利用可见/近红外光谱技术对小米产地进行溯源研究

目的利用可见/近红外光谱技术对产自不同地区的晋谷21号小米进行溯源研究。方法使用近红外光谱仪获取产自洪洞、浮山、沁县3个不同地区的晋谷21号小米400~1004nm波段范围内的漫反射光谱;对光谱分别进行多元散射校正法(multiple scattering correction,MSC)、一阶导数法(first derivative,1St-D)预处理;对预处理光谱进行主成分分析,全交叉验证确定最佳主成分数量,获取主成分;同时选择预处理光谱特征波长。使用马氏距离法、线性判别法建立判别模型,最后用未知样品的验证准确率来表示模型的判别效果。结果原始光谱和MSC处理光谱提取特征波长分别建立的产地判别模型对3个不同产地的小米判别完全准确;1St-D处理光谱基于7个主成分结合马氏距离法和基于9个主成分结合线性判别法建立的2种判别模型对3个不同产地的小米亦实现完全准确判别。结论可见/近红外反射光谱技术用于小米产地的判别具有可行性,本研究可为小米产地的快速判别应用中提供技术基础。     

利用可见/近红外光谱判别干枣品种

目的利用可见/近红外反射光谱技术快速判别干枣的品种。方法使用光谱仪获取山西永和枣、山西板枣和新疆和田枣3种干枣在345~1100 nm波段范围内的漫反射光谱;分别使用多元散射校正(MSC)法和一阶导数法(1~(st)-D)和二阶导数法(2~(st)-D)对反射光谱进行预处理;对预处理光谱进行主成分分析,全交差验证法确定最佳主成分数量,提取主成分,结合马氏距离法和线性判别法建立品种判别模型,建立模型过程中使用全交叉验证法确定最佳主成分数,将模型应用于干枣的品种判别。结果可见/近红外反射光谱经过MSC处理后提取主成分建立品种预测模型对枣的品种判别结果最好,利用前4个主成分结合马氏距离法建立的判别模型和利用前5个主成分结合线性判别法建立判别模型,对于3个品种的枣的校正和验证判别准确率都达到了100%。结论可见/近红外反射光谱技术可以较好地判别干枣品种,本研究可为可见/近红外光谱技术在于枣品种和产地的快速鉴别和溯源中的应用提供一定的技术基础。     

可见/近红外漫反射光谱无损检测甜柿果实硬度

该研究的目的是建立可见/近红外漫反射光谱无损检测甜柿果实硬度的数学模型,评价可见/近红外漫反射光谱无损检测甜柿果实硬度的应用价值。果实硬度采用果皮脆性、果皮强度和果肉平均硬度作为评价指标。在可见/近红外光谱区域(400～2 500 nm),采用改进偏最小二乘法,对比分析了不同导数处理、不同散射及标准化处理的甜柿果实硬度定标模型。结果表明,对于果皮强度和果皮脆性,采用最小偏二乘法、一阶导数处理和标准多元离散校正处理建立的定标模型预测效果较好,RP2分别为0.858和0.862,SEP分别为0.094和0.157,RPD分别为2.47和2.63。对于果肉平均硬度,采用改进偏最小二乘法、一阶导数处理和标准正常化和去散射处理建立的定标模型预测效果较好,RP2为0.82,SEP为0.063,RPD为2.35。因此,可见/近红外漫反射光谱无损检测技术可用于甜柿果实硬度的无损检测。     

可见/近红外光谱技术无损检测新鲜鸡蛋pH及蛋白质的研究

本文利用可见/近红外光谱技术检测新鲜鸡蛋p H和蛋白质。分别采集新鲜鸡蛋在400~1000 nm和900~1700 nm波长范围的漫反射光谱,使用多元散射矫正(MSC)、标准正态变量变换(SNV)等光谱预处理技术,选择最佳的预处理方法,使用偏最小二乘法(PLS)建立p H和蛋白质模型并对其进行评价。结果表明,基于900~1700 nm波长范围的光谱获得的p H模型较好,其校正集相关系数为0.948,预测集相关系数为0.855;基于400~1000 nm波长范围的光谱获得的蛋白质模型较好,其校正集相关系数为0.927,预测集相关系数为0.906。研究表明,可见/近红外光谱技术可以较好的预测新鲜鸡蛋的p H和蛋白质,为鸡蛋营养成分的快速无损检测提供新的思路和方法。      

