基于近红外光谱的腌制期咸鸭蛋理化指标无损检测

以高邮麻鸭蛋为研究对象,采集整个腌制期咸鸭蛋近红外光谱数据,对比测定其理化指标值,建立咸鸭蛋关键品质指标（蛋黄含水率、蛋黄氯化钠浓度和咸蛋黄指数）的无损快速检测模型。为尽可能削弱外部其他因素对样本光谱采集过程的影响,使用多元散射校正、归一化等预处理方法,结合竞争性自适应重加权算法（competitive adaptive reweighted sampling,CARS）、连续投影算法（successive projections algorithm,SPA）和非信息变量剔除（uninformative variables elimination,UVE）3种特征选择算法建立偏最小二乘回归模型,并在一次特征波段选取基础上提取二次特征波长,再建立偏最小二乘回归模型。结果表明,蛋黄含水率、蛋黄氯化钠浓度和咸蛋黄指数的最优波长选择方法均是二次特征波段提取法UVE+SPA,发现二次特征波段选择综合表现最优。经对比分析,蛋黄含水率、蛋黄氯化钠浓度、咸蛋黄指数最优模型结构分别是标准化-UVE+SPA-PLSR、卷积平滑-UVE+SPA-PLSR、均值中心化-UVE+SPA-PLSR,训练集相关系数...     

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宣酒入池酒醅的理化指标

研究结合近红外光谱技术和偏最小二乘法,建立了宣酒芝麻香和小窖绵柔入池酒赔中水分、酸度、淀粉的定量模型。芝麻香酒赔水分、酸度、淀粉的预测值和实测值的平均绝对误差分别为0.80%、0.09 mmol/10g、0.47%;小窖绵柔酒赔水分、酸度、淀粉的预测值和实测值的平均绝对误差分别为0.84%、0.14 mmol/10g、0.85%。所建模型能满足日常生产的需要,大大提高了工作效率。     

近红外光谱测定酒醅

应用近红外光谱技术,以酒醅为材料建立酒醅的水分、酸度、淀粉、酒精度的含量分析模型,实现了大批量酒醅的快速检测.     

酿酒特需高粱真实性无损快速鉴别研究

高粱作为酿造白酒的原料直接影响成品酒的品质,无损快速鉴别酿酒特需高粱的真实性是急需解决的重要问题。该研究针对高粱透光性差,近红外探头有效检测面积小,导致难以完全获取样品池中特需高粱和掺假高粱样品信息等问题,通过改良环形样品杯内径为略大于检测窗口直径的2倍,将高粱样品平铺于样品杯底部一层,解决了无法完全采集样品池中包括掺假高粱颗粒在内的所有样品信息等问题。结合化学计量学方法建立并优化了酿酒特需高粱真实性无损快速鉴别的近红外光谱模型,得到该模型的校正集、预测集和验证集的判别准确率分别为100%、100%和96.7%。     

基于近红外高粱水分的快速分析研究

为了实现高粱水分指标含量的快速分析,并使分析结果能够及时有效地反馈到生产车间,以指导车间日常生产.采用近红外光谱技术对高粱样品进行光谱扫描,并结合传统分析方法,最终建立了高粱水分指标的快速分析模型.结果表明,所建模型的线性关系较好,R2为0.9558,且模型内部参数RMSEC和RMSECV值均较小,分别为0.280和0...     

基于近红外光谱的杏仁蛋白软糖理化指标快速无损检测

为了实现杏仁蛋白软糖理化指标的快速检测,建立了水分和总糖测定的近红外光谱定标模型,并对其进行了全面优化。以偏最小二乘法分别建立杏仁蛋白软糖水分、总糖测定的近红外光谱定标模型,然后依次运用异常样本剔除、光谱变换、样本集划分和特征波长选择等技术方法优化其性能。结果表明:水分测定模型的建模波点数减至全光谱的0.8%,R 和R 均大于0.99,RMSEC和RMSEP均在0.2左右,RPD大于15.3;总糖测定模型的建模波点数减至全光谱的1.5%,R 和R 均大于0.99,RMSEC和RMSEP均小于0.81,RPD大于17.3。两个优化模型的预测结果皆与相应参考值的差异不显著(P＞0.05),可用于实际检测工作。     

