近红外光谱技术结合波段筛选用于白酒基酒总酯定量分析

采用近红外光谱（NIRS）分析技术对白酒基酒中的总酯含量进行定量分析,通过偏最小二乘法（PLS）法建立分析模型,同时后向间隔偏最小二乘法（BiPLS）对整个谱区进行光谱特征波段筛选。用决定系数（R2）、校正均方根误差（RMSEC）以及预测均方根误差（RMSEP）对模型进行评价。结果表明：特征波段筛选能够对基酒总酯模型起到显著的优化作用,模型的决定系数R2从0.484提升至0.937,RMSEC及RMSEP值分别从0.490、0.476降低至0.172和0.177,在减少模型复杂程度的同时,有效地提高了模型的稳定性与准确度,经过基酒盲样验证,说明波段优化所建立的模型有较为准确的预测结果。     

近红外光谱技术结合遗传算法用于苹果醋总酸定量分析

利用近红外光谱法对苹果醋中的总酸含量进行定量分析,通过PLS法建立苹果醋总酸定量分析模型,同时采用间隔偏最小二乘法(i PLS)、后向间隔偏最小二乘法(Bi PLS)和组合间隔偏最小二乘法(Si PLS)以及遗传偏最小二乘法(GA-PLS)对整个谱区进行光谱特征波段筛选。用决定系数(R2)、校正标准偏差(RMSEC)、预测标准偏差(RMSEP)以及最佳主因子数对模型进行评价,确定最佳建模方法。结果表明:进行特征波段筛选能够对模型起到优化作用,并提高模型运算速度,其中GA-Bi PLS及GA-Si PLS优化效果最为明显,在极大减少苹果醋总酸建模变量的同时,模型的R2分别达到0.989和0.986,RMSEP分别为0.042和0.044,有效地提高了模型的稳定性与准确度,表明了遗传算法在果醋品质分析方面的巨大潜力。     

白酒基酒中醛类物质的傅里叶变换近红外光谱检测

乙醛和乙缩醛对白酒的香气起均衡协调的作用,对白酒的风格和品质有重大影响。本实验研究白酒基酒中乙醛、乙缩醛的快速检测方法,经过分析白酒基酒样品的近红外光谱图,并对其进行不同的预处理。结果表明：白酒基酒中的乙醛、乙缩醛对傅里叶变换近红外光谱有特异吸收,最佳预处理方法与最优波段分别为：一阶导数＋矢量归一化、一阶导数＋多元散射校正预处理光谱,谱区选择7 501.7～7 102.0 cm－1和6 101.7～5 446.0 cm－1（乙醛）、6 101.7～5 449.8 cm－1（乙缩醛）。乙醛和乙缩醛校正集样品的化学值与近红外的预测值的决定系数（R2）分别为0.963 4、0.942 9;校正标准偏差分别为0.50、0.83 mg/100 mL;进一步对乙醛、乙缩醛的模型进行验证和评价,乙醛和乙缩醛模型验证集的决定系数（R2）分别为0.975 0、0.918 6,预测标准偏差分别为0.80、1.0 mg/100 mL。结果表明乙醛和乙缩醛的快速检测模型效果很好,精密度较高、稳定性良好,能满足白酒生产中乙醛和乙缩醛的快速检测要求。     

基于近红外光谱的枸杞化学成分定量分析

针对目前市场上枸杞掺假现象严重及枸杞品质分析检测繁琐等问题,本试验采用近红外光谱技术对不同产地的枸杞进行光谱分析,对枸杞的各种化学成分进行定量分析。通过偏最小二乘回归法（PLS）,其中30个样品为校正集,10个样品为预测集,利用枸杞的近红外光谐擞据建立校正模型后,对枸杞的化学值进行预测。用枸杞样品的主成分在空间的分布对全部样品进行检验,去除异常样品,同时采用残余验证方差作为确定主成分数的评价标准。结果表明：枸杞各成分建立的预测模型,其校正集相关系数Rc均在0．93以上,交叉检验相关系数Rcv均在0．83以上。同时各成分的校正均方差RMSEC值均小于交叉检验均方差RMSEP值,且这两个教值没有明显差异性,预测值与化学值具有良好的相关性。本试验中,枸杞各成分的化学值与预测值都达到了定量标准,可以进行定量分辘,     

