南果梨糖度近红外光谱无损检测模型的建立

利用近红外透射光谱仪,对产自辽宁省鞍山地区的具有代表性的南果梨样品建立了近红外透射光谱与南果梨糖度的数学模型,并对模型进行了预测。结果表明:南果梨中可溶性固形物含量、还原糖含量的近红外光谱预测值与化学实测值之间的相关系数分别为0.9364、0.8586,预测均方根偏差(RMSEP)分别为0.2285、0.07929,其中以可溶性固形物含量作为定标参数建立模型的预测能力较强,证实利用近红外透射光谱建立的定标模型来测定南果梨的糖度是可行的。      

果实成熟度对南果梨近红外无损检测技术模型的影响

通过研究不同成熟度的南果梨内部化学成分含量的差异性,建立不同成熟度的南果梨可溶性固形物、酸度近红外模型,并研究模型性能的差异性,讨论成熟度的变化对南果梨近红外分析技术的影响。结果表明：在2007 年9 月13 日采收的南果梨糖、酸含量与在9 月7 日和9 月10 日采收的南果梨存在显著差异性,而7 日与10 日采收的无差异性变化;建立不同成熟度的南果梨可溶性固形物、酸度模型的相关系数都高于0.9,校正均方根误差为0.014～0.201;对模型预测能力分析表明,样品采收期在9 月13 日的模型适用范围明显高于其他两个成熟度的模型,证明成熟度的显著差异性变化,扩大了校正集样品化学成分含量的范围,进而提高了模型的适用范围。     

南果梨糖、酸度近红外光谱无损检测模型建立定标参数的确定

本实验利用Purespect型近红外光谱仪获得南果梨样品的光谱数据,采用不同的化学测定方法测定样品中糖、酸含量,分别以可溶性固形物含量(SSC)、还原糖含量(RSC)、总酸度含量(TA)和有效酸度(pH)为定标参数建立四项指标近红外定标模型,并分析比较4个模型的Rc、Rp、RMSEC、RMSEP及预测集样品的残差c.结果表明:对于糖度指标而言,SSC模型的Rc、Rp值高于RSC模型,且残差e分布较RSC的均匀,SSC是南果梨糖度近红外光谱无损检测定标模型建立适宜的定标参数;对于酸度指标而言,pH模型的Rc值高于TA模型,两个酸度模型的Rp均大于0.9,且二者之间无明显差异,TA模型的残差e分布优于pH模型,考虑到实际应用效果,确定酸度定标模型采用TA作为定标参数.     

南果梨糖度近红外光谱无损检测模型的建立

利用近红外透射光谱仪,对产自辽宁省鞍山地区的具有代表性的南果梨样品建立了近红外透射光谱与南果梨糖度的数学模型,并对模型进行了预测.结果表明:南果梨中可溶性固形物含量、还原糖含量的近红外光谱预测值与化学实测值之间的相关系数分剐为0.9364、0.8586,预测均方根偏差(RMSEP)分剐为0.2285、0.07929,其中以可溶性固形物含量作为定标参数建立模型的预测能力较强,证实利用近红外透射光谱建立的定标模型来测定南果梨的糖度是可行的.     

可见/近红外漫反射光谱无损检测甜柿果实硬度

该研究的目的是建立可见/近红外漫反射光谱无损检测甜柿果实硬度的数学模型,评价可见/近红外漫反射光谱无损检测甜柿果实硬度的应用价值。果实硬度采用果皮脆性、果皮强度和果肉平均硬度作为评价指标。在可见/近红外光谱区域(400～2 500 nm),采用改进偏最小二乘法,对比分析了不同导数处理、不同散射及标准化处理的甜柿果实硬度定标模型。结果表明,对于果皮强度和果皮脆性,采用最小偏二乘法、一阶导数处理和标准多元离散校正处理建立的定标模型预测效果较好,RP2分别为0.858和0.862,SEP分别为0.094和0.157,RPD分别为2.47和2.63。对于果肉平均硬度,采用改进偏最小二乘法、一阶导数处理和标准正常化和去散射处理建立的定标模型预测效果较好,RP2为0.82,SEP为0.063,RPD为2.35。因此,可见/近红外漫反射光谱无损检测技术可用于甜柿果实硬度的无损检测。     

扫描方式对南果梨近红外光谱无损检测模型建立的影响研究

利用Purespect型近红外光谱分析仪,以不同的扫描方式对南果梨样品进行近红外透射分析.方差分析结果表明,单测点扫描6次光谱无显著性差异,仪器稳定性好;多测点扫描4次,并对80个南果梨样品分别建立可溶性固形物含量(SSC)、pH模型,模型的相关系数和校正集标准偏差均达到应用要求;应用模型对20个南果梨的SSC和pH进行预测,预测值方差分析结果表明模型间有显著差异.确定180°转动扫描2次(正反两面扫描两次)为可靠、快速、易操作的扫描方式.     

