近红外光谱技术测定花生蛋白质含量研究

采用近红外光谱技术(NIRS)建立花生蛋白质含量的测定模型,讨论了不同回归技术及光谱和数学处理方法对模型的影响,并对模型进行外部验证.得出最佳的建模参数为:标准正常化结合散射处理(SNV and Detrend)的光谱处理方法和"2,4,4,1"的数学处理方法,改进最小二乘法的回归技术.得到的定标方程的定标相关系数为0.926 9,定标标准偏差为0.228 1,交叉验证相关系数为0.911 7,交叉检验标准偏差平均值为0.311 9,经外部验证得到的相关系数为0.919 7.近红外光谱技术可以用于花生蛋白质含量的快速检测.     

近红外光谱法测定小麦籽粒中的蛋白质含量

用化学方法测定78个小麦籽粒样品中的蛋白质含量,利用近红外谷物分析仪采集样品的近红外光谱,选择合适的光谱区间和光谱预处理方法.60个定标集样品的近红外光谱经二阶导数及标准多元离散校正预处理,结合偏最小二乘法建立了小麦籽粒中的蛋白质含量测定的定标模型,其相关系数为0.934 0.18个验证集样品用于外部检验,小麦籽粒中的蛋白质含量的模型预测值与化学值之间的相关系数为0.979 7.     

近红外分析花生籽粒脂肪酸含量的研究

采集了50种具有代表性的花生品种作为样本,建立了花生籽粒5种主要脂肪酸(棕榈酸、油酸、亚油酸、花生酸和山嵛酸)含量的近红外光谱定标模型.其中,油酸和亚油酸的定标模型质量较高,交互验证决定系数分别为0.933 0和0.924 9,外部验证决定系数分别为0.940 1和0.948 7,相对分析误差均大于2.5.棕榈酸、花生酸和山嵛酸的定标模型交叉验证决定系数和外部验证决定系数均小于0.8,相对分析误差均小于2.5.试验结果表明应用近红外光谱法测定花生籽粒中油酸和亚油酸这两种脂肪酸的含量模型预测的精确度较高.     

近红外光谱法检测小麦粉中灰分含量的研究

采用化学法测定67个小麦粉样品的灰分含量,利用波通DA7200型近红外光谱分析仪采集样品近红外光谱,选择合适的光谱区间及光谱预处理方法,采用偏最小二乘法(PLS)和留一法交叉验证方式建立定标模型.50个定标样品的近红外光谱经二阶导数预处理,由PLS法获得的定标模型的决定系数(R2)为0.897 0.利用17个验证集样品进行外部检验,预测值与真实值之间的相关系数(R2)为0.909 4,预测集标准偏差(SEP)为0.098 0.实验表明,近红外光谱法应用于小麦粉灰分的测定是可行的.     

基于近红外光谱分析技术的芝麻灰分含量的快速无损检测

利用近红外谷物分析仪对芝麻整粒进行光谱扫描,分别建立了白芝麻和黑芝麻灰分含量快速检测近红外分析模型,井对光学处理和数学处理过程中不同因素对模型的影响进行了探讨.模型内部验证和外部检验结果表明:去散射方式采用去散射处理,数学处理技术采用“3,4,4,1”(即每间隔4个光谱点进行三阶导数处理和一次平滑处理,不进行二次平滑处理)得到的方程为白芝麻灰分的最佳定标模型,其1-VR值为0.8203,SECV值为0.1837.去散射方式采用标准正常化结合散射处理,数学处理技术采用“2,2,2,1”(即每间隔2个光谱点进行二阶导数处理和一次平滑处理,不进行二次平滑处理)得到的方程为黑芝麻灰分的最佳定标模型,其1-VR值为0.7347,SECV值为0.2334.本文验证了近红外光谱技术快速检测芝麻灰分含量的可行性,表明该分析技术可以应用于芝麻品质的快速评价.     

基于近红外光谱技术测定小麦籽粒淀粉含量

采用化学方法测定78个小麦样品中的淀粉含量,运用近红外光谱仪采集小麦样品近红外光谱.用光学处理和数学处理等手段对模型的影响进行了探讨.结果显示,反相离散多元校正(Inverse MSC)与二阶导数结合对光谱数据进行预处理后,运用偏最小二乘法(PLS)所建分析模型的预测效果最优,其相关系数为0.951 7.以17个验证集样品进行外部检验,得小麦籽粒中淀粉含量的模型预测值与化学值之间的相关系数为0.978 6.     

近红外光谱法测定油炸方便面中水分含量的研究

应用近红外光谱技术测定了油炸方便面中的水分.通过比较各种数据处理方法,以80份样品建立方便面水分的近红外定标模型,40份样品作为验证样品集进行了验证.结果表明:以SNV(标准正态变量转化法)预处理后采用PLS(偏最小二乘法)建模效果最好.该方法得到的定标集样品的相关系数Rc和预测标准误差SEC分别为0.985 0、0.237 3;验证集样品的相关系数Rv和预测标准误差SEP分别为0.986 0、0.232 2.验证结果表明利用近红外光谱技术能快速测定油炸方便面中的水分.     

