近红外光谱分析技术测定芝麻水分含量的研究

建立了基于FOSS近红外谷物分析仪快速测定芝麻水分含量的模型,探讨了光学处理和数学处理等因素对模型的影响进行,并对模型进行了内部验证和外部检验.实验结果表明最佳的建模参数为:光学处理采用标准正常化处理(SNV only),数学处理技术采用"2,4,4,1".得到的定标方程的定标标准偏差(SEC)为0.0430,定标相关...     

基于近红外光谱技术测定稻谷水分含量研究

本文采用近红外光谱技术结合化学计量学方法,建立稻谷水分含量测定的快速分析方法。试验选取江苏省不同地区的两年内197份稻谷样品作为建模集样品,对其进行化学分析和图谱扫描处理,通过近红外化学计量学软件初步建立稻谷水分含量的预测模型。建模结果显示运用PLS（偏最小二乘法）建立的分析模型预测效果最优,决定系数（R2）高达0.9689,交互验证标准差（SECV）为0.3434,选取24个未知样品作为验证集样品,验证决定系数（R2）高达0.9806,预测标准差为0.0933。结果表明,近红外光谱技术可以用于稻谷水分含量的快速测定。     

利用近红外光谱技术快速测定白鲢鱼糜中的水分含量

利用近红外光谱技术测定白鲢鱼糜中的水分含量。光谱通过标准正态变量转换法的处理后经过偏最小二乘法建立模型,并且以定标集预测误差、验证集预测误差及其相关系数作为评判模型好坏。结果发现,定标集预测误差和验证集预测误差分别为0.392和0.485,定标集和验证集的相关系数都高于0.98。研究发现,近红外光谱技术能快速测定鱼糜中水分含量,且用于实际生产中水分的控制是可行的。      

利用近红外光谱分析技术快速测定高良姜中水分含量

结合化学计量学技术构建高良姜中水分含量NIRS分析模型,可应用于高良姜中水分含量的快速测定。方法:用减压干燥法测定106批样品中水分的含量,采集并用多元散射校正法、二阶导数法、Savitzky-Golay卷积平滑法预处理近红外光谱,结合偏最小二乘法建立高良姜药材中水分含量的定量模型,对所建模型进行了内部交叉验证和23批验证集样品的外部预测验证,并对模型进行了重复性考察。结果:所建立的高良姜药材中水分含量的近红外光谱定量分析模型,内部交叉验证决定系数达到0.9864,校正均方差为0.134,预测均方差为0.145,内部交叉验证均方差为0.311,交叉检验和外部检验RPD均大于3。结论:该模型稳定,准确可靠,可应用于高良姜中水分含量的测定。     

近红外光谱快速测定稻谷水分含量的研究

收集我国不同地区、不同品种、不同储藏时间的稻谷样品144份,应用近红外光谱（NIRS）技术研究了稻谷水分含量快速测定方法,在建立定标模型的过程中,探讨了光谱散射处理、数学（导数）处理等优化处理对定标模型的影响。结果表明：修正偏最小二乘法是建立稻谷水分含量测定定标模型的最适合数学方法,所建立的定标模型的相关系数（R）为0．9999,定标标准偏差（SECV）为0．04;55份样品外部检验的相关系数（r）为0．996,检验标准差（SEP）为0．072,标准方法与NIRS方法测定的水分含量之间的T检验值为1．685（P〈0．05）,两种方法测定结果无显著性差异,预测值与实测值的平均绝对偏差为0．03,说明所建立的稻谷水分含量测定的NIRS数学模型具有很高的预测准确性,可应用于稻谷品质分析的快速检测。     

近红外测定稻谷水分定标模型验证研究

通过对近红外测定稻谷水分定标模型进行验证,了解该定标模型用于快速检测稻谷水分的准确性、重复性是否满足日常监测的要求。分别选取有代表性的早籼稻和中晚籼稻样品各50余份,用标准方法和近红外方法进行测定,经对比两种方法测定结果的偏差,剔除其中异常值,然后进行校准标准差(SEP)计算;分别选取早籼稻验证样品集中水分高、中、低的3个验证样品,每种样测定10次,对测定结果进行重复性(sr)计算。结果表明,早籼稻验证样品集定标模型的系统偏差为0.15,校准标准差(SEP)为0.18%,3个验证样品的重复性(sr)分别为0.045%、0.066%、0.031%,中晚籼稻验证样品集定标模型的系统偏差为1.0,校准标准差(SEP)为1.1%。近红外分析仪所带定标模型能够满足大批量早籼稻水分快速检测的需求,对于中晚籼稻,定标模型需更新或重建,在满足标准要求后才能用于中晚籼稻水分快速检测。     

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.     

