近红外光谱分析技术在苹果品质检测中的应用进展

苹果营养丰富,是大众水果之一,苹果的品质安全问题一直是社会关注的热点。本研究综述了2012~2016年我国近红外光谱分析技术在苹果品质检测中的研究和应用进展,包括基于近红外光谱的苹果品质检测、模型传递、分类与分级及在线检测系统研制4个方面。对今后我国近红外光谱分析技术在苹果品质检测中的应用提出建议,技术研究方面应不断建立和维护模型数据库,提高模型通用性;技术应用方面应研制在线检测系统和推进软硬件+互联网相结合,使近红外光谱分析技术在苹果品质检测中得到长足的发展。     

近红外光谱技术在油脂检测中的应用

近红外光谱技术作为一种快速检测技术，在食品行业已应用于粮食检测、果蔬加工和肉制品加工等领域，为食品质量管理作出了较大贡献，本文就近红外光谱技术在油脂油分含量及其品质检测方面的应用加以综述。     

近红外光谱技术在稻米品质快速检测中的应用

综述近红外技术在稻米品质的常规指标,如直链淀粉、蛋白质、脂肪酸、胶稠度中的研究与应用,总结不同样品形态和建模方法建立的近红外模型的检测精度,指出近红外技术在快速检测稻米品质中存在的问题,以及今后的研究方向。     

苹果质地的近红外光谱无损检测模型研究

为了建立快速而无损检测苹果质地的新方法,应用近红外光谱仪研究不同建模方法和光谱预处理方法对苹果质地(脆度、硬度、回复性、凝聚性和咀嚼性)无损检测模型性能的影响。结果表明,波长范围400~2500nm内,采用改进偏最小二乘法、原始光谱结合反相多元离散校正处理所建苹果质地的校正模型最优,脆度、硬度、回复性、凝聚性和咀嚼性预测相关系数均大于0.8,而预测标准误差分别为7.6763N、6.5876N、0.0085、0.0175、1.2466N,残差之和均小于0.2。因此,通过近红外光谱对苹果质地进行快速而无损检测具有一定可行性,但模型精度有待进一步提高。     

苹果质地的近红外光谱无损检测模型研究

为了建立快速而无损检测苹果质地的新方法,应用近红外光谱仪研究不同建模方法和光谱预处理方法对苹果质地(脆度、硬度、回复性、凝聚性和咀嚼性)无损检测模型性能的影响。结果表明,波长范围400~2500nm内,采用改进偏最小二乘法、原始光谱结合反相多元离散校正处理所建苹果质地的校正模型最优,脆度、硬度、回复性、凝聚性和咀嚼性预测相关系数均大于0.8,而预测标准误差分别为7.6763N、6.5876N、0.0085、0.0175、1.2466N,残差之和均小于0.2。因此,通过近红外光谱对苹果质地进行快速而无损检测具有一定可行性,但模型精度有待进一步提高。      

苹果近红外光谱无损检测技术的研究进展

介绍了NIR(近红外)无损检测技术的基本原理和数据处理方法,综述了国内外应用NIR无损检测技术在苹果糖度、酸度等内部品质以及褐变和病害等内部缺陷方面的研究现状,展望了苹果NIR光谱无损检测技术研究方向和应用前景。     

近红外光谱技术在油脂检测中的应用

近红外光谱技术作为一种快速检测技术 ,在食品行业已应用于粮食检测、果蔬加工和肉制品加工等领域 ,为食品质量管理作出了较大贡献 ,本文就近红外光谱技术在油脂油分含量及其品质检测方面的应用加以综述。     

近红外光谱技术在农产品品质检测中的应用

近红外光谱技术是一种新型的无损检测技术,在许多领域都得到了很好的应用。本文从农产品中各种物质成分含量预测、分类鉴别、腐烂鉴别、实时监测几个方面综述了近红外光谱技术在农产品品质检测上的应用,并对其在仪器硬件的研究和开发、化学计量学方法的探索与研究以及快速在线检测方法的研究等方面的发展趋势进行了展望。     

