酸奶中非脂乳固体的近红外定量分析模型建立

采用偏最小二乘回归PLS建模算法,建立酸奶中非脂乳固体的近红外定量分析模型,并对模型进行验证评估。收集92组酸奶样品,并用漫反射方法采集得到近红外扫描光谱,光谱经过MSC、一阶导数、S-G平滑等预处理,选取波数范围6 000~10 000 cm-1,用PLS法建立得到了较优模型,其相关系数R为0.99078,均方根校正误差RMSEC为0.152,均方根预测误差RMSEP为0.330,性能指数PI为83.1。用此模型对25组酸奶样品进行了预测,预测效果较好。     

近红外光谱技术应用于云芝蛋白含量的定量分析

应用近红外光谱结合偏最小二乘法(PLS)建立测定真菌云芝中蛋白含量定量分析模型.所建立的模型经过i选择最有效的光谱预处理方法,光谱区域和最适主因子数使模型最优化.实验结果表明:采用傅里叶变换在1330 nm～725 nm光谱区域,主因子数为6,建立的模型最优.模型校正集的交互验证均方根误差(RMSECV)为0.010,交互验证所得校正集样品中的蛋白含量的预测值与真实值间相关系数(Rv)为0.968;应用此模型对预测集样品中的蛋白质含量进行预测,得到预测均方根误差(RMSEP)为0.009,预测集的相关系数(Rp)为0.990.     

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。     

近红外光谱分析技术在泡芙水分测定中的研究

水分含量快速测定是保证泡芙制作品质的重要需求。利用IAS Online-S100型在线近红外光谱分析仪,采集了130个建模集样品和30个验证样品的近红外光谱,结合光谱预处理和偏最小二乘法建立泡芙水分定量分析模型。研究结果表明,采用移动窗口平滑（平滑点数为11）+SNV法进行光谱预处理,主因子数为9的条件下,模型的决定系数R2、校正集均方根误差（RMSEC）、交互验证均方根误差（RMSECV）和预测集均方根误差（RMSEP）分别为0.88、0.49%、0.55%、0.57%。模型的预测误差在±1.3以内,精度满足工厂的使用需求。     

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。     

基于近红外光谱技术的小麦粉灰分含量检测方法研究

采用近红外光谱技术建立小麦粉灰分含量的快速检测方法。使用两种不同的近红外光谱仪器采集小麦粉的近红外光谱数据,以常规分析法的测定值作为建模数据,采用偏最小二乘(PLS)回归分析法建立小麦粉灰分的定量分析模型,比较两种不同的近红外光谱仪器扫描的小麦粉近红外光谱图对模型的影响。结果表明,MicroNIR-1700近红外光谱仪扫描的谱图所建校正集模型的相关系数R~2为90.69,均方根误差(RMSECV)为0.031 2,预测集模型的均方根误差(RMSEP)为0.021 7;VERTEX70傅里叶变换近红外光谱仪扫描的谱图所建校正集模型的相关系数R~2为89.40,均方根误差(RMSECV)为0.035 0,预测集模型的均方根误差(RMSEP)为0.036 6。两种仪器都能用于小麦粉光谱采集,并进行灰分含量快速检测,MicroNIR-1700在小麦粉灰分检测方面有更好的应用。     

基于近红外光谱技术检测白酒基酒中乙醇含量的研究

为了快速测定白酒基酒中的乙醇含量,采用近红外光谱（NIRS）技术结合偏最小二乘法（PLS）处理白酒基酒近红外图谱,建 立白酒基酒中乙醇的定量分析模型。 结果表明：最佳预处理方法为减去一条直线法,最优波段谱为7 502～5 450 cm-1,主成分数为7。 校正集样品的化学值与预测值的决定系数（R2）为0.923 3,交互验证均方根误差（RMSECV）为0.89;对模型进行检验,得到验证集的 决定系数（R2）为0.954 8,预测均方根误差（RMSEP）为1.21。 结果显示近红外检测方法快速有效,所建模型具有很好的预测效果,模型 的精密度和稳定性良好。     

