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。     

利用可见/近红外反射光谱无损检测小米的粘度

目的建立适用于小米粘度无损检测的可见/近红外反射光谱法。方法使用光谱仪获取小米在367～1020 nm波段范围内的漫反射光谱,采用多元散射校正法(multiple scattering correction,MSC)和一阶导数法(first derivation,1~(st)-D)对原始反射光谱进行处理,并且使用主成分分析确定最佳主成分数,建立小米粘度判别模型,使用全交叉验证法进行模型验证。结果使用原始反射光谱、MSC处理光谱和1~(st)-D处理光谱,分别提取了6、12和12个主成分,建立的峰值粘度模型RCV在0.86以上,对验证集的预测结果 Rp在0.82～0.86之间;而使用1~(st)-D处理光谱提取12个最优主成分,建立的模型可较好地预测小米粘度的破损值,RCV为0.8573,对验证集的预测结果 Rp为0.8309。结论该方法适用于小米粘度的无损检测,为小米加工品质的快速检测提供一定的理论支持。     

基于可见/近红外光谱的蓝莓新鲜度快速评价

该研究针对传统人工感官评价方法的不足,基于可见/近红外光谱技术结合支持向量机(support vector machine, SVM)和随机森林(random forest, RF)建立了2种新鲜度快速评价模型,以期为蓝莓新鲜度的快速准确评价提供参考。以10℃恒温贮藏绿宝石蓝莓为研究对象,利用可见/近红外光谱仪采集其不同贮藏天数样品的光谱信息,综合考虑贮藏时间、外观、质量损失率、硬度、可溶性固形物和维生素C含量这6个反映蓝莓新鲜度的理化指标,计算新鲜度综合得分,将不同贮藏期的蓝莓样品划分为新鲜、次新鲜和不新鲜3个类别。光谱数据应用Savitzky-Golay(S-G)卷积平滑预处理,再采用主成分分析提取光谱特征信息。为使最佳主成分选取更合理,在使用粒子群算法寻优SVM参数时,对主成分个数在[1,20]范围进行了测试,结合5折交叉检验分类准确率最佳值,确定最佳主成分个数为5。以前5个主成分得分为输入变量,新鲜度类别为输出量,基于SVM和RF建立2种新鲜度快速评价模型。结果显示,SVM模型训练集和测试集识别准确率分别为97.78%和88%,RF模型训练集和测试集识别准确率分别为100%和8...     

基于可见/近红外光谱技术的红提成熟度判别模

成熟度是水果评价的重要标准,直接影响水果的品质和经济价值。针对红提采摘成熟度评判困难,果肉营养价值参差不齐、产品竞争力低等问题,建立基于可见/近红外光谱技术的红提成熟度判别模型。该研究选取红提生长过程的4个阶段（分别为：未成熟、半成熟、成熟、过熟）的样本并进行光谱信息采集。选择550 nm~1 000 nm的光谱波段建模,分别将经过预处理的光谱用竞争性自适应加权算法（Competitive Adaptive Reweighted Sampling,CARS）、无信息变量消除算法（Uniformative Variable Elimination,UVE）和连续投影算法（Successive Projection Algorithm,SPA）进行特征波长提取,建立支持向量机（Support Vector Machines,SVM）、极限学习机（Extreme Learning Machine,ELM）和偏最小二乘判别分析（Partial Least Squares Discriminant Analysis,PLS-DA）的判别模型,最终建立可见/近红外光谱技术的红提成熟度的最佳判别分类模型。研究结果表明,在Savitzky-Golay（SG）卷积平滑处理算法光谱预处理后运用SPA算法进行特征波段提取建立的ELM模型成熟度判别分类效果最佳,SVM模型次之,PLS-DA模型最差。因此,红提成熟度的最佳判别分类模型为SG-SPA-ELM,该模型的训练集和测试集的准确率分别为97.50%和96.67%。利用可见/近红外光谱技术对红提成熟度进行判别是可行的,该研究为红提成熟度的判别找到了一种新的无损检测方法。     

菜籽品种可见近红外光谱鉴别研究

菜籽品种是决定蔬菜品质的主要因素之一,为了快速鉴别菜籽品种,提出一种菜籽品种的可见近红外光谱鉴别方法.在450～1 000 nm光谱范围内,采集了6种菜籽的可见近红外光谱.采用主成分载荷曲线法,从全光谱变量中筛选出17个特征光谱变量,作为线性判别分析(LDA)的输入向量,建立了菜籽品种LDA鉴别模型,且模型判别结果优于主成分判别结果,误判率为2.42％.结果表明,采用可见近红外光谱技术结合线性判别分析方法,进行菜籽品种的快速鉴别是可行的.     

