近红外光谱法测定混合汁中还原糖含量

采用近红外光谱法测定混合汁中还原糖含量 ,获得良好效果 ,所建模型标准误差小而决定系数高。定标决定系数 R2 、交互定标标准误差 (SECV)、交互定标决定系数 (1-VR)分别为 0 .95 1,0 .0 74 ,0 .85 0 ,具有较好的相关性。用 5 2个随机混合汁样品检验该模型 ,近红外法预测结果与传统滴定法测定结果的检验工作标准误差 (SEP(C) )为 0 .0 75 ,检验决定系数 RSQ为 0 .85 0 ,证明测定所建近红外法定标模型具有较好的稳定性。     

近红外光谱法测定清汁中还原糖含量

采用近红外光谱法测定清汁中还原糖含量，获得良好效果，所建模型标准误差小而决定系数高。数据采用修正的最小二乘法（MPLS）进行计算，所得多元回归线性方程的定标决定系数R2、交互定标标准误差（SECV）、交互定标决定系数（1-VR）分别为0．952，0．067，0．813，具有较好的相关性。用36个随机清汁样品检验该模型，近红外法预测结果与传统滴定法测定结果的检验工作标准误差（SEP）为0．070，检验决定系数为0．876，证明测定所建近红外法定标模型具有较好的稳定性。     

利用近红外分析技术测定大豆水分含量方法的研究

建立了基于FOSS XDS近红外光谱分析仪快速测定大豆水分含量模型,对光学处理和数学处理手段等因素对模型的影响进行了探讨,对模型进行了内部和外部验证.实验结果表明最佳的建模参数为:光学处理选用标准正常化处理(SNV Only),数学处理选用1.4.4.1方法,大豆水分定标方程的交互定标决定系数(1-VR)为0.990 8,定标决定系数(R2)为0.993 9,定标标准误差(SEC)为0.096 7,交互定标标准误差(SECV)为0.127 3,现有数据预测标准偏差(SEP)为0.136.利用该模型对大豆水分含量进行检测,达到了代替常规标准方法的要求,可以应用于快速检测.     

基于近红外光谱扫描技术对高粱中粗脂肪、粗纤维、粗灰分含量的测定方法研究

本试验旨在探讨利用近红外光谱扫描技术对高粱籽粒中粗脂肪、粗纤维、粗灰分进行测定的可行性。以收集的110个高粱籽粒为研究对象,采GB/T6433-2006、SN/T0800.8-1999及GB/T6438-2007对粗脂肪、粗纤维、粗灰分含量进行测定。利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。光谱扫描范围4000～12800 cm-1,分辨率16 cm-1,样品重复装样扫描4次,每次扫描64次获得平均光谱,取4次扫描光谱作为样本的原始光谱。根据定标集决定系数、定标集标准偏差、定标集交互验证决定系数、定标集交互验证标准误差等指标,确定最优模型。结果表明：高粱籽实中粗脂肪、粗纤维、粗灰分的近红外扫描光谱交互验证集相对分析误差分别为3.93、1.47及2.37;验证集相对分析误差分别为2.57、1.23及2.34。粗脂肪的预测模型可用于实际应用,而粗纤维和粗灰分预测模型需要进一步完善。     

利用近红外光谱技术快速测定大豆油的过氧化值

探讨应用近红外光谱技术测定大豆油的过氧化值.通过比较各种数据处理方法,以143份样品建立大豆油过氧化值(0.5～50 mmol/kg)的近红外定标模型,70份样品作为验证样品集进行了验证.结果表明:以一阶导(DBI)结合0～1间归一化(N01)后采用偏最小二乘法(PL5)建模效果最好,定标集预测标准差(SEC)0.516,相关系数(Rc)0.999,验证集预测标准差(SEP)0.523,相关系数(Rv)0.098,表明利用近红外光谱技术能快速测定大豆油的过氧化值.     

