葛粉掺假的近红外漫反射光谱快速检测

研究葛粉中掺假红薯淀粉和马铃薯淀粉的近红外漫反射光谱快速检测方法。采集样品的近红外漫反射光 谱,采用主成分回归和偏最小二乘法建立校正模型,并对比光谱预处理方法和光谱建模区间对模型的影响。结果表 明,采用偏最小二乘法建模,光谱采用标准正态变量变换预处理,光谱区间选择在962～1 389 nm时,模型预测效 果最佳,外部验证预测相关系数（RP 2）达0.994 5,均方根误差2.298 7%,相对分析误差13.56,平均回收率99.89% （n=9,RSD=2.96%）,这表明近红外漫反射技术能对葛粉中掺假红薯淀粉和马铃薯淀粉进行有效检测。     

近红外光谱法快速预测新闻纸厂脱墨浆中胶黏物含量

本研究旨在采用近红外光谱法快速预测新闻纸厂脱墨浆中胶黏物含量。从新闻纸厂脱墨浆生产线中采集到103个脱墨浆样品,以筛选法测得脱墨浆中胶黏物含量,采用近红外光谱仪漫反射方式在12500～4000 cm-1波数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胶黏物含量和光谱数据之间的相关性模型。结果表明:对原始光谱进行矢量归一法预处理后,选择7502.2～5446.3 cm-1和4601.6～4246.8 cm-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和外部验证预测模型的相关系数R2分别为0.892和0.914,校正标准差SEC为0.027,预测标准差SEP为0.027,这表明脱墨浆中胶黏物含量和其近红外光谱之间存在较好的相关性,该基于近红外光谱的校正模型可用于快速预测新闻纸厂脱墨浆中的胶黏物含量。     

莲藕淀粉含量的近红外光谱无损检测方法

应用近红外光谱技术无损检测莲藕的淀粉含量。对光谱数据的3种预处理方法进行了比较分析,再采用偏最小二乘法(PLS)和联合区间偏最小二乘法(SiPLS)建立了莲藕淀粉含量的近红外光谱分析模型。研究结果表明,经多元散射校正、一阶导数和平滑等结合的预处理,采用联合区间偏最小二乘法(SiPLS)建立的模型最佳;其校正集的相关系数(Rc)和均方根误差(RMSEC)分别为0.960 0和0.741 6,预测集的相关系数(Rp)和均方根误差(RMSEP)为0.923 8和1.050 6,可以满足实际应用要求。结论:利用近红外光谱技术对莲藕淀粉含量进行无损检测切实可行。     

红薯全粉与玉米淀粉共混体系的凝胶特性及其粉丝品质研究

为拓宽红薯全粉在食品中的应用与提高粉丝的营养价值,以玉米淀粉和红薯全粉为原料应用于粉丝的制作中,研究玉米淀粉所占比例对混合粉凝胶特性及粉丝品质的影响。结果显示,玉米淀粉所占比例为40%至50%时,混合粉的回生值、G′、凝胶硬度、弹性和内聚性逐渐提高,所制粉丝的断条率、浑汤透光率和烹煮损失率下降,硬度、咀嚼性增加。与红薯全粉凝胶散乱的堆积状相比,玉米淀粉的存在使混合粉凝胶形成了连续、不均匀的网孔状结构。但玉米淀粉所占比例为50%至60%时,混合粉凝胶老化能力减弱,粉丝的耐煮性和咀嚼性下降。扫描电镜结果显示：当玉米淀粉与红薯全粉以1：1比例混合时,混合粉凝胶网络结构最致密,粉丝剖面孔洞数量最少且孔径最小,具有最佳的耐煮性和咀嚼性。粉丝基本成分测定结果显示,红薯全粉粉丝的膳食纤维含量是市售红薯淀粉粉丝的47.93倍,表明以红薯全粉为原料可以制作出富含膳食纤维的粉丝。     