利用近红外光谱进行羊绒与羊毛的鉴别技术研究

利用近红外光谱技术,以不同产地的羊绒、羊毛纤维为研究对象,结合主成分分析法和多元线性回归方法分别建立了羊绒、羊毛定性分析模型和羊绒-羊毛混纺纤维的定量分析模型.对模型的验证结果表明:定性分析模型能够准确地鉴别出羊绒与羊毛纤维;定量分析模型的相关系数和预测标准偏差分别达到了0.998 1和1.206 1,能够对羊绒-羊毛混纺纤维的含量进行准确的预测;近红外光谱技术用于羊绒、羊毛定性及定量分析具有可行性.     

应用NIR高光谱成像技术检测羊肉脂肪和蛋白质质量分数

采用近红外高光谱成像技术(900～1 700 nm)对羊肉脂肪和蛋白质质量分数进行预测.通过近红外高光谱对72个羊肉样本进行高光谱图像采集,获取的光谱数据经过多元散射校正进行光谱预处理.通过回归分析选取对应的特征波长,利用BP神经网络结合脂肪和蛋白质的实测值,建立预测模型并对模型进行验证.结果显示,羊肉脂肪和蛋白质的预测模型效果较好.其中,脂肪模型的相关系数R和预测均方根误差RMSEP分别为0.91和0.73;蛋白质模型的相关系数R和预测均方根误差RMSEP分别为0.87和1.19.该研究表明,利用近红外高光谱成像技术预测羊肉脂肪和蛋白质质量分数是可行的.     

近红外光谱法主成分分析6种植物油脂的研究

采用近红外光谱技术,结合主成分分析方法,研究区分6种植物油脂的测定方法.用不同品种和不同产地的油料制备植物油,其中32种大豆、34种花生、28种菜籽和12种棉籽,采集不同厂家生产的20种棕榈油和12种米糠油样品.测定6种植物油脂138个样品的近红外透射光谱.以植物油脂的光谱信息作变量,应用NIRCa15.2软件进行光谱预处理及主成分分析,随机取2/3的样品作定标集,1/3作验证集,选取负荷量差别较大的7个主成分进行得分比较.结果显示,138个样品被识别为相互独立的6组,分类精度100%,验证准确率100%.     

近红外光谱法快速测定三七总皂苷的方法研究

以中药为实例 ,提出用近红外光谱技术快速检测复杂物质分析体系中有效组分 .在 0 .133%～ 7.0 4 0 %浓度内 ,根据三七总皂苷在 75 0 0～ 4 0 0 0 cm- 1 的近红外吸收光谱 ,利用光纤远程传输技术 ,采用偏最小二乘算法建立校正模型 ,建立了在三七药材提取物中定量检测该物质的新方法 .交叉检验的最佳主因子数为 4 ,相关系数 R2 为99.4 3% ,交叉验证均方差为 0 .15 9% .该方法快速、准确、简便 ,适合于中药工业过程在线检测 .     

近红外光谱技术测定小麦过氧化氢酶的研究

过氧化氢酶是衡量小麦籽粒新鲜度的重要指标.将近红外光谱技术与化学计量方法结合起来,建立小麦样品过氧化氢酶的定标方程,并对方程进行了验证、优化得到小麦过氧化氢酶的最佳定标模型,其1-VR值为0.688,RSQ值为0.947,SEC值为3.363,SECV值为7.303,SEP值为3.361.通过外部验证,表明该方法可以对不同新鲜度的小麦进行快速筛查.     

基于近红外高光谱成像技术的马铃薯淀粉含量无损检测

以马铃薯为研究对象,应用近红外高光谱成像技术(900¹ 700 nm)对马铃薯淀粉含量进行无损检测.采用多元散射校正法(MSC)对原始光谱进行预处理,并通过回归系数法(RC)和连续投影算法(SPA)选择特征波长.分别建立两种特征波长下的多元线性回归模型(MLR)和偏最小二乘回归模型(PLSR),并对比建模效果.结果表明,对于两种建模方法,采用连续投影算法选择特征波长建模的效果较好;SPA-MLR建模效果优于SPA-PLSR建模效果,其校正模型的相关系数(Rc)和均方根误差(RMSEC)分别为0.972、0.329;验证模型的相关系数(Rp)和均方根误差(RMSEP)分别为0.982、0.249.     

