近红外光谱结合化学计量学技术在食品掺假分析中的应用

近红外光谱结合化学计量学技术由其独特的技术优势在食品掺假分析领域已得到广泛应用。本文对近红外光谱结合化学计量学技术的原理及特点进行论述, 并综述了近10年来应用较为广泛、实用性较强的化学计量学方法, 偏最小二乘法、人工神经网络及支持向量机结合近红外光谱技术在食品掺假分析中应用, 展望了该技术的发展前景。     

中/近红外光谱技术结合化学计量学在蜂蜜快速检测中的应用研究进展

综述近10年来国内外中/近红外光谱技术结合化学计量学方法在蜂蜜品质、品种、掺假、产地和品牌快速检测中的应用研究进展,指出蜂蜜中/近红外光谱快速检测中存在的问题,并提出今后的研究方向.     

近红外光谱技术在油脂检测中的应用

近红外光谱技术作为一种快速检测技术 ,在食品行业已应用于粮食检测、果蔬加工和肉制品加工等领域 ,为食品质量管理作出了较大贡献 ,本文就近红外光谱技术在油脂油分含量及其品质检测方面的应用加以综述。     

近红外光谱技术在油脂检测中的应用

近红外光谱技术作为一种快速检测技术，在食品行业已应用于粮食检测、果蔬加工和肉制品加工等领域，为食品质量管理作出了较大贡献，本文就近红外光谱技术在油脂油分含量及其品质检测方面的应用加以综述。     

近红外光谱技术及其在油脂检测中应用

近红外光谱技术作为一种快速检测技术,已应用于粮油检测,为粮油食品质量管理作出较大贡献,本文就近红外光谱技术在油脂油分含量及其品质检测方面应用加以综述。     

基于近红外光谱结合化学计量学的转基因大豆产地判别

为探求无损、快速和准确判别转基因大豆产地的方法,该研究选取阿根廷转基因大豆、巴西转基因大豆、美国转基因大豆和加拿大转基因大豆样品共260份,将近红外光谱结合化学计量学对4种转基因大豆进行判别分析。利用近红外光谱仪采集260份样品的原始光谱,采用平滑+标准正态变量变换(standard normal variate transformation, SNV)方法对近红外光谱预处理。选取阿根廷转基因大豆、巴西转基因大豆、美国转基因大豆和加拿大转基因大豆样品共240份参与建模,Kennard-Stone(KS)算法划分训练集和预测集,主成分分析法(principal component analysis, PCA)、偏最小二乘判别分析(partial least squares-discriminate analysis, PLS-DA)和误差反向传播人工神经网络(back-propagation artificial neural network, BP-ANN)对预处理后的光谱数据进行分析。试验结果表明平滑+SNV的预处理方法能有效减少近红外光谱的噪音;PCA方法能判别出4种转基因大豆中的...     

傅里叶变换近红外光谱快速检测方便面油脂含量

利用傅里叶变换近红外光谱技术测定方便面油脂含量。光谱通过多元散射校正算法(MSC)处理后,采用偏最小二乘法(PLS)建立模型,用定标集预测误差(SEC)、验证集预测误差(SEP)及其相关系数(Rc,Rv)评判模型好坏。结果发现,该法定标集预测误差和验证集预测误差分别为0.4456和0.4447,定标集和验证集相关系数分别为0.9798、0.9755;研究表明,利用近红外光谱技术能快速、准确测定油炸方便面油脂含量。     

拉曼光谱与化学计量学在纤维检测中的应用研究

本文介绍了拉曼光谱和利用化学计量学方法处理拉曼光谱的过程,简述了拉曼光谱应用于纺织纤维检测的可行性,最后介绍了本单位在应用拉曼光谱和化学计量学进行纤维检测方向的初期研究成果。     