壶瓶枣轻微损伤可见/近红外光谱动态判别模型研究

为了研究快速识别轻微损伤壶瓶枣与完好壶瓶枣的有效方法,本文以轻微损伤壶瓶枣和完好壶瓶枣为研究对象,动态采集轻微损伤壶瓶枣和完好壶瓶枣的近红外光谱数据。采用S-G平滑与多元散射校正(MSC)相结合的方法预处理光谱数据,分别以预处理后的全光谱(FS)数据和采用主成分分析(PCA)法提取主成分、采用连续投影算法(SPA)提取特征波长作为输入变量,建立偏最小二乘判别分析(PLS-DA)和最小二乘支持向量机(LS-SVM)模型,比较4种损伤壶瓶枣及完好壶瓶枣的判别准确性。结果表明:采用PCA提取主成分有较明显的优势,对4种损伤壶瓶枣的判别准确性均能满足实际要求,且采用PCA-LS-SVM模型对4种轻微损伤壶瓶枣和完好壶瓶枣的正确判别率最佳,分别达到100%、86%、100%、100%和100%,总的正确判别率为97.2%。该研究为轻微损伤壶瓶枣的动态判别提供了新的理论基础。     

基于温度修正和可见/近红外光谱的油茶籽含水率检测

目的:解决干燥时温度变化对可见/近红外光谱检测油茶籽含水率的影响,并提出一种基于温度修正的油茶籽含水率检测模型。方法:在不同温度下(50,60,70℃)进行干燥试验,采集光谱数据。通过获取不同温度下采集的光谱数据,分析温度对光谱影响的原因。对比3种光谱预处理方式,运用竞争性自适应重加权算法(CARS)和偏最小二乘回归算法(PLSR),建立60℃下的基准PLSR模型。并采用斜率/偏差法对50,70℃下的外部样本预测值进行修正。结果:50,70℃下,修正前和修正后的决定系数分别为0.729和0.848,0.763和0.862;相对分析误差RPD值分别为1.921和2.565,2.054和2.692。结论:修正模型可以有效提高预测精度,达到良好的预测效果,克服了温度的影响。     

可见/近红外漫反射光谱无损检测甜柿果实硬度

该研究的目的是建立可见/近红外漫反射光谱无损检测甜柿果实硬度的数学模型,评价可见/近红外漫反射光谱无损检测甜柿果实硬度的应用价值。果实硬度采用果皮脆性、果皮强度和果肉平均硬度作为评价指标。在可见/近红外光谱区域(400～2 500 nm),采用改进偏最小二乘法,对比分析了不同导数处理、不同散射及标准化处理的甜柿果实硬度定标模型。结果表明,对于果皮强度和果皮脆性,采用最小偏二乘法、一阶导数处理和标准多元离散校正处理建立的定标模型预测效果较好,RP2分别为0.858和0.862,SEP分别为0.094和0.157,RPD分别为2.47和2.63。对于果肉平均硬度,采用改进偏最小二乘法、一阶导数处理和标准正常化和去散射处理建立的定标模型预测效果较好,RP2为0.82,SEP为0.063,RPD为2.35。因此,可见/近红外漫反射光谱无损检测技术可用于甜柿果实硬度的无损检测。     

基于可见/近红外光谱技术的腐坏猪肉检测控制系统设计

目的 设计腐坏猪肉的快速、无损检测控制系统。方法 通过研究可见/近红外光谱技术, 根据其在应用过程中的使用特点并结合实际情况的需求, 设计检测系统的总体方案。结果 设计检测系统方案, 包括检测对象、检测指标, 设计控制系统的结构、功能和工作流程。结论 光纤探头距离样品高度为10 cm, 单个样品检测时间控制在5 s内, 使用DSP作为控制核心, 用于检测猪肉是否腐败。     

