近红外光谱技术快速测定木材抽出物含量的研究

探讨了近红外光谱法快速预测木材冷水、热水、1.0%NaOH和苯醇抽出物含量的可行性。四个模型的决定系数（R2）高,分别为0.9804、0.9800、0.9823和0.9648;交叉验证均方根偏差（RMSECV）低,分别为0.21%、0.29%、0.48%和0.24%;冷水、热水、1.0%NaOH抽出物模型的残留预测偏差（RPD）值分别为7.14、7.07和7.51,而苯醇抽出物模型的RPD值仅5.33。采用不同校正模型分别对样品进行预测,四个模型的预测偏差分别为-0.19%～0.20%、-0.29%～0.28%、-0.36%～0.42%和-0.25%～0.14%,基本符合标准方法的误差要求。结果说明可以利用近红外光谱分析技术对木材抽出物进行快速、准确地测定。     

近红外光谱法快速测定木材纤维素、戊聚糖和木质素含量的研究

探讨了近红外光谱法快速测定木材纤维素、戊聚糖和Klason木质素含量的可行性。用常规实验室方法测定106种木材样品的纤维素、戊聚糖和Klason木质素含量,用近红外光谱仪采集相应样品的光谱。利用偏最小二乘法（PLS）和完全交叉验证方式,对原始光谱进行一阶导数＋矢量归一化（SNV）和一阶导数＋多元散射校正（MSC）预处理后,选择7502-5446 cm^-1、4601-4247cm^-1和6102-4597 cm^-1区间建立样品纤维素、戊聚糖、Klason木质素含量和光谱数据之间的相关性模型。模型的决定系数（R2）高,分别为0.9705、0.9927和0.9827;交叉验证均方根偏差（RMSECV）低,分别为0.40%、0.38%和0.49%;残留预测偏差（RPD）分别为5.83、11.7和7.61。采用3个模型分别对样品进行预测,预测偏差分别为-0.36%-0.34%、-0.40%-0.32%和-0.36%-0.39%。结果表明,可以利用近红外光谱法快速测定木材纤维素、戊聚糖和Klason木质素含量。     

近红外光谱法快速测定制浆杨木的材性

用常规方法测定了4种常用制浆杨木的化学成分和基本密度,并采集了样品的近红外光谱。对光谱进行预处理后,运用偏最小二乘法和交互验证的方法,分别确定最佳主成分数并建立样品综纤维素、木素、苯-醇抽出物、基本密度的校正模型。独立验证中模型的决定系数（R2val）分别为0.9050、0.9098、0.9112、0.9165;预测均方根误差(RMSEP)分别为0.40%、0.42%、0.19%和0.0050 g/cm3;相对分析误差(RPD)分别为3.24、3.33、3.36和3.46;绝对偏差(AD)分别为-0.49%～0.77%、-0.66%～0.63%、-0.28%～0.33%、-0.0094～0.0068 g/cm3,预测均方根误差和绝对偏差基本符合对误差的要求,4个模型能够满足制浆造纸中常用杨木材性的快速测定。     

红曲米中桔霉素、淀粉、水分含量的快速测定

采用近红外光谱技术构建红曲米中桔霉素、淀粉、水分含量的快速测定预测模型。分别采用偏最小二乘回归(PLS)、主成分回归(PCR)、多元线性回归(SMLR)构建所测组分的数学模型,以相关系数(R)、预测相对分析偏差(RPD)、预测均方根误差(RMSEP)、校正均方根误差(RMSEC)值来评价模型的综合性能。结果表明,MSC、SNV方法可以消除样品颗粒不均对光谱的散射影响;导数处理能够消除基线漂移问题;对于水分含量,只有PLS和PCR模型可用于较准确定量测定(RPD=2.45和2.81);对于淀粉,只有SMLR模型可用于较准确定量测定(RPD=2.58);对于桔霉素,3种模型的RPD值均小于2,虽然不能用于准确定量测定,但能满足定性分析或分级。为红曲米生产过程中桔霉素、淀粉、水分含量的快速检测提供新的方法,为红曲米质量的智能化控制提供新的途径。     

异亮氨酸发酵过程中浓度近红外预测模型的建立

利用近红外分析仪和相关近红外软件,建立谷氨酸棒杆菌发酵过程中异亮氨酸质量浓度的近红外预测模型.结合偏最小二乘法,在波数为7 400～9 100 cm-1,减去一条直线作为光谱预处理的条件下,获得异亮氨酸质量浓度最优近红外预测模型.该模预测偏差(RPD)为3.36,交叉验证误差均方根(RMSECV)为1.73 g/L,决定系数(R2)为0.997.通过外部验证,该模型能够较好地检测发酵过程中异亮氨酸的质量浓度.     