基于可见/近红外光谱的蓝莓新鲜度快速评价

该研究针对传统人工感官评价方法的不足,基于可见/近红外光谱技术结合支持向量机(support vector machine, SVM)和随机森林(random forest, RF)建立了2种新鲜度快速评价模型,以期为蓝莓新鲜度的快速准确评价提供参考。以10℃恒温贮藏绿宝石蓝莓为研究对象,利用可见/近红外光谱仪采集其不同贮藏天数样品的光谱信息,综合考虑贮藏时间、外观、质量损失率、硬度、可溶性固形物和维生素C含量这6个反映蓝莓新鲜度的理化指标,计算新鲜度综合得分,将不同贮藏期的蓝莓样品划分为新鲜、次新鲜和不新鲜3个类别。光谱数据应用Savitzky-Golay(S-G)卷积平滑预处理,再采用主成分分析提取光谱特征信息。为使最佳主成分选取更合理,在使用粒子群算法寻优SVM参数时,对主成分个数在[1,20]范围进行了测试,结合5折交叉检验分类准确率最佳值,确定最佳主成分个数为5。以前5个主成分得分为输入变量,新鲜度类别为输出量,基于SVM和RF建立2种新鲜度快速评价模型。结果显示,SVM模型训练集和测试集识别准确率分别为97.78%和88%,RF模型训练集和测试集识别准确率分别为100%和8...     

可见/近红外反射光谱法检测马铃薯抗性 淀粉含量的研究

目的利用可见/近红外反射光谱技术无损检测新鲜马铃薯茎块中抗性淀粉的含量。方法使用光谱仪获取新鲜马铃薯在345~1100 nm波段范围内的漫反射光谱;分别使用Savitzky–Golay(S-G)平滑处理、多元散射校正(MSC)法和一阶导数法(1st-D)对反射光谱进行预处理;对(S-G)反射光谱、MSC处理光谱和1st-D光谱使用逐步回归法判别法选择最优波长组合,建立多元线性回归模型,使用全交叉验证法验证模型。结果结果表明,可见/近红外反射光谱经过一阶导数处理后,确定的8个最优波长(370、569、576、866、868、886、922和963 nm)组合建立模型的校正和验证结果最好:模型的校正结果为相关系数R=0.996,标准差SEC=0.521%;模型交叉验证相关系数Rcv=0.982,验证标准差SECV=0.791%。结论可见/近红外反射光谱技术可以较好地预测新鲜马铃薯茎块的抗性淀粉含量,本研究可为可见近红外光谱技术在马铃薯功能成分的快速检测提供一定的技术基础。     

基于可见/近红外高光谱成像技术的鸡蛋新鲜度无损检测

以400~1 000nm高光谱系统获得鸡蛋样本的高光谱图像,利用蒙特卡洛法检测异常样本,采用不同预处理方法处理原始光谱;应用竞争性正自适应加权算法(Competitive Adaptive Reweighted Sampling,CARS)、遗传偏最小二乘法(Genetic Algorithms PLS,GAPLS)和间隔蛙跳法(Interval Random Frog,IRF)对预处理后光谱数据提取特征波长;分别建立基于全光谱和特征波长的偏最小二乘回归(Partial Least Squares Regression,PLSR)和最小二乘支持向量机(Least Squares Support Vector Machine,LS-SVM)鸡蛋新鲜度预测模型。结果表明:标准正态变量变换(Standardized Normal Variate,SNV)法为最优预处理方法;利用CARS、GAPLS和IRF分别选出8,35,74个特征波长;基于GAPLS提取的特征波长的LS-SVM模型最优,其校正相关系数(Rc)为0.899,预测相关系数(Rp)为0.832。表明基于高光谱成像技术的鸡蛋新鲜度无损检测是可行的。     

