近红外光谱法快速鉴别涪陵榨菜品牌的研究

提出了一种基于近红外漫反射光谱技术快速鉴别涪陵榨菜品牌的方法。应用近红外漫反射光谱技术对市场上6种典型品牌涪陵榨菜提取光谱,并对获得的原始光谱数据进行平滑、一阶导数以及矢量归一化等预处理后,采用因子法计算样品间的光谱距离,通过ward’salgorithm方法进行聚类分析。并与判别分析的实验结果进行了对比,结果显示聚类分析和判别分析对6种涪陵榨菜品牌均能很好地鉴别。      

近红外光谱法快速鉴别转基因大豆模型优化

目的应用近红外光谱(NIR)结合偏最小二乘判别分析(PLS-DA)建立转基因大豆的快速鉴别模型,并选择最优模型。方法主成分分析(PCA)用于从光谱数据中提取相关特征并剔除异常样品。在试验中,94份样品用于构建模型,41份样品用作验证评估模型的效果。分别讨论样品形态(整粒和粉末)、波长范围和光谱预处理方法对所建模型判别正确率的影响。结果粉末状大豆样品建模的效果好于整粒大豆样品。其中判定效果最好的模型,整粒大豆在9 403～5 438 cm~(-1)范围内,采用二阶导数(2nd)处理光谱,模型的校正集和验证集的判定正确率均为100.00%;粉末状大豆在7 505～4 597 cm~(-1)范围内,采用矢量归一化+一阶导数(SNV+1st)处理光谱,模型的校正集和验证集的判定正确率也均为100.00%。结论通过选择样品形态、波长范围和光谱预处理方法可以优化鉴别模型,提高近红外判别模型的鉴别正确率。     

近红外光谱法快速鉴别成安草莓

为实现对成安草莓的快速鉴别,本文采集了不同产地草莓样品的近红外吸收光谱,选择不同的光谱范围,经二阶导数、一阶导数+矢量归一化、最小-最大归一化等预处理,利用因子化法、合格性测试和主成分分析法(PCA)建立了成安草莓的鉴别模型,并取样对该模型进行验证。结果表明:三种模式识别方法对于其他产地草莓的识别正确率高于93.3%,因此认为,采用近红外光谱结合模式识别技术可快速、准确地鉴别成安草莓的真伪。     

近红外光谱法同时测定涪陵榨菜中果胶和总糖的含量

应用傅里叶变换近红外光谱技术,以涪陵榨菜为材料建立与其品质有关的果胶和总糖的定量分析模型。测定50份涪陵榨菜的近红外光谱数据,得到原始光谱,通过光谱预处理方法消除噪声,最后通过偏最小二乘法(PLS)建立回归模型。最终得到涪陵榨菜中果胶和总糖含量的近红外光谱分析模型,其决定系数(R2)分别为98.31、98.35,交叉验证均方差(RMSECV)分别为0.513、0.0531。用该模型对18份未知涪陵榨菜样本进行外部验证,其果胶和总糖的外部验证决定系数(R2)分别为96.69、95.63,预测集标准偏差(RMSEP)分别为0.572、0.0671。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,能满足生产中对涪陵榨菜果胶和总糖同时测定的精度要求。     

近红外光谱法用于橄榄油的快速无损鉴别

通过近红外光谱仪采集各种食用油与掺杂的初榨橄榄油的数据,运用聚类分析法对各种食用油进行聚类分析,结合主成分分析法对橄榄油的掺杂与否进行定性判别。结果表明,聚类分析和主成分分析法都有很好的定性鉴别能力,主成分分析法的鉴别模型预测未知样本的正确率达到100%。该方法快速、无损、简便,为橄榄油掺杂的定性鉴别提供了一种新的选择。     