近红外光谱法测定废水化学需氧量

为快速确定废水的污染程度，研究了运用近红外光谱法测量废水化学需氧量（COD）的可行性.实验用水样共180个，其中COD标准溶液（邻苯二甲酸氢钾标准溶液）水样22个,污水处理厂的废水水样158个.每一水样分成两组：一组测其800~2600 nm谱区近红外光谱，另一组测其COD，并把该化学值作为标定该水样光谱的“真值”.对水样近红光谱用偏最小二乘法（PLS）回归建模，分别建立标准液水样和废水样的COD预测模型.标准液水样的理论COD值与预测值之间的相关系数为0.9999,交叉验证均方差（RMSECV）为15.14 mg/L；污水处理厂废水水样的COD实测值与预测值之间的相关系数为0.9453,预测标准差（RMSEP）为35.4 mg/L.实验结果表明，用近红外光谱法测量废COD是可行的.     

近红外光谱法测定废水化学需氧量的可行性研究

为快速确定废水的受污染程度，研究了运用近红外光谱法测量废水化学需氧量（COD）的可行性．实验水样采用COD标准溶液（邻苯二甲酸氢钾标准溶液）和污水处理厂的废水．每一水样分成两组：一组测其近红外光谱，另一组测其COD，并把该化学值作为标定该水样光谱的“真值”．对水样近红外光谱采用偏最小二乘法（PLS）回归建模，分别建立标准液水样和废水水样的COD预测模型．标准液水样的理论COD值与预测值之间的相关系数为0．9999，交叉验证均方差（RMSECV）为15．14mg／L；污水处理厂废水水样的COD实测值与预测值之间的相关系数为0．9453，预测标准差（RMSEP）为35．4mg／L．实验结果表明，采用近红外光谱法测量废水COD是可行的．     

聚乙烯密度的拉曼光谱检测

通过分析若干聚乙烯样品的拉曼光谱,对聚乙烯密度的检测方法进行了研究.分别采用拉曼光谱内标法(RISM)和偏最小二乘法(PLS)建立聚乙烯密度预测模型,其中RISM方法建模所得检测结果与真实值的相关系数为0.558,平均相对偏差为1.1%,标准偏差(SD)为11.7,而PLS方法建模所得检测结果的相关系数、平均相对偏差和交叉验证误差均方根分别为0.985、0.2%和2.2.研究表明:通过拉曼光谱能够实现聚乙烯密度的快速检测;且基于PLS的建模分析方法检测结果更优.     

栀子提取和纯化过程的近红外光谱快速检测方法

采用近红外光谱分析技术(NIR)以栀子渗漉提取和大孔树脂纯化过程为研究对象,分别研究并建立了过程中栀子苷含量的检测模型,可实现对中药栀子提取和纯化过程栀子苷含量的快速分析.运用偏最小二乘法(PLS)建立模型,提取过程校正模型相关系数R为0.997 47,校正均方差(RMSEC)和验证均方差(RMSEP)分别为0.588和0.536;纯化过程校正模型相关系数R为0.99640,校正均方差(RMSEC)和验证均方差(RMSEP)分别为0.308和0.298.本方法可用于中药栀子的提取、纯化过程有效成分含量的快速检测.     

近红外光谱对市售黄芩饮片中黄芩苷含量的快速测定

应用近红外光谱技术(NIR)和OPUS数据分析软件,对市售黄芩饮片中黄芩苷的含量进行了快速测定.采用偏最小二乘法(PLS)对黄芩饮片的结果与NIR建立校正模型,最小最大归一化法为黄芩苷的最优预处理建模方法,优化校正模型中真实值与预测值之间的相关系数(R2)为0.896 1,内部验证均方差(RMSECV)为0.836,最佳主因子数为9,预测平均偏差为0.92%.NIR具有非破坏性、无污染、重现性好等优点,可以用于市售黄芩饮片中黄芩苷含量的快速测定.     

近红外光谱法快速定量分析那格列奈

采用近红外漫反射光谱分析技术和化学计量学的方法对那格列奈进行快速无损的定量分析.采集41份不同浓度系列的那格列奈样品测量近红外漫反射光谱,用多元散射校正结合一阶导数的光谱预处理方法,结合偏最小二乘法(PLS)建立那格列奈的定量分析模型.结果表明:交叉验证均方根误差(RMSECV)为0.448 5,决定系数R2为0.999 8;预测均方根误差(RMSEP)为0.196 0.方法精密度RSD为1.1%(n=6),加标回收率为95.55%.结果表明,用近红外光谱分析技术对那格列奈进行定量分析结果准确可靠,方法简便快速,可推广用于此类样品的工业在线分析.     

多组分溶液近红外光谱检测算法研究

利用下一代红外光谱检测仪MEMS-FTIR,在基于近红外波段1 000—2 100 nm区域对多组分糖溶液进行检测,通过开源平台的R语言对实验中的近红外光谱数据进行数据分析和PLS算法研究,为下一代快速、便携式、移动平台光谱数据分析奠定基础。本次研究主要使用具有开源性质的R语言和近红外光谱PLS算法,PLS算法可以显著提高近红外光谱回归模型的有效性。在建立回归模型后,对模型的RMSEP系数和R2系数进行分析和比较,结果表明建立的多组分糖浓度的PLS回归模型拟合程度较高。