应用便携式近红外仪检测生鲜羊通脊肉的嫩度

在北京市内收集生鲜羊通脊肉样品98个,研究应用便携式近红外仪快速无损检测生鲜羊通脊肉嫩度,结合化学计量学的方法建立可以快速无损检测生鲜羊通脊肉嫩度的近红外光谱检测模型。在建模过程中,研究了平滑、求导和信号校正等不同光谱预处理方法对模型的影响。结果表明:最佳的光谱预处理方法为均值中心化、Savitzky-Golay(SG)一阶导数、SG平滑和正交信号校正。应用偏最小二乘法建模所得模型的校正集标准偏差0.90、验证集标准偏差2.39、校正集相关系数(R c)=0.94、验证集相关系数(R p)=0.64、主因子数为4,说明模型具备较好的预测准确性,可应用于生鲜羊通脊肉嫩度的快速无损检测中。     

基于可见-近红外光谱的生鲜紫薯食味品质快速无损检测

目的建立可见-近红外光谱法快速无损检测生鲜紫薯的熟化黏度和甜度,并对其食味品质进行评价。方法以生鲜紫薯为研究对象,用竞争性自适应加权算法(competitive adaptibe reweighted sampling,CARS)筛选出生鲜紫薯预处理后的光谱数据的特征波长,再用偏最小二乘法(partial least square,regression,PLS)建立了生鲜紫薯熟化峰值扭矩和可溶性糖含量的定量预测模型。另外,选取12个生鲜紫薯根据划分分值区间法对紫薯食味品质进行评价。结果生鲜紫薯峰值扭矩模型预测集的相关系数r为0.9195,均方根误差(root mean square error of prediction,RMSEP)为0.0526 Nm;可溶性糖含量模型的预测集的相关系数r为0.9515,RMSEP为0.3100 mg/g。结论基于可见-近红外光谱技术可以对生鲜紫薯食味品质进行初步快速无损评价,为鲜食性紫薯品质评价提供理论参考。     

近红外特征光谱定量检测羊肉卷中猪肉掺假比例

利用近红外漫反射光谱技术结合化学计量学方法对解冻掺假羊肉卷,进行猪肉掺假比例的定量检测研究。按照不同肥肉占比和不同猪肉掺假比例,制备324?个样品,并利用近红外光谱仪采集其光谱数据。对原始数据进行SG（Savitzky-Golay）平滑、SG一阶导、SG二阶导、多元散射校正、中心化、标准正态变量校正等预处理,并利用偏最小二乘回归（partial least square regression,PLSR）进行建模分析,其中SG平滑结合一阶求导预处理的模型预测效果最优。针对最佳预处理光谱采用竞争性自适应加权采样（competitive adaptive reweighted sampling,CARS）算法进行波长筛选,并建立特征波长PLSR模型,模型预测效果得到提高。其中,校正集和验证集决定系数分别为0.983?6和0.972?5,校正集和验证集的均方根误差分别为0.043?7和0.057?7,范围误差比为7.62。应用该CARS-PLSR模型对检验集进行预测,真实值与预测值的相关系数为0.913?8,结果表明采用近红外光谱分析技术可以实现不同肥肉占比羊肉卷中猪肉掺假比例的定量检测。     

南疆鲜羊肉水分含量的近红外光谱法无损检测

本文在近红外反射光谱780~1700 nm的波长范围内采集新宰杀的同一品种的羊的后腿肉134个样本的光谱数据,来实现快速无损的南疆生鲜羊肉含水量的检测。这些光谱数据经中值平滑滤波、多元散射校正、一阶导数、标准化处理、中心化变换和S-G平滑等预处理方法对原始光谱进行降噪处理;然后以13:1的比例将样本分为训练集和测试集,并采用PLSR建立预测模型,使用所建模型对生鲜羊肉水分含量进行预测。结果为:训练集的预测相关系数Rc为0.94、标准差MSEC为0.04,预测成功率为97.6%,测试集的预测相关系数Rv为0.89、标准差MSEV为0.07,预测成功率为96.4%。实验结果证实结合中值平滑滤波、多元散射校正、一阶导数、标准化处理、中心化变换和S-G平滑等多种预处理方法建立的基于近红外光谱PLSR模型,可以对南疆鲜羊肉的水分含量进行精确的快速无损评价,并且能为南疆生鲜羊肉水分含量的快速无损检测技术的应用提供理论上的指导。     