近红外光谱法对鸡肉品种的快速无损鉴别

选取爱拔益加肉鸡（又名AA肉鸡）、京海黄鸡和狼山鸡鸡胸肉各40 个肉样,应用便携式近红外光谱仪在1 000～2 500 nm波长条件下分别对鸡肉肉块和肉糜进行光谱扫描,并测定肉样的颜色、蛋白质、脂肪和水分含量。各选择90 个肉样作为建模集,采用偏最小二乘判别分析法分别建立了鸡肉肉块和肉糜的品种鉴别模型。所建的两个模型对校正集和验证集样本的鉴别准确率均分别为100%和97.7%,对剩余预测集的各30 个肉样进行鉴别分析的鉴别准确率均为90%。     

基于近红外光谱技术的大麻哈鱼品种快速鉴别研究

为了进行鱼品种快速鉴别,以2种大麻哈鱼57个样品为研究对象,分别进行绞碎和切块预处理,然后采用近红外光谱技术结合聚类分析(CA)和主成分分析(PCA)方法进行研究。结果表明,近红外漫反射光谱结合聚类分析和主成分分析方法均可以为快速无损鉴别鱼品种提供准确可靠的方法,在本试验范围内的准确率能达到100%。该方法为鱼品种的快速鉴别提供了依据。     

近红外光谱技术鉴别方便面品牌的研究

对近红外光谱分析技术鉴别不同品牌的方便面进行了研究。选取三个代表性品牌,每个品牌各制45个样(其中40个样品用于建模,5个样品用于预测),通过比较不同光谱预处理方法及光谱范围,得到最优模型。结果表明,在8350～4190cm-1光谱范围内,采用矢量归一法对光谱数据进行预处理,再分别进行聚类分析与定性分析,得到的模型的品牌识别率均为100%,比较两种方法建立模型的效率,聚类分析比定性分析更加快速。说明应用近红外光谱分析技术能够快速、有效的鉴别方便面品牌,为方便面品牌的鉴别提供了一种新方法。     

基于二维相关近红外光谱的白酒酒龄鉴别

目的:杜绝以低龄酒冒充高龄酒,实现对白酒酒龄的判别。方法:利用近红外光谱仪采集白酒样品的近红外透射光谱,以酒龄作为外扰,构建各白酒样品的同步和异步二维相关谱;在此基础上,提取每个样品的自相关谱,并结合马氏距离法建立白酒酒龄判别模型。结果:1400~1800 nm波段范围内包含白酒样品随酒龄变化的有效信息;模型校正集判别正确率为93.3%,预测集判别正确率为92.0%。结论:二维相关谱结合马氏距离法能够对白酒酒龄进行有效鉴别。     

试论涪陵榨菜软实力的提升

涪陵榨菜属地理标志商标,是涪陵的重要软实力之一。认识涪陵榨菜的软实力,加大营销力度,提升涪陵榨菜的国际知名度,有利于推动涪陵榨菜健康与快速发展。文章从软实力的含义、涪陵榨菜硬实力和固有软实力的体现、提升涪陵榨菜软实力的途径与措施进行了论述。     

基于近红外光谱的冻融猪肉糜鉴别模型研究

目的 反复冻融猪肉糜品质差、不易判别。方法 采用近红外光谱分析技术对新鲜猪肉糜和不同冻融次数猪肉糜分别进行无损鉴别,建立了窄神经网络(narrow neural network, NNN)、线性判别(linear discriminant, LD)、支持向量机(support vector machine, SVM)和子空间判别(subspace discriminant, SD)4种不同的判别模型,并对所建立的模型性能采用正确判别率、混淆矩阵、受试者工作特征曲线和曲线线下面积这4个指标进行评价。结果 基于子空间判别建立的模型较优,其预测集正确判别率为96.4%,并且其混淆矩阵、ROC曲线和AUC均显示了该模型对于冻融猪肉糜分类的优越性。结论 本研究建立的近红外光谱技术结合子空间判别模型对冻融猪肉糜的鉴别能力较强,可为工业化在线检测方法的开发提供技术支撑。     