近红外光谱在小尾寒羊羊肉水分预测中的应用

以南疆小尾寒羊鲜羊肉的含水量为研究对象,首先采集鲜羊肉的光谱数据和水分含量信息;然后分别采用小波变换、多元散射校正以及二者结合的方法预处理数据;最后使用偏最小二乘法对3种方法预处理过的光谱数据建立羊肉水分含量的预测模型,共制备134个样本,根据留一法选择110个样本作为训练集,剩余的24个样本作为预测集.结果表明,采用...     

泡芙膨胀机理研究及工艺优化

对泡芙的膨胀机理及影响泡芙膨胀的因素进行研究,反复按不同的工艺配方和制作方法进行试验,得出泡芙类食品的膨胀与面粉的筋力、油脂的类型和用量、水及高温等因素紧密相关。在探明其加工机理和影响因素的基础上,采用感官评定和正交试验法对泡芙配方及工艺进行优化。     

基于近红外高粱水分的快速分析研究

为了实现高粱水分指标含量的快速分析,并使分析结果能够及时有效地反馈到生产车间,以指导车间日常生产.采用近红外光谱技术对高粱样品进行光谱扫描,并结合传统分析方法,最终建立了高粱水分指标的快速分析模型.结果表明,所建模型的线性关系较好,R2为0.9558,且模型内部参数RMSEC和RMSECV值均较小,分别为0.280和0...     

基于近红外光谱技术建立棉籽蛋白质含量快速无损测定方法

棉籽是棉花产业的重要副产品,含有丰富的棉籽蛋白,是牲畜蛋白质的重要来源,提高棉籽蛋白质的利用率对缓解我国蛋白资源短缺有着重要意义。快速无损环保测定棉籽蛋白质含量方法的建立,对于合理有效的利用棉籽资源和开展棉籽营养品质遗传改良等方面的研究具有关键作用。本研究通过凯氏定氮法对187份棉花品种进行棉籽蛋白质含量化学值测定,利用近红外光谱分析仪分别采集三种不同棉籽形态毛籽、光籽和种仁的光谱特征信息,经过不同数学算法处理和散射处理等方法结合改良偏最小二乘法 (Modified partial least squares, MPLS), 建立了三种不同棉籽形态蛋白质含量快速无损检测的近红外光谱模型。构建的毛籽、光籽和种仁三种近红外检测模型的定标相关系数 (Regression squared, RSQ) 分别为0.957、0.971、0.989,并通过差异统计分析比较,验证集的化学值与近红外光谱预测值间不存在显著差异。结果表明三种不同棉籽形态下建立的近红外光谱检测模型都具有良好的准确性,能够针对不同待测样品类型进行准确的蛋白质含量检测。本研究建立了毛籽、光籽以及棉仁三种棉籽蛋白质含量的近红外光谱检测模型,实现了棉花种子蛋白质含量的快速无损低消耗检测,为棉籽综合利用以及棉籽高品质育种提供技术支撑。     

近红外光谱结合连续投影算法检测综纤维素含量

为了简化模型并实现制浆材综纤维素含量近红外光谱法的快速准确检测,以连续投影算法（SPA）筛选出有效波长组合进行了建模实验研究和分析。选择5种制浆材原料共82个样品,测量其综纤维素含量及光谱数据,经蒙特卡罗交叉验证法剔除异常样品后,剩余样品按2∶1划分为校正集和预测集。校正集先以多元散射校正（MSC）方法预处理,再利用SPA选择波长结合偏最小二乘（PLS）回归建立了综纤维素含量的近红外分析模型,并与相关系数法、竞争性重加权自适应选择（CARS）算法所选波长的建模及预测效果进行了比较。结果表明,SPA算法选择出25个波长能充分表征全谱图中的综纤维素含量信息,预测精度最高,预测均方根误差（RMSEP）和预测决定系数（R2p）分别为0.8306和0.9801,满足工业应用精度需求。     

近红外光谱法快速测定藜麦籽粒粗蛋白含量

目的:为了满足高蛋白质藜麦的选育、栽培和农业实践所需,实现藜麦籽粒粗蛋白含量快速、无损检测。方法:本研究应用近红外光谱技术对藜麦籽粒粗蛋白含量的快速检测进行系统研究,选用具有代表性的122份藜麦品种为试材,以其中94份为建模集,28份为验证集,扫描得到藜麦建模集的近红外原始光谱,用Unscrambler 10.4软件进行光谱预处理并使用偏最小二乘法(PLS)建立藜麦籽粒粗蛋白含量的定量预测模型。结果:经滤波拟合法(Savitzky-Golay,SG)+标准正态变量(Standard Normal Variate,SNV)预处理建立的模型预测值决定系数(R²)为0.9380,被测组分浓度分析误差(RMSE)为0.4823,表现最佳。用此模型对验证集28份样品进行预测,相关分析表明,预测值与国标法实测值决定系数为0.9416;单因素方差分析表明,国标法实测值和模型预测值之间无显著差异(P>0.05),建立的模型具有很高的准确性,预测效果良好。结论:近红外光谱法作为一种简单快速无损的检测手段,能够用于藜麦籽粒粗蛋白含量的检测,可以为优质藜麦育种、栽培和农业实践提供技术支持。     

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。     

基于随机森林的单粒玉米种子水分近红外快速定量检测

玉米精量播种技术发展对单粒种子质量检测提出更高的检测要求,本研究重点探索了近红外光谱结合化学计量学方法建立单粒玉米种子水分检测模型的可行性.收集并测定了 110份玉米样本的含水量,应用傅里叶变换红外光谱仪及单粒测样附件扫描得到样本集近红外光谱,利用SPXY法以3∶1比例划分训练集和测试集.采用多种光谱预处理方法消除单粒...     

