甜柿货架期的近红外光谱定性判别

通过近红外漫反射光谱技术对甜柿的货架期进行了定性判别研究,运用不同光谱预处理方法和不同波段选择,发现在1 100² 400 nm内,采用二阶导数结合标准正常化和去散射(SNVD)处理的光谱预处理方法最好。判别模型的正确分类率达到97.8%2 400 nm内,采用二阶导数结合标准正常化和去散射(SNVD)处理的光谱预处理方法最好。判别模型的正确分类率达到97.8%¹00%,预测准确率达到88.9%100%,预测准确率达到88.9%¹00%。因此,近红外光谱技术对甜柿货架期的检测具有应用价值。     

基于支持向量机的近红外光谱技术快速鉴别掺假羊肉

为实现掺假羊肉的无损鉴别,利用傅里叶变换近红外光谱分析技术建立混入鸭肉的掺假羊肉糜的快速检测方法。实验通过在羊肉糜中添加不同比例的鸭肉糜来制备掺假羊肉,采用近红外漫反射方式在全波段范围（10000⁴000 cm-1）内采集羊肉、掺假羊肉和鸭肉的近红外光谱图,分别考察多元散射校正（Multiplicative scatter correction,MSC）、标准正态变量变换（Standard normal variate correction,SNV）、面积归一化（Area normalization）、标准化（Autoscale）、15点平滑处理（Smoothing）、一阶导数处理（1stderivative）的光谱预处理方法对所建支持向量机（nuSVM）判别模型的预测效果。结果显示,不同光谱预处理所建nu-SVM判别模型预测效果不同。其中,经标准化处理后所建的nu-SVM模型的预测能力最差为90.38%;15点平滑处理后所建nu-SVM模型的预测效果最好（96.15%）,对建模集正确判别率为99.07%,对检验集正确判别率为96.15%;其余处理所建nu-SVM模型的判别能力介于二者之间。结果表明,采用近红外光谱技术结合15点平滑预处理后所建nu-SVM模型可以实现羊肉中的掺杂鸭肉的鉴别。      

货架期线椒内部品质的近红外漫反射光谱检测

研究了建立近红外漫反射光谱检测货架期线椒内部品质的数学模型,并对其应用价值进行了评价。采用叶绿素a、叶绿素b和类胡萝卜素含量作为评价指标,在全光谱内(400~2 500 nm)分别建立了货架期线椒的叶绿素a、叶绿素b与类胡萝卜素的定标改进偏最小二乘法(MPLS)模型,并用最优模型进行预测。结果表明:叶绿素a、叶绿素b与类胡萝卜素的校正集的相关系数RC分别为0.907、0.896和0.902;交叉验证误差SECV分别为0.744、1.544和0.336;预测集的相关系数RP分别为0.890、0.924和0.906;预测集的相对误差SEP分别为0.894、1.647和0.361。实验结果说明,线椒中叶绿素a、叶绿素b和类胡萝卜素的含量与近红外光谱有显著的相关关系。     

近红外光谱采集方式与样品形态对带鱼新鲜度检测结果的影响

研究了近红外漫反射和漫透射两种方式以及鱼糜和整鱼两种形态对带鱼新鲜度检测结果的影响。利用积分球漫反射系统采集4000¹0000cm-1范围内的带鱼鱼糜漫反射、漫透射和整鱼漫反射光谱,根据训练集交叉验证均方差（RMSECV）及相关系数r对建模参数进行优化,分别建立了挥发性盐基氮（TVBN）、pH和菌落总数的偏最小二乘（PLS）定量检测模型。根据模型对预测集样品的预测均方差（RMSEP）及其相关系数r以及配对t-检验验证模型的预测能力。结果表明,所建模型对带鱼新鲜度的预测性能均良好。但近红外漫反射与漫透射两种光谱采集方式相比,前者所建模型的预测能力高于后者。采用漫反射光谱时,鱼糜模型的预测能力高于整鱼。因此,检测带鱼新鲜度时宜采用鱼糜的漫反射光谱。      

采用近红外光谱进行采后苹果品种及货架期定性判别

运用近红外光谱技术,通过不同光谱预处理和不同光谱波段选择,研究苹果品种(嘎啦、乔纳金、金冠、寒富)及货架期(0、14、28 d)的近红外判别模型。结果表明,不同品种苹果定标判别模型最优光谱预处理方法为:在全波长范围(408. 8～2 492. 8 nm)内,采用去散射结合二阶导数光谱预处理,对未知样品判别正确率为85. 00%～95. 00%;苹果货架期较优定标模型在1 108～2 492. 8 nm范围内,光谱预处理方法为标准正常化处理(standard normal variate,SNV)+去散射处理(detrend,D)+一阶导数,预测样品正确率为91. 67%～96. 67%。实验证明,近红外光谱技术对采后苹果品种及货架期检测具有适用性。     

