椰子粉中蔗糖和葡萄糖添加量的快速检测

以椰子原粉为原料,分别添加蔗糖和葡萄糖形成一系列含糖量梯度(2.5%~80%)的椰子粉样品。分别运用红外光谱和近红外光谱技术,利用偏最小二乘法(PLS)建立椰子粉中添加蔗糖和葡萄糖含量的模型,并进行校正、交叉验证和预测。结果显示:蔗糖的红外和近红外模型的校正、交叉验证、预测的相关系数R_C2、R_CV2、R_P2分别为0.8752、0.8501、0.8401和0.9888、0.9868、0.9856。葡萄糖的红外和近红外模型的校正、交叉验证、预测的相关系数R_C2、R_CV2、R_P2分别为0.8708、0.8500、0.8708和0.9569、0.9503、0.9572。结果表明:利用红外光谱数据和近红外光谱数据建立的椰子粉蔗糖和葡萄糖含量的模型良好,预测值与真实值接近。说明利用红外光谱技术和近红外光谱技术快速检测椰子粉中添加蔗糖和葡萄糖含量的方法是可行的,且相比之下,利用近红外光谱数据建立的模型更优良,预测更准确。     

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。     

近红外光谱分析技术在阿莫西林颗粒厂家鉴别方面的定性研究

目的研究近红外光谱技术定性分析不同厂家的阿莫西林颗粒的方法。方法采用AntarisⅡ近红外光谱仪采集不同生产厂家的阿莫西林颗粒的近红外光谱,利用偏最小二乘判别分析(PLSDA)方法建立了阿莫西林颗粒厂家鉴别方面的定性分析模型。结果结果表明,采用标准正态分布法(SNV)作为光谱预处理方法,利用间隔偏最小二乘法(iPLS)选出6915~5376 cm~(-1)的光谱区间建模,通过交互验证方法选出最佳光谱潜在变量数为8,采用上述参数建立的模型识别率和拒绝率均达100%。结论本实验为鉴别不同生产厂家的阿莫西林颗粒提供一种新的方法,有利于进一步规范对市场中阿莫西林颗粒的监管,为其他相关药品的定性分析提供参考。     

近红外光谱技术鉴别方便面品牌的研究

对近红外光谱分析技术鉴别不同品牌的方便面进行了研究。选取三个代表性品牌,每个品牌各制45个样(其中40个样品用于建模,5个样品用于预测),通过比较不同光谱预处理方法及光谱范围,得到最优模型。结果表明,在8350～4190cm-1光谱范围内,采用矢量归一法对光谱数据进行预处理,再分别进行聚类分析与定性分析,得到的模型的品牌识别率均为100%,比较两种方法建立模型的效率,聚类分析比定性分析更加快速。说明应用近红外光谱分析技术能够快速、有效的鉴别方便面品牌,为方便面品牌的鉴别提供了一种新方法。     

基于GC-MS法的椰子水及其饮料的风味成分分析

为了对不同成熟度椰子(椰青、嫩椰子、成熟椰子)的椰汁及椰子水饮料中挥发性风味物质组分和含量进行分析,采用蒸馏萃取装置提取样品中的挥发性成分,并用气相色谱-质谱(GC-MS)联用分析技术进行分离鉴定。结果表明,共检测出67种香气成分,分为7大类化合物,包括酯类32种,有机酸11种,醇类7种,醛类3种,酮类3种,酚类4种,其他类7种。在检出的香气物质中,确定主体风味组分主要是醇类、酯类和酸类3类物质,相同的挥发性成分是2,3-丁二醇。不同样品中,这些微量香气成分的种类含量有较大差别,成熟椰子原汁中风味物质的种类和含量较多。因此,椰子水原汁的挥发性成分直接影响椰子水饮料的感官质量。本试验研究为椰子水及其饮料感官品质的深入研究提供了一定的理论依据。     

线椒货架期的近红外光谱定性判别

利用近红外漫反射光谱技术对线椒的货架期进行定性判别研究。实验以常温货架期1、3、5 d的线椒为研究对象,利用主成分分析法(PCA)建立近红外漫反射定性判别模型,在全光谱范围(400~2500 nm)内比较了不同的光谱预处理方法结合不同散射和标准化方法对所建模型的影响。结果表明,采用全光谱下Log(1/R)+None光谱预处理方法建立的模型预测最好,该模型的交互验证相关系数(R_(CV))为0.9455,交互验证误差(SECV)为0.1534,其正确分类率达95.56%~100%,预测准确率达88.89%~97.78%,该模型能够准确地区分不同货架期的线椒鲜果。因此,近红外光谱技术为线椒货架期的鉴别提供了一种新方法。     

