红外光谱预处理对粘纤/氨纶交织织物定量分析模型的影响

在红外光谱仪上采集粘纤/氨纶交织织物红外光谱数据,利用偏最小二乘法(PLS)进行定量建模。建模时分别使用24种不同的预处理及其组合方法对光谱数据进行处理,比较和分析不同预处理后建模的RMSEP值。结果表明:除S-G平滑预处理外,其他预处理方法均对模型的预测能力有一定程度的提高。MSC&Norris导数平滑&一阶导数的预处理组合方法为该次粘纤/氨纶交织织物红外光谱定量分析模型的最优预处理方法。     

棉莫代尔氨纶产品定量分析方法比较

棉莫代尔氨纶产品定量分析方法常用有化学溶解法、纤维投影法和手工分离法等。用模拟棉莫代尔氨纶产品试验,其定量分析采用化学溶解法和纤维投影法结合,先用60%硫酸溶解莫代尔纤维,同时利用纤维投影计数法对棉和氨纶进行定量分析。研究表明,60%硫酸对棉、氨纶损伤较小,纤维投影法测量棉/氨纶时,测试纤维根数越多,测试结果越接近真值。棉莫代尔氨纶产品采用化学溶解和纤维投影相结合方法,实验操作方法简单方便,建议优先选用。     

氨纶与其它纤维混纺产品定量分析方法新探

氨纶是一种特种纤维,具有高超弹性、耐酸碱性,它与其它纤维混纺的产品,应用越来越广泛,如袜类、带类、手套、内衣、运动衣、游泳衣、女装等。氨纶与其它纤维混纺产品的定量分析方法,标准FZ/T 73011-1998附录A中已有详细的规定。在该标准中,氨纶与麻、棉、粘胶纤维、高湿模量纤维、富强纤维、铜氨纤维的混纺产品的定量分析采用的是二甲基甲酰胺法;氨纶与腈纶混纺产品的定量分析采用的是硫氰酸钾法。而在二甲基甲     

氨纶产品定量分析偏差的理论研究

氨纶是市场中较为活跃的一类化学纤维,在对含氨纶产品的检测过程中,通过不同检测方法或不同检测机构测定的氨纶含量差别较大,由此引起的市场纠纷时有发生。本文针对常用于检测氨纶产品纤维含量的拆分法和化学法,采用一组模拟试验,进行了详细的定量和定性分析。得出,检测试验应根据具体条件进行相应的预处理,从而尽量减少检测误差。     

等离子体处理对聚苯胺/氨纶复合导电长丝电学性能的影响

采用不同处理参数对氨纶进行等离子体预处理,测试最终氨纶导电长丝的电导率,研究不同预处理参数对氨纶导电长丝电导率的影响以及该导电长丝在不同环境条件下的电学稳定性。     

棉/粘纤/氨纶混纺产品定量化学分析方法新探

为了弥补手拆法-二甲基甲酰胺法和二甲基甲酰胺-甲酸/氯化锌法在棉/粘纤/氨纶混纺产品定量分析上的不足,采用甲酸/氯化锌-二甲基甲酰胺法对此类混纺产品进行研究.实验结果表明,此方法对棉/粘纤/氨纶浅色系混纺样品进行定量分析便捷可行,且精密度高.     

纤维素纤维/氨纶针织产品定量分析研究

为了准确、快速地定量分析纤维素纤维/氨纶针织产品,采用对比试验的方法分析了20%盐酸法定量分析纤维素纤维/氨纶针织产品的可行性。试验结果表明:20%盐酸法中氨纶质量修正值d=1.00;20%盐酸法试验标准偏差小于手工分解法和N,N-二甲基甲酰胺法;其试验结果较手工分解法和N,N-二甲基甲酰胺法更准确。     

次氯酸钠法在氨纶与纤维素纤维混纺织物定量中的应用

针对氨纶与再生纤维素纤维混纺产品中,定量分析手工拆解法工作效率比较低,特别是对于针织织物中网状氨纶手工拆解非常困难;以及化学溶解对人体有相当大的影响,而且不环保。使用了0.9 mol/L~1.1mol/L的次氯酸钠溶液在70℃的振荡水浴锅中化学腐蚀纤维素纤维,清洗、烘干后剩下氨纶。其定量分析方法数据准确、工作效率高、更加环保,可以替代手工拆解法。     

用次氯酸钠溶液作为溶剂进行毛氨混纺产品纤维含量测试的探讨

根据现有测试标准，羊毛，氨纶产品纤维含量通过手拆法或二甲基甲酰胺溶解法进行，但前者费时。后者有毒。根据羊毛、氨纶耐碱性的差异，探讨了用次氯酸钠溶液作为溶剂进行定量分析的方法和有效性。     

锦纶/氨纶混纺产品四种定量化学分析方法比较研究

国内标准对锦纶/氨纶混纺产品化学溶解法定量分析可以采用二甲基乙酰胺法、80％甲酸法、20％盐酸法、40％硫酸法等4种方法,本文对4种不同方法进行了比较研究,给出了最优方法选择.     