基于近红外光谱的白酒甲醇超标快速无损检测

采用近红外光谱技术对白酒中甲醇超标进行快速无损检测可行性研究。设计实验配制掺杂不同体积分数甲醇的白酒样本,采集波数4000～5200cm-1透射光谱,采用偏最小二乘法在4360～4460cm-1范围构建甲醇含量分析模型,实现甲醇体积分数大于0.1%(质量浓度0.0791g/100mL)的样本的快速无损识别。实验数据表明模型相关系数R=0.9998,交叉验证均方根误差RESEC=0.062539,甲醇体积分数的预测精度达到0.1%(质量浓度0.0791g/100mL)。近红外光谱技术可以作为一种快速无损检测方案实现甲醇超标的劣质白酒(假酒)的市场筛查。     

小麦主要品质指标的近红外光谱分析模型建立

以黄淮地区83个小麦品种为材料,采用SPXY算法筛选目标集、用马氏距离法进行预处理、用SPA法提取敏感波点、用偏最小二乘法建模,研究建立小麦蛋白质、湿面筋和沉降值的近红外光谱预测模型,并利用预测集进行验证。结果表明,蛋白质含量、湿面筋含量和沉降值3种测定结果相关系数r分别为0.996 7、0.999 5和0.997 9,说明所建模型与常规化学值有较好的相关性,有较高的可信度,为再进行类似测定提供借鉴。     

近红外光谱技术快速无损测定干辣椒的辣度

采用高效液相色谱测定干辣椒样品中的辣椒碱和二氢辣椒碱含量,利用透反射模式采集干辣椒样品的近红外光谱,采用偏最小二乘法(PLS)建立干辣椒样品的辣度评价的校正模型,并对模型用于预测。结果表明,筛选出建模光谱波段为9000～4000cm-1;通过残余方差(RVV)分析,确定了最适主成分数为8;干辣椒的辣度PLS评价模型的定标集和验证集的相关系数(RC,RV)分别为0.9871、0.9104,定标集和验证集的标准差(SEC,SEP)分别为2445、3976。研究发现,近红外光谱法作为一种快速而准确的定量分析手段,在干辣椒及其制品的辣度评价方面有广阔的应用前景。     

近红外光谱技术在快速检测白酒酒醅中的应用

研究利用近红外光谱技术构建白酒酒醅分析模型,实现对泸型白酒酒醅水分、酸度和淀粉含量的大批量快速定量分析.利用趋近归一化(ncl)、一阶导数(db1)等光谱预处理方法对光谱进行处理,使用协同区间偏最小二乘法(SIPLS)、向后间隔偏最小二乘法(BIPLS)等算法对光谱波段进行优化选择,通过偏最小二乘法(PLS)建立快速检...     

梨果实近红外光谱无损检测技术研究进展

梨果实容易发生果肉褐变,即使外观完好,也有可能内部发生劣变。近红外光谱(NIRS)分析技术以其快速、无损、多组分同时测定等优势,近年来在梨果实无损检测应用的研究中取得重要进展。本文介绍了NIRS检测技术的原理与方法,综述了国内外应用NIRS无损检测技术在梨糖度、酸度、硬度等内部品质、褐变和损伤等内部缺陷方面及便携式检测的研究进展,并对其存在的问题及应用前景进行了展望。     

