基于近红外漫反射光谱技术判别柿子品种和 贮藏期的研究

目的 通过近红外漫反射光谱技术建立了柿子不同品种和贮藏期的快速判别方法。方法 实验对置于冷库(0±0.5℃)贮藏20d、40d、60d的磨盘柿和阳丰甜柿的近红外光谱(400～2500nm)进行平滑处理、一阶倒数和标准正常化处理(SNV)处理,采用主成分分析法(PCA)建立判别模型。结果 在全波长范围内,不同品种定标模型的正确分类率达到100%;阳丰甜柿不同贮藏期的正确分类率达到97.78%;磨盘柿不同贮藏期的正确分类率达到98.89%。3个预测模型的累积准确率达到96.67%。结论 通过近红外漫反射光谱技术,判别不同品种的柿子并预测其贮藏期具有应用价值。     

近红外光谱对贮藏期樱桃品质的定性判别

研究运用近红外光谱技术对贮藏期樱桃进行定性判别。实验的定标模型经过不同预处理和不同光谱波段条件的处理分析,得到在全光谱范围(408.8~2 492.8 nm)内,采用一阶微分结合去离散处理(SNV and D)的方法可以构建最优模型。该模型判别的正确分辨率为100%,预测准确率为90%~96.7%。实验说明,近红外光谱技术对贮藏期樱桃的检测具有适用性。     

采用近红外光谱进行采后苹果品种及货架期定性判别

运用近红外光谱技术,通过不同光谱预处理和不同光谱波段选择,研究苹果品种(嘎啦、乔纳金、金冠、寒富)及货架期(0、14、28 d)的近红外判别模型。结果表明,不同品种苹果定标判别模型最优光谱预处理方法为:在全波长范围(408. 8～2 492. 8 nm)内,采用去散射结合二阶导数光谱预处理,对未知样品判别正确率为85. 00%～95. 00%;苹果货架期较优定标模型在1 108～2 492. 8 nm范围内,光谱预处理方法为标准正常化处理(standard normal variate,SNV)+去散射处理(detrend,D)+一阶导数,预测样品正确率为91. 67%～96. 67%。实验证明,近红外光谱技术对采后苹果品种及货架期检测具有适用性。     

葛粉掺假的近红外漫反射光谱快速检测

研究葛粉中掺假红薯淀粉和马铃薯淀粉的近红外漫反射光谱快速检测方法。采集样品的近红外漫反射光 谱,采用主成分回归和偏最小二乘法建立校正模型,并对比光谱预处理方法和光谱建模区间对模型的影响。结果表 明,采用偏最小二乘法建模,光谱采用标准正态变量变换预处理,光谱区间选择在962～1 389 nm时,模型预测效 果最佳,外部验证预测相关系数（RP 2）达0.994 5,均方根误差2.298 7%,相对分析误差13.56,平均回收率99.89% （n=9,RSD=2.96%）,这表明近红外漫反射技术能对葛粉中掺假红薯淀粉和马铃薯淀粉进行有效检测。     

甜柿货架期的近红外光谱定性判别

通过近红外漫反射光谱技术对甜柿的货架期进行了定性判别研究,运用不同光谱预处理方法和不同波段选择,发现在1 100² 400 nm内,采用二阶导数结合标准正常化和去散射(SNVD)处理的光谱预处理方法最好。判别模型的正确分类率达到97.8%2 400 nm内,采用二阶导数结合标准正常化和去散射(SNVD)处理的光谱预处理方法最好。判别模型的正确分类率达到97.8%¹00%,预测准确率达到88.9%100%,预测准确率达到88.9%¹00%。因此,近红外光谱技术对甜柿货架期的检测具有应用价值。     

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（400²500 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。      

近红外漫反射光谱检测损伤猕猴桃内部品质

研究贮藏期间损伤猕猴桃内部品质与其近红外漫反射光谱之间的关系。利用近红外光谱(12000～4000cm-1)技术和多元线性回归(multiple linear regression,MLR)、主成分回归(principal component regression,PCR)和偏最小二乘法(partial least squares,PLS)3种校正方法分别对损伤华优猕猴桃在2℃条件下贮藏4周期间的可溶性固形物含量、pH值和硬度进行定量分析;并对比吸光度原始光谱、一阶微分和二阶微分3种不同预处理方法的PLS模型校正结果。结果表明：一阶微分预处理方法时,应用PLS建立的可溶性固形物含量、pH值和硬度校正模型的效果最佳;预测集样品预测值与测量值之间的相关系数分别为0.812、0.703、0.919,预测均方根误差分别为0.749、0.153、1.700。说明应用近红外漫反射技术检测贮藏期间损伤猕猴桃的内部品质是可行的。     