近红外光谱技术在乳制品快速检测中的应用研究进展

近红外光谱（NIR）技术作为一种高效、快速、便捷、低成本、无污染的检测方法,在乳制品快速检测中具有广泛的应用。该文首先阐述了近红外光谱技术的原理,并探讨了其优缺点,列举了常用的化学计量学方法,综述了近红外光谱技术应用于乳制品中掺假识别、微生物快速检测、化学成分快速检测、快速鉴定牛奶品牌等方面的最新研究进展和成果,为近红外光谱技术在乳制品快速检测中的应用推广提供参考。     

化学计量学方法及其在油脂识别分析中的应用

综述了一些常见的化学计量学方法(主成分分析、聚类分析、判别分析和SIMCA等)在油脂识别分析中的应用。化学计量学方法主要用于光谱分析和色谱分析中的数据处理,从而最大限度地从中获取油脂的成分、结构及其他相关信息,解决一些常规数据处理方法无法解决的问题,使得同时识别不同的油脂成为可能。     

基于近红外光谱的橄榄油中玉米油掺杂量检测

利用近红外光谱和模式识别技术建立了橄榄油中掺杂玉米油的快速鉴别方法。对191个橄榄油样本及混合油样本（玉米油和橄榄油）进行近红外光谱扫描,并对近红外光谱进行一阶导数和平滑处理,利用主成分分析法（PCA）对数据进行降维,通过前三个主成分的载荷图确定了相关性较大的特征波段（7520⁶927cm-1、6270⁵440cm-1和4970⁴400cm-1）,分别在3个波段内利用偏最小二乘回归（PLS）方法建立了玉米油含量的预测模型。结果表明在6270⁵440cm-1波段内,因子数为7,建立的模型精密度和稳定性最好,在玉米油质量分数为0.5%¹00%的范围内,校正集样本和检验集样本的R2均能达到0.9999,标准偏差在0.126⁰.139之间。因此,利用近红外光谱可以实现橄榄油品质的快速无损分析,以合频波段（6270⁵440cm-1）为建模区域可以得到更好的预测效果。      

近红外光谱技术在食品微生物检测中的应用

食品微生物受环境和时间的影响等因素产生变化,幵且检测周期长,导致关系食品质量安全的微生物检测数据不能相对真实地反映食品微生物情况。近些年,近红外检测技术因其高效、无损、快捷特点,在食品微生物检测领域越来越受到重视。文章综述了近红外检测技术的原理、特点和检测过程,以及食品中产毒真菌、食源性致病菌和食品腐败菌等检测斱面的应用,以期为近红外检测技术在食品微生物检测中的应用研究提供参考,促迚食品微生物检测采用近红外迚行在线快速检测。     

近红外光谱快速检测食用植物油中酸价

目的 建立基于近红外光谱快速测定食用植物油中酸价的分析方法。方法 采用冷溶剂指示剂滴定法检测371个食用植物油样品的酸价,并采集样品的近红外光谱。经过标准正态变换结合一阶导数对近红外光谱进行数据预处理,选用竞争性自适应重加权采样算法选取重要变量,建立食用植物油酸价的偏最小二乘回归模型。结果 蒙特卡洛交互验证结果显示,食用植物油酸价预测模型的验证集决定系数Q2为0.9983,交互检验的均方根误差(root mean square error of cross validation, RMSECV)为0.0461,模型预测的独立测试集的酸价与实测值相关系数为0.9834,预测效果良好。结论 本研究建立的食用植物油酸价近红外光谱快速检测方法能够满足检测要求,为评价或跟踪食用油品质提供快速无损的技术思路。     

近红外光谱法测定菜籽油中水分含量

以菜籽油为试验材料,用干燥乙腈萃取菜籽油中水分,用傅里叶变换近红外光谱技术(FT-NIRS)结合偏最小二乘法(PLS)建立乙腈水分定量分析模型,并用乙腈水分模型间接预测菜籽油水分含量。结果表明:校正样品集的标准偏差(SEC)为0.014 6,预测样品集的标准偏差(SEP)为0.039,预测值与实测值的决定系数(R2)为0.921 6。菜籽油水分含量用FT-NIRS分析和卡尔费休法测定结果之间有良好的一致性,模型具有较高的预测能力,结果准确可靠,可代替常规分析方法。     