小麦粉质特性的可见/近红外光谱快速测定研究

采用可见/近红外光谱对小麦粉质特性参数进行了快速测定研究。在小麦粉厂收集强、中和弱筋小麦粉样品共180份,采用标准方法测定了其粉质特性参数值,然后在波长570~1 080 nm下采集了样品的光谱。对原始光谱进行多元散射校正及一阶导数处理后,首先在全谱范围内建立了形成时间、稳定时间、吸水率、弱化度4个参数的PLS定量预测模型,以吸水率结果最优,其Rp=0.99,RMSEP=1.02;其次是形成时间和弱化度,其Rp值分别为0.97和0.93,RMSEP值分别为0.48和10.01;稳定时间结果稍差,其Rp=0.80,RMSEP=2.40。然后采用SPA方法分别提取了各粉质特性参数的光谱特征变量,对应建立了MLR模型,所建模型和PLS方法结果接近。表明可见/近红外光谱在小麦粉粉质特性评价中具有可行性,同时也为专用便携仪器的研制及小麦粉品质在线设备的开发提供了初步的理论依据。     

应用近红外光谱技术快速测定粳稻品种的直链淀粉含量

应用近红外光谱法以稻谷、糙米、精米、糙米粉和精米粉为扫描材料分别建立了粳稻直链淀粉含量的预测模型。结果表明采用光谱预处理的校正效果比不采用预处理的好,用偏最小二乘法(PLS)获得的粳稻稻谷、糙米、精米、糙米粉、精米粉的回归模型和交叉验证结果为:最优校正决定系数(R2)和交叉检验均方误差(RMSECV)分别为0.8136、2.74,0.8864、2.56,0.8915、2.59,0.9261、2.26,0.9505、1.83,粉碎性样品的误差比整粒样品的误差小。育种实践中,低世代可选用糙米、高世代可选用糙米粉或精米粉作为扫描样本测定稻米直链淀粉含量。     

番茄总糖含量的近红外光谱无损检测方法研究

根据偏最小二乘法建立番茄总糖含量的定量分析模型,比较原始光谱和平均光谱以及10 种光谱预处理方法对近红外光谱无损检测番茄总糖含量的影响。结果表明：平均光谱所建立的偏最小二乘法校正模型明显优于原始光谱所建模型,常数偏移消除最适合番茄总糖近红外光谱的预处理,其在11998.9～7497.9cm-1 和4601.3～4256.5cm-1优化光谱区内,所建偏最小二乘法定量分析模型的预测值和实测值的相关系数(R)为0.917,校正标准差(RMSEC)为0.263%,预测标准差(RMSEP)为0.236%。平均光谱和优化的光谱预处理方法可有效提高近红外光谱无损检测番茄总糖含量的准确性。     

Nondestructive Determination of Soluble Solids in Tomatoes using Near Infrared Spectroscopy

A nondestructive optical method for determining the soluble solids content of fresh whole tomatoes was investigated. The method, based upon near infrared spectrophotometric techniques, could predict the soluble solids content of tomatoes (r = 0.92, SEC = 0.27°Brix). Tomatoes from more than 30 popular fresh market cultivars at stages of maturity from mature green to ripe red fruit were studied.     

基于近红外光谱仪分析中式爆炒猪肉的水分含量

应用傅里叶变换近红外光谱技术建立中式传统爆炒猪肉片水分含量预测模型,达到快速无损检测的目的。通过直接干燥法测定100 组爆炒猪肉片样品的水分含量,并扫描得到其近红外光谱图。采用偏最小二乘法并通过二阶微分结合卷积平滑算法对光谱进行预处理,通过拐点法、马氏距离法、杠杆值、学生残差法与内部交互验证均方根法进一步剔除异常样本,优化光谱模型。结果表明：所构建的中式爆炒肉片水分含量近红外光谱预测模型的校正均方差值为0.089 1,相关系数为0.972 1;且将预测值与真实值进行比较发现,预测结果正确率大于98.7%（P＜0.05）,表明本研究建立的用于检测中式爆炒肉片水分含量的近红外光谱预测模型效果良好,能够快速检测并准确预测中式爆炒肉片的水分含量,具有一定的应用价值。