近红外光谱法快速测定干姜中6-姜酚的含量

目的采用近红外光谱技术建立干姜中6-姜酚的定量模型。方法以超高效液相色谱法(UPLC),分别测定样品中6-姜酚含量,作为参考值,采用漫反射模式采集近红外光谱,结合偏最小二乘法(PLS)建立光谱信息与6-姜酚含量的快速测定方法。结果 6-姜酚校正集的相关系数校正集决定系数(Rc2)为0.9902,校正集均方根误差(RMSEC)为0.0174,预测集均方根误差(RMSEP)为0.0284。结论所建方法简便、快捷、环保、测量数据可靠,可用于大批量干姜样品的快速分析。     

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。     

近红外光谱法高通量检测罗布麻纤维胶质含量

研究了近红外光谱法高通量测定罗布麻纤维中的胶质含量。采用近红外光谱漫反射模式采集罗布麻纤维的近红外光谱,结合常规化学法所测参考值,运用偏最小二乘法(PLS)建立罗布麻纤维胶质含量的定量模型,并用未知样品对模型进行验证。结果表明,所建定量模型校正集相关系数(Rc)和校正集均方根误差(RMSEC)分别为0.994 0和1.676 1;经外部验证的验证集相关系数(Rp)和验证集均方根误差(RMSEP)分别为0.956 1和4.843 7。该方法操作简单,快速,可用于罗布麻纤维胶质含量的高通量检测。     

基于可见-近红外光谱技术对市售紫薯粉的品质评价

目的建立可见-近红外光谱法结合偏最小二乘回归法对市售紫薯粉的品质进行评价。方法以市售紫薯粉为研究对象,对其原始光谱进行S-G 9点卷积平滑(savitzky-golay smoothing,S-G)、标准正态变量变换(standard normal variable transform,SNV)预处理,建立碘蓝值、花青素以及水分含量的偏最小二乘模型。结果花青素模型校正集和预测集的相关系数分别为0.9750和0.9461,均方根误差分别为0.1052 mg/g和0.1918 mg/g;碘蓝值模型校正集和预测集的相关系数分别为0.9687和0.9673,均方根误差分别为7.0256和7.1848;水分含量校正集和预测集的相关系数分别为0.9397和0.9219,均方根误差分别为0.5589%和0.5965%。结论基于可见-近红外光谱技术可以实现对市售紫薯粉的花青素、碘蓝值以及水分含量的快速无损检测,对市售紫薯粉的品质评价提供理论参考。     

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。     

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。     

利用近红外光谱和偏最小二乘回归法预测脂肪酸组成

采集了30种植物油样品在10000~55 00 cm-1范围内的近红外透射光谱,将所有样品作为校正集,随机抽取10种样品作为预测集,以气相色谱方法测得植物油中主要成分油酸、亚油酸、棕榈酸、硬脂酸的含量为参考值,应用偏最小二乘回归法建立了基于近红外光谱的测定植物油主要成分含量的校正模型。四种成分校正模型的交叉验证误差均方根为0.281 1%~1.496 4%,预测误差均方根为1.080 8%~18.063 0%,校正集的预测值与实测值的相关系数均大于0.99,预测集中除了棕榈酸的预测值与实测值的相关系数为0.817 9,其余均大于0.9。     

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。     

FT-IR-ATR法预测卷烟主流烟气中的焦油、烟碱和水分

应用傅里叶变换红外光谱仪采集了420个卷烟样品主流烟气总粒相物异丙醇萃取液的FT-IR-ATR光谱,并应用二阶微分法和Karl Norris滤波器对这些IR光谱信号进行了基线校正和降噪处理,再通过PLS法将预处理的390个卷烟萃取液试样的IR光谱与用标准方法测定的烟气焦油、烟碱和水分含量进行拟合,建立了预测卷烟主流烟气焦油、烟碱和水分含量的校正模型.并将未进入校正集的30个卷烟样品的模型预测值与标准方法的测定值进行了配对t-检验.结果表明①卷烟主流烟气焦油、烟碱和水分校正模型的相关系数分别为0.9807、0.9789和0.9690,交互校验均方残差分另q为0.4839、0.0532和0.1482 mg/支,预测的线性范围分别为9.50～18.00、0.95～1.60和1.30～3.50 mg/支;②在P＞0.05的条件下,烟气焦油、烟碱和水分的模型预测值与标准方法的测定值均无显著性差异.该法适用于卷烟主流烟气焦油、烟碱和水分的快速分析.     