近红外漫反射光谱技术对小米产地溯源的研究

为建立小米产地溯源的快速检测技术,更好的维护地方名优小米品牌效益,试验利用近红外漫反射光谱技术对不同状态小米进行产地溯源鉴别,试验分别选取来自肇源和肇州两个小米主产区的144份小米样品,应用近红外漫反射光谱技术结合化学计量学对不同状态下的小米进行产地溯源研究,结果表明:在全波长范围内采用因子化法建立的定性分析模型和在特征波段范围内采用偏最小二乘法(PLS)建立的定量分析模型,对肇源、肇州两个小米主产区的小米籽粒和小米粉末的正确鉴别率均在90%以上,其中小米粉末的模型正确预测率要高于小米籽粒。因此,应用近红外漫反射光谱技术对不同状态小米产地溯源的鉴别具有一定的可行性。     

基于漫反射傅里叶变换近红外光谱技术对不同年份的大米产地溯源检测

通过对试验田大米样品进行特征波段的筛选后,在其范围内利用傅里叶变换漫反射近红外光谱法结合化学计量学对来自2014、2015年的地理标志产品查哈阳大米和五常大米进行产地溯源检测。结果表明,来自不同地区的大米样品在波段为5 136~5 501 cm~(-1)处均有显著差异。利用因子化法建立的定性分析模型对2014年查哈阳及五常大米的正确预测率均为100%,对2015年两地区样品的正确预测率分别为100%、91.67%。利用偏最小二乘法建立的定量分析模型对2014年两地区的样品正确预测率为90.90%、95.83%,对2015年两地区的样品正确预测率为91.67%、87.50%。     

基于CWT和GRNN的可见-近红外漫反射光谱检测樱桃糖度的研究

联合使用连续小波变换(continuous wavelet transform,CWT)和广义回归神经网络(generalized regression neural networks,GRNN)建立用于测定樱桃中糖含量的CWT-GRNN 预测校正模型。利用CWT 提取樱桃样本数据中反映含糖量的关键光谱特征,在CWT 域中选择3 个具有代表性的尺度,并在每个尺度下根据樱桃样本的可见- 近红外光谱的特征将其划分为4 个特征区间,从而构造12 个特征输入到GRNN,GRNN 的光滑因子取为0.0001。CWTGRNN模型对20 个预测样本集中的樱桃含糖量的预测相对误差在2% 以内。结果表明,可见- 近红外光谱技术可以快速、准确和无损地测定樱桃中的含糖量,本研究提出的方法可以用于果蔬产业的品质管理与控制。     

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。      

基于可见-近红外漫反射光谱技术的葡萄贮藏期间可溶性固形物定量预测

利用可见-近红外漫反射光谱技术,建立不同品种葡萄贮藏期间可溶性固形物含量定量预测的通用模型。以10 ℃贮藏的玫瑰香葡萄、马奶葡萄、红提葡萄的混合光谱为定标材料,探讨不同化学计量学建模方法、不同光谱预处理方法、间隔点、平滑数以及不同特征波长区间选择对建模效果的影响及模型的品种适用性。结果显示,采用改进偏最小二乘法,16 点平滑,间隔点数16 点,结合二阶导数、去散射的处理方法,在波长范围408～1 092.8 nm内建立的模型效果最优,其交互验证误差和交互验证判定系数R2CV分别为0.308 7、0.980 2。由3 种葡萄混合组成的预测集对模型进行评价,预测标准差0.354、预测判定系数Rp2为0.980 8、验证相对分析误差为6.22、预测残差平方和为7.993。模型对单一品种预测Rp2均达到0.94以上。因此,葡萄果实可溶性固形物含量的近红外预测模型具有可行性,可同时适用于多种葡萄品种。     