基于可见-近红外光谱技术对市售紫薯粉的品质评价

目的建立可见-近红外光谱法结合偏最小二乘回归法对市售紫薯粉的品质进行评价。方法以市售紫薯粉为研究对象,对其原始光谱进行S-G 9点卷积平滑(savitzky-golay smoothing,S-G)、标准正态变量变换(standard normal variable transform,SNV)预处理,建立碘蓝值、花青素以及水分含量的偏最小二乘模型。结果花青素模型校正集和预测集的相关系数分别为0.9750和0.9461,均方根误差分别为0.1052 mg/g和0.1918 mg/g;碘蓝值模型校正集和预测集的相关系数分别为0.9687和0.9673,均方根误差分别为7.0256和7.1848;水分含量校正集和预测集的相关系数分别为0.9397和0.9219,均方根误差分别为0.5589%和0.5965%。结论基于可见-近红外光谱技术可以实现对市售紫薯粉的花青素、碘蓝值以及水分含量的快速无损检测,对市售紫薯粉的品质评价提供理论参考。     

活菌饮料中乳酸菌活菌数的光学快速定量检测

利用傅里叶变换近红外分析仪与紫外-可见分光光度计,以市售活菌饮料为研究对象,进行饮料中乳酸菌活菌数的快速定量检测。对活菌饮料的原始光谱分别进行Savitzky-Golay（SG）平滑结合一阶求导（FD）、多元散射校正（MSC）及正交信号校正（OSC）预处理,利用偏最小二乘法建立乳酸菌活菌数定量预测模型,并对最优模型进行优化与外部验证。结果表明：对于活菌饮料中乳酸菌活菌数,采用OSC预处理的傅里叶变换近红外光谱建立的PLS模型效果最好。利用竞争自适应重加权法（CARS）进行波长筛选与模型的优化,校正集相关系数（Rc）为0.9974,校正集均方根误差（RMSEC）为0.0211,验证集相关系数（Rp）为0.9837,验证集均方根误差（RMSEP）为0.0508。利用未参与建模的市售样品对优化后的傅里叶变换近红外预测模型进行外部验证,预测值相关系数为0.9068,均方根误差为0.0108。结果表明：傅里叶变换近红外光谱能够快速、准确地检测活菌饮料中乳酸菌数活菌数,为活菌饮料生产销售流通中的质量监测提供一种快捷方便的方法。     

基于近红外光谱技术检测苹果气调贮藏期可溶性固形物含量

目的 基于近红外光谱技术结合偏最小二乘（Partial least square, PLS）法和最小二乘支持向量机回归（Least square-support vector regression, LS-SVR）法建立苹果气调贮藏期可溶性固形物（Soluble solids contents, SSC）含量预测模型。方法 在分析了气调贮藏期苹果细胞结构和SSC变化的基础上,采集了可见-近红外（Visible-near infrared, Vis-NIR）波段和长波近红外（Long wave near infrared, LWIR）波段下不同贮藏时间的苹果漫反射光谱信息,利用主成分分析方法（Principal component analysis,PCA）分析不同贮藏期苹果光谱信息分布特征,使用Kennard-Stone（K-S）算法以3:1比例对样本集进行划分,使用多元散射校正（Multiplicative scatter correction, MSC）和SG（Savitzky-Golay）平滑对光谱进行预处理,利用连续投影算法（Successive projections algorithm, SPA）和竞争自适应重加权采样（Competitive adaptive reweighted sampling, CARS）法对光谱进行特征波长提取,并建立SSC预测模型。结果 在LWIR波段下,经MSC预处理和CARS提取特征波长后建立的PLS模型取得了较好的预测精度,模型相关系数为0.900,均方根误差为0.478;经MSC、SG平滑预处理和CARS提取特征波长后建立的LS-SVR模型取得了更好的预测精度,模型相关系数为0.927,均方根误差为0.507。结论 构建的基于可见/近红外光谱无损预测模型可实现对气调贮藏期苹果SSC的准确预测,为高效贮藏技术提供了理论基础。     

