基于近红外光谱无损快速检测面粉品质的研究

提出一种基于近红外光谱技术结合偏最小二乘法对面粉品质进行无损快速检测的方法．配制含滑石粉的面粉样品30个,采集样品在12500～4000cm^-1范围内的近红外漫反射光谱,选择最优的光谱预处理方法和光谱范围,采用偏最小二乘法（PLS）建立定量分析模型．结果表明所建定量分析模型的相关性能比较高,预测相关系数和预测均方根误差均符合要求．研究发现,近红外光谱技术用于快速无损检测面粉掺假是可行的．     

一种近红外光谱水果内部品质自动检测系统

基于傅里叶变换近红外漫反射光谱技术探讨了水果内部品质快速自动检测的新方法.建立水果的内部品质自动检测系统由光源、迈克尔逊干涉仪、近红外漫反射光纤探头组件、铟镓砷检测器、数据采集卡和水果样品室等部件组成.利用该系统对不同采收期雪青梨糖度和总酸度进行了自动检测试验并结合多元校正算法偏最小二乘法,建立了雪青梨漫反射光谱与其内部糖度、酸度的相关关系.试验结果为：定标误差分别为0.25%、0.02% ,预测误差分别为 0.32%、0.02%.经研究表明,该自动检测系统可以直接用于水果内部品质的快速定量分析.     

近红外漫反射聚类法无损快速测定淀粉品质

提出一种基于近红外光谱技术和聚类分析法对不同种类的淀粉进行无损快速鉴别的方法,研究了近红外光谱结合聚类分析法快速鉴别淀粉种类的可行性.采集样品在12 500~4 000cm-1范围内的近红外漫反射光谱,利用光谱模式识别法中的聚类分析法对图谱进行定性分类鉴别.光谱经一阶导数预处理后,采用聚类分析法可准确无误地将样品分为2类,分类准确率达到100%.同时采用预测集的样品验证所建模型的准确性,经实验得出预测准确率也是100%.实验结果表明,近红外漫反射光谱结合聚类分析法可以为快速无损鉴别淀粉种类提供一种准确可靠的方法.     

紫外-可见-短波近红外漫反射光谱法对丙氨酸手性的定性定量分析

以D-、L-和DL-丙氨酸为对象,首次研究了紫外-可见-短波近红外漫反射光谱结合化学计量学快速、无损地定性、定量分析固体手性化合物的可行性。在粒度过100目、样品与光纤探头距离5.6 mm的最优条件下测量漫反射光谱,经预处理后,采用主成分分析法(PCA)和判别偏最小二乘法(PLS-DA)建模进行定性分析,结果预测判别准确率为100%。定量分析上,16个不同比率的L-/D-丙氨酸二元混合粉末样的光谱经波长选择、光谱数据预处理后,以偏最小二乘回归法(PLR)和支持向量回归法(SVR)建模,校正集和预测集的最优决定系数(R2)均在0.99和0.98以上,绩效偏差率(RPD)值远高于2。研究表明,采用紫外-可见-短波近红外漫反射光谱法结合化学计量学可应用于手性固态丙氨酸的快速、无损分析,并有望于运用到手性药物的质量检测上。     

强化生物除磷污泥糖原的近红外光谱分析

采用蒽酮法测定强化生物除磷(EBPR)反应器污泥中糖原物质的含量,运用间隔偏最小二乘法(iPLS)对近红外光谱进行建模,将光谱划分为20个子区间,选出最佳波数区间为4775-4389cm-1,并用这个模型预测未知样品中糖原含量。结果表明:所建模型对糖原校正时的相关系数(rc)为0.9583,校正均方根误差(RMSECV)为0.3554;预测时的相关系数(rp)=0.9769,预测均方根误差(RMSEP)为0.4243。所建的模型对糖原含量的预测效果较好,模型预测精度高,为污泥中糖原的测定提供了一种快速可行的分析技术。     

