酸奶中非脂乳固体的近红外定量分析模型建立

采用偏最小二乘回归PLS建模算法,建立酸奶中非脂乳固体的近红外定量分析模型,并对模型进行验证评估。收集92组酸奶样品,并用漫反射方法采集得到近红外扫描光谱,光谱经过MSC、一阶导数、S-G平滑等预处理,选取波数范围6 000~10 000 cm-1,用PLS法建立得到了较优模型,其相关系数R为0.99078,均方根校正误差RMSEC为0.152,均方根预测误差RMSEP为0.330,性能指数PI为83.1。用此模型对25组酸奶样品进行了预测,预测效果较好。     

蜂蜜中羟甲基糠醛的近红外光谱快速测定方法

为实现蜂蜜中羟甲基糠醛的快速测定,利用近红外(NIR)光谱分析技术结合偏最小二乘法(PLS)建立了蜂蜜中羟甲基糠醛的定量分析模型,并进行了预测。通过光谱扫描,波数范围为7706~4009cm-1、一阶导数、norris derivative平滑及10个因子数进行光谱预处理,偏最小二乘法(PLS),交叉验证。结果表明,羟甲基糠醛定量模型的交叉验证相关系数(Rcv2)=0.99620、交叉验证均方差(RMSECV)=2.40;预测相关系数(Rp2)=0.99874、预测均方差(RMSEP)=2.02;预测值与测定值之间无显著差异,该方法适用于蜂蜜中羟甲基糠醛的快速测定。     

基于MCCV奇异样本筛选和CARS变量选择的蜂蜜pH值和酸度的近红外光谱检测

采用Norris平滑加一阶微分数据预处理,蒙特卡洛交互验证(MCCV)的奇异样本筛选和CARS(competitive adaptive reweighted sampling)变量选择法,用Kennard-Stone(KS)法划分训练集和预测集,偏最小二乘(PLS)回归近红外光谱建模,对蜂蜜pH值和酸度进行定量分析。pH值和酸度校正模型的交互验证决定系数(Rcv2)、交互验证均方差(RMSECV)、预测集决定系数(Rp2)、预测均方差(RMSEP)分别为0.8516和0.8723、0.1214和2.1734、0.8205和0.8250、0.1196和2.4674。结果表明,该方法适于蜂蜜pH值的测定,而不宜用于测定蜂蜜酸度。     

鸡蛋脂肪含量近红外光谱无损检测技术研究

为建立近红外光谱无损检测鸡蛋脂肪含量的方法,在近红外光谱全波段内采集鸡蛋样品的漫反射光谱图,用酸水解法测定鸡蛋样品中的脂肪含量。对采集的光谱进行最小-最大归一化(Min-max Normalization,MMN)、矢量归一化(Vector Normalization,SNV)、平滑、一阶导数(First Derivative,FD)及多元散射校正(Multiplicative Scatter Correction,MSC)处理,用偏最小二乘法(Partial Least Squares,PLS)对鸡蛋脂肪含量建模验证。结果表明,经多元散射校正(MSC)法预处理,偏最小二乘法(PLS)建模以及杠杆校正(Leverage Correction)检验,鸡蛋的脂肪含量与其近红外光谱信号之间存在线性关系,校正集和验证集相关系数R2分别0.947 5,0.906 3,校正均方差RMSEE为0.173 2,预测均方差RMSEP为0.231 4,模型效果最好,可用于鸡蛋中脂肪含量的无损检测。     

应用近红外光谱对老陈醋进行定性定量的检测研究

利用近红外光谱结合DA和PLS算法在不同光谱预处理方法下,对山西老陈醋醋龄进行定性判别分析,并建立陈醋可溶性固形物(SSC)及pH值的定量模型.结果表明:原始光谱、5点平滑以及SNV校正建立的DA模型性能良好,校正集判别正确率为100％,预测集判别正确率为88.89％;原始光谱建立的可溶性固形物的PLS定量模型最优,校正集和预测集的相关系数r分别为0.99988和0.99960,RMSEC,RMSEP和RMSECV分别为0.0421,0.0911和0.0777;5点平滑建立的pH值的PLS定量模型最优,校正集和预测集的相关系数r分别为0.99733和0.97411,RMSEC,RMSEP和RMSECV分别为0.0151,0.0386和0.0468.     