可见/近红外漫反射光谱无损检测磨盘柿果实硬度的研究

建立可见/近红外光谱与磨盘柿果实硬度之间的数学模型,评价可见/近红外光谱技术无损检测磨盘柿硬度的应用价值。在可见/近红外光谱区域(570～1848nm),实验对比分析了不同数学建模算法、不同导数处理方法和不同散射及标准化处理的磨盘柿果实硬度定标模型。结果表明,应用偏最小二乘回归算法、一阶导处理和标准正常化和散射处理所建柿果实硬度定标模型的预测性能较优,模型的相关系数(Rc2)为0.7992,均方根误差(RMSEC)为2.0642;用该模型对40个预测样本进行预测,其相关系数(Rp2)为0.8267,预测均方根误差(RMSEP)为2.0223。研究表明,可见/近红外漫反射技术对磨盘柿果实硬度的快速无损检测具有可行性。     

可见/近红外漫反射光谱无损检测磨盘柿果实硬度的研究

建立可见/近红外光谱与磨盘柿果实硬度之间的数学模型,评价可见/近红外光谱技术无损检测磨盘柿硬度的应用价值。在可见/近红外光谱区域(570～1848nm),实验对比分析了不同数学建模算法、不同导数处理方法和不同散射及标准化处理的磨盘柿果实硬度定标模型。结果表明,应用偏最小二乘回归算法、一阶导处理和标准正常化和散射处理所建柿果实硬度定标模型的预测性能较优,模型的相关系数(Rc2)为0.7992,均方根误差(RMSEC)为2.0642;用该模型对40个预测样本进行预测,其相关系数(Rp2)为0.8267,预测均方根误差(RMSEP)为2.0223。研究表明,可见/近红外漫反射技术对磨盘柿果实硬度的快速无损检测具有可行性。      

梨果实近红外光谱无损检测技术研究进展

梨果实容易发生果肉褐变,即使外观完好,也有可能内部发生劣变。近红外光谱(NIRS)分析技术以其快速、无损、多组分同时测定等优势,近年来在梨果实无损检测应用的研究中取得重要进展。本文介绍了NIRS检测技术的原理与方法,综述了国内外应用NIRS无损检测技术在梨糖度、酸度、硬度等内部品质、褐变和损伤等内部缺陷方面及便携式检测的研究进展,并对其存在的问题及应用前景进行了展望。     

近红外无损检测甜柿果实质地和品质

该研究的目的是建立近红外漫反射光谱检测甜柿的果实质地的数学模型,并评价其应用价值。本文采用果肉硬度、凝聚性、咀嚼性作为评价指标,在全光谱范围内(400~2500nm),分别采用不同的预处理方法建立定标模型,使用最优模型对50个未知样品进行预测。结果显示,果肉硬度的RMSEP为0.824,R P2为0.844,RPD为2.40;凝聚性的RMSEP为0.05,R P2为0.862,RPD为2.56;咀嚼性的RMSEP为0.443,R P2为0.837,RPD为2.37。本研究表明,近红外漫反射技术甜柿果实质地的快速无损检测具有可行性。      

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。     

利用近红外透射光谱技术测定苹果糖度的研究

利用近红外透射光谱法对苹果糖度进行检测分析,表明在600￣1100nm的波长范围内建立对苹果糖度的预测模型是可行和有效的。苹果糖度的实际化学值和NIT测定值的相关系数为0.955335,标准误差为0.241307。此种方法测定苹果的糖度仅需十几秒钟,并且样品无需任何处理,具有快速、方便、无损伤等特点,对苹果的分级具有实际的意义。     

采用近红外光谱技术检测蜂蜜中蔗糖含量的研究

利用近红外透射光谱快速测量蜂蜜中的蔗糖含量,采用偏最小二乘方(PLS)回归,建立光谱测量值与化学值之间的校正模型,找出二者的相关性,探讨近红外检测技术应用于蜂蜜品质分析的可能性。     

A comparative study for the quantitative determination of soluble solids content,pH and firmness of pears by Vis/NIR spectroscopy

Visible and near infrared (Vis/NIR) spectroscopy was investigated to determine the soluble solids content (SSC), pH and firmness of different varieties of pears. Two-hundred forty samples (80 for each variety) were selected as sample set. Two-hundred ten pear samples (70 for each variety) were selected randomly for the calibration set, and the remaining 30 samples (10 for each variety) for the validation set. Partial least squares (PLS) and least squares-support vector machine (LS-SVM) with different spectral preprocessing techniques were implemented for calibration models. Different wavelength regions including Vis, NIR and Vis/NIR were compared. It indicated that Vis/NIR (400–1800 nm) was optimal for PLS and LS-SVM models. Then, LS-SVM models were developed with a grid search technique and RBF kernel function. All LS-SVM models outperformed PLS models. Next, effective wavelengths (EWs) were selected according to regression coefficients. The EW-LS-SVM models were developed and a good prediction precision and stability was achieved compared with PLS and LV-LS-SVM models. The correlation coefficient of prediction (r_p), root mean square error of prediction (RMSEP) and bias for the best prediction by EW-LS-SVM were 0.9164, 0.2506 and −0.0476 for SSC, 0.8809, 0.0579 and −0.0025 for pH, whereas 0.8912, 0.6247 and −0.2713 for firmness, respectively. The overall results indicated that the regression coefficient was an effective way for the selection of effective wavelengths. LS-SVM was superior to the conventional linear PLS method in predicting SSC, pH and firmness in pears. Therefore, non-linear models may be a better alternative to monitor internal quality of fruits. And the EW-LS-SVM could be very helpful for development of portable instrument or real-time monitoring of the quality of pears.     