茶皂素提取过程的原位实时监测技术

采用近红外光谱技术结合化学计量学方法,实时原位监测茶皂素提取过程中的茶皂素质量浓度、蛋白质质量浓度和多糖质量浓度的变化。研究结果表明,一阶求导(1^stDer)为最优的光谱预处理方法,3个指标的校正集决定系数(R_C)和预测集决定系数(RP)皆最高,交叉校验残差均方根误差(RMSECV)和预测残差均方根误差(RMSEP)最小。相较于偏最小二乘法(PLS)和区间偏最小二乘法(iPLS)算法对回归模型进行校正,以R_P和RMSEP为评价指标,联合区间偏最小二乘法(SiPLS)算法下所建模型稳健性最佳。茶皂素浓度模型中的R_P=0.9889,RMSEP=1.36;蛋白质浓度的R_P=0.9859,RMSEP=0.354;多糖浓度的_RP=0.9919,RMSEP=0.359。结论：近红外光谱技术联合Si-PLS模型可较好的实时监测茶皂素提取过程。     

近红外光谱技术快速检测甜叶菊中绿原酸含量

为实现甜叶菊中绿原酸含量的快速检测，该研究利用近红外光谱技术结合偏最小二乘法对甜叶菊绿原酸含量的光谱数据进行了近红外模型分析。结果表明，采用多元散射校正(multiplicative scatter correction, MSC)+Savitzky-Golay卷积平滑预处理算法和无信息变量消除法(uniformative variable elimination, UVE)特征波长选择算法，绿原酸含量近红外模型的性能最好。该模型的交互验证相关系数(correlation coefficient in cross validation,R_CV)和交互验证残差均方根(root mean square error of cross validation, RMSECV)分别为0.945 3和0.263 1;验证集相关系数(correlation coefficient in validation,R_P)和验证集残差均方根(root mean square error of prediction, RMSEP)分别为0.952 1和0.247 2。...     

不同分光原理近红外光谱仪光谱标准化方法在小麦粉品质检测中的应用

为探究不同分光原理的近红外光谱仪的光谱标准化方法,降低光谱差异性,实现模型共享,以小麦粉的粗蛋白为检测指标,以3台不同原理的近红外光谱仪采集的小麦粉样品近红外光谱为研究对象,分别采用直接标准化(DS)、分段直接标准化(PDS)和一元线性回归直接标准化(SLRDS)算法进行近红外光谱标准化研究,通过欧氏距离(D)、光谱标准化误差率(SSER)等指标分析主、从机光谱间的光谱差异性,以预测相关系数(R_p)、标准偏差(RMSEP)和相对标准偏差(RPD)等参数,评估模型转移后的预测效果;结果表明:1)经3种算法的光谱标准化,从机与主机之间的光谱差异性显著降低,转移后模型的从机预测效果大幅度提升,其中从机S₂的预测效果优于从机S₁;2)3种算法中,光谱经DS算法标准化后2台从机的预测误差率均最小,其中从机S₁的SSER_ave和SSER_max分别为0.9057和3.3667,R_p、RMSEP、RPD分别为0.8949,0.7052,2.2408,...     

利用可见/近红外光谱判别干枣品种

目的利用可见/近红外反射光谱技术快速判别干枣的品种。方法使用光谱仪获取山西永和枣、山西板枣和新疆和田枣3种干枣在345~1100 nm波段范围内的漫反射光谱;分别使用多元散射校正(MSC)法和一阶导数法(1~(st)-D)和二阶导数法(2~(st)-D)对反射光谱进行预处理;对预处理光谱进行主成分分析,全交差验证法确定最佳主成分数量,提取主成分,结合马氏距离法和线性判别法建立品种判别模型,建立模型过程中使用全交叉验证法确定最佳主成分数,将模型应用于干枣的品种判别。结果可见/近红外反射光谱经过MSC处理后提取主成分建立品种预测模型对枣的品种判别结果最好,利用前4个主成分结合马氏距离法建立的判别模型和利用前5个主成分结合线性判别法建立判别模型,对于3个品种的枣的校正和验证判别准确率都达到了100%。结论可见/近红外反射光谱技术可以较好地判别干枣品种,本研究可为可见/近红外光谱技术在于枣品种和产地的快速鉴别和溯源中的应用提供一定的技术基础。     