哈姆林甜橙果实内在品质的可见-近红外光谱无损检测法

采用可见- 近红外漫反射光谱技术,结合偏最小二乘法,以不同时间采摘的哈姆林甜橙果实为样品建立其可溶性固形物、含酸量和VC 的无损检测数学模型,同时对不同光谱预处理方法和不同建模波段范围对模型的预测性能进行对比分析。结果表明：原始光谱在400～1000nm 波段的模型预测精度较高。经多元散射校正和5 点移动平均平滑预处理后,果实可溶性固形物含量的PLS 模型最好,校正集样品的相关系数为0.995RMSEC和RMSEP分别为0.026%、0.028%;预测集样品的相关系数为0.992。经多元散射校正和9 点移动平均平滑预处理后,果实含酸量的PLS 模型最好,校正集样品的相关系数为0.997,RMSEC 和RMSEP 分别为0.012%、0.013%;预测集样品的相关系数为0.997。经多元散射校正和9 点移动平均平滑预处理后,果实VC 含量的PLS 模型最好,校正集样品的相关系数为0.998,RMSEC 和RMSEP 分别为0.009%、0.009%;预测集样品的相关系数为0.999。可见由不同时间采摘的果实组成的样品集所建立的数学模型可以提高模型的预测精度,从而提高模型的适用范围。应用可见-近红外漫反射光谱检测哈姆林甜橙果实的内在品质可行。     

近红外光谱结合化学计量学技术快速测定面条中马铃薯全粉的含量

马铃薯干物质的主要成分为淀粉,将其与面粉混合后采用传统工艺制作成的马铃薯面条,使用化学检测方法很难测定马铃薯面条中马铃薯全粉的含量和面粉的含量。本研究旨在建立一种快速检测面条中马铃薯全粉含量的方法,为市场监督部门提供技术支撑。以不同马铃薯全粉含量的面条样品236份为实验材料,采集样品近红外漫反射光谱,结合化学计量学软件建立并优化预测模型。结果表明:近红外光谱图范围为9403.6～5446.2 cm-1时,采用最小-最大归一化预处理光谱,建立的预测模型稳定性强预测精度高,预测模型的外部验证决定系数(R2val)为0.9775、预测均方根误差(RMSEP)为1.28%,斜率为0.95,模型的相对分析误差(relative prediction deviation,RPD)为4.74。采用近红外漫反射光谱技术可以快速预测面条中马铃薯全粉的含量,可以为市场监督部门提供技术支持。     

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。     

基于近红外光谱技术快速检测苦荞面条中荞粉含量

以苦荞面条为研究对象,采用近红外漫反射光谱(NIR)技术结合偏最小二乘法(PLS)建立预测苦荞面条中荞粉含量的定量模型,实现荞粉含量的在线快速检测。根据参考值,制作230份苦荞面条样品,分别以移动平均平滑、一阶导数、归一化处理、标准正态化、多元散射校正等方法预处理光谱。结果表明,选择波数9 403.6～7 498.2,6 101.9～5 446.2 cm~(-1)+一阶导数+多元散射校正(MSC)所建的模型效果最好,预处理后模型相关系数为0.983 9,其交叉验证均方根误差(RMSECV)、预测标准误差(RMSEP)、预测相对分析偏差(RPD)、最低检出限(LOD)和定量检出限(LOQ)分别为1.14、0.894、7.89、2%、5%。外部验证预测相关系数为0.985 2,RMSEP、RPD分别为0.881、5.41,相对标准偏差(RSD)均小于1,不同产地苦荞粉对比验证集的R~2、RMSEP、RPD分别为0.963 7、0.926、5.22,RSD较小,模型具有较高的精密度,符合实际生产的需求。该方法快速、低成本、准确、简便、无污染,可以实现苦荞面条中荞粉含量的快速检测。     

近红外光谱法预测浆料中胶黏物含量的研究

探讨了近红外光谱法快速颅测浆料中胶黏物含量的可行性.基于实验室自制的75个胶黏物含量不同的浆料样晶,用近红外光谱仪漫反射方式在12500～4000cm,-1波数范围内采集相应样品的光谱,利用化学计量学软件建市样品胶黏物含量和光谱数据之间的相关性模型.结果表明,对原始光谱进行最大-最小归一法预处理后,选择12493.4～7498.4 cm-1和6102.1～5349.9 cm-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和外部验证预测模型的相关系数R2分别为0.918和0.935,校正标准差SEC值为0.211,预测标准差SEP为0.211.该模型预测浆料胶黏物含量的重现性相对标准偏差和准确性相对甲均偏差分别小于15%和10%,可以达到工业分析的要求.     