磨盘柿可溶性固形物的可见/近红外漫反射光谱无损检测

研究可见/近红外漫反射光谱技术快速检测磨盘柿可溶性固形物的方法。在可见/近红外光谱区域(570～1848nm),对比分析不同数学建模算法、不同导数处理方法和不同散射及标准化处理的果实可溶性固形物定标模型。结果表明：应用改进偏最小二乘回归算法、一阶导处理和去散射处理所建果实可溶性固形物定标模型的预测性能较优,其定标交互验证相关系数(Rcv)和预测相关系数(Rp2)分别为0.8076和0.8085,定标交互验证均方根误差(RMSECV)和预测均方根误差(RMSEP)分别为0.4546°Brix和0.4482°Brix。这表明,可见/近红外漫反射技术对磨盘柿可溶性固形物的快速无损检测具有可行性。     

应用近红外透射光谱法测定稻米胶稠度研究

以195份稻米为样品,利用近红外透射光谱分析仪,对样品进行光谱扫描,并利用化学法测定胶稠度.利用近红外定标软件,采用多种计量数学处理方法和不同的回归统计方法进行定标曲线的开发和比较,得到了稻米胶稠度测定的近红外分析数学模型,数学模型的定标标准偏差(SEC)、交叉检验标准误差(SECV)和定标决定系数(RSQ)分别为:10.35、10.51和0.827 9.内部交叉验证和外部验证结果表明近红外定量分析胶稠度有很高的准确度.     

大豆油酶法脱胶和硅胶吸附脱皂效果研究

利用PLA1脱除大豆毛油中的磷脂,再用硅胶吸附脱除大豆油中的残磷和残皂。以酶法脱胶后含磷量、硅胶吸附脱皂后的含磷量和含皂量为评价指标,研究酶法脱胶及硅胶吸附脱皂对大豆油脱胶脱皂效果的影响。结果表明：在大豆油pH 5.5～6、去离子水添加量3%、反应时间6～8 h的脱胶条件下,酶法脱胶效果随PLA1添加量的增加而提高,PLA1添加量分别为50、75、100 mg/kg时,脱胶大豆油中含磷量分别从566.36、538.02、562.76 mg/kg降至44.67、18.99、17.01 mg/kg,再添加油质量0.1%的SORBSIL R92硅胶,大豆油含磷量分别降至41.21、16.35、15.42 mg/kg,含皂量分别从37、23、14 mg/kg降至14、8、5 mg/kg。酶法脱胶后大豆油酸值和过氧化值有所升高,3个油样的酸值（KOH）平均升高0.63 mg/g,过氧化值平均升高0.007 g/100 g。硅胶吸附脱皂也造成大豆油酸值和过氧化值有所升高。     

近红外光谱技术快速无损检测蓝莓总黄酮、花青素的研究

为建立起蓝莓的快速无损检测体系,本研究应用近红外光谱技术对鲜蓝莓中总黄酮、花青素的含量进行了分析。在光谱全波长（400²500 nm）范围内采用偏最小二乘法（PLS）建立蓝莓总黄酮、花青素含量的定标数学模型,其相关系数分别为0.836和0.750,校正标准误差（SECV）分别为1.423 mg/（100g）和4.688 mg/（100g）。然后使用最优模型对32个未知样品进行预测,其预测相关系数Rp2分别为0.7968和0.7902,预测标准误差分别为2.779 mg/（100g）和5.013 mg/（100g）,残差和分别为-0.003 mg/（100g）和-9.256（mg/100g）。实验结果说明,近红外漫反射技术可用于快速无损检测蓝莓中总黄酮、花青素含量。      

基于近红外光谱法的鱼粉快速判别

基于近红外漫反射光谱分析技术对市场上常见的淡水鱼粉、进口鱼粉和国产鱼粉3 类商品化的鱼粉样品进行自动化判别实验。通过分析鱼粉样品光谱之间的差异,采用主成分分析法建立鱼粉种类的定性判别的分类模型,光谱范围为波长1 100～2 498 nm,交互定标决定系数为0.913 5,交互定标标准误差为0.133 8。通过对验证样品的分析,建立的判别模型预判准确率达到84.6%,外部验证准确率达到100%。结果表明,近红外光谱技术结合化学计量学法可以作为一种快速、无损、可靠的方法用于鱼粉种类的判别。     