近红外透射法预测再造烟叶中的5种主要化学成分

为了解近红外(NIR)透射法预测再造烟叶中烟碱、总糖、还原糖、总氮和钾含量的可行性,以100个有代表性的再造烟叶样品作为模型校正集,15个样品为验证集,通过偏最小二乘法(PLS)建立了这5种成分的NIR透射模型,并对模型的预测效果和重复性进行评价.结果表明:①烟碱、总糖、还原糖、总氮和钾NIR透射模型的相关系数分别为0.9268、0.9575、0.9252、0.8024和0.9665;除烟碱外,总糖、还原糖和总氮模型平均相对预测偏差均低于5%,钾的模型平均绝对预测偏差低于0.20;5种化学成分模型的预测相对标准偏差都低于5%;②NIR透射模型的预测精确度比漫反射法略低.NIR透射法适合于批量再造烟叶样品中烟碱、总糖、还原糖、总氮和钾含量的快速分析.     

近红外光谱结合连续投影算法检测综纤维素含量

为了简化模型并实现制浆材综纤维素含量近红外光谱法的快速准确检测,以连续投影算法（SPA）筛选出有效波长组合进行了建模实验研究和分析。选择5种制浆材原料共82个样品,测量其综纤维素含量及光谱数据,经蒙特卡罗交叉验证法剔除异常样品后,剩余样品按2∶1划分为校正集和预测集。校正集先以多元散射校正（MSC）方法预处理,再利用SPA选择波长结合偏最小二乘（PLS）回归建立了综纤维素含量的近红外分析模型,并与相关系数法、竞争性重加权自适应选择（CARS）算法所选波长的建模及预测效果进行了比较。结果表明,SPA算法选择出25个波长能充分表征全谱图中的综纤维素含量信息,预测精度最高,预测均方根误差（RMSEP）和预测决定系数（R2p）分别为0.8306和0.9801,满足工业应用精度需求。     

基于siPLS的猕猴桃糖度近红外光谱检测

为了探寻一种快速无损检测猕猴桃糖度的方法,利用小波滤噪法对猕猴桃1000～2500nm 近红外光谱进行了预处理,并用偏最小二乘法(PLS)、区间偏最小二乘法(iPLS)和联合区间偏最小二乘法(siPLS)分别建立预测模型。结果表明,采用联合区间偏最小二乘法将光谱划分为16 个子区间,利用其中的第9、11、13 号3 个子区间联合建立的糖度模型效果最佳,其校正集相关系数和均方根误差分别为0.9414 和0.3788。预测集相关系数和均方根误差分别为0.9295 和0.3904,主因子数为7 个。研究表明,用小波滤噪和联合区间偏最小二乘法所建立的猕猴桃糖度模型不但减少建模运算时间,剔除噪声过大的谱区,而且预测能力和精度均有所提高。     

不同预处理方法对烟草近红外光谱预测模型的影响

采用基线校正、去卷枳、一阶微分、二阶微分、主成分回归(PCR)和偏最小二乘(PLS)法对198个烟叶样品的近红外光谱和总糖、还原糖、总烟碱含量数据进行了处理,建立了相应的总糖、还原糖和总烟碱校正模型,并将这些模型的回归参数作了比较。结果表明:①二阶微分处理光谱建立的模型的相关系数比基线校正、去卷枳、一阶微分预处理法建立的模型的高,而其相对偏差比基线校正、去卷枳、一阶微分法的低;②PLS算法建立的定量分析模型比PCR算法的好。     

大米蛋白质、脂肪、总糖、水分近红外检测模型研究

采用近红外光谱技术对大米蛋白质、脂肪、总糖、含水量进行检测。运用经典Kennard-Stone法选取校正集及预测集样本,运用分段小波消噪对光谱进行预处理,通过竞争性自适应重加权采样筛选出与样本性质相关的特征波长,比较偏最小二乘法和BP神经网络法所建立的大米蛋白质、脂肪、总糖、含水量的检测模型。对于大米蛋白质、总糖和水分的检测,2种方法所建立模型的决定系数均大于0.9,相对标准差均小于2.6%,具有良好的精度和稳定性。对于大米脂肪的检测,偏最小二乘模型的性能相对稍好,其决定系数为0.949 5,相对标准差为13.69%。     

