最小二乘回归（partial least square regression,PLSR）进行建模分析,其中SG平滑结合一阶求导预处理的模型预测效果最优。针对最佳预处理光谱采用竞争性自适应加权采样（competitive adaptive reweighted sampling,CARS）算法进行波长筛选,并建立特征波长PLSR模型,模型预测效果得到提高。其中,校正集和验证集决定系数分别为0.983?6和0.972?5,校正集和验证集的均方根误差分别为0.043?7和0.057?7,范围误差比为7.62。应用该CARS-PLSR模型对检验集进行预测,真实值与预测值的相关系数为0.913?8,结果表明采用近红外光谱分析技术可以实现不同肥肉占比羊肉卷中猪肉掺假比例的定量检测。     

基于近红外光谱技术建立棉籽蛋白质含量快速无损测定方法

棉籽是棉花产业的重要副产品,含有丰富的棉籽蛋白,是牲畜蛋白质的重要来源,提高棉籽蛋白质的利用率对缓解我国蛋白资源短缺有着重要意义。快速无损环保测定棉籽蛋白质含量方法的建立,对于合理有效的利用棉籽资源和开展棉籽营养品质遗传改良等方面的研究具有关键作用。本研究通过凯氏定氮法对187份棉花品种进行棉籽蛋白质含量化学值测定,利用近红外光谱分析仪分别采集三种不同棉籽形态毛籽、光籽和种仁的光谱特征信息,经过不同数学算法处理和散射处理等方法结合改良偏最小二乘法 (Modified partial least squares, MPLS), 建立了三种不同棉籽形态蛋白质含量快速无损检测的近红外光谱模型。构建的毛籽、光籽和种仁三种近红外检测模型的定标相关系数 (Regression squared, RSQ) 分别为0.957、0.971、0.989,并通过差异统计分析比较,验证集的化学值与近红外光谱预测值间不存在显著差异。结果表明三种不同棉籽形态下建立的近红外光谱检测模型都具有良好的准确性,能够针对不同待测样品类型进行准确的蛋白质含量检测。本研究建立了毛籽、光籽以及棉仁三种棉籽蛋白质含量的近红外光谱检测模型,实现了棉花种子蛋白质含量的快速无损低消耗检测,为棉籽综合利用以及棉籽高品质育种提供技术支撑。