应用NIR高光谱成像技术检测羊肉脂肪和蛋白质质量分数

采用近红外高光谱成像技术(900～1 700 nm)对羊肉脂肪和蛋白质质量分数进行预测.通过近红外高光谱对72个羊肉样本进行高光谱图像采集,获取的光谱数据经过多元散射校正进行光谱预处理.通过回归分析选取对应的特征波长,利用BP神经网络结合脂肪和蛋白质的实测值,建立预测模型并对模型进行验证.结果显示,羊肉脂肪和蛋白质的预测模型效果较好.其中,脂肪模型的相关系数R和预测均方根误差RMSEP分别为0.91和0.73;蛋白质模型的相关系数R和预测均方根误差RMSEP分别为0.87和1.19.该研究表明,利用近红外高光谱成像技术预测羊肉脂肪和蛋白质质量分数是可行的.     

基于小波阈值去噪的光谱模型评价方法研究

采用小波变换对小麦近红外漫反射光谱进行阈值去噪研究,在软阈值函数下,分别采用固定阈值、启发式阈值、自适应阈值、最大最小阈值对光谱信号进行去噪,并用偏最小二乘建模的方法对去噪效果进行评价.结果表明,小波阈值降噪方法可以有效地降低原始光谱噪声,并很好地保留了信号中的尖锐和突变部分,而在阈值降噪过程中,最大最小阈值去噪效果最好,其建模后的绝对系数(R2)是0.8935,均方根误差(RMSE)是0.2886.     

紫外-可见-短波近红外漫反射光谱结合化学计量学对丙氨酸的手性进行快速的定性定量分析研究

以D-、L-和DL-丙氨酸为对象,首次研究了紫外-可见-短波近红外漫反射光谱结合化学计量学快速、无损地定性、定量分析固体手性化合物的可行性。在粒度过100目、样品与光纤探头距离5.6mm的最优条件下测量漫反射光谱,经预处理后,采用主成份分析法（PCA）和判别偏最小二乘法（PLS-DA）建模进行定性分析,结果预测判别准确率为100%。定量分析上,16个不同比率的L-/D-丙氨酸二元混合粉末样的光谱经波长选择、光谱数据预处理后,以偏最小二乘回归法（PLR）和支持向量回归法（SVR）建模,校正集和预测集的最优决定系数（R2）均在0.99和0.98以上,绩效偏差率（RPD）值远高于2。研究表明,采用紫外-可见-短波近红外漫反射光谱法结合化学计量学可应用于手性固态丙氨酸的快速、无损分析,并有望于运用到手性药物的质量检测上。     

基于蒙特卡洛变量组合集群分析法的小麦蛋白质近红外光谱变量选择

小麦是我国重要的粮食之一,提高对小麦蛋白质含量预测的精准性对保证小麦质量具有重要的意义。采用不同地区的小麦共93个样本近红外光谱与化学值作为建模数据。首先利用小波包(WTP)对光谱信号进行降噪处理,消除外界噪音信号对光谱的影响。其次利用蒙特卡洛变量组合集群分析法(MC-VCPA)进行变量选择,最后利用偏最小二乘法(PLS)建立小麦蛋白质预测模型,并对预测集样本进行预测。对比其他的建模方法,MC-VCPA所选择的10个特征变量代替了全光谱256个变量,预测均方根误差(RMSEP)值由0.4974降低到0.3295,提高了33%,优于其他建模方法。结果表明,基于MC-VCPA的近红外光谱分析方法对小麦蛋白质含量进行定量分析是可行的。     

聚乙烯密度的拉曼光谱检测

通过分析若干聚乙烯样品的拉曼光谱,对聚乙烯密度的检测方法进行了研究.分别采用拉曼光谱内标法(RISM)和偏最小二乘法(PLS)建立聚乙烯密度预测模型,其中RISM方法建模所得检测结果与真实值的相关系数为0.558,平均相对偏差为1.1%,标准偏差(SD)为11.7,而PLS方法建模所得检测结果的相关系数、平均相对偏差和交叉验证误差均方根分别为0.985、0.2%和2.2.研究表明:通过拉曼光谱能够实现聚乙烯密度的快速检测;且基于PLS的建模分析方法检测结果更优.