基于可见/近红外高光谱成像技术的牛肉品种鉴别

利用可见/近红外高光谱成像技术实现荷斯坦奶牛、秦川牛、西门塔尔牛三个品种牛肉的快速无损鉴别。首先,对原始光谱进行预处理并对样本集进行划分;应用竞争性自适应重加权算法(CARS)、连续投影算法(SPA)和无信息变量消除算法(UVE)对预处理后的光谱数据提取特征波长;结合偏最小二乘判别模型(PLS-DA)、K最近邻(KNN)模型及支持向量机(SVM)模型进行全波段及特征波段鉴别分析。结果表明,一阶导数(FD)法为最优预处理方法,利用光谱-理化值共生距离法(SPXY)法划分后的样本模型预测性能最好;利用CARS、SPA和UVE分别选出24、17和19个特征波长;基于CARS法提取的特征波长所建的RBF-SVM模型的校正集与预测集正确率分别为100%、98.82%。由此可见,基于高光谱成像技术能够获得较好的牛肉品种鉴别效果。该研究可为牛肉品种的快速无损鉴别提供参考。     

可见/近红外反射光谱法检测马铃薯抗性 淀粉含量的研究

目的利用可见/近红外反射光谱技术无损检测新鲜马铃薯茎块中抗性淀粉的含量。方法使用光谱仪获取新鲜马铃薯在345~1100 nm波段范围内的漫反射光谱;分别使用Savitzky–Golay(S-G)平滑处理、多元散射校正(MSC)法和一阶导数法(1st-D)对反射光谱进行预处理;对(S-G)反射光谱、MSC处理光谱和1st-D光谱使用逐步回归法判别法选择最优波长组合,建立多元线性回归模型,使用全交叉验证法验证模型。结果结果表明,可见/近红外反射光谱经过一阶导数处理后,确定的8个最优波长(370、569、576、866、868、886、922和963 nm)组合建立模型的校正和验证结果最好:模型的校正结果为相关系数R=0.996,标准差SEC=0.521%;模型交叉验证相关系数Rcv=0.982,验证标准差SECV=0.791%。结论可见/近红外反射光谱技术可以较好地预测新鲜马铃薯茎块的抗性淀粉含量,本研究可为可见近红外光谱技术在马铃薯功能成分的快速检测提供一定的技术基础。     

Identification of some wheat varieties by near infrared reflectance spectroscopy

Variety identification by electrophoresis is not applicable to routine control in industry. In the present work, the feasibility of near infrared reflectance (n.i.r.) analysis was investigated. Two hundred and two wheat samples including 66 samples of six known varieties were collected and their n.i.r. spectra were recorded. Spectral data were mathematically corrected in order to reduce the effect of granularity on n.i.r. spectra, then Principal Component Analysis and Multiple Discriminant Analysis (MDA) were applied to the corrected data. MDA allowed an efficient identification of the genetic origin of unknown samples: on a prediction set, 87% of samples were correctly identified. The computerised identification procedure needed less than 20 records for one sample. Further studies are necessary before recommending n.i.r. as a routine screening method.     

近红外漫反射光谱法快速检测胶原肽粉中低聚肽含量

目的建立近红外漫反射光谱法(near infrared reflectance spectroscopy, NIRS)快速检测胶原肽粉核心功效成分低聚肽含量的分析方法。方法基于径向基神经网络(radial basis function neural network, RBFNN)的方法,分析比较了多元散射校正(multiplescattercalibration,MSC)、标准正态变换(standardnormalvariation,SNV)的光谱预处理方法,分别结合了主成分分析(principalcomponentanalysis,PCA)、独立成分分析(independent component analysis, ICA)的方法提取特征信息,优化输入变量、扩展系数等参数,建立了低聚肽含量的检测模型,同时为了比较方法优劣,也建立了相应的偏最小二乘方法(partial least squares, PLS)模型。结果非线性建模方法 RBFNN比线性PLS方法模型效果更好,与常用的PCA-RBFNN模型相比,本研究采用的ICA-RBFNN模型结果更准确,模型独立验证集的相关系数R是0....     

