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。     

近红外分析技术快速检测白酒基酒中的总酯含量

采用近红外光谱分析技术,对基酒总酯进行无损检测研究.利用近红外光谱仪采集基酒样品在4000～10000 cm-1波段内的光谱数据,首先对光谱数据进行一阶导数预处理,然后采用Si-PLS组合间隔偏最小二乘法优选特征波长,最后运用PLS偏最小二乘法建立基酒总酯模型.该模型校正集的决定系数R2C为0.95,校正集的均方根误差...     

大米蛋白粉多组分含量近红外光谱快速检测

大米蛋白粉中蛋白质、脂肪和水分的含量是其品质评定的重要指标,应用近红外光谱方法检测大米蛋白粉多组分含量。采集244份大米蛋白粉样品光谱数据,经小波变换处理后建立极限学习机模型(ELM),并采用自适应算法对极限学习机的参数进行优化,提高了模型的精度和稳定性。结果显示,大米蛋白粉中蛋白质、脂肪和水分的预测集决定系数(R2)分别为0.9905、0.9643、0.9574,均方根误差(RMSEP)分别为0.3308、0.3766和0.1922,三种成分模型预测精度较偏最小二乘模型(PLS)平均提高33%。表明所提出的自适应ELM方法用于近红外光谱分析建模有较好的效果,为确定大米蛋白粉中各成分含量提供了一种无损快速检测新方法。     

甘薯水分和还原糖协同向量NIR快速检测方法

利用近红外光谱技术建立新鲜甘薯水分和还原糖含量的预测模型,实现快速检测与分析,为甘薯品质分析和种质资源筛选提供便捷。选用不同品系甘薯样品146份,109份作为校正样品,37份作为验证样品。运用不同光谱预处理方法、协同区间偏最小二乘最优波长选择法以及主成分回归和偏最小二乘法建立甘薯水分和还原糖模型。结果显示,所建甘薯水分(还原糖)最优模型的决定系数、预测均方根误差和标准差比率分别为0.974(0.885),1.154(0.270)和6.334(3.148)。表明2种模型具有较好的检测性能,近红外光谱模型的预测值与其相应的化学值有较好的相关性,适用于大批量甘薯选育时水分和还原糖含量的快速检测。     

模拟退火算法用于食醋总酸含量近红外光谱模型的波数点优选

为优选食醋总酸对应的特征波长并提高模型的预测精度,采用模拟退火算法优化窗口宽度和特征波数点,并结合偏最小二乘法建立食醋总酸光谱模型。在全国范围内收集90个不同品牌的食醋样本,用近红外光谱仪采集近红外光谱数据(波数4000～10000cm-1)和常规理化分析方法检测总酸含量。采用模拟退火算法共优选出17个总酸特征波数点,结合样本总酸含量建立偏最小二乘光谱模型,模型对应的预测集相关系数为0.9210,优于全光谱偏最小二乘法和区间偏最小二乘法对应的预测效果。结果表明,近红外光谱技术结合模拟退火算法能够快速预测食醋中总酸含量。     

近红外光谱分析技术在植物蛋白饮料定量分析中的应用

利用近红外光谱分析技术对植物蛋白饮料中脂肪和可溶性固形物含量进行定量分析。采用向后间隔偏最小二乘法（BiPLS）、组合间隔偏最小二乘法（SiPLS）、遗传偏最小二乘法（GA-PLS）、竞争性自适应重加权法（CARS）优选波段,并结合偏最小二乘法（PLS）建立植物蛋白饮料中脂肪和可溶性固形物的定量分析模型。结果表明,4种方法对模型均有优化效果,可提高模型的稳定性和精准性,其中GA-BiPLS、GA-SiPLS优化效果最为明显,脂肪、可溶性固形物的决定系数R2分别达到了0.984、0.97和0.988、0.990,预测标准均方差（RMSEP）分别为0.026、0.030和0.170、0.155,相对分析误差（RPD）分别为8.077、7.000和9.112、10.000。表明近红外光谱技术作为一种快速、便捷的检测手段,适用于植物蛋白饮料品质的快速检测分析。     

