近红外光谱法快速检测带鱼肉中的水分和蛋白质含量

应用傅立叶变换近红外光谱分析技术对带鱼肉中水分和蛋白质含量进行了研究。分别建立原始光谱、间隔2点一阶导数(dblg2)、3点平滑(sa3)、标准归一化(SNV)和多元散射校正(MSC)的偏最小二乘回归(PLS)模型,比较定标相关系数(Rc)、预测相关系数(Rv)、定标标准差(SEC)和预测标准差(SEP),建立了MSC预测模型,水分和蛋白质近红外检测模型的相关系数均在0.9以上。SEC分别为0.74和0.68,SEP分别为0.81和0.73。将确定的模型进行了外部验证,水分和蛋白质NIR预测值和化学分析值的配对t检验差异均不显著。说明近红外光谱法应用于带鱼肉中水分和蛋白质含量的快速检测是可行的。      

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。      

近红外光谱法检测小麦粉中的水分含量

以化学法测定67个小麦粉样品的水分含量,利用波通DA7200型近红外光谱分析仪采集样品近红外光谱,选择合适的光谱区间及光谱预处理方法,采用偏最小二乘法(PLS)和留一法内部交叉验证方式建立定标模型.50个定标样品的近红外光谱经一阶导数预处理,由PLS法获得的定标模型决定系数(R2)为0.984 3.利用17个验证集样品进行外部检验,预测值与真实值之间的相关系数(R2)为0.984 8,预测集标准偏差(SEP)为0.092 9.近红外光谱法具有方便、快速、准确、无损、无污染的特点,应用于小麦粉水分的测定是可行的.     

近红外漫反射光谱法快速检测谷子蛋白质和淀粉含量

建立近红外漫反射光谱法测定谷子中的蛋白质和淀粉含量,提供一种快速、简便、无损的分析方法进行谷子品种资源鉴定和筛选。以191份山西核心谷子种质为材料,采用近红外漫反射光谱法建立谷子蛋白质和淀粉含量的快速检测模型。结果表明,采用一阶导数+矢量归一化光谱预处理,分别建立谷子蛋白质和淀粉含量的校正模型,模型的校正决定系数(R~2_(cal))分别为0.977 0和0.907 3,交叉验证均方根误差分别为0.203%和0.466%,外部验证决定系数(R~_(2val))分别为0.989 6和0.977 2,预测均方根误差分别为0.225%和0.368%。对于谷子蛋白质和淀粉的预测,化学法和近红外仪器法测定间无显著差异,近红外测定结果是准确可靠的。说明采用近红外漫反射光谱分析技术能够满足对谷子蛋白质和淀粉含量的检测。     

近红外光谱法快速测定甘蔗渣水分和糖分含量

探讨了近红外光谱法快速测定甘蔗渣水分和糖分含量的可行性。基于实验室自制的20个水分和糖分不同含量的甘蔗渣样品,用近红外光谱仪积分球旋转方式在12500～4000cm^-1范围内采集相应样品的光谱,利用化学计量学软件建立样品水分和糖分含量与光谱数据之间的相关性模型。结果表明,对原始光谱进行多元散射校正的预处理后,选择9295．8～6098．2cm^-1和5450．2-4597．8cm^-1波数区间,用偏最小二乘法（PLS）和完全交互验证方式建立的校正模型的相关系数R^2分别为0．9886和0．9793,交互验证均方差RMSECV分别为2．18和0．463。该方法操作简单、准确性好,适用于生产过程中对甘蔗渣水分和糖分含量的快速测定。     

傅立叶变换近红外光谱法快速检测锅盔中水分含量

应用傅立叶变换近红外光谱技术,建立锅盔水分含量分析模型.测定61份锅盔的近红外光谱,经一阶导数+MSC预处理以滤去噪声,在7 501.9～4 597.6 cm-1谱段范围内,选择维数10,利用偏最小二乘法建立近红外光谱与国标参考方法测得的水分含量之间的相关模型.最终得到水分定量校正模型决定系数(R2)为99.03％,内部交叉验证均方差(RMSECV)为0.409％.用该模型对19个未知锅盔样品进行外部验证,其水分外部验证决定系数(R2)为97.99％,预测标准偏差(RMSEP)为0.341％.结果表明,近红外定量分析技术有较高的准确度,能满足锅盔水分的快速检测精度要求.     