基于近红外光谱技术快速检测稻谷水分含量

目的:建立一种无损、快速高效的稻谷水分含量检测方法。方法:研究收集了不同年份的稻谷样品161份,运用近红外光谱结合化学计量学方法,通过剔除异常光谱和光谱预处理,采用偏最小二乘法建立稻谷水分含量预测模型。结果:采用主成分分析结合马氏距离的方法剔除异常光谱样品15个,最佳的光谱预处理方式为消除常数偏移量。训练集建立的预测模型(R_CAL²)为0.9943,模型标准偏差(RMSEC)为0.21%,模型交叉验证决定系数(R_CV²)为0.9936,模型交叉验证标准偏差(RMSECV)为0.32%,表明预测模型交叉验证预测样品水分含量准确度高。用验证集样品检验预测模型,模型验证集验证决定系数R 2 VA L为0.9801,模型验证集验证标准偏差(RMSEP)值为0.36%,相对分析误差(RPD)值为7.14,表明预测模型对未知样品的预测准确度高。验证集样品实测值与预测值均值方程T检验结果P值(双侧)为0.879,验证集样品实测值与预测值之间差异不显著,表明预测模型的预测结果可信度高,验证集样品预测值与实测值的误差在±1%,且90%以上的验证集样品其预测值与实测值的误差都在±0.5%以内。结论:建立的稻谷水分预测模型可以实现收储稻谷的无损、快速、准确检测。     

基于近红外技术快速检测棉籽饼粉水解液中氨基氮含量

利用近红外(NIR)光谱技术结合偏小二乘(PLS)的方法,通过分别选择不同波长、不同光谱预处理方法,建立并优化棉籽饼粉水解液中氨基氮含量校正模型。波长选择为1 300¹ 800 nm,采用光谱预处理阶导数+减条直线,得到校正模型的交叉验证均方根(RMSECV)为0.457 g/L,决定系数(R2)为0.927 2,剩余预测偏差(RPD)为3.71。并对校正模型进行外部检验,预测含量与实际含量进行对比,决定系数为0.944 5,平均相对误差为5.05%。结果证明预测模型能够快速、准确地对棉籽饼粉水解液氨基氮含量进行预测和监控,为建立棉籽饼粉水解液评价系统奠定定基础。     

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.     

利用近红外光谱分析技术快速测定高良姜中水分含量

结合化学计量学技术构建高良姜中水分含量NIRS分析模型,可应用于高良姜中水分含量的快速测定。方法:用减压干燥法测定106批样品中水分的含量,采集并用多元散射校正法、二阶导数法、Savitzky-Golay卷积平滑法预处理近红外光谱,结合偏最小二乘法建立高良姜药材中水分含量的定量模型,对所建模型进行了内部交叉验证和23批验证集样品的外部预测验证,并对模型进行了重复性考察。结果:所建立的高良姜药材中水分含量的近红外光谱定量分析模型,内部交叉验证决定系数达到0.9864,校正均方差为0.134,预测均方差为0.145,内部交叉验证均方差为0.311,交叉检验和外部检验RPD均大于3。结论:该模型稳定,准确可靠,可应用于高良姜中水分含量的测定。     

近红外法制浆材定量模型的研究

通过国标方法测定了7种制浆常用木材原料共计44个样品的综纤维素、木质素、苯醇抽出物含量,并通过AnatrisⅡ型近红外光谱仪采集了样品的近红外光谱图。利用偏最小二乘法PLS建立综纤维素、木质素、苯醇抽出物的预测模型,并对其进行内部交叉验证,最终综纤维素、木质素、苯醇抽出物近红外模型RCV分别为0.9812、0.9226、0.9709,RMSECV分别为0.1890、0.6019、0.2288,RPD值分别为5.18、2.59、4.18。再用独立验证进一步检验模型质量,预测值与真实值偏差不大。结果表明,近红外光谱法可对制浆材材性进行快速测定。     