近红外与表面增强拉曼光谱融合技术快速检测花生油中黄曲霉毒素B1

目的 在近红外光谱(near infrared spectroscopy, NIR)与表面增强拉曼光谱(surface-enhanced Raman spectroscopy, SERS)特征层数据融合的基础上构建偏最小二乘回归模型(partial least squares regression, PLSR)实现花生油中黄曲霉毒素B1 (aflatoxin B1, AFB1)含量的快速检测。方法 首先，分别采集待测样本的NIR与SERS光谱。其次，将采集的NIR与SERS光谱分别进行光谱预处理。然后，采用基于希尔伯特-施密特独立准则的变量空间迭代优化算法(Hilbert-Schmidt independence criterion based variable space iterative optimization, HSIC-VSIO)分别筛选NIR与SERS光谱的特征变量。最后，将筛选的特征变量进行融合并构建PLSR模型用于定量检测花生油中AFB1含量。结果 与NIR光谱数据、SERS光谱数据以及NIR与SERS光谱直接融合数据构建的PLSR模型相比，NIR与SERS光谱特征层融合数据构建的PLSR模型具有最佳的预测性能：校正集均方根误差(root mean squared error of calibration set, RMSEC)为0.1569，校正集决定系数(coefficient of determination of calibration set, )为0.9908，预测集均方根误差(root mean squared error of prediction set, RMSEP)为0.1827，预测集决定系数(coefficient of determination of prediction set, )为0.9854，性能偏差比(ratio of performance to deviation, RPD)为8.2761。将本方法与标准方法分别检测真实含有AFB1的花生油样本，结果表明两者的检测性能无显著性差异(P=0.84>0.05)。结论 本方法可实现花生油中AFB1含量的快速、高精度定量检测，也验证了NIR与SERS光谱融合的可行性与有效性。     

近红外光谱技术在南极磷虾粉水分、脂肪和蛋白质含量快速检测中的应用

利用傅里叶近红外光谱分析技术,以磷虾粉样品的实测值与模型预测值为基础,研究了采用最小二乘法建立磷虾粉原始样品与磷虾粉混合样品中水分、脂肪和蛋白含量近红外定标模型的可行性和准确性.结果表明,磷虾粉近红外图谱最佳预处理方式为:标准正态变换预处理+一阶导数+Norris导数滤波;以磷虾粉混合样品构建的近红外模型较磷虾粉原始样...     

近红外光谱分析技术在泡芙水分测定中的研究

水分含量快速测定是保证泡芙制作品质的重要需求。利用IAS Online-S100型在线近红外光谱分析仪,采集了130个建模集样品和30个验证样品的近红外光谱,结合光谱预处理和偏最小二乘法建立泡芙水分定量分析模型。研究结果表明,采用移动窗口平滑（平滑点数为11）+SNV法进行光谱预处理,主因子数为9的条件下,模型的决定系数R2、校正集均方根误差（RMSEC）、交互验证均方根误差（RMSECV）和预测集均方根误差（RMSEP）分别为0.88、0.49%、0.55%、0.57%。模型的预测误差在±1.3以内,精度满足工厂的使用需求。     

面粉品质近红外光谱在线检测系统开发与应用

本研究运用近红外光谱无损检测技术,开发了一种适用于面粉品质检测的在线测量系统。本系统在硬件平台基础上,采用C++Builder 6.0对NIR 1.7/S微型光谱仪进行二次开发,编写了具有光谱采集、面粉品质预测、模型更新和数据存储等功能的软件。对市售170种面粉进行试验,以面粉水分含量为代表性指标。通过对比不同光谱预处理方法建模结果,发现不进行任何预处理时的面粉水分偏最小二乘回归(PLS)得到的模型精度最高。建模集和验证集决定系数(R2)分别为0.947,0.841;均方根误差(RMSE)分别为0.146%,0.198%;RPD值为2.53。模型导入软件后对30份新样品进行外部验证,预测值与测量值决定系数(R2)为0.883,均方根误差为0.206%。结果表明,该系统能够初步实现面粉水分的实时预测,为近红外在线检测技术应用提供了一定的技术参考。     

Quality evaluation of frozen guava and yellow passion fruit pulps by NIR spectroscopy and chemometrics

The present study investigated the application of near infrared spectroscopy as a green, quick, and efficient alternative to analytical methods currently used to evaluate the quality (moisture, total sugars, acidity, soluble solids, pH and ascorbic acid) of frozen guava and passion fruit pulps. Fifty samples were analyzed by near infrared spectroscopy (NIR) and reference methods. Partial least square regression (PLSR) was used to develop calibration models to relate the NIR spectra and the reference values. Reference methods indicated adulteration by water addition in 58% of guava pulp samples and 44% of yellow passion fruit pulp samples. The PLS models produced lower values of root mean squares error of calibration (RMSEC), root mean squares error of prediction (RMSEP), and coefficient of determination above 0.7. Moisture and total sugars presented the best calibration models (RMSEP of 0.240 and 0.269, respectively, for guava pulp; RMSEP of 0.401 and 0.413, respectively, for passion fruit pulp) which enables the application of these models to determine adulteration in guava and yellow passion fruit pulp by water or sugar addition. The models constructed for calibration of quality parameters of frozen fruit pulps in this study indicate that NIR spectroscopy coupled with the multivariate calibration technique could be applied to determine the quality of guava and yellow passion fruit pulp.     