激光近红外结合SVM的花生油掺伪定性定量分析

利用激光近红外技术结合支持向量机(support vectormachines,SVM)对花生油掺伪进行定性和定量分析。使用激光近红外光谱仪采集188个掺入餐饮废弃油、大豆油、玉米油以及菜籽油的花生油样品光谱图。结果表明,建立的SVC分类模型均能实现100%的预测准确率,但经提取波长后的模型的变量变少,由全波段的451个波长数减少为136个。建立的SVR回归模型也能准确预测花生油中掺伪油的含量,其中非全波段模型参与建模变量变少,由451个降低到66个,预测精度也更高,校正集和测试集相关系数分别达到99.88%、99.90%,均方根误差都低于6.99E-4。由此可知,特征波长提取方法不仅可以减少建模变量,提高建模效率,也能够提高模型的预测能力。结果表明,运用激光近红外结合SVM可以实现花生油掺伪油脂的定性和定量分析。     

基于可见-近红外光谱技术对市售紫薯粉的品质评价

目的建立可见-近红外光谱法结合偏最小二乘回归法对市售紫薯粉的品质进行评价。方法以市售紫薯粉为研究对象,对其原始光谱进行S-G 9点卷积平滑(savitzky-golay smoothing,S-G)、标准正态变量变换(standard normal variable transform,SNV)预处理,建立碘蓝值、花青素以及水分含量的偏最小二乘模型。结果花青素模型校正集和预测集的相关系数分别为0.9750和0.9461,均方根误差分别为0.1052 mg/g和0.1918 mg/g;碘蓝值模型校正集和预测集的相关系数分别为0.9687和0.9673,均方根误差分别为7.0256和7.1848;水分含量校正集和预测集的相关系数分别为0.9397和0.9219,均方根误差分别为0.5589%和0.5965%。结论基于可见-近红外光谱技术可以实现对市售紫薯粉的花青素、碘蓝值以及水分含量的快速无损检测,对市售紫薯粉的品质评价提供理论参考。     

Multivariate determination of free fatty acids and moisture in fish oils by partial least-squares regression and near-infrared spectroscopy

The oxidative and hydrolytic degradation of lipids in fish oil was monitored using partial least-squares (PLS) regression and near-infrared reflectance (NIR) spectroscopy. One hundred and sixty (n=160) fish oil samples from a fishmeal factory were scanned in transflectance by an NIR monochromator instrument (1100–2500 nm). Calibration models were performed for free fatty acids (FFA), moisture (M), peroxide value (PV) and anisidine value (AV). Coefficients of determination in calibration (R²) and standard errors of cross validation (SECV) were 0.96 (SECV: 0.59) and 0.94 (SECV: 0.03) for FFA and M in g/kg, respectively. The accuracy of the NIR calibration models were tested using a validation set, yielding coefficients of correlation (r) and standard errors of prediction (SEP) of 0.98 (SEP: 0.50) and 0.80 (SEP: 0.05) for FFA and M in g/kg, respectively. Poor accuracy (R²<0.80) was obtained for the NIR calibration models developed for PV and AV. The paper demonstrates that fish oil hydrolytic degradation of lipids, which seriously affect oil use and storage under industrial conditions, can be successfully monitored using PLS regression and NIR spectroscopy by the fishmeal industry.     

红外光谱快速测定油茶籽油中主要功能活性成分含量的模型建立与评价

以从企业采集的50个油茶籽油样品为试验材料,通过扫描获取红外光谱并筛选特征波段,利用偏最小二乘法(PLS)建立油茶籽油中甾醇、维生素E和类胡萝卜素含量的预测模型,并通过系列参数对模型进行评价。结果表明:在400~1 850 cm~(-1)波数范围内,甾醇、维生素E和类胡萝卜素校正集相关系数(R_C)分别为0.978 9、0.980 1和0.949 9,交叉验证均方根误差(RMSECV)分别为42.38、25.64、0.84 mg/kg,经对模型进行验证,上述3种成分预测集相关系数(R_P)分别为0.993 4、0.997 4和0.959 0,预测均方根误差(RMSEP)分别为13.31、6.24、0.18 mg/kg,RPD分别为7.742、12.696和2.889。可见,模型的预测效果较好,说明红外光谱法可应用于油茶籽油中甾醇、维生素E和类胡萝卜素等功能活性成分含量的快速检测。     