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。     

乙醇的红外光谱吸收机理及应用

为了进行乙醇含量的快速测定,近红外光谱分析技术作为一种新兴的快速检测技术,通过分析甲基、亚甲基、羟基的倍频、组合频,不同浓度的乙醇对红外光具有不同的吸收率。选择1250nm~1350nm光谱段作为乙醇浓度的分析谱段,提出了一种新型的便携式红外光谱检测仪控制方案,建立快速测定乙醇含量的近红外光谱法。实验发现该检测方法具有较好的稳定性,可以对乙醇含量进行准确、快速、便捷的检测,满足食品质量控制的要求。     

基于近红外光谱建立纸张表面施胶量测定模型

采集不同施胶量纸张的近红外光谱,利用偏最小二乘法建立测定纸张表面施胶量基于近红外光谱的校正模型。得到校正模型的交叉验证均方差（RMSECV）和外部验证均方差（RMSEP）分别为0.0928和0.1460,校正数据集和独立的检验数据集的预测值与实际测定值之间的相关系数分别为0.9609和0.9294,表明所建立的校正模型具有较高的预测精度和较好的推广性,为纸张无损伤、无预处理的快速、简便、准确的检测提供了新的途径,并且可望实现纸机上的在线检测。     

基于近红外光谱技术的抹茶掺伪定性判别研究

本实验采用近红外光谱技术与主成分分析法结合线性判别分析法（PCA-LDA）和K最邻近法,对抹茶中添加白砂糖、麦芽糊精、桑叶粉、大麦苗粉的现象进行定性判别分析。结果显示,PCA-LDA的定性判别结果优于K最邻近法,纯抹茶与掺伪抹茶、纯抹茶与掺糖抹茶、纯抹茶与掺糊精抹茶、纯抹茶与掺桑叶粉抹茶、纯抹茶与掺大麦苗粉抹茶、4种掺伪抹茶的定性分析模型的校正集识别率为98.3%、100%、91.7%、100%、100%、100%;预测集识别率为96.5%、100%、87.5%、95.8%、90.3%、95.3%。由此可知,通过PCA-LDA建立的定性判别模型准确度和识别率都很好,能够快速、准确的对抹茶中是否掺伪进行定性判别。      

苹果脆度的近红外无损检测

为了更好的对苹果的脆度进行检测,试验应用波长范围为643.26～985.11nm的Purespect近红外透射光谱仪对60个富士苹果的校正集样品和20个预测集样品进行了光谱扫描,比较了不同的光谱预处理方法和不同建模波段对模型的影响,最终确立的模型相关系数(Rc)为0.941,校正均方根误差(RMSEC)为0.390。对模型预测性能的验证结果表明:建立的苹果脆度模型性能较稳定,能满足实际应用的要求。     

苹果有效酸度的近红外无损检测研究

为了更好的对苹果的有效酸度进行检测,实验应用波长范围为643.26～985.11nm的Purespect近红外透射光谱仪对100个富士苹果的校正集样品和20个预测集样品进行了光谱扫描,比较了不同的光谱预处理方法和不同建模波段对模型的影响,最终确立的模型相关系数(RC)为0.925,校正均方根误差(RMSEC)为0.0395。对模型预测性能的验证结果表明:建立的苹果有效酸度模型性能较稳定,能满足实际应用的要求。      

基于近红外光谱技术与BP-ANN算法的豆粕品质快速检测

应用近红外漫反射光谱技术结合误差反向传递人工神经网络(BP-ANN)算法,建立豆粕品质(包括水分、粗蛋白、残油)的定量分析模型。将豆粕漫反射吸收光谱数据进行SNV、DT、SG求导、SG平滑和均值中心化处理,然后采用偏最小二乘方法(PLS)降维获取主成分,并优化选择合适的隐含层节点数、隐含层和输出层转化函数,建立校正模型,并用验证样品对校正模型进行验证。结果显示,BP-ANN法建立的水分、粗蛋白和残油的预测相关系数(R)分别为0.981、0.988、0.982,预测标准偏差(SEP)分别为0.120、0.216、0.036,均优于PLS建模方法结果,且满足传统分析方法的重复性要求,表明BP-ANN方法可用于生产过程豆粕品质的快速监控。