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。     

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。     

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。     

小种红茶水浸出物近红外定量分析模型的建立

为实现近红外光谱技术在小种红茶中的快速无损检测,对76份有代表性的小种红茶按现行国家标准测定其水浸出物含量,采集样品的近红外光谱,采用OPUS 7.5软件,结合偏最小二乘法(partial least squares,PLS)建立小种红茶水浸出物含量的近红外定量分析模型。结果表明,所建立的水浸出物定量模型决定系数R2为95.73%,校正均方差(root mean square error of calibration,RMSEC)为0.629,验证均方差(root mean square error of prediction,RMSEP)为0.513。所建立的小种红茶水浸出物含量的近红外定量分析模型较为成功,模型预测效果较好,能够对小种红茶中水浸出物的含量进行快速地分析。     

Prediction of Cadmium content in brown rice using near‐infrared spectroscopy and regression modelling techniques

The feasibility of prediction of cadmium (Cd) content in brown rice was investigated by near‐infrared spectroscopy (NIRS) and chemometrics techniques. Spectral pretreatment methods were discussed in detail. Synergy interval partial least squares (siPLS) algorithm was used to select the efficient combinations of spectral subintervals and wavenumbers during constructing the quantitative calibration model. The performance of the final model was evaluated by the use of root mean square error of cross‐validation (RMSECV), root mean square error of prediction (RMSEP) and correlation coefficients for calibration set and prediction set (R_c and R_p), respectively. The results showed that the optimum siPLS model was achieved when two spectral subinterval and fifty‐two variables were selected. The predicted result of the best model obtained was as follows: RMSECV = 0.232, R_c = 0.930, RMSEP = 0.250 and R_p = 0.915. Compared with PLS and interval PLS models, siPLS model was slightly better than those methods. These results indicate that it is feasible to predict and screen Cd content in brown rice using NIRS.     

Near-infrared spectroscopy coupled chemometric algorithms for prediction of antioxidant activity of black goji berries (<Emphasis Type="Italic">Lycium ruthenicum</Emphasis> Murr.)

In this study, near-infrared (NIR) spectroscopy coupled with partial least-squares (PLS) regression and various efficient variable selection algorithms, synergy interval-PLS (Si-PLS), backward interval PLS (Bi-PLS) and genetic algorithm-PLS (GA-PLS) were applied comparatively for the prediction of antioxidant activity in black wolfberry (BW). The eight assays were used for quantification of antioxidant content. The developed models were assessed using correlation coefficients (R²) of the calibration (Cal.) and prediction (Pre.); root mean square error of prediction, RMSEP; standard Error of Cross-Validation, RMSECV and residual predictive deviation, RPD. The performance of the built model greatly improved by the application of Si-PLS, Bi-PLS and GA-PLS compared with full spectrum PLS. The R² values determined for calibration and prediction set ranged from 0.8479 to 0.9696 and 0.8401 to 0.9638, respectively. These findings revealed that NIR spectroscopy combined with chemometric algorithms can be used for quantification of antioxidant activity in BW samples.     

Quality evaluation of frozen guava and yellow passion fruit pulps by NIR spectroscopy and chemometrics

The present study investigated the application of near infrared spectroscopy as a green, quick, and efficient alternative to analytical methods currently used to evaluate the quality (moisture, total sugars, acidity, soluble solids, pH and ascorbic acid) of frozen guava and passion fruit pulps. Fifty samples were analyzed by near infrared spectroscopy (NIR) and reference methods. Partial least square regression (PLSR) was used to develop calibration models to relate the NIR spectra and the reference values. Reference methods indicated adulteration by water addition in 58% of guava pulp samples and 44% of yellow passion fruit pulp samples. The PLS models produced lower values of root mean squares error of calibration (RMSEC), root mean squares error of prediction (RMSEP), and coefficient of determination above 0.7. Moisture and total sugars presented the best calibration models (RMSEP of 0.240 and 0.269, respectively, for guava pulp; RMSEP of 0.401 and 0.413, respectively, for passion fruit pulp) which enables the application of these models to determine adulteration in guava and yellow passion fruit pulp by water or sugar addition. The models constructed for calibration of quality parameters of frozen fruit pulps in this study indicate that NIR spectroscopy coupled with the multivariate calibration technique could be applied to determine the quality of guava and yellow passion fruit pulp.     

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。     

小麦质量指标可见/近红外光谱动态检测方法研究

本文通过动态采集小麦的可见/近红外漫反射光谱(600～1 600 nm),结合偏最小二乘法(PLS)和BP神经网络(BP-ANN)建模方法建立小麦的蛋白质、水分、湿面筋、硬度指数的定量预测模型,利用决定系数(R2)、均方根误差(RMSE)和验证集标准偏差与预测标准偏差的比值(RPD)作为评价指标进行验证,比较分析了 3...