基于Android平台微型近红外光谱仪的开发与应用

在Android平台上对C11708MA微型近红外光谱仪进行系统开发,实现光谱仪控制、样品指标测量、调用模型文件并显示样品可溶性固形物的预测结果等功能。利用近红外漫反射无损检测技术对镇江句容果园水蜜桃样品的可溶性固形物含量进行相关研究,运用化学计量学方法建立了水蜜桃可溶性固形物含量的近红外模型,并对模型的性能进行了评价。结果表明,采用偏最小二乘法(PLS)建立模型,光谱预处理的最佳条件为:移动窗口平滑(MAF)和Savitzky-Golay一阶导数。所建模型的校正相关系数(R_c)和预测相关系数(R_p)分别为0.931 1和0.880 2,校正标准偏差(RMSEC)和预测标准偏差(RMSEP)分别为0.441 0和0.531 0。开发的App程序运行稳定,预测结果准确,可应用于水蜜桃内部品质可溶性固形物含量的快速、无损、活体检测。     

基于数字光处理技术的梨可溶性固形物含量的无损速测研究

目的为降低近红外光谱仪器制造成本,将近红外技术推广到农业生产一线,检验自主集成水果品质无损快速分析仪实验样机性能。方法以北京大兴产黄金梨、园黄梨为例,利用基于数字光处理技术内核的实验样机采集数据,采用偏最小二乘回归结合全交互验证算法分别建立黄金梨、园黄梨以及两种梨的可溶性固形物含量定量校正模型,并采用外部验证集对模型预测性能做进一步验证。结果黄金梨、园黄梨以及两种梨的可溶性固形物含量模型的测定系数R~2分别为0.6136、0.6576、0.5105,RMSEC分别为0.71、0.79、0.87:交互验证测定系数R~2_(CV)分别为0.5332、0.5076、0.4193,RMSECV分别为0.78、0.96、0.95;外部验证集相关系数r分别为0.7239、0.6825、0.6550,RMSEP分别为0.83、1.03、0.94。结论基于数字光处理技术内核自主集成的水果品质无损快速分析仪器在梨可溶性固形物含量的无损速测以及降低仪器制造成本方面具有一定的应用潜力。     

应用近红外光谱对老陈醋进行定性定量的检测研究

利用近红外光谱结合DA和PLS算法在不同光谱预处理方法下,对山西老陈醋醋龄进行定性判别分析,并建立陈醋可溶性固形物(SSC)及pH值的定量模型.结果表明:原始光谱、5点平滑以及SNV校正建立的DA模型性能良好,校正集判别正确率为100％,预测集判别正确率为88.89％;原始光谱建立的可溶性固形物的PLS定量模型最优,校正集和预测集的相关系数r分别为0.99988和0.99960,RMSEC,RMSEP和RMSECV分别为0.0421,0.0911和0.0777;5点平滑建立的pH值的PLS定量模型最优,校正集和预测集的相关系数r分别为0.99733和0.97411,RMSEC,RMSEP和RMSECV分别为0.0151,0.0386和0.0468.     

蓝莓可溶性固形物、总酸近红外无损检测模型的建立

建立了近红外漫反射光谱技术检测蓝莓可溶性固形物、总酸的数学模型,并对其进行评价。实验比较了在近红外全波长范围400~2 500 nm内,不同的光谱预处理方法对模型的影响。结果表明利用偏最小二乘法(PLS)、一阶导数(D1Log(1/R))和加权多元离散校正处理(WMSC)建立的可溶性固形物含量(SSC)定标模型预测结果相对较好。其预测相关系数Rp2为0.8518,预测标准误差(SEP)为0.351,相对分析误差(RPD)为2.05。总酸的最佳模型处理条件为改进偏最小二乘法(MPLS)、二阶导数(D2Log(1/R))和WMSC,其Rp2为0.8776,SEP为0.042,RPD为2.10。由此确定近红外漫反射技术可用于蓝莓可溶性固形物、总酸含量的快速无损检测。     

樱桃多品质数据分析与无损快速检测模型的建立

目的 研究樱桃多品质数据分布情况, 建立樱桃多品质无损快速检测方法。方法 对樱桃样品分别测试可溶性固形物含量、可滴定酸含量、果实硬度。采用统计分析方法对数据进行统计学描述, 分别绘制含量分布直方图并计算直方图分布频次百分比。以樱桃样品近红外光谱数据为自变量、品质数据参考值为因变量建立樱桃品质无损快速定量检测模型。结果 统计分析结果表明, 可溶性固形物含量11~17 Brix区间范围内的样品数占样品总数的约86.0%, 可滴定酸含量0.1%~0.8%区间范围内的样品数占样品总数的约90.4%, 果实硬度1.60~3.00 kg/cm2区间范围内的样品数占样品总数的约86.0%。多元回归建模结果表明, 剔除异常值有助于提高模型预测性能, 剔除异常值后可溶性固形物含量、可滴定酸含量、果实硬度模型的相对预测性能值分别提高了15.3%、32.9%、12.3%。结论 采用统计分析结合直方图分析可较直观地描述樱桃品质分布情况; 剔除异常值对提高樱桃可滴定酸含量近红外无损检测模型预测能力的作用最大。     