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。     

软枣猕猴桃总酚的可见-近红外漫反射光谱无损检测

应用可见-近红外漫反射光谱在570～1848nm光谱区域内,建立了软枣猕猴桃总酚定量数学模型。实验将贮藏分三个阶段(采收阶段,贮藏12d,贮藏24d)进行,通过对比分析不同建模方法得到软枣猕猴桃总酚定标模型。结果表明,应用偏最小二乘回归算法、一阶导数处理和反相多元离散校正处理所建软枣猕猴桃总酚定标模型的预测性能较好。定标集样本的交互验证相关系数(RCV)为0.8939,交互验证均方根误差(RMSECV)为11.6734mg/100g;预测集样本的相关系数(RP)为0.8627,预测均方根误差(RMSEP)为16.7690mg/100g。研究表明：可见/近红外漫反射光谱对软枣猕猴桃总酚的快速无损检测具有一定的可行性, 但模型精度有待提高。     

近红外漫反射光谱法测定纸浆卡伯值

介绍了近红外漫反射技术在纸浆卡伯值定量分析测定中的应用.用近红外光谱仪对竹浆、蔗渣浆、松木浆样品的卡伯值进行了分析测定.研究结果表明,用近红外方法对纸浆卡伯值的测定是可行和有效的,样品不需预处理,分析快速、简便、环保,结果准确.     

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信阳毛尖品质判别研究

近红外光谱(Near-infrared spectroscopy,NIRS)技术作为一种快速无损检测方法,在许多领域广泛运用,尤其是在食品领域中的应用更加广泛。信阳毛尖茶是我国十大名茶之一,品质优异。本文通过采集三种不同等级信阳毛尖茶800~2500 nm处近红外光谱信息,对三个不同等级信阳毛尖茶的所有波长的响应进行单因素方差分析,选择了数据分析的波长范围;通过小波变换滤噪,对原始光谱进行预处理,采用正交偏最小二乘判别分析(OPLS-DA)和偏最小二乘法(PLS)对信阳毛尖茶品质进行判别。结果表明茶样品800 nm~1800 nm波长范围的近红外光谱数据可用于预测信阳毛尖茶品质;OPLS-DA分析表明三个不同等级信阳毛尖茶可以有效区分;所建立的PLS预测模型,理论值和预测值之间具有良好的相关性,相关系数为0.994,预测准确率为100%,交叉验证均方根误差(RMSECV)为0.090,表明模型预测准确、可靠。本研究建立的NIR光谱结合PLS分析方法可以用于快速无损检测河南信阳毛尖茶的等级品质。     

近红外漫反射光谱法快速检测谷子蛋白质和淀粉含量

建立近红外漫反射光谱法测定谷子中的蛋白质和淀粉含量,提供一种快速、简便、无损的分析方法进行谷子品种资源鉴定和筛选。以191份山西核心谷子种质为材料,采用近红外漫反射光谱法建立谷子蛋白质和淀粉含量的快速检测模型。结果表明,采用一阶导数+矢量归一化光谱预处理,分别建立谷子蛋白质和淀粉含量的校正模型,模型的校正决定系数(R~2_(cal))分别为0.977 0和0.907 3,交叉验证均方根误差分别为0.203%和0.466%,外部验证决定系数(R~_(2val))分别为0.989 6和0.977 2,预测均方根误差分别为0.225%和0.368%。对于谷子蛋白质和淀粉的预测,化学法和近红外仪器法测定间无显著差异,近红外测定结果是准确可靠的。说明采用近红外漫反射光谱分析技术能够满足对谷子蛋白质和淀粉含量的检测。     

近红外漫反射无损检测梨果可溶性固形物的研究

应用近红外漫反射无损检测梨果可溶性固形物。通过自行设计的NIR光谱系统测定了240个梨果样品的SSC。180个梨果样品用来建模,其余60个用来验证模型的性能。采集完整梨果的近红外漫反射光谱（350～1 800 nm）,光谱经移动窗口平滑处理、一阶微分和二阶微分预处理后,再分别采用多元线性回归、主成分回归和偏最小二乘法,建立梨果可溶性固形物的定量预测数学模型。结果表明：采用一阶微分结合偏最小二乘法所建模型的预测效果较好,可溶性固形物定量预测数学模型的相关系数为0.928 5,均方根误差为0.436 4。近红外漫反射光谱作为一种无损的检测方法,可用于评价梨果的可溶性固形物。