近红外光谱法检测婴幼儿营养米粉蛋白质含量

以160个婴幼儿营养米粉为样品,应用近红外光谱技术和偏最小二乘法建立了婴幼儿营养米粉中蛋白质含量的近红外模型。比较了2、3、4、5、6、7、8 mm不同装样厚度(即光程)下样品近红外光谱的稳定性,通过样品光谱在不同波数下的标准差选定了5 mm为最佳的装样厚度;比较了变量标准化、导数、多元散射校正和9点平滑预处理方法对模型建立的影响,根据模型的相关系数和均方根误差确定了最佳的预处理方法,为变量标准化、一阶导数和9点平滑,预处理后的光谱数据结合国标方法测定的蛋白质含量建立了婴幼儿营养米粉中蛋白质含量的近红外定量分析模型,定标集和验证集相关系数分别为0.9856、0.9841,均方根误差分别为0.2431%、0.2456%,对已建立的近红外光谱定量分析模型进行了外部样品验证,预测准确度达到96%,验证结果证明了近红外检测技术与国标方法一致性较好,速度快且不需要样品前处理,在婴幼儿营养米粉蛋白质含量分析中具有广泛的应用价值。     

近红外光谱技术快速无损测定狭鳕鱼糜水分和蛋白质含量

通过拟合狭鳕鱼糜的近红外漫反射光谱与其水分和蛋白质含量,建立近红外定量模型,用于狭鳕鱼糜水分和蛋白质的快速无损检测。模型采用偏最小二乘法(PLS)拟合,水分和蛋白质的定标模型相关系数分别达0.98 和0.96以上,优于近红外透射光谱建立模型的预测结果。模型的相对标准偏差(RSD)＜ 10%,相对分析误差(RPD)＞ 3,表明该模型能准确快速地测定狭鳕鱼糜中的水分和蛋白质含量,且可用于实际生产中。     

近红外漫反射光谱法快速检测高纤维素、木质素物料水分含量

目的：建立一种快速检测高纤维素、木质素物料水分含量的方法。方法：以槟榔这种含高纤维素、木质素的中药材为原料,用近红外光谱仪采集近红外漫反射光谱,运用NIR Cal建模软件对光谱数据进行预处理,优选特征波长,并运用偏最小二乘法（PLS）分析建立槟榔水分含量定量模型。结果：槟榔水分含量定量模型校正集决定系数为0.994 2,校正误差均方根（RMSEC）为0.50;验证集决定系数为0.986 7,预测误差均方根（RMSEP）为0.68。结论：该方法简便、快速、安全、实用、准确,适用于含高纤维素、木质素物料的水分含量的快速测定。     

近红外光谱法测定菜籽油中水分含量

以菜籽油为试验材料,用干燥乙腈萃取菜籽油中水分,用傅里叶变换近红外光谱技术(FT-NIRS)结合偏最小二乘法(PLS)建立乙腈水分定量分析模型,并用乙腈水分模型间接预测菜籽油水分含量。结果表明:校正样品集的标准偏差(SEC)为0.014 6,预测样品集的标准偏差(SEP)为0.039,预测值与实测值的决定系数(R2)为0.921 6。菜籽油水分含量用FT-NIRS分析和卡尔费休法测定结果之间有良好的一致性,模型具有较高的预测能力,结果准确可靠,可代替常规分析方法。     

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.     

近红外光谱结合偏最小二乘法快速测定糖果中水分含量

采用近红外光谱(NIR)结合偏最小二乘法(PLS)建立了一种糖果中水分含量快速准确的测定方法。在12500~3600 cm^-1光谱范围内采集116批糖果的近红外漫反射光谱,并用减压干燥失重法测定其水分含量。通过比较不同参数对建模的影响,发现用多元散射校正法进行预处理,在11682.2~9826.1、8939.0~6267.9、5378.8~4487.8 cm^-1光谱范围内,主成分数为15时,应用PLS方法建立的糖果水分的定量分析模型效果最佳。所建立模型的相关系数为0.9716,校正均方根误差和验证均方根误差分别为0.97%和1.03%。该方法结果准确可靠、操作简便,可用于糖果中水分含量的快速检测。     

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.     

Application of near infrared reflectance spectroscopy to protein analysis of grassland herbage samples

Near infrared reflectance spectroscopy (NIRS) was evaluated for the prediction of the protein content in samples of grassland herbage taken at different stages of maturity (flowering to fruiting stage) in ‘Dehesa’ zones of Central-Western Spain. A Technicon Infra Alyzer model 500 scanning monochromator interfaced with a Hewlett-Packard 1000 minicomputer was used for the study. Protein content was predicted with NIRS data treated as log I/R using six or seven wavelengths. Calibrations were evaluated by comparing Kjeldahl analyses with those predicted by NIRS. The prediction of protein was found to be acceptable, the standard error carying between 0.56 and 0.68% in a range of protein content from 6.76 to 13.98%.     