莲藕成分的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直接测定莲藕的常规指标。方法: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品质参数;采用偏最小二乘(PLS)法建立定标模型,并采用内部交叉验证法对模型进行检验。结果:分别建立了莲藕水分、粗纤维、质构和糖度的PLS模型,其中质构的PLS模型最理想,模型的相关系数大于0.97;莲藕粗纤维、糖度和水分的PLS模型的相关系数均大于0.88。结论:采用近红外光谱法可以实现莲藕品质指标的快速无损检测。     

近红外透射光谱分析油茶籽油掺入豆油的研究

采用傅里叶近红外透射光谱技术,应用于不同比例(0%～50%)的豆油和油茶籽油的二元体系样品,通过各种光谱预处理方法和回归方法的优化,建立了检测油茶籽油中掺杂豆油含量的近红外光谱的定量模型。以"二阶导数+Norris derivative filter"的最佳预处理方法和PLS的回归方法所建模型最佳,其校正相关系数(Rc)和校正标准误差(RMSEC)分别为0.999 99、0.057 70;交叉检验相关系数(Rcv)和交叉检验校准误差(RMSECV)分别为0.999 99、0.071 9;最优波段为5 037.16～4 728.60 cm-1、7 852.72～7 089.04 cm-1、8 577.82～8 323.26 cm-1;最佳主因子数为6。另外,经外部验证15份随机样品的化学值和NITS预测值的相关系数(R2)为0.998。表明近红外透射光谱法能够快速、准确地定量分析掺假油茶籽油中豆油的含量(范围为0%～50%)。     

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。     

基于可见—近红外光谱的花生油二元掺伪体系鉴别研究

为了建立一种简便有效的花生油掺伪的定性和定量鉴别方法,采集花生油中分别掺伪0~90%大豆油、棕榈油和棉籽油样品的可见—近红外光谱图,结合主成分分析、判别分析、改进偏最小二乘法,建立花生油掺伪的定性鉴别和定量预测模型。结果表明,在定性鉴别中,对花生油中分别掺入大豆油、棕榈油和棉籽油的整体正确判别率分别达到了100%、96.1%和85.3%。在定量分析中,对MPLS法建立的花生油二元掺伪定标模型进行验证,结果表明,掺入大豆油、棉籽油和棕榈油的预测相关系数R_p~2分别为0.998、0.997和0.995,相对标准差RSD分别为2.33%、3.04%和3.83%,相对分析误差RPD分别为3.542、2.642和2.581,说明这三种掺假花生油所建立的最优定标模型的预测精度高,其中花生油中掺入大豆油的预测精度最高,检测花生油中掺入棉籽油与棕榈油的最低掺假量为3%。为花生油二元掺伪模式提供了一种简便、快速、有效的分析方法。     

基于近红外光谱的大豆水分和粗脂肪含量的快速检测

基于近红外光谱技术快速检测大豆中水分和粗脂肪含量。方法 首先采集350-2500 nm光谱范围的大豆近红外光谱,采用光谱-理化值共生距离（SPXY）算法将大豆样本划分为校正集样本与测试集样本,然后对原始光谱分别采用多元散射校正(MSC)、标准正态变量交换(SNV)、归一化（Nor）等9种方法进行预处理,最后使用偏最小二乘回归(PLSR)分析方法建立模型对样本进行定量分析。结果 原始光谱经过多元散射校正后建立的偏最小二乘回归模型对水分的预测精度最高,其校正集和测试集的相关系数分别为0.8964和0.9055 , 均方根误差分别为0.4211和0.5933;原始光谱经过归一化处理后建立的偏最小二乘回归模型对粗脂肪的预测精度最高,其校正集和测试集的相关系数分别为0.9084和0.9295 , 均方根误差分别为0.6897和0.6462。结论 近红外光谱（NIRS）结合预处理及偏最小二乘回归法,可以快速、准确的检测大豆水分和粗脂肪含量。