基于近红外透射光谱的大豆蛋白质和粗脂肪含量快速检测

该研究采用近红外光谱分析技术分别建立大豆蛋白质和粗脂肪含量的近红外检测模型,比较了不同数学处理方法和去散射校正方法及不同回归技术对模型准确性的影响,选出最佳的近红外检测模型,并通过内部验证和外部验证对模型的预测能力进行评价。结果表明:所建立的大豆蛋白质和粗脂肪含量的近红外检测模型的内部验证相关系数分别为0.947 1、0.889 0,外部验证相关系数分别为0.962 2、0.915 5。说明所建立的大豆蛋白质和粗脂肪含量的近红外检测模型具有很好的预测能力,近红外光谱技术可用于大豆成分含量的快速检测。     

利用近红外反射光谱对大豆籽粒中蛋白质和部分氨基酸含量的快速测定

叙述了利用近红外反射光谱(NIRS)对大豆籽粒中蛋白质和天门冬氨酸、谷氨酸、赖氨酸、精氨酸含量的快速测定方法。这些成分含量的近红外值和参考方法化学值之间的相关系数都在0.86以上。该方法简便快速,适于大量样品的筛选。     

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。     

近红外光谱技术快速检测狭鳕水分、脂肪和蛋白质的含量

采集63个具有代表性的狭鳕鱼样品,通过拟合狭鳕鱼鱼肉的近红外漫反射光谱与水分、脂肪和蛋白质的含量,建立近红外定量分析模型。采用偏最小二乘法(PLA)进行拟合,应用内部交叉检验的方法进行检验与验证,同时用不同光谱预处理方法和主因子数对光谱进行比较分析,得出最佳预处理方法和主因子数。水分、脂肪和蛋白质的模型相关系数分别达到0.9342、0.8125、0.9113,相对分析误差(RPD)达到3.4、2.3、3.1。结果表明水分、脂肪和蛋白质的近红外模型具有较好的准确性和稳定性,能够达到快速无损测定狭鳕水分、脂肪和蛋白质的目的。      

基于近红外光谱的藏区酥油脂肪和蛋白质含量快速检测分析

为了建立藏区酥油中脂肪和蛋白质含量快速检测方法,以藏区不同产地酥油为研究对象,采用组合区间偏最小二乘法优选出脂肪和蛋白质的红外光谱特征波段,在此基础上分别对几种光谱预处理方法进行比较挑选出最佳预处理方法,最后建立脂肪和蛋白质的定量分析模型并对模型进行外部验证。结果表明:在脂肪和蛋白质的特征波段内采用SNV+数据归一化+二阶导数+S-G滤波法对光谱预处理后建立脂肪和蛋白质定量模型,模型相关系数(R)分别为0.994和0.997,交叉验证均方差(RMSECV)分别为4.09%和0.286%。对验证样本的预测值和实测值进行配对t检验,两种测量值之间没有显著性差异(P0.05),表明建立的脂肪和蛋白质的近红外定量模型具有良好的预测能力,基于近红外光谱快速测定藏区酥油中脂肪和蛋白质的含量是可行的。     

基于近红外光谱的猪肉蛋白质及脂肪含量检测

蛋白质及脂肪是猪肉的重要营养成分。随着人们对饮食健康的要求越来越高,对猪肉蛋白质及脂肪含量快速检测也成为必然。通过近红外光谱技术对猪肉进行光谱数据采集,将光谱数据分为校正集样本和预测集样本,然后,在MATLAB中利用多元散射校正(MSC)与均值中心化相结合的方法进行光谱预处理并采用联合区间偏最小二乘方法(SiPLS)获得猪肉蛋白质及脂肪含量与光谱数据特征之间的对应关系,从而定量分析猪肉蛋白质及脂肪含量。实验结果表明,建立的SiPLS检测脂肪及蛋白质含量预测模型的最优组合分别为划分为20个光谱区间并联合4个子区间和9个主成分因子,和划分19个光谱区间并联合4个子区间和10个主成分因子。其预测集的相关系数分别为0.9798、0.9788,交互验证均方根误差分别为0.228,0.241。研究结果表明,利用近红外光谱结合SiPLS算法可以快速准确检测猪肉蛋白质与脂肪含量。     

食品中牛乳蛋白质和大豆蛋白质结构对比研究

对牛乳蛋白质和大豆蛋白质的结构进行了对比研究。结果表明,两类蛋白质在组分组成、溶解性、分子大小、氨基酸组成等方面差异明显,特别是具有特征紫外吸收波长的氨基酸残基数差异明显。对比了大豆蛋白质和牛乳蛋白质组分中苯丙氨酸(Phe)、色氨酸(Trp)和酪氨酸(Tyr)残基数,比较了各蛋白质组分的Phe/Trp Tyr比例。通过比较各组分Phe/Trp Tyr比例,发现除β-酪蛋白外,大豆蛋白质组分与牛乳蛋白质相比,苯丙氨酸含量明显大于色氨酸和酪氨酸量的总和。     