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。     

近红外漫反射光谱法快速检测胶原肽粉中低聚肽含量

目的建立近红外漫反射光谱法(near infrared reflectance spectroscopy, NIRS)快速检测胶原肽粉核心功效成分低聚肽含量的分析方法。方法基于径向基神经网络(radial basis function neural network, RBFNN)的方法,分析比较了多元散射校正(multiplescattercalibration,MSC)、标准正态变换(standardnormalvariation,SNV)的光谱预处理方法,分别结合了主成分分析(principalcomponentanalysis,PCA)、独立成分分析(independent component analysis, ICA)的方法提取特征信息,优化输入变量、扩展系数等参数,建立了低聚肽含量的检测模型,同时为了比较方法优劣,也建立了相应的偏最小二乘方法(partial least squares, PLS)模型。结果非线性建模方法 RBFNN比线性PLS方法模型效果更好,与常用的PCA-RBFNN模型相比,本研究采用的ICA-RBFNN模型结果更准确,模型独立验证集的相关系数R是0....     

近红外光谱分析法快速测定稻谷常规化学指标

采集150份有代表性的我国南方地区稻谷样品的近红外光谱,用偏最小二回归分析法(PLS),建立了稻谷的水分、直链淀粉、蛋白以及胶稠度的近红外定量分析模型,并对30份预测集样品进行了验证。水分、直链淀粉、蛋白以及胶稠度的校正集模型的决定系数所(R2)分别为0.990 3、0.560 3、0.913 2以及0.678 0,交互验证均方根误差(RMSECV)分别为0.372 8%、1.456 9%、0.305 4%以及5.031 5%;验证集标准预测偏差(RMSEP)分别为0.382 5%、1.465 0%、0.510 0%以及5.052 1%。结果表明,近红外光谱分析法可以满足快速分析的要求。     

奇亚籽水分、脂肪、蛋白质和灰分的近红外 光谱快速检测模型优化

水分、脂肪、蛋白质、灰分是重要的奇亚籽品质指标,目前主要依赖于化学法测定,过程烦琐,耗时费力,且不能多指标同时监测。以103份不同产地的奇亚籽为建模样本,通过19种光谱预处理方法和最佳谱区范围的筛选分别建立了奇亚籽中水分、脂肪、蛋白质、灰分的偏最小二乘模型。结果表明:对于水分采用Savitzky-Golay滤波平滑(SG)对光谱进行预处理,脂肪采用一阶导数(1st)和多元散射校正(MSC),蛋白质采用1st、标准正态变化(SNV)和SG,对于灰分采用1st、SNV和Norris微分平滑(ND)组合光谱进行预处理,针对各参数最佳预处理光谱采用人工法进行谱区筛选建立模型,得到水分、脂肪、蛋白质和灰分的验证集相关系数分别为0. 993、0. 972、0. 925和0. 923。结果显示,利用近红外光谱可以实现对奇亚籽的水分、脂肪、蛋白质以及灰分的同时快速无损检测,在大规模奇亚籽原料的分选中提高检测效率。     

Rapid determination of shoot nitrogen status in rice using near infrared reflectance spectroscopy

Near infrared reflectance (NIR) spectroscopy is a rapid, cheap, simple technique which can be used to make quantitative analyses of the concentrations of nutrients in plant tissue. The application of NIR to determine nitrogen in rice was examined. The absorbance spectrum of rice (Oryza sativa L) shoot tissue was similar to that of the temperate cereal wheat even though rice tissue has a much higher silica content. A 19-filter NIR instrument was calibrated to estimate the nitrogen content of rice shoots with between 0·8 and 3·50% N by the Kjeldahl technique. The calibration model developed used three wavelengths to account for 96% of the variation in sample Kjeldahl nitrogen concentration. This model was validated using 67 samples comprising five rice varieties grown on farms in two seasons in southern New South Wales. The standard error of prediction of the model was 0·15% N. A tissue testing service using this NIR calibration is now operational for rice crops in southern New South Wales.     

近红外光谱技术在糖业的应用及进展

近红外光谱技术是一种快速、高效的分析技术,发展迅速,具有无损检测、无污染、操作简单、分析快速、可在线实时监测、稳定性和重现性好、节约人力成本和试剂费用且易于维护等特点,并在很多领域得到应用。近年来,已有许多国内外学者对近红外技术在传统制糖工业应用的可行性进行研究。我国作为世界蔗糖生产大国,企业应对新技术加以重视和应用。本文从糖料甘蔗和甜菜的收购、作物快速育种、制糖中间制品检测应用和成品糖检测等几个方面重点介绍国内外近红外分析技术在制糖工业上应用的研究。本文分析了近红外技术在制糖企业应用的优势和不足,并对该技术在糖业应用的发展前景和发展方向进行展望,为企业和科研院所应用研究、在线检测、过程控制和结果分析提供帮助。