共查询到19条相似文献,搜索用时 93 毫秒
1.
利用近红外光纤分析技术检测饲料中粗纤维的含量,采用偏最小二乘回归(PLS)方法,分别对光谱进行附加散射校正、变量标准化、一阶导数和平滑处理,建立了饲料中粗纤维含量的预测模型。其中附加散射校正、一阶导数和9点平滑处理定标效果最优。定标集化学分析值与预测值之间的决定系数(Rc2)和标准分析误差(SEC)分别为0.9698和0.1131%,相对分析误差为6.01;验证集化学分析值与预测值之间的决定系数(Rv2)和标准分析误差(SEP)分别为0.9402和0.1536%,相对分析误差为4.04。结果表明,利用近红外光纤分析技术可以比较准确地定量检测饲料中粗纤维的含量。 相似文献
2.
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。 相似文献
3.
4.
对国产成鳗、幼鳗、仔鳗配合饲料中的α淀粉和粗纤维的含量进行了定量分析。结果为每100g鳗料中α淀粉和粗纤维的平均含量依次是成鳗料为(23.47±1.16)%、(1.49±0.53)%,幼鳗料为(24.15±3.06)%、(1.27±0.79)%,仔鳗料为(20.26±3.17)%、(0.71±0.21)%。并且对国产鳗鱼配合饲料的质量与生产工艺进行了深入的讨论。 相似文献
5.
利用近红外透射技术快速、简便、穿透能力较强的特点初步建立肉骨粉中蛋白质新的检测方法,包括定标、建模、验证和应用实验等。结果表明:(1)检测只需几分钟,而且无需制样、称样和消耗化学试剂。(2)与凯氏法相比,其定标标准偏差为1.67%,定标相关系数为0.84;验证标准偏差为1.81%,验证相关系数0.82;定标方程检验F值为13.94,有显著性意义(P<0.01);初步应用的标准偏差为1.73%,相关系数为0.83。该新方法可对肉骨粉中蛋白质实现快速简便的连续检测,尤其适合大批量样品,有很好的应用前景。 相似文献
6.
采用近红外光谱技术检测蜂蜜中蔗糖含量的研究 总被引:2,自引:0,他引:2
Hou Rui-li Cheng Yu-lai Chongteng Heming College of Food Science Shenyang Agricultural University 《食品工业》2007,(2)
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。 相似文献
7.
8.
近红外分析技术在肉制品检测中的应用 总被引:6,自引:1,他引:6
介绍近红外分析技术以及近红外检测仪工作原理,并讨论了近红外分析技术在肉制品工业中笔优点。同时报告了近红外分析在乳化型火腿肠中的应用实例。 相似文献
9.
为实现甜叶菊中绿原酸含量的快速检测,该研究利用近红外光谱技术结合偏最小二乘法对甜叶菊绿原酸含量的光谱数据进行了近红外模型分析。结果表明,采用多元散射校正(multiplicative scatter correction, MSC)+Savitzky-Golay卷积平滑预处理算法和无信息变量消除法(uniformative variable elimination, UVE)特征波长选择算法,绿原酸含量近红外模型的性能最好。该模型的交互验证相关系数(correlation coefficient in cross validation,RCV)和交互验证残差均方根(root mean square error of cross validation, RMSECV)分别为0.945 3和0.263 1;验证集相关系数(correlation coefficient in validation,RP)和验证集残差均方根(root mean square error of prediction, RMSEP)分别为0.952 1和0.247 2。... 相似文献
10.
11.
