基于光谱技术的茶叶品质参数茶多酚含量快速检测方法研究

茶多酚是茶叶中的主要成分,其含量约占30%左右,决定着茶汤的味道、颜色等。利用近红外光谱法对茶多酚含量进行快速检测,在茶叶品质的快速识别中具有极高的实用价值。基于光谱技术结合化学计量学方法,对不同茶叶的不同成分进行了研究,结果表明:茶叶中的主要成分茶多酚含量与近红外波段(1 800~2 500nm)的吸光度存在近似的线性关系,在此基础上建立拟合曲线,得出了不同拟合曲线的相关系数和校正均方根误差;采用近红外光法结合偏最小二乘法在1 872nm建立了茶多酚含量预测模型,其相关系数达到0.937 8,均方根误差为0.008 015。     

NIR快速检测茶叶中茶多酚含量模型研究

茶叶中包含多种成分,其中茶多酚作为茶叶的主要代表成分之一,茶叶的品质与茶多酚含量有着密不可分的关系。所以利用近红外光谱法对茶多酚含量的检测在茶叶行业中具有更实用的价值。本文采用近红外光法结合偏最小二乘法在1800~2500nm建立了最佳的茶多酚含量分析模型,相关系数为0.9841,均方根误差为0.0668.     

基于LS-SVM的红外光谱技术在奶粉脂肪含量无损检测中的应用

脂肪是奶粉中重要的组成部分,实现对奶粉中脂肪含量的快速、无损检测十分重要,为此研究了400～6666cm-1范围的红外光谱技术对不同品种奶粉的脂肪含量的无损检测.采用最小二乘支持向量机(LS-SVM)对光谱透射率值和脂肪含量值进行建模.模型在全红外波段范围对样本脂肪含量预测得到了较好的结果,绝对系数(R2p)达到0.9796,预测误差均方根(RMSEP)为0.8367.预测结果要优于BP人工神经网络(Back Propagation Neural Networks, BP-NN).说明红外光谱技术能够实现奶粉脂肪含量的无损检测,检测过程比化学检测方法简单快速,操作性强.文章同时还研究了分别基于中红外光谱范围和近红外光谱范围的建模.模型预测结果显示分别基于中红外光谱和近红外光谱区域的模型预测效果都比全波段建模略差.本研究为今后奶粉脂肪含量快速无损检测仪器的开发奠定了理论基础.     

基于GA-BP神经网络的茶叶蔗糖量检测模型研究

采用近红外光谱技术结合反向传播人工神经网络算法建立了茶叶中蔗糖含量的检测模型,并通过引入遗传算法改进了模型预测质量.预测模型采用120个茶叶掺蔗糖样品的傅里叶变换漫反射光谱数据建立.对另外42个样品的预测结果表明,基于传统的反向传播人工神经网络算法模型的相关系数为0.738 0,预测均方根误差为3.075 4,正确识别率为83.3％;增加遗传算法后相关系数提高到0.941 9,预测均方根误差为1.3176,正确率为88.1％,训练误差减小一个量级以上.实验结果表明,反向传播人工神经网络模型可用来检测茶叶中的蔗糖含量,同时,引入遗传算法优化了神经网络的初始权值和阈值,使预测误差更小.     

水果品质近红外检测技术的研究现状与发展

简单概述了我国水果产业的发展现状,着重阐述了国内外利用近红外光谱技术进行水果品质无损检测的最新研究成果,分析了当今研究中存在的问题,提出了利用近红外光谱技术进行水果检测的发展方向。     

用于果蔬内部品质无损检测的NIRS技术新进展

文中对近红外光谱在水果和蔬菜内部品质检测研究中的最新进展进行了介绍,总结了光谱检测和光谱信号处理中新颖技术的应用及便携式检测系统的发展状况,分析了近红外光谱技术在果蔬内部品质检测中存在的问题和发展方向.     

基于LOCAL算法的秸秆水分和热值的近红外光谱快速分析

水分和热值是与秸秆能源转化利用相关的重要特性指标,采用近红外光谱技术结合LOCAL算法来予测秸杆水份和热值.首先将样品分别按水分含量和热值大小均分为高、中、低三个子集分段建模,结果高、中、低含量样品建立的模型的交互验证标准差(SECV)几乎都小于全部样品模型的SECV,表明了秸秆水分和热值变幅对近红外光谱模型的预测精度有较大的影响.针对化学值变幅对模型精度的影响,引入LOCAL算法实现近红外光谱技术预测,快速分析测定秸秆的水分和热值.研究结果表明,LOCAL算法为每个预测样品选择合理的定标集,与常规的PLS和MPLS模型相比,有效提高了近红外光谱技术预测精度,在秸秆近红外光谱定量分析中有着广阔的应用前景.     

基于近红外透射光谱的牛奶中脂肪和蛋白质含量检测

基于近红外光谱检测牛奶中蛋白质和脂肪含量是当前的一个研究热门,主要可以利用近红外反射光谱,近红外漫反射光谱和近红外透射光谱的光谱信息来分析牛奶的主成分含量。本文是利用近红外透射光谱原始数据,通过数学方法转换,从吸光值、吸光比和吸收度三种形式,采用偏最小二乘法(PLS)回归,分别建立了其与牛奶主成分浓度之间的校正模型。对比三种形式所建立的数学模型的优劣,探讨了如何提高PLS校正模型预测精度的相关问题。     

近红外光谱技术在水果品质无损检测中应用的研究与现状

简单概述了我国水果产业的发展现状,着重阐述了国内外利用近红外光谱技术进行水果品质无损检测的最新研究进展,分析了当今研究中存在的问题,并对利用近红外光谱技术进行水果检测的前景进行了展望,提出了一些建议。     

光谱和成像融合技术检测猪肉中挥发性盐基氮

挥发性盐基氮(TVB-N)含量是评价猪肉新鲜度的重要指标。尝试融合光谱和成像技术检测猪肉中TVB-N含量。实验以不同新鲜度的猪肉样本为研究对象,同时采集近红外光谱数据和图像数据,并对其分别进行特征提取和主成分分析,利用反向传播神经网络构建猪肉TVB-N的定量预测模型。实验结果表明,融合模型要优于单一技术模型,模型交互验证均方根误差(RMSECV)为1.2975,对独立样本预测时相关系数达到0.957。研究表明基于光谱和成像融合技术检测猪肉中TVB-N含量是可行的,检测结果的准确性和稳定性较单一技术有所提高。