大豆蛋白质NSI和PDI的检测方法比较

论述了用ＡＯＣＳ方法测定大豆蛋白质、ＮＳＩ、ＰＤＩ及其影响因素,并与ＧＢ５５１１－８５方法进行比较,提出用德国ＶＡＰＯＤＥＳＴ５０型食品测定ＮＳＩ、ＰＤＩ简便、快速、准确及检测ＮＳＩ、ＰＤＩ及总蛋白质的理论意义。     

傅立叶变换近红外光谱法测定豆腐干中总酸、蛋白质和水分含量

应用傅立叶变换近红外光谱技术,以豆腐干为材料建立豆腐干中总酸、蛋白质和水分含量分析模型.测定63份豆腐干的近红外光谱数据,得到原始光谱信息,通过光谱预处理方法消除原始光谱噪声,最后采用偏最小二乘法建立回归方程.最终得到总酸、蛋白质和水分含量近红外光谱分析模型的决定系数(R2)依次为98.24%、97.85%、99.17%,交叉验证均方根差(RMSECV)依次为0.0113、0.122、0.152.用该模型对21个未知豆腐干样品进行外部验证,其总酸、蛋白质和水分外部验证的决定系数(R2)依次为93.46%、97.49%、99.39%,预测标准偏差(RMSEP) 次为0.0208、0.121,0.121.内部交叉验证和外部验证均证明,近红外定量分析有较高的准确度,能满足生产中总酸、蛋白质和水分检测的精度要求.     

18种大豆种子蛋白质、氨基酸和脂肪酸的组成成分分析

对18种大豆种子蛋白质和氨基酸、总脂肪及脂肪酸组成进行了分析。结果表明:榆林地区的横山老黑豆和神木连枷条的蛋白质含量较高,山西地区的汾豆79氨基酸含量最高,东北地区的吉育82的总脂肪含量最高;GC-MS共鉴定出7种脂肪酸,其中亚油酸和油酸的含量较高,不饱和脂肪酸的含量均在70%以上,其中子洲小黑豆、靖边黑豆和晋豆19所提取的油中不饱和脂肪酸含量在80%以上。研究结果可为筛选更适合种植的大豆品种提供理论依据。     

近红外光谱法检测奶粉掺假

目的建立近红外光谱法结合Adulterant Screen算法快速鉴别奶粉中大豆蛋白和尿素掺假的方法。方法采用近红外光谱仪获得奶粉未知样的光谱曲线,再用Adulterant Screen算法以及全数据库奶粉分类模型和既定类型的掺假物模型对曲线主要成分和掺假成分进行分析。结果该方法对一定浓度大豆蛋白和尿素掺假奶粉样可以实现掺假鉴别,大豆蛋白和尿素掺假奶粉样的掺假判别限分别为0.3 g/100g和0.2 g/100g,掺假物正确识别限分别为0.5 g/100g和0.8 g/100g。结论利用近红外光谱法结合Adulterant Screen算法可以快速鉴别奶粉中大豆蛋白和尿素的掺假。     

The determination of protein,fat and moisture in bread by near infrared reflectance spectroscopy

Near infrared (n.i.r.) reflectance spectroscopy has been employed for the determination of protein, fat and moisture in sliced white bread. N.i.r. reflectance at six wavelengths was measured using circular samples from each of six alternate slices taken from one half of each of 30 loaves of different composition. The six readings for each loaf at each wavelength were averaged and used to produce calibrations which, on prediction of the compositions of a further 30 loaves sampled in the same way, gave rise to standard deviations of differences between n.i.r. and standard procedures of 0.20% for protein, 0.18% for fat and 0.51% for moisture. Calibrations derived from the other halves of the loaves, which had been air-dried and ground to a powder, resulted in similar standard deviation of differences for protein and fat.     

大豆分离蛋白与低浓度尿素相互作用红外光谱分析

对大豆分离蛋白(SPI)与低浓度尿素溶液相互作用红外光谱进行酰胺Ⅲ带研究。研究结果表明,溶解在不同浓度尿素溶液中大豆分离蛋白二级结构与大豆分离蛋白水溶液相比发生很大变化,在0.1mol·L~(-1)尿素溶液中大豆分离蛋白β-折叠含量最小,随着尿素浓度增加,β-折叠含量增加,无规卷曲含量在0.1mol·L~(-1)尿素溶液中达到最大,之后随尿素浓度增加而降低;α-螺旋和β-转角随着尿素浓度增加,其含量都呈现先增加后下降趋势,在1mol·L~(-1)尿素溶液中两者含量与大豆分离蛋白水溶液中含量相比变化不大。     