基于不同颜色模型定量预测永川秀芽在制品含水率

为定量预测永川秀芽在制品的含水率,基于不同颜色模型探究在制品的色泽变化,并结合偏最小二乘（partial least square,PLS）法建立含水率的定量预测模型。结果表明：在永川秀芽初制过程中,在制品的红绿度、蓝色通道均值增高,含水率和亮度、黄蓝度、红色通道均值、绿色通道均值、色调均值等15 个颜色模型分量降低,即色泽表现为变暗、变黄;通过热图与聚类分析,可将在制品分为2 个大类、4 个亚类,且理条工序对在制品含水率、色泽的影响最为显著;利用17 个颜色模型分量和PLS方法建立了含水率的定量预测模型,以校正集相关系数（Rc）、交互验证均方根误差（root-mean-square error of cross-validation,RMSECV）、预测集相关系数（Rp）、预测均方根误差（root-mean-square error of prediction,RMSEP）、相对分析误差（relative percent deviation,RPD）为评价指标。模型的Rc、Rp、RMSECV、RMSEP分别为0.979、0.980、0.044 7、0.044 3。RMSECV、RMSEP的差值仅为0.000 4,且RPD达到5.04,表明模型具有极好的预测能力和泛化能力,为实现永川秀芽在制品含水率的在线监测提供了一种新方法。     

Non‐destructive measurement of vitamin C,total polyphenol and sugar content in apples using near‐infrared spectroscopy

BACKGROUND: The vitamin C and polyphenol content of apples constitute quality and nutritional parameters of great interest for consumers, especially in terms of health. They are commonly measured using laborious reference methods. The purpose of this study was to evaluate the potential of near‐infrared (NIR) spectroscopy as a rapid and non‐destructive method to determine the sugar, vitamin C and total polyphenol content in apples. RESULTS: The quality parameters of more than 150 apple genotypes were analyzed using NIR and reference methods. The results obtained using the least squares support vector machine regression method showed good to very good prediction performance. Low standard error of prediction values, in addition to relatively high ratio to prediction (RPD) values, demonstrated the precision of the models, especially for polyphenol and sugar content. High RPD values (5.1 and 4.3 for polyphenol and sugar, respectively) indicated that an accurate classification of apples based on their content could be achieved. CONCLUSION: NIR spectroscopy coupled with the multivariate calibration technique could be used to accurately measure the quality parameters of apples. In addition, in the case of breeding programs, NIR spectroscopy can be considered an interesting tool for sorting varieties according to a range of concentrations. Copyright © 2012 Society of Chemical Industry     

基于近红外光谱技术检测红曲米中的红曲色素

采用近红外光谱技术结合化学计量学方法构建红曲米中红曲橙色素、红曲红色素、红曲黄色素的预测模型。分别采用多元线性回归(SMLR)、偏最小二乘回归(PLS)、主成分回归(PCR)构建所有色素组分的数学模型,以相关系数(R)、校正均方根误差(RMSEC)、预测均方根误差(RMSEP)、预测相对分析偏差(RPD)值来评价模型的综合性能。结果显示,MSC、SNV方法能够消除红曲米粉颗粒不均对光谱的散射影响;导数处理消除了基线漂移;对于红曲橙色素、红曲黄色素、红曲红色素三种模型均具有良好的稳定性;利用三种模型对未知红曲样品预测时,预测结果具有较高的线性,预测性能较好(RPD=2.86~5.39),可用于准确定量预测。结果表明近红外光谱技术可用于红曲色素的快速无损测定,为红曲米质量的智能化控制提供了新的途径。     

基于高光谱成像的干燥胡萝卜片水分及类胡萝卜素含量无损检测和可视化分析

利用不同波长范围的高光谱成像系统,以热风干燥过程中胡萝卜片水分和类胡萝卜素含量为研究对象,结合多元数据统计分析和化学计量学,分别构建基于偏最小二乘和支持向量机(support?vector?machine,SVM)算法的无损预测模型,并进行可视化分析。结果表明,水分和类胡萝卜素含量预测模型中,基于400～1?000?nm波长范围下多元散射校正的高光谱信息构建的SVM预测模型效果相对最优,对应的预测集决定系数R2P分别为0.984和0.911,预测集均方根误差(root?mean?square?error?of?prediction,RMSEP)分别为0.380?g/g和34.836?mg/100?g。经连续投影算法提取特征波长后,最优模型R2P分别为0.962和0.898,RMSEP分别为0.612?g/g和37.544?mg/100?g,模型剩余预测残差均大于3,精确度和稳定性良好。在最优预测模型的基础上,通过伪彩色成像重现了干燥过程中样品水分及类胡萝卜素的空间分布。实验结果证实高光谱成像技术可以用于胡萝卜片干燥过程水分和类胡萝卜素含量的无损检测,为后续在线检测和胡萝卜片干燥加工提供...     