基于光谱预处理结合遗传算法优化波长的面粉水分快速检测

基于光谱预处理及遗传算法(genetic algorithm,GA)法优化波长,再结合偏最小二乘(partial least squares,PLS)法建立面粉中水分的定量分析模型,对比在不同预处理方法下相关系数R~2、校正标准差(root mean square error of calibration,RMSEC)、预测标准偏差(root mean square error of prediction,RMSEP)3个指标,随机选择130份样本建立预处理+GA+PLS定量分析模型,实验结果为R~2从0.955 2提高到0.977 7、RMSEC从0.375 8降低到0.245 3、RMSEP从0.268降低到0.264。结果表明基于光谱预处理结合GA优化波长来定量分析面粉中水分含量是可行的,且准确性和误差度皆优于无优化模型。     

近红外漫反射光谱法快速检测高纤维素、木质素物料水分含量

目的：建立一种快速检测高纤维素、木质素物料水分含量的方法。方法：以槟榔这种含高纤维素、木质素的中药材为原料,用近红外光谱仪采集近红外漫反射光谱,运用NIR Cal建模软件对光谱数据进行预处理,优选特征波长,并运用偏最小二乘法（PLS）分析建立槟榔水分含量定量模型。结果：槟榔水分含量定量模型校正集决定系数为0.994 2,校正误差均方根（RMSEC）为0.50;验证集决定系数为0.986 7,预测误差均方根（RMSEP）为0.68。结论：该方法简便、快速、安全、实用、准确,适用于含高纤维素、木质素物料的水分含量的快速测定。     

蚁群和遗传算法优化花茶花青素近红外光谱预测模型的比较

以建立花茶花青素含量的最优近红外光谱模型为目标,对比研究了蚁群算法(Ant ColonyOptimization,ACO)和遗传算法(Genetic Algorithm,GA)优化近红外光谱谱区的效果。ACO-i PLS将全光谱划分为12个子区间时,优选出第1、9、10共3个子区间,所建的校正集和预测集相关系数分别为0.901 3和0.864 2;交互验证均方根误差(RMSECV)和预测均方根误差(RMSEP)分别为0.160 0 mg/g和0.202 0 mg/g;GA-i PLS将全光谱划分为15个子区间时,优选出第1、5共2个子区间,所建模型的校正集和预测集相关系数分别为0.906 3和0.879 3,交互验证均方根误差(RMSECV)和预测均方根误差(RMSEP)分别为0.156 0 mg/g和0.206 0 mg/g。研究结果表明:ACO-i PLS和GA-i PLS均可以有效选择近红外光谱特征波长,其中GA-i PLS模型的精度更高。     

近红外光谱的苹果内部品质在线检测模型优化

利用近红外光谱技术在线检测水果内部品质的关键是获取精度高稳健性好的定量分析模型。研究开发了短波近红外光谱苹果品质在线检测系统,试验时苹果样本传输速度为5个/s,以漫反射方式采集,有效光谱范围为500~1100 nm。经光谱强度标准化校正后,有比较的采用遗传算法、连续投影算法和蚁群优化算法等提取特征变量,分别建立偏最小二乘模型,同时分析了这三种方法提取光谱特征变量的搜索机制。特征变量提取方法建立的预测模型所用变量显著减少,预测效果均优于全光谱模型,且能提高运算速度,增强模型的稳健性;其中又以蚁群优化算法的模型预测能力最佳,预测集相关系数R为0.9358,预测均方根误差RMSEP为0.2619。研究结果表明,近红外光谱结合特征变量提取方法可以建立高效的苹果可溶性固形物含量在线检测模型,在产业化应用方面具有很大潜力。     

基于近红外光谱技术的腐竹脂肪定量分析

采用近红外光谱技术结合化学计量学方法,建立腐竹脂肪含量的快速分析方法。收集不同生产线、不同时间的腐竹样本180 份,利用积分球附件采集漫反射光谱（4 000～10 000 cm－1）。为消除颗粒散射影响和光谱基线漂移,二阶导数和卷积平滑用于光谱预处理。采用反向区间偏最小二乘法、组合区间偏最小二乘法、搜索组合移动窗口偏最小二乘法和遗传偏最小二乘法优化建模变量,最终构建了定量预测模型。结果显示,4 种方法均可有效地提取信息变量、降低模型维度、提高预测性能;遗传偏最小二乘法一次优选获得143 个变量,构建的模型性能最佳,其校正相关系数、校正均方根误差、预测相关系数、预测均方根误差分别为0.96、0.95、0.92和1.17。研究表明,经过信息变量提取后所构建的近红外模型简单、预测精度高,可用于腐竹脂肪含量的日常监测。