近红外光谱技术在小麦粉品质检测方面的应用研究进展

近红外光谱(NIRS)技术是当前发展最快、最具前景的现代无损分析技术之一。NIRS技术融合了计算机、光学、数学、化学和化学计量学等多个学科的最新研究成果,具有简便、快速、低成本、无污染、不接触等优点,目前被广泛应用于食品品质分析与检测研究。本文综述了近十年来NIRS技术在小麦粉理化指标(如水分、灰分、蛋白质、淀粉)、粉质指标(如面筋、面筋指数分、沉降值、吸水量、形成时间、稳定时间、弱化度)及掺杂物(如甲醛次硫酸氢钠、滑石粉、过氧化苯甲酰、石灰、偶氮甲酰胺、曲酸)等方面的检测研究进展。同时,基于当前研究进展,NIRS技术在光谱数据挖掘、建模算法优化、模型稳健性等方面还需大量研究,为研发小麦粉质量快速无损检测设备提供更多数据支撑和方法参考。     

苹果内部品质近红外光谱分析检测技术

我国苹果产业现状及面临的问题 我国是世界第一水果生产大国，据保守统计，2003年苹果产量达到2060．96万吨，2004年是苹果丰产年，达到2200万吨以上，2005年受气候及其他因素影响，产量也稳定在2100万吨以上。苹果采收后，由于大小、着色、成熟度和商品性的不同，应进行仔细的分类，并根据不同的用途进行不同规格的包装。但由于分散的农户不具备开拓大市场的能力，他们把销售的着眼点放在集市的地摊上，因而在分类包装上也就非常简单。中国具有先进分选设备的企业很少，80％处于20世纪七八十年代的世界平均水平，15％左右处于90年代水平，只有5％达到国际先进水平。     

近红外光谱技术结合化学计量学用于畜禽肉制品品质分析的研究进展

肉类作为人体摄入蛋白质的主要来源,随着人们生活水平的提高和对营养健康的追求,肉制品的需求量不断增大,与此同时,肉制品新鲜度、掺杂掺假等肉制品品质领域的质量问题较为多发。为改善传统肉类检测方法耗时费力的现状,肉品质量的检测方法也逐渐趋于多样化。近红外光谱技术目前已广泛应用于包括生物、医药、食品在内的诸多领域。近红外光谱技术与化学计量法结合可对样品进行定性和定量分析,具有快速、无损、高效的优势,适用于肉品及肉制品现场实时监测。在前期研究的基础上,本文综述了近年来近红外光谱技术在畜禽肉制品新鲜度、品种鉴别与掺假分析、产地溯源等方面的研究进展,以期为肉制品品质分析及质量控制提供理论指导。     

近红外光谱技术在乳制品快速检测中的应用研究进展

近红外光谱（NIR）技术作为一种高效、快速、便捷、低成本、无污染的检测方法,在乳制品快速检测中具有广泛的应用。该文首先阐述了近红外光谱技术的原理,并探讨了其优缺点,列举了常用的化学计量学方法,综述了近红外光谱技术应用于乳制品中掺假识别、微生物快速检测、化学成分快速检测、快速鉴定牛奶品牌等方面的最新研究进展和成果,为近红外光谱技术在乳制品快速检测中的应用推广提供参考。     

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。     

花生冻伤近红外光谱快速判别方法研究

目的 构建一个基于近红外光谱的花生冻伤判别模型。方法 采用移动窗口平均平滑(Moving Window Average, WMA)、标准正态变量校正(Standard Normal Variate Correction, SNV)及一阶导数(First Derivative, FD)的组合预处理方法提升光谱信号质量;分别采用无信息变量消除法(Elimination of Uninformative Variables, UVE)、竞争性自适应重加权法(Competitive Adaptive Reweighted Sampling, CARS)以及二者的联合算法(CARS-UVE、UVE-CARS)筛选特征波长;最后构建基于支持向量机分类算法(Support Vector Machine Classification, SVC)的花生冻伤分类模型。结果 使用UVE-CARS算法筛选特征波长效果最佳,筛选出7个特征波长,构建的判别模型准确率达95%。结论 该花生冻伤判别模型为花生冻伤快速、无损判别提供可行的技术方案,并为基于滤光片式近红外技术的花生品质色选机的开发提供参考。     