面粉品质近红外光谱在线检测系统开发与应用

本研究运用近红外光谱无损检测技术,开发了一种适用于面粉品质检测的在线测量系统。本系统在硬件平台基础上,采用C++Builder 6.0对NIR 1.7/S微型光谱仪进行二次开发,编写了具有光谱采集、面粉品质预测、模型更新和数据存储等功能的软件。对市售170种面粉进行试验,以面粉水分含量为代表性指标。通过对比不同光谱预处理方法建模结果,发现不进行任何预处理时的面粉水分偏最小二乘回归(PLS)得到的模型精度最高。建模集和验证集决定系数(R2)分别为0.947,0.841;均方根误差(RMSE)分别为0.146%,0.198%;RPD值为2.53。模型导入软件后对30份新样品进行外部验证,预测值与测量值决定系数(R2)为0.883,均方根误差为0.206%。结果表明,该系统能够初步实现面粉水分的实时预测,为近红外在线检测技术应用提供了一定的技术参考。     

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。     

On-line versus off-line NIRS analysis of intact olives

Visible/near-infrared calibrations were developed for the determination of the quality parameters (fat content, moisture and free acidity) of intact olive fruits. The reflectance spectra were acquired in two different instruments (diode-array versus grating monochromator based instruments). The grating monochromator based instrument was used at the laboratory (off-line analysis), whereas the portable diode-array based device was placed on top of a conveyor belt set to simulate measurements in an olive oil mill plant (on-line analysis). Partial least squares (PLS) regression and least squares support vector machine (LS-SVM) were used for the development of the calibration models. A total of 174 samples were prepared for the calibration (N = 122) and validation (N = 52) sets. The root mean square error of prediction (RMSEP) and the residual predictive deviation (RPD) values were better using the diode-array instrument and applying the PLS regression method for the fat content parameter while for the free acidity and moisture content, the LS-SVM algorithm gave the best results. The results obtained seems to suggest the viability of the on-line system, instead of the off-line analysis, for the determination of physicochemical composition in intact olives.     

Measurement of the components in meat patties by near infrared reflectance spectroscopy

Near infrared calibrations have been derived and used routinely in the measurement of fat, moisture, protein, collagen free protein and starch in meat patties. The lower standard error of prediction (SEP) values for moisture, protein, fat and starch content determination were recorded with the first derivative calibration than with those of the second derivative treatment. The prediction for the moisture and protein content determinations with first derivative transforms were satisfactory, the correlation coefficients (r) being 0.99 and 0.98, respectively. Determining the fat content with both first and second derivative data showed excellent results, r amounting to more than 0.99. The result obtained for the starch and collagen free protein (CFP) content determination with the first derivative calibration, as well as with the second derivative treatment, showed a deviation from the chemical data and r was less than 0.97 in both cases. It is recommended that a sample preparation, such as demoisturizing or defatting, is needed to get a high correspondence with reference methods for starch and hydroxyproline determination in meat patties.     

基于LVF-NIR的樱桃可溶性固形物含量无损速测模型的建立与优化

目的建立基于便携式近红外光谱仪的樱桃可溶性固形物含量无损快速定量检测模型,从而实现樱桃品质的无损快速检测。方法以北京通州产红灯樱桃、黄玉樱桃为研究对象,采用便携式线性渐变分光近红外光谱仪采集光谱数据,并采用折光仪测定其可溶性固形物含量;采用偏最小二乘回归结合全交互验证算法将光谱数据与可溶性固形物含量测定值建立定量校正模型,采用外部验证集对模型的预测性能做进一步测试。结果红灯樱桃可溶性固形物含量模型的R_C~2、RMSEC、R_(CV)~2、RMSECV、RPD分别为0.9194、0.79、0.8920、0.92、3.54,黄玉樱桃可溶性固形物含量模型的R_C~2、RMSEC、R_(CV)~2、RMSECV、RPD分别为0.8618、0.76、0.8246、0.86、2.70;两种樱桃可溶性固形物含量合并模型的R_C~2、RMSEC、R_(CV)~2、RMSECV、RPD分别为0.9125、0.81、0.8946、0.89、3.38。结论基于便携式线性渐变分光近红外光谱仪数据所建校正模型具有较好的准确度,可满足樱桃可溶性固形物含量的无损快速检测需求。