基于中波近红外光谱构建生鲜鸡肉胆固醇定量分析模型

通过采集市售生鲜鸡肉样品在中波近红外区的光谱信息,采用偏最小二乘法构建胆固醇定量分析模型,并评价模型的预测准确性。在建模过程中,讨论异常样品剔除与组合预处理方法等优化措施对模型的影响。参模样品经2 次异常样本剔除并以SG（Savitzky-Golay）一阶导数、SG平滑及去趋势校正进行预处理后,获得了最佳生鲜鸡肉胆固醇定量分析模型,其中：校正标准差（standard error of calibration,SEC）为4.534 8、校正集相关系数为0.919 7、预测标准差（standard error of prediction,SEP）为7.437 5、验证集相关系数为0.812 0、范围误差比为2.844 7、相对预测标准差为9.44%、主因子数为5、SEP/SEC为1.640 1。对检验集样品预测的结果表明,基于中波近红外光谱构建的胆固醇定量分析模型的预测性能较好（P＞0.05）,特别是在60～100 mg/100 g含量区间,可应用于对市售生鲜鸡肉及产品胆固醇的检测。     

基于光谱技术的支持向量机判别牛肉新鲜度

目的 实现生鲜牛肉新鲜度等级的无损快速判别。方法 用可见/近红外光谱检测系统, 获取储存1~18 d的36块牛肉样品的400~1600 nm范围的光谱信息, 以挥发性盐基氮理化值为分类依据。用多元散射校正(MSC)、变量标准化(SNV)、SG平滑预处理方法处理光谱数据, 分别建立牛肉新鲜度的支持向量机分类模型。结果 MSC+SG预处理后所建立的分类模型预测能力最好, 训练集和测试集的回判识别率和预测识别率分别为96.30%、100%, 验证集的识别率为88.89%。结论 可见/近红外光谱结合支持向量机, 对牛肉新鲜度进行无损快速判别是可行的。     

基于近红外漫反射光谱技术的小麦蛋白质含量检测

收集来自国内3个主要小麦生产省份的小麦样品共73份,应用近红外光谱漫反射技术结合化学计量学方法建立小麦蛋白质含量的近红外光谱定量模型,并对模型的稳定性和可靠性进行评价。结果表明,光谱预处理的最佳条件为:Savitzky-Golay平滑+一阶导数处理,使用偏最小二乘法(Partial least square,PLS)建立模型,校正集(Rc)和预测集相关系数(Rp)为0.936和0.925,校正集均方根误差(RMSEC)和预测集均方根误差(RMSEP)分别为0.23和0.28,表明模型准确可靠,可应用于小麦蛋白质含量的快速无损检测。     

近红外技术在南极磷虾油关键品质指标快速检测中的应用研究

采用偏最小二乘法（Partial least squares,PLS）作为建模方法,对磷虾油近红外光谱的一阶微分（First-order difference,FD）、FD+SG（Savitzky-Golay,SG）滤波、FD+N（Norris,N）滤波、二阶微分（Second-order difference,SD）、SD+SG和SD+N等6种单一或复合方法进行处理,通过对不同方式处理后预测模型的交互验证均方根误差（Root mean square error of cross validation,RMSECV）、外部验证残差均方根（Root mean square error of external prediction,RMSEP）和外部验证用样品真实值的标准差（SD）与RMSEP的比值（The ratio of the RMSEP to standard deviation of reference data in the prediction,RPDEV）、建模相关系数（Correlation coefficient in calibration,RC）、交互验证相关系数（Correlation coefficient in cross validation,RCV）和外部验证相关系数（Correlation coefficient in external validation,REV）等参数比较,确定了磷虾油磷脂、EPA和DHA的近红外预测模型最佳处理方式为FD、FD和SD+N,酸价指标模型不需处理。在最优条件下,四种成分近红外预测模型的RC、REV和RCV,除了酸价的RCV略小（0.917）其余均达到0.95以上,同时,四种成分的RPDEV和RPDCV值,除酸价的RPDCV为2.365,略小于2.5,其余均符合大于2.5的要求,说明磷虾油磷脂、EPA和DHA的近红外预测模型预测准确度良好;RMSEC和RMSECV相差不大,说明模型稳定性较好。由于含量低、组成复杂等原因,磷虾油虾青素近红外检测模型的RC、RCV和REV均在0.60以下,说明近红外检测不适用于磷虾油中虾青素成分的快速检测。本文证实了近红外光谱技术可作为磷虾油中磷脂、EPA、DHA和酸价等主要指标的快速检测方法,是传统化学检测方法的有效替代和补充。     

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。     

近红外光谱技术在南极磷虾粉水分、脂肪和蛋白质含量快速检测中的应用

利用傅里叶近红外光谱分析技术,以磷虾粉样品的实测值与模型预测值为基础,研究了采用最小二乘法建立磷虾粉原始样品与磷虾粉混合样品中水分、脂肪和蛋白含量近红外定标模型的可行性和准确性.结果表明,磷虾粉近红外图谱最佳预处理方式为:标准正态变换预处理+一阶导数+Norris导数滤波;以磷虾粉混合样品构建的近红外模型较磷虾粉原始样...     