近红外光谱法测定金华火腿生产过程中的品质参数

以金华火腿为研究对象,采用傅里叶近红外光谱分析技术检测火腿生产过程中的品质参数.火腿样品经万能机粉碎,在AntarisⅡ傅里叶变换近红外光谱仪上扫描,获得其近红外光谱.参照国标法测定对应样本的过氧化值和水分含量,用Norris导数平滑滤波及一阶导数对光谱预处理,建立火腿过氧化值和水分含量的偏最小二秉(PLS)回归模型.其中过氧化值模型中样品预测值与实测值的相关系数r2=0.99091,预测均方差(RMSEP)0.436,平均相对标准偏差0.34％,与化学测定值无显著差异.水分含量模型中样品的预测值与实测值的相关系数r2= 0.93537,RMSEP为0.0184.本实验结果表明近红外光谱技术可快速检测金华火腿生产过程中的品质参数.     

莲藕淀粉含量的近红外光谱无损检测方法

应用近红外光谱技术无损检测莲藕的淀粉含量。对光谱数据的3种预处理方法进行了比较分析,再采用偏最小二乘法(PLS)和联合区间偏最小二乘法(SiPLS)建立了莲藕淀粉含量的近红外光谱分析模型。研究结果表明,经多元散射校正、一阶导数和平滑等结合的预处理,采用联合区间偏最小二乘法(SiPLS)建立的模型最佳;其校正集的相关系数(Rc)和均方根误差(RMSEC)分别为0.960 0和0.741 6,预测集的相关系数(Rp)和均方根误差(RMSEP)为0.923 8和1.050 6,可以满足实际应用要求。结论:利用近红外光谱技术对莲藕淀粉含量进行无损检测切实可行。     

北虫草中虫草素的NIR快速定量测定

应用近红外光谱(NIR)和偏最小二乘法(PLS),建立了北虫草中虫草素的定量分析校正模型。分别采集北虫草子实体的近红外光谱图,应用TQ化学计量学分析软件,对不同化学计量学处理方法进行了比较,并对光谱区域,光谱预处理方法,主成分因子数进行筛选。依据预测效果确定了最佳的校正模型,虫草素含量的预测结果与HPLC检测结果的相关系数为0.9919,校正模型的定标均方差(RMSEC)为102 mg/kg、预测均方差(RMSEP)为281 mg/kg。本方法操作简便,快速无损,可用于北虫草中虫草素含量的快速检测。     

哈姆林甜橙果实内在品质的可见-近红外光谱无损检测法

采用可见- 近红外漫反射光谱技术,结合偏最小二乘法,以不同时间采摘的哈姆林甜橙果实为样品建立其可溶性固形物、含酸量和VC 的无损检测数学模型,同时对不同光谱预处理方法和不同建模波段范围对模型的预测性能进行对比分析。结果表明：原始光谱在400～1000nm 波段的模型预测精度较高。经多元散射校正和5 点移动平均平滑预处理后,果实可溶性固形物含量的PLS 模型最好,校正集样品的相关系数为0.995RMSEC和RMSEP分别为0.026%、0.028%;预测集样品的相关系数为0.992。经多元散射校正和9 点移动平均平滑预处理后,果实含酸量的PLS 模型最好,校正集样品的相关系数为0.997,RMSEC 和RMSEP 分别为0.012%、0.013%;预测集样品的相关系数为0.997。经多元散射校正和9 点移动平均平滑预处理后,果实VC 含量的PLS 模型最好,校正集样品的相关系数为0.998,RMSEC 和RMSEP 分别为0.009%、0.009%;预测集样品的相关系数为0.999。可见由不同时间采摘的果实组成的样品集所建立的数学模型可以提高模型的预测精度,从而提高模型的适用范围。应用可见-近红外漫反射光谱检测哈姆林甜橙果实的内在品质可行。     

淀粉液化液葡萄糖当量值的近红外快速检测

为解决淀粉工业中淀粉液化液葡萄糖当量(Dextrose Equivalent,DE)值的化学检测方法繁琐复杂问题,研究近红外光谱(near infrared spectroscopy,NIRS)快速检测淀粉液化液DE值的方法。取88个淀粉液化液作为样本,扫描得到近红外光谱图,分为72个初始样本校正集,10个初始样本预测集,剔除6个问题样品,研究了运用多元散射校正(Multiplicative signal correction,MSC)、标准正态变量变化(Standard normal variate,SNV)、平滑(smoothing)、多项式平滑(Savitzky-Golay卷积平滑,SG)、一阶导数(1st derivative,1D)、二阶导数(2nd derivative,2D)等不同预处理方法和偏最小二乘法(partial least squares,PLS)、主成分回归法(principal component regression,PCR)组合的建模效果。计算分析结果表明:多元散射校正结合一阶导数与偏最小二乘法算法建模的初始模型稳定性和预测能力较好;近红外DE值模型的主成分因子数、交叉验证均方差(RMSEC)、交叉验证决定系数(R_C)、预测均方差(RMSEP)、预测决定系数(R_P)依次为:3、1.53、0.9723、1.44、0.9746。因此该NIRS检测方法快速简便,可用于淀粉液化液DE值的快速检测。