近红外光谱分析在食品检测中的最新进展

近红外光谱分析技术是一种需较少预处理的快速无损伤技术，这项技术已广泛应用于食品化学组成和物化性质分析中。简述了近红外光谱技术在食品组成成分、食品品质、食品生产和食品安全等四个方面应用的最新进展。     

近红外光谱技术在食品分析中的应用

本文介绍现代近红外光谱技术在食品工业中的定量分析和质量检测方面的一些应用。作为一种简单、快速、高效、无损、绿色化的检测手段，近红外光谱技术在原料的真伪、有效成分、有毒成分的检测及工业在线监控中有着独有的优势，因而在食品工业领域得到越来越多的应用。     

现代近红外光谱技术在食品检测中的应用分析

食品安全问题一直是国家和社会关注的焦点,保证食品安全就是保障人们的生命安全。因此,相关部门必须把好食品质量安全关。食品检测是一项专业的工作,要想提高食品检测的有效性,就需要用到先进的科学技术。现代近红外光谱分析技术是当下比较常用的一种食品检测技术。该技术环保、检测效率高,将其应用到食品检测中,可以进一步提升食品的安全性。本文就现代近红外光谱分析在食品检测中的应用进行了相关探讨。     

近红外光谱分析技术在食品品质鉴别检测中的应用

介绍了近红外光谱分析技术在食品鉴别检测中的应用,重点列举了其在食品种类及产地鉴别、食品掺假鉴别、食品质量评估与分级等方面的应用,并对其在食品品质分析中的应用前景作以展望。     

近红外光谱分析技术及仪器发展概况

近红外技术是现在国际上公认的最有应用价值的分析技术之一,它的应用能给企业带来巨大利益,也将在各种大型流程化工业中扮演越来越重要的角色。评述了近红外光谱分析技术的发展史和近红外光谱仪的诞生到现在的发展状况。展望了近红外分析技术研发方向和仪器的发展前景。     

近红外光谱分析技术在食品分析检测中的应用探究

食品安全问题是近年来广受社会关注的问题之一,其关乎人们的身体健康与生命安全,同时也在一定程度上会对经济发展以及社会稳定造成影响.想要保证食品质量安全,就要做好食品检测.近红外光谱分析技术是近年来我国研发的一项新技术,在食品检测应用方面具有显著效果.基于此,本文主要探究近红外光谱分析技术的实际应用效果.     

食品感官分析技术在产品开发中的应用

食品感官分析技术是一门新兴学科和技术，在新产品的开发及改进中具有重要的意义。综述了食品感官分析技术的分类、方法及在产品开发中的应用。     

近红外光谱技术在食品中的应用进展

近红外光谱技术以其快速、高效等优点近几年逐渐被应用于食品领域。文章介绍近几年近红外光谱分析技术在食品检测、品质分析中的研究进展,重点列举其在肉制品、乳制品、果品蔬菜、粮食作物等方面的应用,并对其在食品分析中的应用前景作以展望。     

近红外光谱分析技术在食品检测中的应用研究进展

近30年来,近红外光谱技术(near-infrared spectroscopy,NIRS)作为一项高效、简便、无损的分析技术得到了长足的发展,并在食品质量监测领域得到了越来越广泛的应用。结合新型化学计量学方法,NIRS可以有效实现对食品进行组分含量测定、产品分类、掺伪检测等。文中综述了近年来利用NIRS分析技术结合化学计量学方法在食品检测中的一些研究进展情况。     

近红外光谱技术在食品和农产品领域中的应用

利用近红外光谱,结合基团特征波产生的位置及吸收强度等要素,通过定量、定性的方式,即可完成对某类成分主要化学结构的描述。本文从食品与农产品领域的检测工作出发,简要分析近红外光谱技术的具体应用。     

番茄总糖含量的近红外光谱无损检测方法研究

根据偏最小二乘法建立番茄总糖含量的定量分析模型,比较原始光谱和平均光谱以及10 种光谱预处理方法对近红外光谱无损检测番茄总糖含量的影响。结果表明：平均光谱所建立的偏最小二乘法校正模型明显优于原始光谱所建模型,常数偏移消除最适合番茄总糖近红外光谱的预处理,其在11998.9～7497.9cm-1 和4601.3～4256.5cm-1优化光谱区内,所建偏最小二乘法定量分析模型的预测值和实测值的相关系数(R)为0.917,校正标准差(RMSEC)为0.263%,预测标准差(RMSEP)为0.236%。平均光谱和优化的光谱预处理方法可有效提高近红外光谱无损检测番茄总糖含量的准确性。     

近红外光谱技术在坚果检测中的应用研究

坚果是我国重要的林果资源,因其口感好、营养价值高受到广大消费者的喜爱,但目前的常规检测手段都是一次性、破坏性的.近红外光谱分析技术(near infrared spectroscopy,NIRS)具有速度快、操作简单、绿色无污染等优点,是用于坚果检测的一种有效技术.对近年来近红外光谱分析技术用于检测坚果的蛋白质、脂肪酸...     