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。     

Measurement of Soluble Solid Contents and pH of White Vinegars Using VIS/NIR Spectroscopy and Least Squares Support Vector Machine

Visible and near-infrared (VIS/NIR) spectroscopy combined with least squares support vector machine (LS-SVM) was employed to determine soluble solid contents (SSC) and pH of white vinegars. Three hundred twenty vinegar samples were distributed into a calibration set (240 samples) and a validation set (80 samples). Partial least squares (PLS) analysis was implemented for the regression model and extraction of latent variables (LVs). The selected LVs were used as LS-SVM input variables. Finally, LS-SVM models with radial basis function kernel were achieved with the comparison of PLS models. The results indicated that LS-SVM outperformed PLS models. The correlation coefficient (r), root mean square error of prediction, bias, and residual prediction deviation for the validation set were 0.988, 0.207°Brix, 0.183, and 6.4 for SSC whereas these were 0.988, 0.041, ?0.002, and 6.5 for pH, respectively. The overall results indicated that VIS/NIR spectroscopy and LS-SVM could be used as a rapid alternative method for the prediction of SSC and pH of white vinegars, and the results could be helpful for the fermentation process and quality control monitoring of white vinegar production.     

基于近红外光谱技术快速测定甘薯多糖含量

摘 要：目的 建立一种基于近红外光谱技术快速测定甘薯多糖的方法。方法 通过采集来自不同地区的74个甘薯及甘薯干的近红外光谱图,对异常样本进行剔除与回收后随机选择其中56种作为校正集,11种作为验证集。通过一阶导数、二阶导数、多元散射校正（multiplicative signal correction,MSC）、标准正态变量变换（standard normal variate,SNV）等组合预处理方式对原始光谱进行处理,比较多元线性回归（stepwise multiple linear regression,SMLR）、主成分回归（principal component regression,PCR）和偏最小二乘法（partial least squares,PLS）三种方法建立的模型结果,进一步选择波段确定最佳甘薯多糖含量测定方法。结果 PLS建立的模型整体精确度和稳定性最佳,最优模型的预处理方式为一阶导数处理,该模型的最佳波段为全波段范围,校正集均方根误差（root mean square error of calibration set,RMSEC）为相关系数0.496,校正集相关系数（calibration set correlation coefficient,RC2）为0.9683,验证集均方根误差（root mean square error of prediction set,RMSEP）为0.430,验证集相关系数（prediction set coefficient of determination,RP2）为0.9440,主成分数为8。结论 通过近红外光谱技术结合偏最小二乘法建立甘薯多糖模型可作为甘薯多糖快速测定的可行性方法。     

近红外光谱结合化学计量学技术快速测定面条中马铃薯全粉的含量

马铃薯干物质的主要成分为淀粉,将其与面粉混合后采用传统工艺制作成的马铃薯面条,使用化学检测方法很难测定马铃薯面条中马铃薯全粉的含量和面粉的含量。本研究旨在建立一种快速检测面条中马铃薯全粉含量的方法,为市场监督部门提供技术支撑。以不同马铃薯全粉含量的面条样品236份为实验材料,采集样品近红外漫反射光谱,结合化学计量学软件建立并优化预测模型。结果表明:近红外光谱图范围为9403.6～5446.2 cm-1时,采用最小-最大归一化预处理光谱,建立的预测模型稳定性强预测精度高,预测模型的外部验证决定系数(R2val)为0.9775、预测均方根误差(RMSEP)为1.28%,斜率为0.95,模型的相对分析误差(relative prediction deviation,RPD)为4.74。采用近红外漫反射光谱技术可以快速预测面条中马铃薯全粉的含量,可以为市场监督部门提供技术支持。