近红外光谱技术快速检测猪肉新鲜度指标的方法研究

采用傅里叶变换近红外光谱技术建立猪肉新鲜度指标色泽（L^*,a^*,b^*值）、挥发性盐基氮（TVB-N）、酸度（pH值）的快速检测方法。实验中采集了4000～10000cm^-1范围的近红外光谱,选取4800～9350cm^-1为分析区域,描述了谱峰的归属。以常规分析测定值为建模基础数据,采用偏最小二乘（PLS）回归法建立猪肉新鲜度指标定量分析模型,并考察了近红外光谱预处理方法对模型的影响。用校正集和验证集样本分析模型预测的准确性。L^*,a^*,b^*,TVB-N,pH预测模型结果显示:预测集均方根误差（RMSEP）分别为1.84,0.812,0.355,1.31,0.163,校正集均方根误差（RMSEC）分别为1.57,0.678,0.363,1.76,0.113,相关系数分别为0.8183,0.8776,0.9256,0.8231,0.8041。样本的预测值与真实测定值之间没有显著性差异（p>0.05）。采用近红外光谱法能满足猪肉新鲜度指标的同时测定,与传统的化学分析方法相比,该方法具有快速、无损、简单等特点。     

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。     

基于近红外光谱的大黄鱼新鲜度评价模型

目的 探索定量评价大黄鱼新鲜度的方法。方法 在整鱼背部采集近红外光谱, 将原始光谱预处理后分别与挥发性盐基氮(TVB-N)、菌落总数建立偏最小二乘(PLS)模型、区间偏最小二乘(iPLS)模型、向后区间偏最小二乘(biPLS)模型和联合区间偏最小二乘(siPLS)模型。结果 biPLS模型的精度最高、预测性能最佳。TVB-N的biPLS模型的校正集和预测集相关系数分别为0.8371和0.7652; 菌落总数的biPLS模型的校正集和预测集相关系数分别为0.878和0.7009。结论 大黄鱼的近红外光谱信息与其TVB-N、菌落总数间都存在较高的相关性, 所建模型可以快速、无损地定量评价大黄鱼的新鲜度。     

可见/近红外反射光谱法检测马铃薯抗性 淀粉含量的研究

目的利用可见/近红外反射光谱技术无损检测新鲜马铃薯茎块中抗性淀粉的含量。方法使用光谱仪获取新鲜马铃薯在345~1100 nm波段范围内的漫反射光谱;分别使用Savitzky–Golay(S-G)平滑处理、多元散射校正(MSC)法和一阶导数法(1st-D)对反射光谱进行预处理;对(S-G)反射光谱、MSC处理光谱和1st-D光谱使用逐步回归法判别法选择最优波长组合,建立多元线性回归模型,使用全交叉验证法验证模型。结果结果表明,可见/近红外反射光谱经过一阶导数处理后,确定的8个最优波长(370、569、576、866、868、886、922和963 nm)组合建立模型的校正和验证结果最好:模型的校正结果为相关系数R=0.996,标准差SEC=0.521%;模型交叉验证相关系数Rcv=0.982,验证标准差SECV=0.791%。结论可见/近红外反射光谱技术可以较好地预测新鲜马铃薯茎块的抗性淀粉含量,本研究可为可见近红外光谱技术在马铃薯功能成分的快速检测提供一定的技术基础。     

基于近红外光谱技术的马铃薯全粉蛋白质无损检测

为了探索一种简捷、高效、快速、无损的马铃薯全粉品质的检测方法,近红外光谱技术被应用到马铃薯全粉蛋白质的无损检测研究中。以120个经过真空微波冷冻干燥技术处理的不同品种马铃薯为样品,进行光谱采集及相应的化学值测定,采用多元散射校正和SavitzkyGolay卷积平滑对1200~2400 nm波段范围内的原始光谱进行预处理,选取最优的预处理方法;运用主成分回归分析法与偏最小二乘回归系数分别选择特征波长,并根据蛋白质基团的特征光谱区间选取特征波段,建立全波段、特征波段和特征波长下的主成分回归和偏最小二乘蛋白质预测模型。结果为:经过多元散射校正处理后的光谱建模效果最好,且运用偏最小二乘回归系数选择特征波长建立的马铃薯全粉蛋白质校正和验证模型的相关系数和均方根误差分别为0.9693、0.2937和0.9779、0.3304,优于全波段和特征波段建立的模型。研究表明,采用近红外光谱技术对马铃薯全粉蛋白质的无损检测是可行的。     

近红外光谱无损测定纸张施胶度的研究

采集不同施胶度(Cobb值)纸张的近红外光谱,通过不同方式对所采集的近红外光谱进行预处理。选择最佳预处理方式,利用偏最小二乘法(PLS)建立测定纸张施胶度的校正模型。结果表明,最佳预处理方式为减去一条直线(SLS),最佳波数区间为5446.3～12493.4 cm~(-1)和4246.8～4424.2 cm~(-1),得到校正模型的内部验证数据集以及外部验证数据集的相关系数R~2分别为0.9186和0.9085,内部交叉验证均方差R_(MSECV)和外部验证均方差R_(MSEP)分别为0.640和0.439,外部验证的预测结果与标准值之间的最大相对偏差为4.81%。校正模型有较高的测定精度和较好的推广性,为纸张施胶度无损伤、无预处理的快速、简便、准确检测提供新的途径,并且可望实现纸机的在线检测。     