近红外光谱技术快速无损评价罗非鱼片新鲜度

利用傅里叶变换近红外光谱仪采集绞碎前后罗非鱼片背肉及腹肉的近红外光谱,并将其与总挥发性盐基氮（total volatile basic nitrogen,TVB-N）含量进行拟合,构建定量预测模型。在建模过程中,比较三点平滑、九点平滑（smoothing average 9 points,sa9）、九点卷积平滑（smoothing savitzky-golay 9 points,sg9）、一阶导数（1stderivative,Db1）、趋近归一化、单位长度归一化、标准正态变换、多元散射校正以及它们与Db1结合对光谱进行预处理的模型效果。结果表明,sg9和Db1相比于其他预处理方法可以较好地消除光谱噪音,提高模型预测能力,且各方法在与Db1联合使用后,模型的预测准确性以及建模效率普遍得到了提升。继续对光谱的波数范围进行筛选,剔除无关信息后,模型效果得到进一步提升,绞碎前背肉模型的校正集和验证集决定系数由0.870、0.821上升到了0.973、0.925,校正集和验证集标准偏差由2.152、2.991 mg/100 g减小到了1.032、1.581 mg/100 g。比较各模型效果可知,利用绞碎后的鱼肉光谱进行建模时效果要好于绞碎前的鱼肉。其中,以绞碎后腹肉模型的效果为最优,其验证集决定系数以及标准偏差分别为0.984、0.879 mg/100 g。但在综合考虑实际应用中快速、无损等需求后,绞碎前的鱼肉所建模型仍具有明显优势。最终,本研究选用绞碎前腹肉建立模型,校正集与验证集决定系数分别为0.982、0.976,校正集与验证集标准偏差分别为0.962、1.006 mg/100 g,在预测罗非鱼片TVB-N含量,快速、无损评价其新鲜度方面显示出了巨大潜力。     

基于近红外光谱的橄榄油理化指标快速检测模型研究

为实现橄榄油理化指标的快速检测,在选择最优波段和光谱数据处理方法的基础上,利用近红外光谱结合偏最小二乘分析(Partial Least Squares,PLS)分别建立橄榄油酸价、过氧化值、ΔK值的定量分析模型。结果表明:酸价、过氧化值、ΔK值定量模型的校正相关系数分别为:0.9945、0.9939、0.9923,预测相关系数分别为:0.9965、0.9910、0.9902。盲样验证相关系数接近于1,R~2均大于0.99,说明近红外定量模型有较好的预测能力。对样本预测值与真实值做配对方差t检验,结果表明光谱法与标准中的方法无显著差异。因此,基于近红外光谱定量模型,可实现对橄榄油理化值的快速、准确检测。      

短波近红外光谱快速无损检测生鲜鸡肉胆固醇含量

采用短波近红外光谱对生鲜鸡肉中的胆固醇含量进行检测,使用便携式近红外光谱仪在近红外光谱短波区域采集236份生鲜鸡肉的光谱信息,采用化学计量学法建立鸡肉胆固醇的偏最小二乘法定量预测模型。结果表明:最佳光谱预处理方法为标准化和基线校正,并通过剔除两次异常值对模型进行校正,所建定标模型的校正集相关系数Rc=0.801 1,校正标准差(s_(EC))=6.699 8,验证集相关系数R_p=0.803 4,预测标准差(s_(EP))=7.529 6,主因子数MF=4,s_(EP)/s_(EC)=1.12,说明模型可靠性、稳健性和预测效果较好。     

基于近红外光谱技术和优化预处理方法的豆浆粉无损鉴别研究

基于近红外光谱技术结合不同优化预处理方法建立不同品牌与简单研磨豆浆粉的无损鉴别方法。首先对简单研磨豆浆粉、国产品牌、国外品牌3类共132个样品进行近红外光谱采集,对比分析其近红外原始光谱图,随即结合不同预处理方法考察其对原始光谱的优化结果,最后结合主成分分析方法对简单研磨豆浆粉以及国内外不同品牌豆浆粉进行鉴别分析,筛选出最佳的优化预处理,并建立有效可靠的豆浆粉近红外鉴别模型。结果表明:原始光谱存在着明显的背景干扰和基线漂移现象,多种预处理均在一定程度上有效消除基线漂移;一阶导数、连续小波变换、多元散射校正、标准正态变量变换及其优化组合预处理的使用,实现了进口、简单研磨、国产3类豆浆粉样品的有效鉴别,但无法实现国产品牌之间的有效鉴别。二阶导数预处理的聚类分析结果则最终实现了所有品牌之间的完美区分,品牌间的鉴别成功率可达到100%。在豆浆粉的近红外快速无损鉴别当中最优光谱预处理方法为二阶导数预处理。     