面粉湿面筋近红外定量分析中的光谱预处理方法研究

采用10种不同的预处理方法对面粉湿面筋含量的近红外光谱数据进行预处理,并比较了10种预处理方法对偏最小二乘法（PLS）建立定量模型效果的影响。结果表明,采用近红外光谱（NIRS）分析技术对面粉中的湿面筋含量进行定量分析时,一阶导数+减去一条直线的预处理方法对面粉湿面筋含量的预测效果最好,内部交叉验证相关系数R为0.901 8,内部交叉验证标准差（RMSECV）为0.708;预测相关系数R为0.920 9,预测标准差（RMSEP）为0.083,提高了预测模型的精度和准确性。     

近红外透射光谱分析油茶籽油掺入豆油的研究

采用傅里叶近红外透射光谱技术,应用于不同比例(0%～50%)的豆油和油茶籽油的二元体系样品,通过各种光谱预处理方法和回归方法的优化,建立了检测油茶籽油中掺杂豆油含量的近红外光谱的定量模型。以"二阶导数+Norris derivative filter"的最佳预处理方法和PLS的回归方法所建模型最佳,其校正相关系数(Rc)和校正标准误差(RMSEC)分别为0.999 99、0.057 70;交叉检验相关系数(Rcv)和交叉检验校准误差(RMSECV)分别为0.999 99、0.071 9;最优波段为5 037.16～4 728.60 cm-1、7 852.72～7 089.04 cm-1、8 577.82～8 323.26 cm-1;最佳主因子数为6。另外,经外部验证15份随机样品的化学值和NITS预测值的相关系数(R2)为0.998。表明近红外透射光谱法能够快速、准确地定量分析掺假油茶籽油中豆油的含量(范围为0%～50%)。     

基于近红外光谱技术的老陈醋可溶性固形物定量分析

可溶性固形物含量(SSC)是食品行业的重要技术参数之一。利用近红外光谱技术对不同醋龄的老陈醋SSC进行分析。在不同光谱预处理下,分别采用主成分回归(PCR)和偏最小二乘法(PLS)建立SSC的定量分析模型。结果表明,采用5点平滑预处理后,利用PLS建立的老陈醋SSC的定量分析模型最优,其校正集的相关系数R为0.999 9,校正标准偏差(RMSEC)为0.038 3,预测标准偏差(RMSEP)和交叉验证标准偏差(RMSECV)分别为0.082 1,0.096 4。表明采用近红外光谱技术对不同醋龄的老陈醋SSC进行定量分析建模是可行的。     

近红外光谱法检测婴幼儿营养米粉蛋白质含量

以160个婴幼儿营养米粉为样品,应用近红外光谱技术和偏最小二乘法建立了婴幼儿营养米粉中蛋白质含量的近红外模型。比较了2、3、4、5、6、7、8 mm不同装样厚度(即光程)下样品近红外光谱的稳定性,通过样品光谱在不同波数下的标准差选定了5 mm为最佳的装样厚度;比较了变量标准化、导数、多元散射校正和9点平滑预处理方法对模型建立的影响,根据模型的相关系数和均方根误差确定了最佳的预处理方法,为变量标准化、一阶导数和9点平滑,预处理后的光谱数据结合国标方法测定的蛋白质含量建立了婴幼儿营养米粉中蛋白质含量的近红外定量分析模型,定标集和验证集相关系数分别为0.9856、0.9841,均方根误差分别为0.2431%、0.2456%,对已建立的近红外光谱定量分析模型进行了外部样品验证,预测准确度达到96%,验证结果证明了近红外检测技术与国标方法一致性较好,速度快且不需要样品前处理,在婴幼儿营养米粉蛋白质含量分析中具有广泛的应用价值。     

