近红外光谱法快速鉴别转基因大豆模型优化

目的应用近红外光谱(NIR)结合偏最小二乘判别分析(PLS-DA)建立转基因大豆的快速鉴别模型,并选择最优模型。方法主成分分析(PCA)用于从光谱数据中提取相关特征并剔除异常样品。在试验中,94份样品用于构建模型,41份样品用作验证评估模型的效果。分别讨论样品形态(整粒和粉末)、波长范围和光谱预处理方法对所建模型判别正确率的影响。结果粉末状大豆样品建模的效果好于整粒大豆样品。其中判定效果最好的模型,整粒大豆在9 403～5 438 cm~(-1)范围内,采用二阶导数(2nd)处理光谱,模型的校正集和验证集的判定正确率均为100.00%;粉末状大豆在7 505～4 597 cm~(-1)范围内,采用矢量归一化+一阶导数(SNV+1st)处理光谱,模型的校正集和验证集的判定正确率也均为100.00%。结论通过选择样品形态、波长范围和光谱预处理方法可以优化鉴别模型,提高近红外判别模型的鉴别正确率。     

近红外光谱技术定性鉴别蜂蜜品种及真伪的研究

提出了蜂蜜品种及真伪定性鉴别的新方法。在12000～4000cm-1范采集荆条蜜、槐花蜜、油菜蜜和掺假蜜的近红外光谱,结合一阶导、多元散射校正及变量标准化)三种方法对光谱进行预处理,以主成分分析结合马氏距离判别法,在不同谱区建立蜂蜜品种及真伪定性鉴别模型。研究发现6100～5700cm-1谱区为最佳建模波段,品种判别正确率达90%以上,真伪鉴别正确率为93.10%。     

利用近红外分析技术测定大豆水分含量方法的研究

建立了基于FOSS XDS近红外光谱分析仪快速测定大豆水分含量模型,对光学处理和数学处理手段等因素对模型的影响进行了探讨,对模型进行了内部和外部验证.实验结果表明最佳的建模参数为:光学处理选用标准正常化处理(SNV Only),数学处理选用1.4.4.1方法,大豆水分定标方程的交互定标决定系数(1-VR)为0.990 8,定标决定系数(R2)为0.993 9,定标标准误差(SEC)为0.096 7,交互定标标准误差(SECV)为0.127 3,现有数据预测标准偏差(SEP)为0.136.利用该模型对大豆水分含量进行检测,达到了代替常规标准方法的要求,可以应用于快速检测.     

近红外法测定大豆脂肪酸值方法的研究

脂肪酸值是衡量大豆品质重要指标.将近红外光谱技术与化学计量方法结合,建立大豆样品脂肪酸值的定标方程,并对定标方程进行了验证,优化得到大豆脂肪酸值的定标方程,交互定标决定系数(1-VR)为0.948 2,外部验证决定系数(R2)为0.915 0,定标标准偏差(SEC)为1.205 8,交叉验证标准偏差(SECV)为1.591 2,现有数据预测标准偏差(SEP)为1.395.通过外部验证,表明该方法也可以应用于实际检测.     

近红外光谱法快速鉴别成安草莓

为实现对成安草莓的快速鉴别,本文采集了不同产地草莓样品的近红外吸收光谱,选择不同的光谱范围,经二阶导数、一阶导数+矢量归一化、最小-最大归一化等预处理,利用因子化法、合格性测试和主成分分析法(PCA)建立了成安草莓的鉴别模型,并取样对该模型进行验证。结果表明:三种模式识别方法对于其他产地草莓的识别正确率高于93.3%,因此认为,采用近红外光谱结合模式识别技术可快速、准确地鉴别成安草莓的真伪。     

近红外光谱分析在寿山石鉴别中的应用

寿山石品种繁多,其鉴别和分类也一直是个难题。首次利用便携式近红外光谱仪(NIR)研究了不同类别寿山石的近红外光谱特征。根据寿山石样品状态(块状和粉末状)的不同表面形态、粒度、质量等因素对近红外光谱测试结果的影响进行了分析,讨论了近红外光谱的主要吸收峰归属,旨在探索一种无损、便捷的寿山石鉴别方法。结果表明,利用便携式近红外光谱仪完全可以区分寿山石的三个主要类别,即高山石类(高岭石族)、芙蓉石类(叶蜡石)、汶洋石类(伊利石)。在块状寿山石样品的近红外光谱1400nm区域,高岭石族矿物表现为一对双峰;叶蜡石和伊利石都仅有一特征单峰,叶蜡石表现为1392nm,伊利石表现为1406nm。寿山石样品的表面形态对近红外光谱没有明显的影响。粉末状寿山石样品的近红外光谱吸收峰更为尖锐,分裂程度更好。除了1400nm处的吸收峰外,在2180nm左右,高岭石类矿物表现为双峰,而叶蜡石和伊利石为单峰,但叶蜡石的吸收峰位于2168nm,伊利石位于2195nm。在条件允许的情况下,获取10mg左右的寿山石样品粉末,便可获得清晰的近红外光谱。     