近红外光谱技术鉴别地理标志产品黄骅冬枣

采用近红外光谱技术结合合格性测试、主成分分析聚类方法,建立了快速鉴别地理标志产品黄骅冬枣的模型。收集产地不同的冬枣,使用聚焦不旋转固体漫反射方法,设定分辨率16cm-1,扫描范围4000¹2000cm-1,采集样品近红外光谱。每个产地随机选取45个枣果,其中30个用来建立模型,余下的15个用于预测。通过对预处理方法和光谱波段的选择,两种方法使用的光谱范围均为4952.7⁵693.2cm-1和6611.3⁷537cm-1。原始光谱经矢量归一化预处理后进行合格性测试分析,建立黄骅冬枣的鉴别模型,预测准确率93.3%;经一阶导数+矢量归一化,17点移动式平均平滑预处理后,采用主成分分析（PCA）法对光谱进行聚类,预测准确率93.3%。两种方法均可作为快速无损地鉴别真伪黄骅冬枣的技术依据。      

CARS结合PLS-LDA法识别奶牛饲料中土霉素的可行性研究

收集了一年内不同月份不同种类的纯奶牛精补料20个,制备土霉素含量不同的掺假奶牛精补料100个,在全光谱范围内对样品进行近红外透反射光谱扫描,利用CARS法对光谱数据进行前处理,采用偏最小二乘-线性判别分析(PLS-LDA)法来建立判别模型。建立的PLS-LDA模型的交互验证最小错误率为0.0729,模型错分率为0,模型预测错误率为0.0417。说明利用近红外光谱技术建立定性判别模型来检测奶牛饲料中是否掺有土霉素是可行的。     

利用可见/近红外光谱技术对小米产地进行溯源研究

目的利用可见/近红外光谱技术对产自不同地区的晋谷21号小米进行溯源研究。方法使用近红外光谱仪获取产自洪洞、浮山、沁县3个不同地区的晋谷21号小米400~1004nm波段范围内的漫反射光谱;对光谱分别进行多元散射校正法(multiple scattering correction,MSC)、一阶导数法(first derivative,1St-D)预处理;对预处理光谱进行主成分分析,全交叉验证确定最佳主成分数量,获取主成分;同时选择预处理光谱特征波长。使用马氏距离法、线性判别法建立判别模型,最后用未知样品的验证准确率来表示模型的判别效果。结果原始光谱和MSC处理光谱提取特征波长分别建立的产地判别模型对3个不同产地的小米判别完全准确;1St-D处理光谱基于7个主成分结合马氏距离法和基于9个主成分结合线性判别法建立的2种判别模型对3个不同产地的小米亦实现完全准确判别。结论可见/近红外反射光谱技术用于小米产地的判别具有可行性,本研究可为小米产地的快速判别应用中提供技术基础。     

NIR高光谱成像技术检测冷鲜羊肉嫩度

利用900¹700 nm近红外高光谱成像系统对冷鲜羊肉嫩度进行快速无损检测研究。采集冷鲜羊肉（1⁸ d）表面的高光谱散射图像,提取样本感兴趣区域反射光谱曲线并用剪切力值表征冷鲜羊肉的标准嫩度。以原始光谱、特征区域光谱和Savitzky-Golay卷积平滑预处理光谱建立冷鲜羊肉嫩度的偏最小二乘回归（PLSR）模型,预处理的特征区域光谱建立的模型效果更优。结果表明:特征区域光谱可有效替代全波段光谱,经过S-G卷积平滑预处理后,模型预测效果最佳,预测相关系数（Rp）和均方根误差（RMSEP）分别为0.773和1.060。研究表明:利用近红外高光谱成像技术结合偏最小二乘回归法对冷鲜羊肉嫩度的快速无损检测是可行的。      