近红外光谱技术无损检测大米中蛋白质

为建立一种无损的大米蛋白质近红外检测方法,以138份大米作为样本,分别对蛋白质和蛋白质(干基)进行近红外建模。经优化得到相应的最佳模型,两模型的内部校正决定系数R_内~2分别为0.950 6和0.965 2,内部相对分析误差RPD_内分别为4.50和5.36,内部交叉验证标准差RMSECV分别为0.197和0.231,外部校正决定系数R_外~2分别为0.956 5和0.974 1,外部相对分析误差RPD_外分别为4.79和6.21,外部交叉验证标准差RMSEP分别为0.147和0.215。对比两模型,蛋白质(干基)的近红外模型具有更好的线性和预测能力,但RMSECV较蛋白质大,精密度不如蛋白质近红外模型。     

近红外法测定豆浆蛋白质、脂肪和可溶性固形物含量

利用傅里叶变换近红外光谱仪采用积分球漫反射方式对60个豆浆样品进行光谱的采集,结合常规分析结果分别建立了3种成分的近红外校正模型。结果表明:豆浆蛋白质、脂肪及可溶性固形物光谱分别经过消除常数偏移量、一阶导数和矢量归一化(SNV)预处理后建模效果最好。蛋白质、脂肪和可溶性固形物含量的校正模型决定系数(R2)分别为:0.966 4、0.950 0和0.950 7,交叉验证均方根差(RMSECV)依次为0.076 9、0.087 4和0.316;对模型进行外部验证,验证集化学值和模型预测值之间差异不显著,说明模型可以用于豆浆中蛋白质、脂肪和可溶性固形物含量的检测。     

基于近红外光谱技术检测蓝莓可溶性固形物含量

采用近红外漫反射光谱技术对辽宁丹东蓝莓基地的六个蓝莓品种(埃利奥特、达柔、爱国者、北蓝、杜克、蓝丰)进行光谱分析,快速无损测定蓝莓可溶性固形物含量,利用一阶导数进行光谱预处理,主成分分析(PCA)和偏最小二乘法(PLS)建立蓝莓可溶性固形物预测模型。结果表明,所建模型的相关系数(Corr.Coeff.)为0.91518、校正集标准偏差(RMSEC)为0.801、预测集标准偏差(RMSEP)为1.06。该方法快速、准确、无损,能准确地预测蓝莓中可溶性固形物含量。     

基于近红外光谱结合波长优选检测单颗葡萄的SSC含量

采用无损检测测定单颗葡萄中可溶性固形物(SSC)含量,获得个体和群体信息,以期指导田间管理、葡萄储存条件设置及满足消费者对葡萄口味的不同需求。采用手持式NIR光谱仪在950~1 650nm波长范围采集葡萄的近红外光谱,采用偏最小二乘(PLS)回归建立葡萄SSC预测模型。为了减少冗余无信息变量,增加模型的预测精度和稳定性,采用无信息变量消除法(UVE)、随机蛙算法(RF)筛选出与葡萄SSC含量相关的重要波长变量。结果表明:RF筛选建立的SSC预测模型优于全光谱PLS和UVE筛选建立的模型。RF-PLS模型的校正集、交叉验证及预测集的R2c、R2cv和R~2p分别为0.960 5,0.933 4,0.930 4,校正均方根误差(RMSEC),交叉验证均方根误差(RMSECV)和预测均方根误差(RMSEP)分别为0.638 2,0.829 9,0.868 8。表明通过波长优选后的,基于便携式近红外光谱在预测单颗葡萄SSC含量的应用上完全可行,有较高的预测精度。     

磨盘柿可溶性固形物的可见/近红外漫反射光谱无损检测

研究可见/近红外漫反射光谱技术快速检测磨盘柿可溶性固形物的方法。在可见/近红外光谱区域(570～1848nm),对比分析不同数学建模算法、不同导数处理方法和不同散射及标准化处理的果实可溶性固形物定标模型。结果表明：应用改进偏最小二乘回归算法、一阶导处理和去散射处理所建果实可溶性固形物定标模型的预测性能较优,其定标交互验证相关系数(Rcv)和预测相关系数(Rp2)分别为0.8076和0.8085,定标交互验证均方根误差(RMSECV)和预测均方根误差(RMSEP)分别为0.4546°Brix和0.4482°Brix。这表明,可见/近红外漫反射技术对磨盘柿可溶性固形物的快速无损检测具有可行性。     