可见/近红外漫反射光谱无损检测磨盘柿果实硬度的研究

建立可见/近红外光谱与磨盘柿果实硬度之间的数学模型,评价可见/近红外光谱技术无损检测磨盘柿硬度的应用价值。在可见/近红外光谱区域(570～1848nm),实验对比分析了不同数学建模算法、不同导数处理方法和不同散射及标准化处理的磨盘柿果实硬度定标模型。结果表明,应用偏最小二乘回归算法、一阶导处理和标准正常化和散射处理所建柿果实硬度定标模型的预测性能较优,模型的相关系数(Rc2)为0.7992,均方根误差(RMSEC)为2.0642;用该模型对40个预测样本进行预测,其相关系数(Rp2)为0.8267,预测均方根误差(RMSEP)为2.0223。研究表明,可见/近红外漫反射技术对磨盘柿果实硬度的快速无损检测具有可行性。      

可见/近红外漫反射光谱无损检测磨盘柿果实硬度的研究

建立可见/近红外光谱与磨盘柿果实硬度之间的数学模型,评价可见/近红外光谱技术无损检测磨盘柿硬度的应用价值。在可见/近红外光谱区域(570～1848nm),实验对比分析了不同数学建模算法、不同导数处理方法和不同散射及标准化处理的磨盘柿果实硬度定标模型。结果表明,应用偏最小二乘回归算法、一阶导处理和标准正常化和散射处理所建柿果实硬度定标模型的预测性能较优,模型的相关系数(Rc2)为0.7992,均方根误差(RMSEC)为2.0642;用该模型对40个预测样本进行预测,其相关系数(Rp2)为0.8267,预测均方根误差(RMSEP)为2.0223。研究表明,可见/近红外漫反射技术对磨盘柿果实硬度的快速无损检测具有可行性。     

基于温度修正和可见/近红外光谱的油茶籽含水率检测

目的:解决干燥时温度变化对可见/近红外光谱检测油茶籽含水率的影响,并提出一种基于温度修正的油茶籽含水率检测模型。方法:在不同温度下(50,60,70℃)进行干燥试验,采集光谱数据。通过获取不同温度下采集的光谱数据,分析温度对光谱影响的原因。对比3种光谱预处理方式,运用竞争性自适应重加权算法(CARS)和偏最小二乘回归算法(PLSR),建立60℃下的基准PLSR模型。并采用斜率/偏差法对50,70℃下的外部样本预测值进行修正。结果:50,70℃下,修正前和修正后的决定系数分别为0.729和0.848,0.763和0.862;相对分析误差RPD值分别为1.921和2.565,2.054和2.692。结论:修正模型可以有效提高预测精度,达到良好的预测效果,克服了温度的影响。     

近红外漫反射光谱法快速检测胶原肽粉中低聚肽含量

目的建立近红外漫反射光谱法(near infrared reflectance spectroscopy, NIRS)快速检测胶原肽粉核心功效成分低聚肽含量的分析方法。方法基于径向基神经网络(radial basis function neural network, RBFNN)的方法,分析比较了多元散射校正(multiplescattercalibration,MSC)、标准正态变换(standardnormalvariation,SNV)的光谱预处理方法,分别结合了主成分分析(principalcomponentanalysis,PCA)、独立成分分析(independent component analysis, ICA)的方法提取特征信息,优化输入变量、扩展系数等参数,建立了低聚肽含量的检测模型,同时为了比较方法优劣,也建立了相应的偏最小二乘方法(partial least squares, PLS)模型。结果非线性建模方法 RBFNN比线性PLS方法模型效果更好,与常用的PCA-RBFNN模型相比,本研究采用的ICA-RBFNN模型结果更准确,模型独立验证集的相关系数R是0....     