近红外光谱用于鉴别苹果产地的研究

目的:探索近红外光谱定性分析技术鉴别苹果产地的可行性。方法:对天津、陕西和北京3个产地富士苹果品质进行了分析,比较了波段范围、导数处理和散射及标准化处理建立主成分分析结合最小二乘法产地鉴别模型。结果:在1100~1848 nm波段范围内采用一阶导数结合趋势变化法散射处理的光谱预处理方法最优,校正集的鉴别正确率为100%,校正交互验证误差(SECV)0.1245,交互验证相关系数(Rcv)0.9641,预测集的鉴别正确率为98.33%。结论:应用近红外光谱定性分析技术可以准确地、快速地追溯苹果产地的溯源。     

基于不同近红外建模软件定量分析新鲜羊肉营养成分

为实现对多样本新鲜羊肉营养含量的快速检测,该研究利用近红外光谱(near-infrared reflectance spectroscopy, NIRS)技术构建了新鲜羊肉中6种营养成分的定量分析模型。于武威市民勤县采集203份新鲜羊肉,并测定其水分(moisture, MT)、粗脂肪(ether extract, EE)、粗蛋白(crude protein, CP)、葡萄糖(glucose, Glu)、粗灰分(crude ash, Ash)及总磷(phosphorus, P)的含量。使用WINISI III与Foss Calibrator定标软件分别建立羊肉6种营养成分的NIRS模型并对其结果进行比较。WINISI III软件定标结果显示,羊肉MT、EE、CP预测模型的预测决定系数(coefficient of determination for validation, RSQ)和外部验证相对分析误差(ratio of performance to deviation for vali-dation, RPD)分别为0.83与2.47、0.90与3.60、0.81与2.79;Glu、...     

利用快检车近红外光谱鉴别多潘立酮片

利用近红外光谱快速鉴别多潘立酮片的真伪。方法:在12 000～4 000 cm^-1波段范围内对多潘立酮片进行图谱扫描,并对图谱进行一阶求导处理。结果:比较图谱可鉴别假冒产品与名牌厂家产品。结论:所用方法快速简便、准确有效,可对多潘立酮片进行快速筛查,为监督抽样工作提供有力的技术支持。     

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。      

基于近红外光谱技术的大米品质分析与种类鉴别

应用近红外光谱(NIRS)技术建立了大米食味品质分析与种类快速鉴别的方法。提取了102份粉碎后大米样品的近红外光谱,采用偏最小二乘法(PLS)建立了大米水分、蛋白质和直链淀粉定量分析模型,对模型预测结果的准确性进行了评价。预测模型的内部交叉验证决定系数(R2)分别为:0.992、0.9792和0.9736;内部交叉验证标准差(RMSECV)分别为:0.141、0.201和0.209;模型外部验证决定系数(R2)分别为0.9861、0.912和0.9373;外部验证标准差(RMSEP)分别为0.179、0.206和0.243。通过计算样品的近红外光谱图之间的欧氏距离来反映不同样品间的差异,对不同属性和不同产地的大米进行了定性聚类分析,种类识别准确率达到100%。结果表明,NIRS分析技术可以用于对大米品质和种类的快速无损检测。     

近红外光谱法用于掺假羊奶的快速无损鉴别

利用近红外光谱技术结合多种化学计量学方法,研究了快速鉴别掺假羊奶的方法。将淀粉溶液,含尿素的淀粉溶液,含尿素和奶油的淀粉溶液按不同比例掺入纯羊奶中,进行近红外光谱采集。分别采用偏最小二乘差别分析(PLS-DA),fisher线性判别和多层感知器(MLP)神经网络法建立校正模型并进行检验验证。结果表明,MLP神经网络的鉴别效果最好,其校正模型的正判率达到99.4%,验证集的正判率达到100%。说明采用近红外光谱技术结合适当的化学计量学方法可以实现羊奶掺假检测的快速无损鉴别。     

废旧聚酯纤维制品近红外定量分析模型的建立及验证

为解决废旧纺织品回收利用中纯聚酯的分拣问题,以聚酯、棉、锦纶、羊毛、聚酯/ 棉混纺、聚酯/ 锦纶混纺、聚酯/ 羊毛混纺织物共计276 个样品为研究对象,利用近红外光谱仪获取样本的原始近红外光谱图,通过化学计量学软件CM-2000 对样本原始近红外光谱图进行预处理,并用偏最小二乘法作为校正方法建立废旧聚酯纤维制品近红外定量分析模型。所建模型的校正集相关系数为0.994,验证集相关系数为0.989,校正标准偏差为1.832,验证标准偏差为2.065,内部预测正确率为90.58%。用未参与建模的173 个样本（7 种织物）对模型进行外部验证,验证正确率为88.44%,而对纯聚酯样本的外部预测正确率可达96%。结果表明,该模型可以较准确地将纯聚酯织物从废旧纺织品中鉴别出来。     