基于近红外光谱技术的马铃薯全粉蛋白质无损检测

为了探索一种简捷、高效、快速、无损的马铃薯全粉品质的检测方法,近红外光谱技术被应用到马铃薯全粉蛋白质的无损检测研究中。以120个经过真空微波冷冻干燥技术处理的不同品种马铃薯为样品,进行光谱采集及相应的化学值测定,采用多元散射校正和SavitzkyGolay卷积平滑对1200~2400 nm波段范围内的原始光谱进行预处理,选取最优的预处理方法;运用主成分回归分析法与偏最小二乘回归系数分别选择特征波长,并根据蛋白质基团的特征光谱区间选取特征波段,建立全波段、特征波段和特征波长下的主成分回归和偏最小二乘蛋白质预测模型。结果为:经过多元散射校正处理后的光谱建模效果最好,且运用偏最小二乘回归系数选择特征波长建立的马铃薯全粉蛋白质校正和验证模型的相关系数和均方根误差分别为0.9693、0.2937和0.9779、0.3304,优于全波段和特征波段建立的模型。研究表明,采用近红外光谱技术对马铃薯全粉蛋白质的无损检测是可行的。     

基于近红外光谱禽蛋新鲜度无损检测模型研究

利用近红外光谱技术结合波长优选方法研究禽蛋新鲜度品质快速无损检测模型,采用蛋黄指数作为新鲜度评价指标。结果表明,蛋黄指数建立的检测模型效果要优于蛋白pH值和哈夫单位。通过连续投影算法(SPA)优选了4 188.6,4 593.6,4 855.9,5 311.0,5 376.6,5 935.8,6 306.1,7 243.3,7 328.2,7 343.6,8 130.4,8 531.5cm~(-1) 12个特征波谱为输入变量,建立蛋黄指数PLSR、PCR和SMLR检测模型,3种检测模型结果接近,其中,SMLR模型检测效果最好,相关系数r_(pre)=0.950,预测集均方根误差RMSEP=0.030,说明采用近红外光谱禽蛋蛋黄指数检测模型是可行的,通过波长优选后,检测精度较全光谱分析有所提高,该研究结果为进一步开发鸡蛋新鲜度的快速无损检测分级设备提供了理论依据和方法。     

苹果质地的近红外光谱无损检测模型研究

为了建立快速而无损检测苹果质地的新方法,应用近红外光谱仪研究不同建模方法和光谱预处理方法对苹果质地(脆度、硬度、回复性、凝聚性和咀嚼性)无损检测模型性能的影响。结果表明,波长范围400~2500nm内,采用改进偏最小二乘法、原始光谱结合反相多元离散校正处理所建苹果质地的校正模型最优,脆度、硬度、回复性、凝聚性和咀嚼性预测相关系数均大于0.8,而预测标准误差分别为7.6763N、6.5876N、0.0085、0.0175、1.2466N,残差之和均小于0.2。因此,通过近红外光谱对苹果质地进行快速而无损检测具有一定可行性,但模型精度有待进一步提高。     

基于近红外光谱技术和优化预处理方法的不同品牌燕麦无损鉴别分析

目的 建立红外光谱预处理方法以实现对不同品牌燕麦的快速无损鉴别。方法 通过对不同品牌燕麦样品近红外光谱进行采集, 结合单一以及组合光谱预处理方法消除光谱干扰, 最后利用主成分分析法构建稳健的鉴别模型。结果 光谱预处理有效消除了变动背景以及基线漂移干扰, 最佳预处理方法为二阶导数, 可以实现进口、国产、劣质燕麦之间的完全鉴别。结论 通过近红外光谱预处理方法对原始光谱图进行处理, 可以提取光谱图中有用信息, 消除样品自身不均等因素对光谱的影响, 提高不同品牌燕麦鉴别的准确率。