Application of near infrared reflectance spectroscopy to protein analysis of grassland herbage samples

Near infrared reflectance spectroscopy (NIRS) was evaluated for the prediction of the protein content in samples of grassland herbage taken at different stages of maturity (flowering to fruiting stage) in ‘Dehesa’ zones of Central-Western Spain. A Technicon Infra Alyzer model 500 scanning monochromator interfaced with a Hewlett-Packard 1000 minicomputer was used for the study. Protein content was predicted with NIRS data treated as log I/R using six or seven wavelengths. Calibrations were evaluated by comparing Kjeldahl analyses with those predicted by NIRS. The prediction of protein was found to be acceptable, the standard error carying between 0.56 and 0.68% in a range of protein content from 6.76 to 13.98%.     

枇杷内部品质近红外光谱无损检测

利用近红外光谱技术(near infrared spectroscopy,NIRS)对101个枇杷样品进行无损检测,测得样品的可溶性固形物(total soluble sdid,TSS)、可滴定酸和Vc含量,结合偏最小二乘法(partial least squares,PLS)分别建立TSS、可滴定酸和Vc含量的定标模型。采用定标模型分别对TSS、可滴定酸和Vc的验证集样品进行预测,预测决定系数Rp2分别为0.906,0.745,0.554,预测均方根误差(root-meansquare error of prediction,RMSEP)分别为0.628,0.048,2.230,且TSS的相对分析误差(relative prediction deviation,RPD)为3.31,可滴定酸和Vc的RPD分别为2.00,1.52。表明建立的枇杷TSS的定标模型可用于实际检测,枇杷的可滴定酸和Vc含量可采用近红外光谱进行检测,但检测精度有待于进一步的提高。     

基于可见/近红外光谱技术的便携分析仪的应用

目的为解决水果内部品质信息的快速无损检测,自主研制了一台基于可见/近红外光谱技术的便携式分析仪,通过试验验证其可行性及所建模型的鲁棒性。方法以红富士苹果为检测对象,采集透射光谱曲线,与化学指标可溶性固形物含量(soluble solid content,SSC)分别建立基于平均光谱、基于各采样光谱的偏最小二乘(partial least squares,PLS)回归模型,比较预测精度并对非同批次样本进行预测。结果试验表明该分析仪对苹果SSC具有较高的测量精度,特别是基于各采样光谱的PLS模型,对同批次样本预测相关系数(Rp)达到0.924,预测均方根误差低至0.429%Brix,预测精密度(平均偏差)低至0.136%Brix,对非同批次样本SSC表现出较强的鲁棒性能,预测均方根误差为0.531%Brix。结论通过此项研究,表明该便携分析仪可用于水果内部品质信息的定量分析,并建议采用基于各采样光谱建立的回归模型用于外来样本的预测。     

苹果有效酸度的近红外无损检测研究

为了更好的对苹果的有效酸度进行检测,实验应用波长范围为643.26～985.11nm的Purespect近红外透射光谱仪对100个富士苹果的校正集样品和20个预测集样品进行了光谱扫描,比较了不同的光谱预处理方法和不同建模波段对模型的影响,最终确立的模型相关系数(RC)为0.925,校正均方根误差(RMSEC)为0.0395。对模型预测性能的验证结果表明:建立的苹果有效酸度模型性能较稳定,能满足实际应用的要求。      

Comparison of fourier transform mid infrared spectroscopy and near infrared reflectance spectroscopy with differential scanning calorimetry for the study of the staling of bread

The staling of bread has previously been studied by differential scanning calorimetry and by simple rheological measurements. In this collaborative study, two spectroscopic techniques (Fourier transform mid infrared spectroscopy and near infrared reflectance spectroscopy) have been used in addition to differential scanning calorimetry to follow the progress of bread staling. Using each technique, changes in measured properties were apparent which, when fitted by first order exponential equations, gave calculated rate constants of similar magnitude. It is postulated that each technique gives independent information about the crystallisation process in the amylopectin fraction of the bread crumb.     

无损检测阔叶材纤维长度的近红外光谱法

比较了近红外光谱分析技术测量木材纤维长度与传统的测量方法的优缺点并详细介绍了应用近红外光谱分析技术测量木材纤维长度,其中包括木材样品选择及制备、近红外光谱采集及纤维长度真值测量、多变量数据分析与模型建立的实验方法与操作步骤.实验表明近红外光谱分析技术可以快速准确地预测阔叶材纤维长度.