基于近红外光谱的大豆水分和粗脂肪含量的快速检测

基于近红外光谱技术快速检测大豆中水分和粗脂肪含量。方法 首先采集350-2500 nm光谱范围的大豆近红外光谱,采用光谱-理化值共生距离（SPXY）算法将大豆样本划分为校正集样本与测试集样本,然后对原始光谱分别采用多元散射校正(MSC)、标准正态变量交换(SNV)、归一化（Nor）等9种方法进行预处理,最后使用偏最小二乘回归(PLSR)分析方法建立模型对样本进行定量分析。结果 原始光谱经过多元散射校正后建立的偏最小二乘回归模型对水分的预测精度最高,其校正集和测试集的相关系数分别为0.8964和0.9055 , 均方根误差分别为0.4211和0.5933;原始光谱经过归一化处理后建立的偏最小二乘回归模型对粗脂肪的预测精度最高,其校正集和测试集的相关系数分别为0.9084和0.9295 , 均方根误差分别为0.6897和0.6462。结论 近红外光谱（NIRS）结合预处理及偏最小二乘回归法,可以快速、准确的检测大豆水分和粗脂肪含量。     

近红外光谱波段优化在东北松子蛋白质定量检测中的应用

为了探究一种快速、无损与简便的东北松子品质检测方法,近红外光谱技术被应用到东北松子蛋白质无损检测研究中。利用偏最小二乘法建立带壳松子和去壳松仁的蛋白质定量分析模型,采用求导、多元散射校正、变量标准化校正、矢量归一化预处理方法优化模型,利用反向间隔偏最小二乘法、无信息变量消除法选取特征波段,建立全波段和特征波段下的偏最小二乘蛋白质预测模型。结果表明,带壳松子光谱经矢量归一化预处理方法后构建的模型最优,松仁光谱经变量标准化校正预处理方法后构建的模型最优;波段筛选能够优化模型质量,其中反向间隔偏最小二乘法的筛选结果最优,其带壳松子和松仁蛋白质模型校正集相关系数分别为0.9056和0.9383,验证集均方根误差分别为0.6670和0.5761。由此可知,经过优化后,模型的预测性能得到了提高,为带壳松子和松仁的蛋白质在线检测提供了一定的参考价值。     

黑果枸杞果实中主要成分的傅里叶变换近红外光谱预测模型构建

使用傅里叶变换近红外光谱(FT-NIR)结合化学计量学方法,开发了一种黑果枸杞干果和鲜果中主要成分(总糖、还原糖、总酸、氨态氮、花青素、原花青素、总酚、黄酮和多糖)含量的预测方法。首先比较了11种原始光谱的预处理方式,筛选出每种成分的最优预处理方法。然后比较了利用偏最小二乘(PLS)、区间偏最小二乘(iPLS)和联合区间偏最小二乘(siPLS)算法建立的模型,最终确定采用siPLS建模。结果表明：总酸、氨态氮、花青素、原花青素、总酚和黄酮的交叉验证相关系数(Rc)和预测集相关系数(R_P)均大于0.9818,相对分析误差(RPD)均大于2.5,模型效果优异,总糖、还原糖和多糖的建模效果良好,建立的定标模型均可以用于实际检测。验证集样本实测值与预测值无显著性差异,预测误差在±0.1%,模型的预测结果可信度高。本研究建立的预测模型,可以实现黑果枸杞干果和鲜果中主要成分含量的无损、快速、准确检测。     

奇亚籽水分、脂肪、蛋白质和灰分的近红外 光谱快速检测模型优化

水分、脂肪、蛋白质、灰分是重要的奇亚籽品质指标,目前主要依赖于化学法测定,过程烦琐,耗时费力,且不能多指标同时监测。以103份不同产地的奇亚籽为建模样本,通过19种光谱预处理方法和最佳谱区范围的筛选分别建立了奇亚籽中水分、脂肪、蛋白质、灰分的偏最小二乘模型。结果表明:对于水分采用Savitzky-Golay滤波平滑(SG)对光谱进行预处理,脂肪采用一阶导数(1st)和多元散射校正(MSC),蛋白质采用1st、标准正态变化(SNV)和SG,对于灰分采用1st、SNV和Norris微分平滑(ND)组合光谱进行预处理,针对各参数最佳预处理光谱采用人工法进行谱区筛选建立模型,得到水分、脂肪、蛋白质和灰分的验证集相关系数分别为0. 993、0. 972、0. 925和0. 923。结果显示,利用近红外光谱可以实现对奇亚籽的水分、脂肪、蛋白质以及灰分的同时快速无损检测,在大规模奇亚籽原料的分选中提高检测效率。     