Discrimination of European wheat varieties using near infrared reflectance spectroscopy

Near infrared reflectance (NIR) spectroscopy combined with chemometrics was used to discriminate wheat varieties. A total of 249 samples of different wheat varieties from the 2003–2004 harvest were used to develop the best discriminant equation, by applying various scatters and mathematical treatments in the range of 400–2500 nm. Wheat varieties from Spain were ‘Sarina’, ‘Bolero’, ‘Berdún’, ‘Soisson’, ‘Chamorro’, ‘Artur Nick’, ‘Berdun’, ‘Marius’, ‘Anza’, ‘Kalifa’, and wheat varieties from France were ‘Galibier’ and ‘Quality’. The equation developed with the highest accuracy had an applied scatter of weighted multiplicative scatter correction, a math treatment of 2, 15, 8 (order of derivative, gap data points over which the derivative was taken, number of data points used in performing average smoothing). The percentage of correctly identified varieties was 99.5% for the calibration sample set and 94% for the validation sample set. The results demonstrated the usefulness of NIRS combined with chemometrics as a rapid method for discrimination of European wheat varieties. Although the application of the discriminant equation developed for the 2003–2004 harvest yielded a high rate, further test measurements are necessary to evaluate the robustness of the equation.     

基于可见/近红外光谱技术的便携分析仪的应用

目的为解决水果内部品质信息的快速无损检测,自主研制了一台基于可见/近红外光谱技术的便携式分析仪,通过试验验证其可行性及所建模型的鲁棒性。方法以红富士苹果为检测对象,采集透射光谱曲线,与化学指标可溶性固形物含量(soluble solid content,SSC)分别建立基于平均光谱、基于各采样光谱的偏最小二乘(partial least squares,PLS)回归模型,比较预测精度并对非同批次样本进行预测。结果试验表明该分析仪对苹果SSC具有较高的测量精度,特别是基于各采样光谱的PLS模型,对同批次样本预测相关系数(Rp)达到0.924,预测均方根误差低至0.429%Brix,预测精密度(平均偏差)低至0.136%Brix,对非同批次样本SSC表现出较强的鲁棒性能,预测均方根误差为0.531%Brix。结论通过此项研究,表明该便携分析仪可用于水果内部品质信息的定量分析,并建议采用基于各采样光谱建立的回归模型用于外来样本的预测。     

基于近红外光谱技术的抹茶掺伪定性判别研究

本实验采用近红外光谱技术与主成分分析法结合线性判别分析法（PCA-LDA）和K最邻近法,对抹茶中添加白砂糖、麦芽糊精、桑叶粉、大麦苗粉的现象进行定性判别分析。结果显示,PCA-LDA的定性判别结果优于K最邻近法,纯抹茶与掺伪抹茶、纯抹茶与掺糖抹茶、纯抹茶与掺糊精抹茶、纯抹茶与掺桑叶粉抹茶、纯抹茶与掺大麦苗粉抹茶、4种掺伪抹茶的定性分析模型的校正集识别率为98.3%、100%、91.7%、100%、100%、100%;预测集识别率为96.5%、100%、87.5%、95.8%、90.3%、95.3%。由此可知,通过PCA-LDA建立的定性判别模型准确度和识别率都很好,能够快速、准确的对抹茶中是否掺伪进行定性判别。      

基于近红外光谱与PLS-DA的红枣品种识别研究

新疆红枣品种繁多,采后红枣在加工过程中需要将其他品种的红枣挑选出,本研究应用近红外光谱分析技术结合偏最小二乘判别分析（PLS-DA）法对新疆红枣品种进行判别。结果表明,采用一阶导数对原始光谱进行预处理,并使用方差分析法选择波长变量结合PLS-DA方法对校正样本建立判别分析模型,其验证集预测结果与实际分类结果的相关系数（RP）均大于0.92,预测标准偏差（RMSEP）都小于0.27,最后模型对验证集中的骏枣、灰枣和冬枣3个品种的识别率都为100%。该结果为新疆红枣品种快速识别提供理论依据。      

近红外光谱分析技术在食品工业中的应用

本文介绍了近红外光谱分析技术的工作原理、光谱的预处理方法、定量分析方法、定性分析方法，综述了近红外光谱分析技术在食品工业领域中的应用现状。并对目前近红外光谱分析技术的发展方向作了简单的评论。