卷烟烟气中稠环芳烃的分析研究

本项研究建立了一种测定卷烟烟气中稠环芳烃的分析方法--气质联用法。优化了方法的前处理过程、仪器分析条件,对分析方法的重复性、回收率、检测限进行了研究。确定了环己烷萃取卷烟烟气总粒相物中的稠环芳烃,萃取液经硅胶固相萃取柱净化,用气相色谱-质谱联用仪定量检测苯并[a]芘、苯并[a]蒽和Chrysene 3种稠环芳烃含量的分析方法。该检测方法设计合理,稳定性和重复性好、准确性和精确性高,具有较好的可操作性和推广性。本项目应用该方法对国内外较有代表性的81种卷烟样品中苯并[a]芘、苯并[a]蒽和Chrysene进行了系统的分析测定,研究了国内外混合型与烤烟型卷烟中苯并[a]芘等稠环芳烃含量分布的规律,讨论了卷烟烟气中苯并[a]芘、苯并[a]蒽和Chrysene之间的含量关系及其与总粒相物、焦油的关系。      

Impact of different pretreatment methods on drying characteristics and microstructure of goji berry under electrohydrodynamic (EHD) drying process

The aim is to find better pretreatment method to improve the drying speed of goji berry under electrohydrodynamic (EHD) drying process. The drying characteristics and microstructure of goji berry using different pretreatment methods under EHD drying process were investigated. The results showed that the drying rate after pretreatment was significantly higher than those of non-pretreated goji berry, and the different pretreatment methods had different effects on the drying characteristics of goji berry in an EHD drying system. The effects of different pretreatment methods on effective moisture diffusion coefficient were listed in descending order as follows: KOH > NaOH > Na₂CO₃ > ultrasonic > sucrose ester. The pretreatment has a great influence on the rehydration rate, specific energy consumption and microstructure of goji berry dried by EHD. Two index sequence analysis of infrared spectroscopy during goji berries drying process were established. The difference among five pretreatment methods was analyzed.     

HPLC测定亚麻籽油苦味肽的纯化富集前处理研究

比较了高效液相色谱(HPLC)定量测定亚麻籽油苦味肽(CLE)的溶剂萃取法和固相萃取法(SPE)纯化富集前处理效果,并对不同规格SPE硅胶小柱填料的前处理效果作了对比。结果表明,通过溶剂萃取法和固相萃取法前处理的亚麻籽油样品,进行HPLC定量测定时,CLE均可以在液相色谱中得到良好的分离,前处理方法并不影响CLE的出峰时间及峰形。但与溶剂萃取法相比,SPE所提取的环肽样品中甘油三酯及其他杂质显著减少,这有利于保护液相色谱柱、提高柱效。随着SPE硅胶小柱填料量的增加,CLE测定值减小,使用填料规格为0. 5 g的SPE硅胶小柱可以得到较好的分离及富集效果。SPE硅胶小柱预处理所得物经超高效液相色谱-质谱联用分析证实为CLE。SPE可有效提取富集亚麻籽油所含的CLE,适用于HPLC定量检测CLE的前处理,该方法样品加标回收率为92. 62%,组内精密度相对标准偏差为0. 62%,组间精密度相对标准偏差为1. 79%。     

酒类香气物质研究进展

分析了酒类香气物质的研究状况,介绍了目前国内外酒类香气成分的分析方法,包括样品的前处理、定性分析、定量的方法以及研究进展,以期为酒类香气物质研究者提供参考。前处理的方法主要有直接进样、液液萃取、蒸气蒸馏、静态顶空、动态顶空、固相萃取、固相微萃取和搅拌棒萃取法等;定性分析采用气相色谱(GC)、质谱(MS)及多种仪器联用;定量分析法包括了归一法、内标法和外标法等。     

Irradiation dose detection of irradiated milk powder using visible and near-infrared spectroscopy and chemometrics

The objective of this study was to examine the possibility of applying visible and near-infrared spectroscopy to the quantitative detection of irradiation dose of irradiated milk powder. A total of 150 samples were used: 100 for the calibration set and 50 for the validation set. The samples were irradiated at 5 different dose levels in the dose range 0 to 6.0 kGy. Six different pretreatment methods were compared. The prediction results of full spectra given by linear and nonlinear calibration methods suggested that Savitzky-Golay smoothing and first derivative were suitable pretreatment methods in this study. Regression coefficient analysis was applied to select effective wavelengths (EW). Less than 10 EW were selected and they were useful for portable detection instrument or sensor development. Partial least squares, extreme learning machine, and least squares support vector machine were used. The best prediction performance was achieved by the EW-extreme learning machine model with first-derivative spectra, and correlation coefficients = 0.97 and root mean square error of prediction = 0.844. This study provided a new approach for the fast detection of irradiation dose of milk powder. The results could be helpful for quality detection and safety monitoring of milk powder.