油茶果自然霉变程度的可见/近红外与中短波近红外光谱检测

分析利用可见/近红外光谱（400～1 000 nm）与中短波近红外光谱（900～1 700 nm）对不同自然霉变程度油茶果检测判别的可行性,实验同时采集不同霉变程度油茶果赤道阴面、阳面和接合面三点的两波段光谱,样品平均光谱的主成分分析（principal component analysis,PCA）发现不同霉变程度样品同组内具有一定聚类效果且PC1和PC2对于判别不同组间样品有效,全光谱偏最小二乘判别分析模型结果显示原始光谱已具有足够信息,建立的模型性能比预处理后全光谱更优。进一步进行特征波长选取,发现相比于PC载荷,连续投影法在两光谱范围选取波长建立的简化模型均为最优,预测集判别准确率与Kappa系数均为84.4%与0.766 7。结合预测集混淆矩阵发现,两光谱范围最优简化模型预测不同霉变组样品特异度相当,均在0.84以上,但900～1 700 nm中短波近红外光谱对于中等霉变程度的判别灵敏度（0.72）略高。本研究表明近红外光谱技术可用于油茶果的自然霉变程度检测,可见/近红外与中短波近红外光谱能力相当,考虑到仪器成本问题,可见/近红外光谱具有更好的实时检测应用前景。     

拉曼光谱法快速鉴别蜂蜜中掺入甜菜糖浆的可行性研究

对蜂蜜用各种廉价的糖浆掺假,一直是蜂蜜行业的严重问题。本文利用拉曼光谱结合化学计量学方法对蜂蜜中掺入甜菜糖浆进行鉴别。用airPLS法扣除拉曼荧光背景,用自归一化法预处理光谱,在全谱范围(4000～10000cm^-1)内建立偏最小二乘-线性判别分析（PLS-LDA）模型,并进行预测。训练集10折交互验证的判别总正确率为90.4%,预测集的判别总正确率为95.4%。实验结果表明拉曼光谱结合化学计量学方法可快速鉴别蜂蜜中掺入的甜菜糖浆。     

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。     

基于近红外光谱法的鱼粉快速判别

基于近红外漫反射光谱分析技术对市场上常见的淡水鱼粉、进口鱼粉和国产鱼粉3 类商品化的鱼粉样品进行自动化判别实验。通过分析鱼粉样品光谱之间的差异,采用主成分分析法建立鱼粉种类的定性判别的分类模型,光谱范围为波长1 100～2 498 nm,交互定标决定系数为0.913 5,交互定标标准误差为0.133 8。通过对验证样品的分析,建立的判别模型预判准确率达到84.6%,外部验证准确率达到100%。结果表明,近红外光谱技术结合化学计量学法可以作为一种快速、无损、可靠的方法用于鱼粉种类的判别。     

可见/近红外技术与感官评价信息融合预测冷藏条件下罗非鱼TVB-N的研究

应用可见/近红外光谱技术与感官评价信息融合实现冷藏条件下有鳞罗非鱼不同部位鱼肉挥发性盐基氮（TVB-N）的预测。通过便携式近红外光谱仪采集有鳞罗非鱼胸部、中部和尾部鱼肉在340¹063 nm的光谱数据,分别采用卷积平滑法、变量标准化、一阶（1st Der）和二阶（2nd Der）导数进行光谱预处理,利用连续投影算法（SPA）提取罗非鱼不同部位鱼肉的特征波长,建立鱼肉光谱与TVB-N偏最小二乘回归（PLSR）模型,结果表明尾部鱼肉的1st Der-SPA-PLSR模型预测均方根误差（RMSEP）=1.1295 mg/100 g,预测相关系数（Rp²）=0.8998,预测结果高于其胸部和中部鱼肉模型,并稍高于尾部鱼肉全波段模型。因此,选择尾部鱼肉作为罗非鱼光谱采样区域。为进一步提高模型预测准确性,将尾部鱼肉特征光谱数据与感官评价进行信息融合。通过对比尾部鱼肉光谱、尾部鱼肉光谱与感官评价融合的SPA-PLSR、SPA-BP神经网络和SPA-偏最小二乘支持向量机（LS-SVM）模型,结果表明,尾部光谱和感官评价信息融合的SPA-LS-SVM模型预测结果为RMSEP=0.9701 mg/100 g,Rp²=0.9255,能更准确预测罗非鱼冷藏条件下TVB-N变化。为冷藏过程中罗非鱼新鲜度预测方法提供了新的思路。      