近红外光谱法快速检测带鱼肉中的水分和蛋白质含量

应用傅立叶变换近红外光谱分析技术对带鱼肉中水分和蛋白质含量进行了研究。分别建立原始光谱、间隔2点一阶导数(dblg2)、3点平滑(sa3)、标准归一化(SNV)和多元散射校正(MSC)的偏最小二乘回归(PLS)模型,比较定标相关系数(Rc)、预测相关系数(Rv)、定标标准差(SEC)和预测标准差(SEP),建立了MSC预测模型,水分和蛋白质近红外检测模型的相关系数均在0.9以上。SEC分别为0.74和0.68,SEP分别为0.81和0.73。将确定的模型进行了外部验证,水分和蛋白质NIR预测值和化学分析值的配对t检验差异均不显著。说明近红外光谱法应用于带鱼肉中水分和蛋白质含量的快速检测是可行的。     

发酵液中乙醇含量的近红外光谱NIRS定量分析与验证

应用近红外光谱技术(NIRS),采用偏最小二乘法(PLS)建立发酵液中乙醇含量定量分析预测模型,并比较发酵液原液和发酵液上清液NIRS预测模型对预测乙醇含量的效果差异。结果表明,发酵液原液所建立的乙醇含量和发酵上清液所建立的乙醇含量预测模型校正误差(SEC)、交叉检验标准误差(SECV)、校正相关系数(RSQ)、交叉验证相关系数(1-VR)皆有很好的关联性。由此可见,通过内部交叉检验和外部验证.用近红外光谱法测定发酵液中的乙醇含量具有很高的准确度,为近红外光谱法快速监测乙醇发酵提供了新的方法。     

基于偏最小二乘法的板栗近红外光谱分析模型的建立

目的:应用近红外光谱技术和化学计量学方法,建立板栗品质分析的近红外光谱模型。方法:采用傅里叶变换近红外光谱仪,采集样品的近红外漫反射光谱,再用传统理化分析方法测得样品的各项品质参数,采用偏最小二乘法(PLS)建立定标模型,内部交叉验证法对模型进行检验。结果:对板栗分别建立了水分、淀粉、硬度和糖度的PLS模型,4种PLS模型都非常理想,模型的相关系数均大于0.99。结论:采用近红外光谱法可以实现板栗品质指标的快速无损检测。     

利用近红外光谱技术进行羊毛、羊绒鉴别

文章从样品和谱图的采集、原始谱图的处理和校正模型的建立等方面介绍了近红外光谱技术的原理,并根据化学计量统计学理论,介绍了利用近红外光谱技术进行定性定量分析的方法.并由羊毛、羊绒样品初步建立了羊毛、羊绒定性分析模型,对该模型的验证结果表明,该模型可以用来进行羊毛、羊绒的初步鉴别.由于羊毛、羊绒样品采集数量和代表性有限,在将近红外光谱技术用于羊毛、羊绒产品的商品检验之前,还需进一步大量收集样品,建立更为稳定和具有代表性的数据库和数学模型.     

油菜籽芥酸和硫甙含量近红外反射光谱测定技术的优化设置

以完整甘蓝型油菜籽为样品,研究了不同光谱预处理和回归统计方法在用近红外反射光谱（NIRS）分析油菜籽中芥酸和硫甙的含量时,对建立回归方程的影响。结果表明,光谱预处理对校正结果影响较大,不同光谱数学处理以2阶导数处理较好,在各阶导数处理中存在着交叉现象,对于芥酸和硫甙都可找到一些较好的处理组合。对于芥酸,除趋势变换法（De-trending）散射处理外,其余各处理均有明显效果。但散射处理对硫甙分析效果不如芥酸明显。回归统计方法对建立芥酸和硫甙的回归方程影响最为有效,两者表现一致,其中以改良偏最小二乘法（MPLS）效果最好。对于芥酸和硫甙,采用“标准正态变量转换（SNV） 趋势变换法（De-trending）/2,4,4,1/MPLS”的组合建立回归方程效果较好,检验平均偏差（Bias）分别小至-0.405和0.315,而检验决定系数（RSQ）分别高至0.982和0.972。本研究采用整粒小样品（3g）来分析,效果较好,可直接用于育种早世代选择。