应用近红外光谱定量分析技术多成分、快速检测饲料品质

简介近红外光谱分析技术,着重综述它在饲料领域中近10年来国内外的应用研究状况。     

不同胎次奶牛乳中乳蛋白含量的近红外光谱定量分析

对不同胎次奶牛的牛奶样品进行近红外光谱扫描,并用多功能乳制品分析仪对牛奶样品中蛋白质的含量进行测定。利用正交实验设计,分别采用主成分回归法(PCR)、偏最小二乘法(PLS)、改进偏最小二乘法(MPLS)三种定量校正方法和多种光谱预处理方法建立模型,利用目标函数法对模型进行评定,结果表明:一胎、二胎奶牛乳样中乳蛋白的最优模型相同,其校正相关系数(R2)、定标标准差(SEC)和预测标准差(SEP)分别为:0.9626、0.0531、0.0630和0.9377、0.0810、0.1100;建立了三胎及以上奶牛乳样中乳蛋白的最优模型,R2、SEC和SEP分别为:0.9406、0.0461和0.0500;同时,建立了所有乳样中乳蛋白的最优模型,R2、SEC和SEP分别为:0.9351、0.0687和0.0790。所建模型对于快速、准确、无损、定量检测原料奶中乳蛋白的含量是可行的,该方法为快速检测混合原料奶中乳蛋白含量提供了理论依据。     

不同胎次奶牛乳中乳蛋白含量的近红外光谱定量分析

对不同胎次奶牛的牛奶样品进行近红外光谱扫描,并用多功能乳制品分析仪对牛奶样品中蛋白质的含量进行测定。利用正交实验设计,分别采用主成分回归法(PCR)、偏最小二乘法(PLS)、改进偏最小二乘法(MPLS)三种定量校正方法和多种光谱预处理方法建立模型,利用目标函数法对模型进行评定,结果表明:一胎、二胎奶牛乳样中乳蛋白的最优模型相同,其校正相关系数(R2)、定标标准差(SEC)和预测标准差(SEP)分别为:0.9626、0.0531、0.0630和0.9377、0.0810、0.1100;建立了三胎及以上奶牛乳样中乳蛋白的最优模型,R2、SEC和SEP分别为:0.9406、0.0461和0.0500;同时,建立了所有乳样中乳蛋白的最优模型,R2、SEC和SEP分别为:0.9351、0.0687和0.0790。所建模型对于快速、准确、无损、定量检测原料奶中乳蛋白的含量是可行的,该方法为快速检测混合原料奶中乳蛋白含量提供了理论依据。      

近红外光谱分析技术在白酒行业中的应用

介绍近红外光谱分析技术的基本原理、分析步骤、技术优势,重点阐述近红外光谱分析技术在白酒及其原料、发酵过程中酒醅成分、白酒总酸总酯以及白酒的等级、年份的应用现状,并展望其在白酒行业中的应用前景。     

近红外光谱分析技术在白酒行业中的应用

简要介绍近红外光谱分析技术的基本原理、分析步骤、技术优势及在白酒行业中的应用现状,并对其在白酒行业的应用前景进行了讨论.     

BP 神经网络在大豆油酸价近红外光谱检测中的应用

对于大豆四级油,采用BP 神经网络对其近红外光谱数据建模,对系统的结构及参数选取进行了分析,对样本训练集的设计和网络输入端的主因子方面进行了处理。对于其他的多变量建模方法,分析了其对近红外光谱有用信息的提取作用。结果显示：多元线性回归、主成分回归和偏最小二乘法对大豆四级油酸价预测的标准偏差分别为0.1472%、0.1801% 和0.1576%,BP 神经网络的预测标准偏差为0.1387%。     

BP神经网络在白酒包装成本预测中的应用

目前市场上白酒包装成本不一,为了估算白酒的包装成本,本文基于MATLAB构建白酒包装成本预测的BP神经网络模型,依据市场调查数据,在MATLAB中确立预测模型,从而实现预测模型的训练、仿真及验证,为白酒包装成本的确定提供决策方案.     

近红外检测技术在白酒生产中的应用研究进展

白酒根据酿造工艺的不同而各具特色.传统白酒通过固态发酵、固态蒸馏的生产工艺,最终形成了独具特色的风味酒.实现白酒生产过程中相关理化指标快速测量,对于指导白酒生产、提高白酒酒质、增加基酒产酒率具有重要意义.相较于常规检测法中存在的不足,近红外光谱分析技术因其具有快速、无损、在线检测等优势在白酒生产中得到了一定应用与发展....     