近红外光谱法快速测定晒青毛茶三种儿茶素组分含量

为了实现晒青毛茶儿茶素含量的快速检测,该研究利用高效液相色谱技术(High Performance Liquid Chromatography,HPLC)测定了50份晒青毛茶样品中的表没食子茶素没食子酸酯(Epigallocatechin Gallate,EGCG)、表没食子儿茶素(Epigallocatechin,EGC)、没食子酸(Gallic Acid,GA)三种儿茶素单体含量,结合样品的近红外光谱,分别建立了晒青毛茶三种儿茶素单体含量的偏最小二乘法(Partial Least Squares,PLS)模型,并对模型进行验证。实验结果表明,基于EGCG、EGC、GA含量所建立近红外模型的决定系数(Coefficient of Determination,R²)分别为99.99%、99.99%、99.92%;校正标准差(Root Mean Square Error of Calibration,RMSEC)分别为0.17、0.15、0.10;相对标准差(Relative Standard Deviation,RSD)分别为0.19%、0.27%、0.56%;外...     

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。     

近红外光谱技术在制浆造纸分析中的应用

介绍了近红外光谱分析技术的测定原理、技术特点,重点介绍了近红外光谱在制浆造纸分析中的应用,并对其的应用前景进行展望。     

基于近红外光谱技术的腐竹脂肪定量分析

采用近红外光谱技术结合化学计量学方法,建立腐竹脂肪含量的快速分析方法。收集不同生产线、不同时间的腐竹样本180 份,利用积分球附件采集漫反射光谱（4 000～10 000 cm－1）。为消除颗粒散射影响和光谱基线漂移,二阶导数和卷积平滑用于光谱预处理。采用反向区间偏最小二乘法、组合区间偏最小二乘法、搜索组合移动窗口偏最小二乘法和遗传偏最小二乘法优化建模变量,最终构建了定量预测模型。结果显示,4 种方法均可有效地提取信息变量、降低模型维度、提高预测性能;遗传偏最小二乘法一次优选获得143 个变量,构建的模型性能最佳,其校正相关系数、校正均方根误差、预测相关系数、预测均方根误差分别为0.96、0.95、0.92和1.17。研究表明,经过信息变量提取后所构建的近红外模型简单、预测精度高,可用于腐竹脂肪含量的日常监测。     

玉米完整籽粒近红外品质分析模型的比较及改进

本文对国家玉米改良中心品质分析实验室采用普通玉米和高油玉米建立的完整籽粒近红外品质（蛋白质、油分、淀粉）分析模型（简称模型Ⅰ和模型Ⅱ）进行了比较分析，并对它们进行了进一步地改进。比较分析发现模型Ⅰ蛋白质预测的决定系数（R^2），定标均方根差（RMSEE），外部验证决定系数（RP^2）和外部验证均方根差（RMSEP）与模型Ⅱ相差不大，模型Ⅰ蛋白含量范围8．15％-16．06％，比模型Ⅱ8．55％-14．7％稍宽；改进以后的模型Ⅲ蛋白质含量8．15％-16．06％，分布比模型Ⅰ和2要广，浓度梯度更均匀；模型Ⅰ油份含量范围2．85％-10．26％，适合测低油分籽粒，模型Ⅱ油份含量范围4．16％-10．12％，适合测高油分籽粒，这与其建模时分别使用普通玉米和高油玉米材料相吻合。模型Ⅲ油分（2．85％-10．26％）涵盖了模型Ⅰ的普通玉米和模型Ⅱ的高油玉米，适应性更广。模型Ⅰ高淀粉含量籽粒分布多，模型Ⅱ低淀粉含量籽粒分布多；模型Ⅲ综合了模型Ⅰ的高淀粉含量玉米和模型Ⅱ的低淀粉含量玉米，适应范围也得到加强。     

近红外光谱法快速测定藜麦籽粒粗蛋白含量

目的:为了满足高蛋白质藜麦的选育、栽培和农业实践所需,实现藜麦籽粒粗蛋白含量快速、无损检测。方法:本研究应用近红外光谱技术对藜麦籽粒粗蛋白含量的快速检测进行系统研究,选用具有代表性的122份藜麦品种为试材,以其中94份为建模集,28份为验证集,扫描得到藜麦建模集的近红外原始光谱,用Unscrambler 10.4软件进行光谱预处理并使用偏最小二乘法(PLS)建立藜麦籽粒粗蛋白含量的定量预测模型。结果:经滤波拟合法(Savitzky-Golay,SG)+标准正态变量(Standard Normal Variate,SNV)预处理建立的模型预测值决定系数(R²)为0.9380,被测组分浓度分析误差(RMSE)为0.4823,表现最佳。用此模型对验证集28份样品进行预测,相关分析表明,预测值与国标法实测值决定系数为0.9416;单因素方差分析表明,国标法实测值和模型预测值之间无显著差异(P>0.05),建立的模型具有很高的准确性,预测效果良好。结论:近红外光谱法作为一种简单快速无损的检测手段,能够用于藜麦籽粒粗蛋白含量的检测,可以为优质藜麦育种、栽培和农业实践提供技术支持。