为寻找一种简便易行的糜子籽粒水分、淀粉、粗蛋白、粗脂肪含量测定方法,以120个普通糜子品种为材料,采用近红外漫反射光谱(NIRS)法测定糜子籽粒水分、淀粉、粗蛋白、粗脂肪含量进行了研究。结果表明,采用一阶导数+减去一条直线、矢量归一化光谱预处理,分别建立水分、淀粉、粗蛋白、粗脂肪含量的校正模型,校正和预测效果最佳。模型的校正决定系数(R~2cal)分别为0.921 0、0.905 8,0.926 3和0.904 5,交叉验证决定系数(R~2cv)分别为0.921 0、0.900 2、0.940 0和0.881 2;外部验证决定系数(R~2val)分别为0.912、0.801、0.890和0.786。结果表明该模型代替化学分析法鉴定糜子品质是完全可行的。 相似文献
12.
采用近红外光谱分析技术,对干辣椒辣度的校正模型的影响因素进行比较研究.高效液相色谱测定干辣椒样品中的辣椒碱和二氢辣椒碱含量,计算得到辣度,并用近红外光谱仪采集试样的近红外漫反射光谱,研究样品粒度、光谱波段和预处理方法及主成分数选择对校正模型的影响,采用偏最小二乘法(PLS)建立干辣椒样品的辣度评价的校正模型,并对模型进行预测.结果表明,样品粒度为0.1~0.4 mm,筛选出建模光谱波段为9000~4000 cm-1,预处理方法为移动平均平滑、归一化处理和多元散射校正处理,最适主成分数为8;在优化条件下所建立的近红外光谱预测模型效果最好. 相似文献
13.
甘薯蛋白质含量近红外反射光谱分析模型应用研究 总被引:8,自引:1,他引:8
以71份薯叶和170份薯块根样品为材料,应用近红外光谱技术(NIRS)和偏最小二阶乘法(PLs),建立甘薯蛋白质含量近红外反射光谱分析数学模型,并对模型预测结果的准确性进行了评价.结果显示.甘薯叶和块根的蛋白质含量的近红外光谱预测模型校正决定系数(R2cal)分别为O.996和0.993,校正均方差(RMSEE)分别为O.255和O.126,内部交叉验证决定系数(R2cv)分别为0.984和O.986,均方差(RMSECV)分别为0.448和O.178.模型对样品NIR的预测值与其相应的化学值有较好的相关性,此模型可用来预测甘薯蛋白含量.在甘薯优质育种和品质分析中具有广泛的应用价值. 相似文献
14.
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 总被引:6,自引:1,他引:6
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。 相似文献
15.
16.
17.
应用近红外光谱技术实现对小龙虾新鲜度的快速检测。利用化学计量学方法,通过对近红外品质分析仪采集的虾肉绞碎前后光谱(850~1 050 nm)调整不同预处理方法、偏最小二乘法和组合算法,建立一种基于总挥发性盐基氮(total volatile basic nitrogen,TVB-N)含量的小龙虾新鲜度定量预测模型。结果表明:采用标准正态变量变换与一阶导数结合的预处理方法模型预测效果最好,且绞碎后的虾肉光谱比绞碎前建模效果更好;为满足实际应用需要,对绞碎前的虾肉TVB-N含量预测模型进行分析,其交叉验证误差为3.123,交叉验证相关系数为0.947,用此模型对预测集24 个样品进行预测,预测值与实测值的交叉验证相关系数为0.951 4,在TVB-N含量超过20 mg/100 g(不新鲜)的检测准确率为100%。近红外光谱技术可应用于快速检测小龙虾新鲜度,所建模型具有较好的预测能力。 相似文献
18.
Chellakutty Kumaravelu Aravamudhan Gopal 《International Journal of Food Properties》2013,16(9):1930-1935
Honey is one of the important traditional medicines since ancient times. In this article, a case study was carried out using near infrared spectroscopy techniques with Chemometrics to detect the Jaggery adulterants in the honey. Jaggery was used to prepare adulterant solution of different proportionate by manually mixing with four types of different honey samples. In total, 160 spectra were collected using the XDSTM Optiprobe analyzer reflection type spectrometer and a calibration model was built using partial least square regression. The honey adulteration was predicted statistically with the calibration error 0.00751 and coefficient of determination R2 of 0.9924. 相似文献