基于近红外光谱的大鲵肉粉掺伪鉴别及纯度检测

利用近红外光谱技术进行大鲵肉粉的掺伪鉴别及纯度检测。分别采集大鲵纯肉粉、掺入江团鱼肉粉、草鱼肉粉和土豆淀粉的掺伪大鲵肉粉（各40 个样本,4 类共160 个样本）的近红外光谱图。原始光谱经光谱预处理后,利用偏最小二乘-判别分析（partial least square-discriminant analysis,PLS-DA）法分别建立2分类（纯样和掺伪样）和4分类（纯样、掺江团鱼样、掺草鱼样和掺淀粉样）的定性判别模型,利用偏最小二乘回归（partial least squares regression,PLSR）分析法分别建立3 类掺伪大鲵肉粉的纯度定量校正模型。结果表明,PLS-DA定性模型中,经一阶导数＋多元散射校正光谱预处理后,所建2分类和4分类模型性能均为最佳,校正集和预测集的预测准确率均为100%;PLSR定量模型中,大鲵肉粉掺江团鱼肉粉、大鲵肉粉掺草鱼肉粉和大鲵肉粉掺土豆淀粉模型的校正集相关系数（Rc2）分别为0.990 6、0.986 4和0.993 3,校正集的均方根误差分别为1.14%、1.39%和0.88%;测试集的相关系数（Rp2）分别为0.994 4、0.992 4和0.990 8,测试集的均方根误差分别为0.83%、0.89%和1.22%。运用近红外光谱技术结合化学计量学方法能够对大鲵肉粉进行掺伪鉴别及纯度检测。     

近红外光谱技术快速测定鹅肉新鲜度

目的：应用近红外光谱技术快速检测鹅肉的新鲜度,评价指标包括总挥发性盐基氮和pH值。方法：采集完整冷鲜鹅肉的近红外光谱（950～1 650 nm）,光谱经多种校正预处理后,采用偏最小二乘法建立鹅肉新鲜度的定量预测数学模型。结果：对于这2 种指标均采用标准常态变量结合偏最小二乘法所建立模型的预测效果最好,总挥发性盐基氮和pH值定量校正数学模型的模型决定系数分别为0.727、0.991,内部交互验证均方根误差分别为3.666、0.028。用此模型对预测集20 个样品进行预测,预测值与实测值的相关系数分别达到0.976、0.705,预测值平均偏差分别为－0.240、－0.024,预测值和实测值之间没有显著性差异（P＞0.05）。结论：近红外光谱作为一种无损快速的检测方法,可用于评价鹅肉新鲜度。     

混合果粉中营养成分的快速检测

以菠萝原粉、芒果原粉和椰子原粉为原料,配制比例不同的菠萝椰子混合果粉和芒果椰子混合果粉,测定其营养成分。采用偏最小二乘法建立近红外和红外光谱数据与菠萝椰子混合果粉和芒果椰子混合果粉中营养成分含量的模型。利用近红外光谱数据建立的2种混合果粉中总糖、蛋白质、总酸、灰分含量的模型校正、交叉验证、预测的相关系数都大于0.95;利用红外光谱数据建立的2种混合果粉中总糖、蛋白质、总酸、灰分含量的模型校正、交叉验证、预测的相关系数都大于0.80,且近红外和红外光谱所建模型的校正、交叉验证、预测的均方根误差都小于0.2。结果表明:近红外光谱技术和红外光谱技术用于菠萝椰子混合果粉和芒果椰子混合果粉中营养成分的快速检测都是可行的,且利用近红外光谱数据所建的模型更优,预测更准确。     

基于近红外光谱的淀粉含水量快速检测研究

运用近红外光谱分析技术检测淀粉的含水量,收集了国内常用的不同种类的淀粉,选择最优的光谱预处理方法和光谱范围,运用偏最小二乘法（PLS）进行定量分析研究。结果表明,采用偏最小二乘法（PLS）所建的定量分析模型的相关系数R2达0．9912,预测均方根误差RMSEP为0．0784,偏差为0．132。研究发现,近红外光谱技术用于快速无损检测淀粉含水量是可行的。     

近红外光谱技术快速检测小龙虾新鲜度

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。