Use of ATR-FTIR spectroscopy coupled with chemometrics for the authentication of avocado oil in ternary mixtures with sunflower and soybean oils

Avocado oil is a high-value and nutraceutical oil whose authentication is very important since the addition of low-cost oils could lower its beneficial properties. Mid-FTIR spectroscopy combined with chemometrics was used to detect and quantify adulteration of avocado oil with sunflower and soybean oils in a ternary mixture. Thirty-seven laboratory-prepared adulterated samples and 20 pure avocado oil samples were evaluated. The adulterated oil amount ranged from 2% to 50% (w/w) in avocado oil. A soft independent modelling class analogy (SIMCA) model was developed to discriminate between pure and adulterated samples. The model showed recognition and rejection rate of 100% and proper classification in external validation. A partial least square (PLS) algorithm was used to estimate the percentage of adulteration. The PLS model showed values of R² > 0.9961, standard errors of calibration (SEC) in the range of 0.3963–0.7881, standard errors of prediction (SEP estimated) between 0.6483 and 0.9707, and good prediction performances in external validation. The results showed that mid-FTIR spectroscopy could be an accurate and reliable technique for qualitative and quantitative analysis of avocado oil in ternary mixtures.     

基于同步荧光光谱的杜仲籽油掺假检测研究

建立基于同步荧光光谱的杜仲籽油掺假判别分析模型及检测方法。以杜仲籽油和7种常见植物油为研究对象,采集激发波长范围为250～700 nm,波长间隔为60 nm的同步荧光光谱,分析杜仲籽油和常见食用油的荧光光谱特性,利用光谱峰面积建立掺假判别模型并对其进行验证。结果表明:杜仲籽油与其他7种植物油的荧光特性存在显著差异;分别利用600～700 nm和300～500nm波长范围同步荧光光谱进行主成分分析,其对杜仲籽油掺假识别准确率高达100%;利用峰面积与掺假比例建立定量判别分析模型,检测限分别为1%和0. 48%。该方法可实现对杜仲籽油掺假的定性和定量分析,且具有较高的灵敏度、简便和快速等特点。     

山茶油多元掺假近红外模型的建立与研究

目的建立基于近红外光谱结合偏最小二乘法的山茶油、花生油和玉米油多元掺假模型。方法通过对比不同建模光谱波段、预处理方法对模型进行优化研究,确定最优的山茶油、花生油和玉米油多元掺假模型。结果所建模型性能指数均大于0.99,校正集和预测集的均方差在0.6以内。经未知掺假样品的外部验证,预测值与实测值之间有较好的相关性,二元掺假模型预测值的相对误差在1%以内,三元掺假在6%以内,验证结果良好。结论近红外光谱结合偏最小二乘法的检测技术快速、有效、环保,可用于定量检测山茶油的掺假。     

GC和LF-NMR结合化学计量学方法检测掺假油茶籽油

为了对油茶籽油品质控制及评价提供支撑,以纯油茶籽油和掺假油茶籽油(分别掺入菜籽油、花生油、棕榈油和高油酸花生油)为试验材料,采用气相色谱法(GC)分析其脂肪酸组成,采用低场核磁共振技术(LF-NMR)测定其横向弛豫特性数据,结合主成分分析(PCA)、偏最小二乘判别分析(PLS-DA)和偏最小二乘分析(PLS)等化学计量学方法建立油茶籽油掺假的定性和定量分析模型。结果表明：5种植物油的脂肪酸组成和LF-NMR横向弛豫特性数据存在显著区别;油茶籽油和其他4种植物油在PCA得分图上可清晰区分;PLS-DA模型可有效区分油茶籽油和掺假油茶籽油,判别正确率均可达100%;建立的油茶籽油中掺入菜籽油、花生油、棕榈油、高油酸花生油的PLS定量预测模型,真实值与预测值的相关系数(R²)分别为0.994 1、0.998 6、0.997 6、0.978 1。综上,GC和LF-NMR结合PCA、PLS-DA以及PLS等化学计量学方法可用于油茶籽油掺假类别判定及掺假量分析。