基于近红外光谱定量分析花生牛奶可行性

模拟花生牛奶生产工艺制备不同含量的花生牛奶,使用近红外光谱仪扫描建立定量分析模型,探索近红外光谱应用于花生奶定量分析的可行性。结果表明,花生牛奶使用PLS建模方法可以有效地对光散射、花生与奶粉之间的干扰做出补偿,适合用于花生牛奶复杂成分体系的分析;花生定量分析模型校正均方差(root-mean-square error of calibration,RMSEC)、预测均方差(root-mean-square error of predication,RMSEP)、相关系数R分别为0.573%、3.73%、0.999 7;奶粉定量分析模型RMSEC、RMSEP、R分别为0.066、0.183 g/L、0.955 7。近红外光谱可以应用于花生牛奶的定量分析,可以为花生牛奶提供产品质量控制和快速定量检测,为植物蛋白饮料提供一种新的检测思路。模型优化改进有待进一步研究。     

小种红茶水浸出物近红外定量分析模型的建立

为实现近红外光谱技术在小种红茶中的快速无损检测,对76份有代表性的小种红茶按现行国家标准测定其水浸出物含量,采集样品的近红外光谱,采用OPUS 7.5软件,结合偏最小二乘法(partial least squares,PLS)建立小种红茶水浸出物含量的近红外定量分析模型。结果表明,所建立的水浸出物定量模型决定系数R2为95.73%,校正均方差(root mean square error of calibration,RMSEC)为0.629,验证均方差(root mean square error of prediction,RMSEP)为0.513。所建立的小种红茶水浸出物含量的近红外定量分析模型较为成功,模型预测效果较好,能够对小种红茶中水浸出物的含量进行快速地分析。     

绿茶茶多酚近红外光谱定量分析模型优化研究

采用NIR Systems6500 和InfraXact Lab 型近红外仪分别对158 份绿茶未粉碎品和粉碎样品进行光谱扫描,利用正交试验设计,分别采用主成分回归、偏最小二乘、改进偏最小二乘3 种校正方法,并对原始光谱分别进行不同的预处理,建立了绿茶茶多酚定标模型,利用目标函数法对模型进行评定,并对评定的最优模型适用性进行验证。试验结果为：利用NIR Systems6500 型近红外仪对绿茶粉碎样品扫描的光谱采用改进偏最小二乘法进行定标,在标准正常化+ 趋势变化散射处理、二阶导数处理(取点间隔为1)、平滑处理取点间隔为4 和二次平滑处理取点间隔为8 组合的光谱预处理下建立的模型最优,其目标函数值为95.74%,验证相对标准差(RSD)为4.52%,相对分析误差(RPD)为2.52%。结果表明：采用正交试验设计能够综合考察不同的校正方法和预处理方法对近红外定标模型的影响,利用近红外光谱分析法能够实现绿茶中茶多酚含量的定量检测,所建立的最优模型具有很好的预测准确性和适用性。     

基于近红外光谱的煎炸油极性组分定量分析模型构建

为了建立煎炸油中极性组分的快速检测方法,通过热处理和模拟煎炸方式,采集氧化程度不同的油样并用 国标法分析样品极性组分,采集样品近红外透射光谱,经光谱预处理,利用偏最小二乘法建立煎炸油极性组分定量 分析模型并对模型进行验证。结果表明：在波长范围为4 963～4 616、5 2 22～5 037 cm－1和5 688～5 499 cm－1,采 用一阶求导和Savitzky-Golay（7,5）平滑光谱处理,校正集相关系数为0.996 5,校正均方根差为1.84%,验证集R为 0.993 6,验证均方根差为1.92%,模型预测效果良好,利用近红外透射光谱测定煎炸油极性组分可行。     

基于近红外光谱定量分析植物水解蛋白掺假牛奶

植物水解蛋白是一种典型的蛋白质含氮掺假物质,被不法商贩作为廉价的蛋白质添加到牛奶中以提高其蛋白质含量。本研究自行配置不同浓度的植物水解蛋白掺假牛奶,应用近红外光谱分析仪漫反射模块直接扫描掺假样品,同时使用透射分析模块扫描三氯乙酸前处理的掺假样品;应用TQ软件分别建模并比较两种方法差异。结果表明:使用一阶导数Norris Derivative滤波预处理,在8000~5000 cm~(-1),主成分数10,使用PCR构建了最优植物水解蛋白漫反射定量分析模型,RMSEC、RMSEP和R分别为0.224、0.214和0.98414,平均回收率为93.2479%。使用一阶导数Norris Derivative滤波预处理,在10000~7000 cm~(-1),主成分数10,使用PCR构建了最优植物水解蛋白透射定量分析模型,RMSEC、RMSEP和R分别为0.175、0.138和0.99036,平均回收率为98.7351%。经过三氯乙酸处理的透射模型更加精确和稳定,可以用于牛奶中植物水解蛋白的检测,可以为牛奶品质控制和快速定量提供参考。