近红外光谱变量选择及其在苹果可溶性固形物含量无损速测中的应用

目的采用近红外光谱技术,筛选有效变量对苹果可溶性固形物含量进行无损快速检测。方法以改进无变量信息消除算法为变量筛选方法,采用多元线性回归算法建立校正模型,采用外部盲样对模型进行预测准确度评价。结果基于改进无信息变量消除算法,筛选1391、1435、1521、1589nm4个关键波长作为变量,其所建校正模型的测定系数为0.6823,校正误差均方根为1.06,交互验证测定系数为0.6780,交互验证误差均方根为1.06。外部验证测定系数为0.6585,预测误差均方根为1.07。经F检验,预测模型的预测值与测定值之间具有显著相关性。结论该方法基本能够满足苹果可溶性固形物含量无损快速检测的需求,并可为水果可溶性固形物含量无损快速检测仪器的研制提供一定的技术参考。     

贮藏期内富士和粉红女士苹果品质的FT-NIR无损检测

为探索傅里叶近红外光谱快速无损检测贮藏期苹果品质的方法,在苹果贮藏过程中,每隔30d采集富士和粉红女士(各40个)2个苹果品种共计400个样本的近红外图谱(12000～4000cm-1),用OPUS-QUANT软件预处理光谱,用偏最小二乘法建立通用于2个品种的可滴定酸(TA)、pH值和可溶性固形物(SSC)的数学模型。结果表明：富士和粉红女士的光谱经矢量归一化预处理后,在波段7502～4247cm-1内所建立的可滴定酸模型稳定性较好,该模型校正时的相关系数(R2)和评估均方误分别为0.9231和0.0263%,预测时的相关系数R2和内部交叉验证均方根差分别为0.9071和0.0266%;在波段11995～4247cm-1内,光谱经一阶导数预处理后所建立的pH值预测模型稳定性较好,该模型校正时的R2和评估均方误分别为0.9263和0.0700,预测时的R2和内部交叉验证均方根差分别为0.9113和0.0772;近红外光谱经最大-最小归一化预处理后,在波段6102～5446cm-1所建立的SSC模型效果较好,该模型校正时的R2和评估均方误分别为0.9212和0.3570%,预测时的R2和内部交叉验证均方根差分别为0.9130和0.370%。在富士和粉红女士贮藏期品质检测过程中,建立的通用于这2个品种的TA、pH值和SSC检测的数学模型,稳定性较好,能满足品质快速无损检测的要求。     

Application of NIRS for predicting fatty acids in intramuscular fat of rabbit

The aim of this study was to evaluate the use of near infrared reflectance spectroscopy (NIRS) for predicting fatty acid content in intramuscular fat to be applied in rabbit selection programs. One hundred and forty three freeze-dried Longissimus muscles (LM) were scanned by NIRS (1100-2498nm). Modified Partial Least Squares models were obtained. Equations were selected according to standard error of cross validation (SECV) and coefficient of determination of cross validation (R(2)(CV)). Residual predictive deviation of cross validation (RPD(CV)) was also studied. Accurate predictions were reported for IMF (R(2)(CV)=0.98; RPD(CV)=7.57), saturated (R(2)(CV)=0.96; RPD(CV)=5.08) and monounsaturated FA content (R(2)(CV)=0.98; RPD(CV)=6.68). Lower accuracy was obtained for polyunsaturated FA content (R(2)(CV)=0.83; RPD(CV)=2.40). Several individual FA were accurately predicted such as C14:0, C15:0, C16:0, C16:1, C17:0, C18:0, C18:1 n-9, C18:2 n-6 and C18:3 n-3 (R(2)(CV)=0.91-0.97; RPD(CV)>3). Long chain polyunsaturated FA and C18:1 n-7 presented less accurate prediction equations (R(2)(CV)=0.12-0.82; RPD(CV)<3).     

基于近红外光谱技术结合改进的CS-BPNN樱桃番茄SSC和Vc含量检测

为实现精确预测樱桃番茄中SSC和Vc含量,该研究提出一种改进杜鹃鸟搜索算法优化的BP神经网络(Back Propagation Neural Network Optimized by Improved Cuckoo Search Algorithm,ICS-BPNN)模型。采集样品在1 350～1 800 nm的近红外光谱数据,首先采用不同方法进行预处理;然后利用稳定性竞争性自适应重加权算法(Stability Competitive Adaptive Reweighting Algorithm,SCARS)、遗传算法(Genetic Algorithm,GA)和自动有序预测因子选择算法(Automatic Ordinal Predictor Selection Algorithm,Auto OPS)3种方法进行特征波长提取;最后结合机器学习方法建立了BP神经网络(Back Propagation Neural Network,BPNN)和基于杜鹃鸟搜索的BP神经网络模型(Back Propagation Neural Network Optimized by Cuckoo Searc...     