单粒玉米种子水分近红外快速无损测定方法研究

玉米精量播种技术发展对种子质量检测提出了单粒、无损、快速测定等新需求,本研究重点探索了近红外光谱结合化学计量学方法建立单粒玉米种子水分检测模型的可行性。实验收集并测定了110份玉米样本的水分含量,应用傅里叶变换红外光谱仪及单粒测样附件扫描得到样本集近红外光谱,按照3:1随机划分训练集和测试集。首先采用多种光谱预处理方法消除单粒种子采集光谱时由于颗粒形态等引起的噪声干扰,然后分别建立基于PLS线性模型和SVM非线性模型的单粒玉米种子水分近红外检测模型,其中PLS模型测试集的R为0.93,RMSEP为0.86;SVM模型测试集的R达到0.96,RMSEP为0.71。实验结果表明,光谱预处理结合SVM非线性模型可以有效降低单粒玉米种子近红外光谱采集时引入的非线性干扰,有助于提升单粒玉米种子水分近红外快速无损检测实际应用可行性。     

基于近红外光谱技术测定稻谷水分含量研究

本文采用近红外光谱技术结合化学计量学方法,建立稻谷水分含量测定的快速分析方法。试验选取江苏省不同地区的两年内197份稻谷样品作为建模集样品,对其进行化学分析和图谱扫描处理,通过近红外化学计量学软件初步建立稻谷水分含量的预测模型。建模结果显示运用PLS（偏最小二乘法）建立的分析模型预测效果最优,决定系数（R2）高达0.9689,交互验证标准差（SECV）为0.3434,选取24个未知样品作为验证集样品,验证决定系数（R2）高达0.9806,预测标准差为0.0933。结果表明,近红外光谱技术可以用于稻谷水分含量的快速测定。     

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。     

基于低场核磁共振技术的大米水分含量及活度快速预测

以直接干燥法和水分活度仪测定的结果作为参考值,采用低场核磁共振仪对大米样品进行测量,获取样品的横向弛豫数据,结合化学计量学算法建立多元校正模型,实现对大米水分含量及活度的快速测定。采用偏最小二乘方法(PLS)和误差反向传播人工神经网络方法(BP-ANN)对160个校正集样品进行训练后,建立多元校正模型,并对90个预测集样本进行预测。结果显示,PLS与BP-ANN 2种方法中预测集样品的水分含量预测值和参考值之间的相关系数分别为0.937 6和0.955 5,预测均方根偏差分别为0.005 8和0.004 6,水分活度预测值和参考值之间的相关系数分别为0.983 0和0.993 4,预测均方根偏差分别为0.009 2和0.006 2,表明2种方法能够快速而准确地对大米的水分含量及活度进行预测。     

糯米与糯玉米发酵酒品质的比较

为研究糯米和糯玉米对发酵酒品质的影响,本实验选取籼糯米、粳糯米和糯玉米三种原料,测定它们的水分、蛋白质、灰分、淀粉和脂肪含量以及三种原料发酵酒的还原糖、可溶性固形物、酒精度及总酸的含量,并通过感官评定、电子舌、电子鼻进行发酵酒感官品质分析。结果表明,籼糯米、粳糯米和糯玉米中蛋白质、淀粉、脂肪含量具有显著差异（P<0.05）,糯玉米发酵酒还原糖（12.69 g/100 g）、可溶性固形物（12.89%）、酒精度（2.0%）及总酸（13.06 g/L）的含量最低,感官评分低于籼糯米、粳糯米发酵酒,但是尚在可接受范围（感官评分≥60）,显示糯玉米作为原料酿造发酵酒具有可行性。     

近红外光谱技术快速检测黄酒的前发酵过程中总酸含量

黄酒是我国最古老的独有酒种,其生产原料来源广,生产工序复杂等因素对黄酒的质量有很大的影响。目前黄酒生产过程中还存在着利用生产经验来判断某段工序是否可以结束的情况,为了探索快速检测黄酒生产过程中各段工序的各项指标的含量的方法,取代人工判别前发酵终点来更准确的控制黄酒的质量,利用近红外光谱仪对黄酒生产过程中前发酵工段所得样品进行扫描,对其光谱进行预处理和波段选择,并结合偏最小二乘法 (PLS)建立各工段快速无损检测方法。最终得到了较高的决定系数R为0.9348,RMSECV值为0.118的模型。结果表明,黄酒前发酵过程选取的总酸含量所建立的模型能很好的用来进行快速检测。运用这些模型对验证集样品进行预测并统计分析,可知预测值与真实值之间无显著差异。本研究为黄酒生产过程的控制提供了方法基础。     