红外及近红外光谱技术在食品分析检验中的应用进展

红外及近红外波谱技术,是利用物质对红外光区的电磁辐射的选择性吸收来进行结构分析及定性和定量分析,具有快速,方便,样品用量少,不损坏样品等优点。     

红外光谱技术在微生物研究中的应用进展

随着干涉型红外光谱仪、傅立叶变换技术以及计算机的发展,利用傅立叶变换红外光谱法可以对微生物进行判别、分类和鉴别。其与传统的微生物分类、鉴别方法相比,具有测量精度高、速度快、分辨率高、准确度高的优点。该文介绍了红外光谱技术在微生物检测中的工作原理、应用状况,并对红外光谱技术的应用前景作了展望。     

基于近红外光谱禽蛋新鲜度无损检测模型研究

利用近红外光谱技术结合波长优选方法研究禽蛋新鲜度品质快速无损检测模型,采用蛋黄指数作为新鲜度评价指标。结果表明,蛋黄指数建立的检测模型效果要优于蛋白pH值和哈夫单位。通过连续投影算法(SPA)优选了4 188.6,4 593.6,4 855.9,5 311.0,5 376.6,5 935.8,6 306.1,7 243.3,7 328.2,7 343.6,8 130.4,8 531.5cm~(-1) 12个特征波谱为输入变量,建立蛋黄指数PLSR、PCR和SMLR检测模型,3种检测模型结果接近,其中,SMLR模型检测效果最好,相关系数r_(pre)=0.950,预测集均方根误差RMSEP=0.030,说明采用近红外光谱禽蛋蛋黄指数检测模型是可行的,通过波长优选后,检测精度较全光谱分析有所提高,该研究结果为进一步开发鸡蛋新鲜度的快速无损检测分级设备提供了理论依据和方法。     

Irradiation dose detection of irradiated milk powder using visible and near-infrared spectroscopy and chemometrics

The objective of this study was to examine the possibility of applying visible and near-infrared spectroscopy to the quantitative detection of irradiation dose of irradiated milk powder. A total of 150 samples were used: 100 for the calibration set and 50 for the validation set. The samples were irradiated at 5 different dose levels in the dose range 0 to 6.0 kGy. Six different pretreatment methods were compared. The prediction results of full spectra given by linear and nonlinear calibration methods suggested that Savitzky-Golay smoothing and first derivative were suitable pretreatment methods in this study. Regression coefficient analysis was applied to select effective wavelengths (EW). Less than 10 EW were selected and they were useful for portable detection instrument or sensor development. Partial least squares, extreme learning machine, and least squares support vector machine were used. The best prediction performance was achieved by the EW-extreme learning machine model with first-derivative spectra, and correlation coefficients = 0.97 and root mean square error of prediction = 0.844. This study provided a new approach for the fast detection of irradiation dose of milk powder. The results could be helpful for quality detection and safety monitoring of milk powder.     

基于近红外光谱和SSA-ELM的苹果糖度预测

目的：剔除近红外光谱存在大量冗余信息以及提高苹果糖度预测模型的精度,建立快速无损检测苹果糖度的方法。方法：提出一种基于小波包变换的特征波长筛选和樽海鞘算法改进极限学习机的苹果糖度预测模型。针对苹果光谱数据具有维度高而复杂的特点,对光谱数据进行降维处理,分别对比全波段和偏最小二乘法、连续投影法和小波包变换等筛选特征波长的结果,确定苹果光谱特征波长筛选方法;针对极限学习机（extreme learning machine,ELM）,模型性能受其初始权值和隐含层偏置选择的影响,运用樽海鞘群算法进行ELM模型的初始权值和隐含层偏置优化,提出一种基于樽海鞘算法改进极限学习机的苹果糖度预测模型。结果：与遗传算法（genetic algorithm,GA）改进ELM（GA-ELM）、粒子群算法改进ELM（PSO-ELM）和ELM相比,基于SSA-ELM的苹果糖度预测模型的预测精度最高。结论：通过智能算法优化ELM模型的参数可以有效提高ELM模型的苹果糖度预测精度。