用混合线性分析法建立苹果糖度近红外光谱预测模型

用混合线性分析法的一种变形算法建立了苹果糖度近红外光谱预测模型，并与偏最小二乘模型进行比较。结果表明：虽然最佳的混合线性分析法模型（18个主因子）比最佳偏最小二乘模型（11个主因子）复杂．但其精度却明显优于偏最小二乘模型：利用梗正集的28个苹果样本建立的糖度混合线性分析法校正模型，其相关系数r^2和标准偏差SEC分别为0．92509和0．40618；该校正模型经预测集的11个样本验证，相关系数r^2和标准偏差SEP分别达到0.87611和0．48480。混合线性分析法建立的糖度模型对苹果光谱的校正标准偏差SEC和预测标准偏差SEP分别比PLS法的SEC（0．41473）和SEP（0．50473）减小了2％和3．9％。结果表明：在诸如苹果糖度这一类农产品品质综合指标（非纯组分含量指标）的光谱检测中，应用混合线性分析法进行定量分析是完全可行的。并且其结果可与偏最小二乘法（PLS）的结果相媲美。     

白酒基酒中典型醇的近红外预测模型构建

采用气相色谱法测定白酒基酒中的正丙醇、正丁醇、正戊醇和异戊醇的含量作为建立近红外预测模型的化学值,将近红外光谱图结合偏最小二乘法和内部交互验证法建立基酒中典型醇的快速检测模型,并进一步优化模型。确定了最优光谱预处理方法和最佳谱区,正丙醇、正丁醇、正戊醇和异戊醇的校正集样品的真实值与近红外预测值的决定系数（R2）分别为0.952、0.981、0.963和0.981,内部交互验证均方根误差分别为0.27、0.49、0.101?mg/100?mL和0.67?mg/100?mL;验证集的决定系数（R2）分别为0.947、0.980、0.928和0.952,预测均方根误差分别为0.40、0.81、0.49?mg/100?mL和1.35?mg/100?mL。结果表明建立的典型醇近红外快速检测模型的准确度、稳定性及预测性能均呈现良好,为白酒基酒的醇类物质品质分析方法研究提供了新的思路。     

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。     

莲藕成分的近红外光谱分析模型的建立

目的:应用近红外光谱技术和化学计量学方法直接测定莲藕的常规指标。方法:用傅里叶变换近红外光谱仪采集样品的近红外漫反射光谱,再用传统理化分析方法测得样品的各品质参数;采用偏最小二乘(PLS)法建立定标模型,并采用内部交叉验证法对模型进行检验。结果:分别建立了莲藕水分、粗纤维、质构和糖度的PLS模型,其中质构的PLS模型最理想,模型的相关系数大于0.97;莲藕粗纤维、糖度和水分的PLS模型的相关系数均大于0.88。结论:采用近红外光谱法可以实现莲藕品质指标的快速无损检测。     

基于偏最小二乘法的板栗近红外光谱分析模型的建立

目的:应用近红外光谱技术和化学计量学方法,建立板栗品质分析的近红外光谱模型。方法:采用傅里叶变换近红外光谱仪,采集样品的近红外漫反射光谱,再用传统理化分析方法测得样品的各项品质参数,采用偏最小二乘法(PLS)建立定标模型,内部交叉验证法对模型进行检验。结果:对板栗分别建立了水分、淀粉、硬度和糖度的PLS模型,4种PLS模型都非常理想,模型的相关系数均大于0.99。结论:采用近红外光谱法可以实现板栗品质指标的快速无损检测。     

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.     

谷氨酸温度敏感突变株发酵过程中丙氨酸浓度近红外模型的建立

丙氨酸是谷氨酸发酵过程中的副产物之一,对谷氨酸产量及转化率有显著影响,因此及时准确监测丙氨酸浓度变化对谷氨酸发酵过程控制有重要意义。为实现谷氨酸发酵过程中丙氨酸浓度的快速检测,采用近红外光谱技术结合偏最小二乘的方法,通过不同光谱预处理和波长范围,建立并优化谷氨酸温度敏感突变株强制发酵过程中丙氨酸浓度预测模型。优化后的模型交叉验证误差均方根、决定系数和剩余预测偏差分别为0.21 g/L、0.97和5.55。以谷氨酸温度敏感突变株强制发酵作为外部检验进一步验证模型的准确性和可靠性,并将预测值与实际值进行对比,经分析其决定系数和平均相对误差分别为0.97和5.83%,表明该模型具有很好的预测能力。本文所建预测模型能够准确快速地对发酵过程中丙氨酸进行预测,可为谷氨酸温度敏感突变株强制发酵过程的实时控制及其优化提供理论基础和借鉴。