基于近红外光谱技术快速检测稻谷水分含量

目的:建立一种无损、快速高效的稻谷水分含量检测方法。方法:研究收集了不同年份的稻谷样品161份,运用近红外光谱结合化学计量学方法,通过剔除异常光谱和光谱预处理,采用偏最小二乘法建立稻谷水分含量预测模型。结果:采用主成分分析结合马氏距离的方法剔除异常光谱样品15个,最佳的光谱预处理方式为消除常数偏移量。训练集建立的预测模型(R_CAL²)为0.9943,模型标准偏差(RMSEC)为0.21%,模型交叉验证决定系数(R_CV²)为0.9936,模型交叉验证标准偏差(RMSECV)为0.32%,表明预测模型交叉验证预测样品水分含量准确度高。用验证集样品检验预测模型,模型验证集验证决定系数R 2 VA L为0.9801,模型验证集验证标准偏差(RMSEP)值为0.36%,相对分析误差(RPD)值为7.14,表明预测模型对未知样品的预测准确度高。验证集样品实测值与预测值均值方程T检验结果P值(双侧)为0.879,验证集样品实测值与预测值之间差异不显著,表明预测模型的预测结果可信度高,验证集样品预测值与实测值的误差在±1%,且90%以上的验证集样品其预测值与实测值的误差都在±0.5%以内。结论:建立的稻谷水分预测模型可以实现收储稻谷的无损、快速、准确检测。     

速溶普洱茶中水分、咖啡碱和茶多酚含量近红外光谱快速测定方法的建立

以随机抽取的42个市售速溶茶产品为研究对象,采用近红外光谱分析技术并结合偏最小二乘法(PLS)对其水分、咖啡碱和茶多酚含量进行定标建模分析。建模结果以校正集相关系数(R_c)、校正集均方根误差(RMSEC)、交互验证相关系数(R_cv)和交互验证均方根误差(RMSECV)为指标评价模型的优劣。结果表明,水分较为理想的定标模型R_c=0.9266,RMSEC=0.6439,R_cv=0.8809,RMSECV=0.8509;咖啡碱的最优定标模型R_c=0.9964,RMSEC=0.1337,R_cv=0.9543,RMSECV=0.4958;茶多酚较为理想的定标模型R_c=0.9845,RMSEC=1.2097,R_cv=0.9679,RMSECV=1.8083。经验证集样品检验,水分、咖啡碱、茶多酚的预测相关系数分别是0.9050、0.9350、0.9557,与实际测定值吻合度较高,可为速溶普洱茶制品理化成分的快速检测提供参考。     

利用近红外光谱技术快速测定木材水分和气干密度的研究

利用近红外光谱技术对木材水分和气干密度进行了快速测定。结果表明：两个水分模型的决定系数都接近1,RMSECV值小于0.2%,RPD值大于10,模型质量极好,对样品的预测偏差小于0.2%;气干密度模型的决定系数为0.976、RM-SECV值为0.0152g/cm^3、RPD值为6.47,模型质量好,对样品的预测偏差范围为-0.019～0.02g/cm^3。说明可以利用近红外光谱技术对我国造纸木材的水分和气干密度进行快速、准确的预测。     

Development of a portable spectrofluorimeter for measuring the microbial spoilage of minced beef

The evaluation of meat spoilage is based on sensory and microbiological analyses. The disadvantages of sensory analyses are its reliance on highly trained panelists, a procedure which makes it costly and unattractive for routine analyses. Moreover, the classical microbiological analyses are lengthy, costly and destructive. In this study a portable fluorescence spectrometer was tested to quantify minced beef spoilage. This study was investigated on samples stored aerobically and under vacuum at 5 and 15 °C. Total viable counts (TVC), Pseudomonas, lactic acid bacteria, and yeast/molds counts were investigated with classical culture methods. Fluorescence spectra were recorded on the same samples using different excitation LEDs (280, 320, and 380 nm). PLS-R with leave-one-out cross validation was used to perform calibration and validation models. The PLS-R models presented good R2(CV) (0.50-0.99) and ratio of standard deviation (RPD(CV): 1.40-8.95) values after cross-validation. It could be concluded that portable spectrofluorimeters are promising devices to evaluate spoilage in minced beef.