不同气候生态型籼稻糙米粗蛋白含量光谱估测模型研究

为探究气候生态型存在差异的籼稻品种光谱响应规律及其对粗蛋白含量估测模型的影响,本研究利用2019年长江中下游籼稻联合区试实验,采集了不同气候生态型籼稻籽粒反射光谱及糙米粗蛋白含量数据,分析了稻谷原始及一阶微分光谱与糙米粗蛋白含量的相关关系,建立了基于最优光谱指数、全波长和特征波长的籼稻粗蛋白含量的PLSR、PCR和SMLR估测模型,并用R2、RMSE评价模型精度。研究发现,籼稻籽粒光谱反射率随着粗蛋白含量的升高而降低,呈现出中籼稻>晚籼稻>早籼稻的规律;在以原始及一阶微分任意两波长构建的DSI、NDSI和RSI最优光谱指数模型中,PLSR模型效果较好,建模集R2c、RMSEc分别为0.841、0.507%,验证集R2v、RMSEv分别为0.810、0.542%;在全波长模型中,建模效果表现为PLSR>SMLR>PCR,以原始光谱建立的PLSR模型效果最好,建模集R2c、RMSEc分别为0.867、0.464%,验证集R2v、RMSEv分别为0.856、0.472%;特征波长模型中,一阶微分构建的模型优于原始光谱,尤以基于一阶微分光谱建立的PLSR模型稳定性更好,建模集R2c、RMSEc分别为0.842、0.506%,验证集R2v、RMSEv分别为0.823、0.523%。结果表明PLSR模型适用于不同气候生态型籼稻品种间的粗蛋白含量光谱估测。     

大米的复配与米饭的品质控制研究

以不同品质大米为原料,在分析大米及米饭的物化特性的基础上进行大米复配技术的研究,为充分利用低质米资源及控制米饭品质等提供参考。结果表明:根据米饭的综合品质可将大米分为香米、较低直链淀粉含量的大米、较高直链淀粉含量的大米;以一种米质较差的大米为主料米,与米质较好的辅料米按一定的比例复配,能够改善大米的综合品质;用米饭的游离氨基酸含量、可溶性糖含量与大米的水分含量、直链淀粉含量、蛋白质含量、脂肪含量的指数式模型可以较好地预测米饭的感官品质;采用预测模型,通过规划设计,可以得到预期目标的大米复配配方。     

微量农药溶液近红外光谱PLS模型的不同预处理方法对比研究

比较了常用的多种预处理方法对近红外光谱技术(NIR)检测微量农药溶液含量的影响,使用偏最小二乘法(PLS)分别对各预处理方法处理后的数据建立了数学模型,利用两种不同农药初步探讨了数据量对PLS建模结果的影响。结果表明:矢量归一化(SNV)对26个微量毒死蜱溶液样本的预处理效果综合参数最好,校正集参数为R=0.9957,RMSECV=0.182,预测集参数为R=0.9992,RMSEP=0.0802;减去一条趋势线对20个微量炔螨特溶液样本的预处理效果综合参数最好,校正集参数为R=0.9925,RMSECV=0.649,预测集参数为R=0.9952,RMSEP=0.646。26个样本的微量毒死蜱溶液PLS建模结果优于20个样本的微量炔螨特溶液。     

基于近红外光谱技术的大米品质分析与种类鉴别

应用近红外光谱(NIRS)技术建立了大米食味品质分析与种类快速鉴别的方法。提取了102份粉碎后大米样品的近红外光谱,采用偏最小二乘法(PLS)建立了大米水分、蛋白质和直链淀粉定量分析模型,对模型预测结果的准确性进行了评价。预测模型的内部交叉验证决定系数(R2)分别为:0.992、0.9792和0.9736;内部交叉验证标准差(RMSECV)分别为:0.141、0.201和0.209;模型外部验证决定系数(R2)分别为0.9861、0.912和0.9373;外部验证标准差(RMSEP)分别为0.179、0.206和0.243。通过计算样品的近红外光谱图之间的欧氏距离来反映不同样品间的差异,对不同属性和不同产地的大米进行了定性聚类分析,种类识别准确率达到100%。结果表明,NIRS分析技术可以用于对大米品质和种类的快速无损检测。