基于近红外光谱的散养土鸡与笼养肉鸡的 营养成分预测

目的建立土鸡与肉鸡的蛋白质、脂肪含量快速预测模型。方法收集土鸡与肉鸡新鲜样本各30份,取其中各20份样品,应用近红外光谱分析技术和区间最小二乘法建立蛋白质、脂肪的定量分析模型;然后对剩余样品进行预测,并进行误差分析。结果土鸡与肉鸡的蛋白质模型相关系数分别是0.978和0.963,内部交叉验证均方差(RMSECV)分别为0.197和0.201;脂肪模型的相关系数分别为0.946和0.952,RMSECV值分别为0.318和0.149。预测中,蛋白质预测结果与实测结果误差平均为0.193和0.214,标准差为0.098和0.065;脂肪预测结果与实测结果的误差平均值分别为0.318和0.149,标准差分别为0.072和0.103。结论通过预测结果与实测结果比较,发现差异并不显著,标准方差在10%及以下,并且预测模型的相关系数越大,预测结果越准确,说明了近红外光谱技术与区间最小二乘法预测模型的可行性、准确性、快速便捷性,能够为市场土鸡肉与肉鸡肉的鉴别提供快捷有效的方法。同时,为提高预测结果的准确性,需采用尽量多的样品建立预测模型。     

近红外光谱法快速分析甲糖膏的应用研究

研究应用近红外光谱法快速分析甘蔗制糖生产中甲糖膏的锤度和蔗糖分。采用NIRSystems 6500型近红外多功能分析仪,对采自生产线的甲糖膏进行光谱扫描和测定,用时小于2min。锤度和蔗糖分模型的光谱预处理方法以"SNV+Detrend、一次求导和一次平滑联合处理"效果最佳,改进型偏最小二乘法建立的模型效果最佳。锤度模型的SEC为0.522,SEP为0.96;蔗糖分模型的SEC为0.576,SEP为0.86。锤度和蔗糖分的偏差都小于1,满足糖厂要求,近红外光谱法应用在甲糖膏锤度和蔗糖分的快速测定是可行的。     

Determination of protein in pea flour by near infrared analysis

Equations were derived for predicting crude protein content (total nitrogen × 6.25 or Kjeldahl nitrogen × 6.25) of pea varieties from near infrared data measured on a filter instrument (Technicon Infra Analyzer 400). The accuracy of the predictions were tested against different data sets and found to be better than ±1.5% (P=0.95), and adequate for use in a plant breeding programme.     

马铃薯品质鉴别的近红外光谱与多源信息耦合

建立了基于机器视觉和近红外光谱技术的分级概率输出,利用DS证椐融合规则,搭建适用于异源数据的无损检测分级决策模型.采用方向梯度直方图和主成分提取方法提取光谱特征,并应用支持向量机和AdaBoost分类器进行识别,在此基础上,构建了基于特征层融合的马铃薯分级模型.采用多源信息融合技术,建立了融合无损检测分级决策和特征层融...     

Application of near infrared reflectance spectroscopy to protein analysis of grassland herbage samples

Near infrared reflectance spectroscopy (NIRS) was evaluated for the prediction of the protein content in samples of grassland herbage taken at different stages of maturity (flowering to fruiting stage) in ‘Dehesa’ zones of Central-Western Spain. A Technicon Infra Alyzer model 500 scanning monochromator interfaced with a Hewlett-Packard 1000 minicomputer was used for the study. Protein content was predicted with NIRS data treated as log I/R using six or seven wavelengths. Calibrations were evaluated by comparing Kjeldahl analyses with those predicted by NIRS. The prediction of protein was found to be acceptable, the standard error carying between 0.56 and 0.68% in a range of protein content from 6.76 to 13.98%.     

利用近红外光谱技术进行羊毛、羊绒鉴别

文章从样品和谱图的采集、原始谱图的处理和校正模型的建立等方面介绍了近红外光谱技术的原理,并根据化学计量统计学理论,介绍了利用近红外光谱技术进行定性定量分析的方法.并由羊毛、羊绒样品初步建立了羊毛、羊绒定性分析模型,对该模型的验证结果表明,该模型可以用来进行羊毛、羊绒的初步鉴别.由于羊毛、羊绒样品采集数量和代表性有限,在将近红外光谱技术用于羊毛、羊绒产品的商品检验之前,还需进一步大量收集样品,建立更为稳定和具有代表性的数据库和数学模型.