两种近红外光谱分辨率预测牛肉营养成分的比较研究

应用近红外光谱技术在不同光谱分辨率下分析了同一批牛肉样本的蛋白质、脂肪和水分含量。样品取自16头西门塔尔杂交牛的14个部位,宰后成熟48h,绞成肉糜状后分别于不同分辨率1.6和10.0nm条件下进行近红外光谱扫描和化学成分测定。应用The Unscrambler建模软件,采用偏最小二乘回归技术(PLSR),通过交互验证程序建立近红外数学模型,得到不同分辨率1.6和10.0nm条件下蛋白质的校正集相关系数R分别为0.94和0.93,交互验证标准差(RMSECV)分别为0.49和0.54;脂肪R分别为0.93和0.92,RMSECV分别为0.64和0.76;水分R分别为0.87和0.81,RMSECV分别为1.18和1.26。研究结果表明,高光谱分辨率下的蛋白质、脂肪和水分模型精度要略优于低光谱分辨率所建模型。      

基于傅里叶变换红外光谱的大豆原油掺伪定量 分析模型研究

目的应用傅里叶变换红外光谱(FTIR)结合最小偏二乘法(PLS)建立大豆原油-棕榈油二元掺伪体系的定量分析模型。方法以42个大豆原油、21个精炼油、88个掺伪油的FIIR谱图为模型样本,预处理方法选用标准正态变量(SNV),在此基础上应用主成分分析(PCA)提取特征变量,随机选取60个掺伪油样组成校正集,28个掺伪油样组成验证集,以PLS方法建立大豆原油的掺伪定量模型。结果 PCA可将大豆原油及精炼油分成独立的2类。经PCA分析,大豆原油中掺入棕榈油的掺伪检测限为5%。PLS校正模型的判定系数R2为0.9926,校正误差均方根RMSEC为1.8121。预测模型的R2为0.9823,交叉验证误差均方根RMSECV为2.8189。同时得到的预测结果的偏差在1.3909%~3.1019%之间,差异不显著,说明此模型可行。结论 FTIR-PLS模型能够实现大豆原油的掺伪定量分析,分析速度快,能够满足大豆原油入库要求,是一种可行的大豆原油掺伪分析方法。     

基于近红外光谱法快速测定许氏平鲉脂肪和 水分含量的方法研究

目的建立近红外光谱法结合偏最小二乘法测定许氏平鲉鱼肉中的脂肪和水分含量,以期简便、快速地对许氏平鲉进行品质分析与评价。方法采用常规分析手段测定70个样品的脂肪和水分含量,同时采集其近红外光谱数据,结合偏最小二乘法(partial least square,PLS)建立许氏平鲉鱼肉中脂肪和水分的定量预测模型,并对比不同光谱预处理方法、光谱范围和因子数对定量预测模型的影响。结果光谱经Savitzky-Golay(S-G)和标准正态变量变换(standardized normal variate,SNV)预处理后,在5341.85~4007.36 cm~(-1)、6556.79~5345.71cm~(-1)和8651.10~7162.33 cm~(-1)光谱范围内,选取主因子数10,建立脂肪的校正模型性能最优;光谱经过SNV预处理后,在8886.38~4061.35cm~(-1)光谱范围内,分别选取主因子数为9时,建立的水分的校正模型性能最优。脂肪和水分含量相对最优PLS模型的校正集相关系数分别为0.9918和0.9912,校正标准偏差分别为0.2680和0.3300,交叉验证相关系数分别为0.9820和0.9810,交叉验证均方差分别为0.3980和0.4850,验证集相关系数分别为0.9804和0.9798,验证集均方差分别为0.3260和0.3070。结论本方法可较为准确地预测许氏平鲉鱼肉中的脂肪和水分含量,能够满足快速分析评价许氏平鲉品质的要求。     

在线近红外光谱仪在膨化大豆粉质量控制中的应用

为了指导生产,实现膨化大豆粉生产线在线检测水分、粗蛋白质和粗脂肪含量,在膨化大豆粉生产线安装近红外光谱仪,并将在线检测数据与国标方法(人工取样)检测数据进行了对比。结果表明：在线近红外光谱仪测定膨化大豆粉样品的水分、粗蛋白质、粗脂肪含量结果与国标方法接近,符合国标允许误差要求;配套的全自动镜头吹扫系统可有效去除黏附在采集窗口上的膨化大豆粉,保证了检测结果的准确性。实践证明,将在线近红外光谱仪应用于膨化大豆粉生产上,完全能满足膨化大豆粉加工行业在线实时监控的需求。     

近红外光谱法检测奶粉中三聚氰胺的方法探讨

目的建立近红外光谱法快速鉴别奶粉中三聚氰胺的掺假。方法应用奶粉的脂肪、蛋白质、水分、乳糖和灰分5个理化指标建立奶粉的近红外鉴别模型。应用Spectrum软件的PLS1算法对样品进行计算,并对待鉴别奶粉进行定量分析。结果本方法能有效识别三聚氰胺质量比在0.05%~0.08%的掺假奶粉,但不能准确识别有何种掺杂物;对0.1%以上的掺假奶粉能正确识别出掺假物是三聚氰胺。对样品的脂肪、蛋白质、水份、乳糖和灰分5项理化指标进行定量分析的实际值与样品在模型中的计算值相对误差在10%以内。结论该方法快速、有效,可适用于奶粉三聚氰胺掺假的快速筛选和掺假鉴别。