冷鲜羊肉冷藏时间和水分含量的高光谱无损检测

利用可见-近红外高光谱成像技术对冷鲜羊肉的冷藏时间和水分含量进行无损检测。通过波长400～1 000 nm可见-近红外高光谱系统采集160 个羊肉样本光谱信息,优选主成分-14-线性判别法对原始光谱建立羊肉冷藏时间的判别模型,校正集对羊肉冷藏时间的判别率为99.17%,预测集为100%,模型可较好地判别羊肉的冷藏时间。其次,针对羊肉冷藏过程中水分含量的变化,优选最佳预处理方法并运用偏最小二乘回归（partial leastsquares regression,PLSR）法建立水分含量预测模型;结果表明,经过Savitzky-Golay卷积平滑预处理的PLSR模型对水分含量的建模效果最优,校正集和预测集相关系数分别为0.888和0.784,交互验证均方根误差为0.696。研究表明,采用可见-近红外高光谱成像技术对冷鲜羊肉冷藏时间的判别和冷藏过程中羊肉水分含量的快速预测是可行的。     

基于近红外光谱技术快速测定口服液中多糖的研究

本文建立了一种基于近红外光谱技术快速测定中药提取物中多糖的方法。通过采集102组中药提取物口服液样品的近红外光谱,结合多糖化学检测结果应用偏最小二乘法,通过考察不同光谱预处理方法,包括一阶导数移动窗口宽度、平滑处理移动窗口宽度、波段选择、变量选择方法对模型预测能力的影响,建立并优化得到近红外光谱技术快速测定口服液中多糖的最佳模型。此模型光谱预处理方法为一阶导数结合平滑,一阶导数移动窗口宽度为5,平滑处理移动窗口宽度为9,所选波段为5079.58⁵152.86、6159.52⁶232.80、6545.21⁶695.63、7470.88⁷544.16以及8705.09⁸778.38 cm^-1,共120个变量,模型的交叉验证均方根误差为15.4823,预测均方根误差为16.2807。研究结果表明,通过近红外光谱技术结合化学计量学方法建立口服液中多糖快速测定方法具有一定可行性。      

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。     

红提葡萄V_C含量的可见/近红外检测模型

为了建立红提葡萄VC含量的可见/近红外漫反射光谱检测模型,并评价其应用价值,应用不同的化学计量学建模方法和光谱预处理方法,在不同特征波长区间内建立定标模型,讨论建模效果,并通过预测集样品验证最优模型的精度。结果显示:在全光谱范围内,应用改进偏最小二乘法(MPLS)结合一阶导数、5点平滑、加权多元离散校正(WMSC)处理得到的定标模型效果最优,交互验证标准差SECV为0.054 3,定标决定系数R2cv为0.920 2,预测决定系数R2p为0.931 8,预测标准差SEP为0.050 0,残差平方和PRESS为0.188 0,预测相对分析误差RPD为3.640 0。故应用可见/近红外漫反射技术对红提葡萄果实VC含量进行快速无损检测是可行的,模型稳定且精度较高。     

可见/近红外漫反射光谱检测马奶葡萄表皮色泽

本研究的目的是建立马奶葡萄果实表皮色泽的可见/近红外漫反射光谱检测数学模型,并评价其应用价值。以明度L*和色度坐标a*、b*为评价指标,讨论应用不同化学计量学建模方法、不同的光谱预处理方法、不同有效波长区间建立定标模型的效果,并用最优模型对未知样品进行预测,以验证模型精度。结果显示,在全光谱范围内,应用偏最小二乘法(PLS)结合二阶导数、去散射的光谱预处理方法的L*值模型效果最好,其交互验证误差SECV、交互验证相关系数R2CV分别为0.4591、0.9476;a*、b*值模型宜采用一阶导数结合加权多元离散校正处理,SECV分别为0.1239、0.4496,R2CV为0.9508、0.8648。实验证明,应用可见/近红外漫反射技术对马奶葡萄果实表皮色泽进行快速无损检测是可行的,L*、a*模型稳健,b*模型精度有待进一步提高。     

烟草水溶性糖近红外定量模型中光谱范围选择方法的研究

运用四种不同的光谱范围选择方法来建立烟草中水溶性糖的近红外定量模型, 发现模型的交互验证系数、交互验证均方差和预测均方差有明显的差异。通过对烟草中水溶性糖的分子结构分析, 结合傅里叶变换近红外漫反射光谱的特性, 初步确定烟草水溶性糖近红外定量模型的建模光谱范围, 以交互验证系数和交互验证均方差为评价指标进一步优化光谱范围, 可以得到烟草水溶性糖在近红外定量模型中的最佳光谱范围为3850~5010 cm-1、5720~7010 cm-1和7760~7980 cm-1, 总糖和还原糖定量模型的交互验证系数、交互验证均方差和预测均方差分别为0.989、0.787、0.565和0.982、0.801、0.693。