黄瓜Vc含量的非破坏分析法——近红外光谱法(NIRs)

研究用NIR,光(?)法分析完整黄瓜的维生素C含量。该法与化学法的相关系数为0.9954,标准误差为(?)说明NIR法与化学法有着相似的准确度。由于它具有快速、非破坏,不用任何预处理等优点,可以在黄瓜的品质分析,品种质量检验中应用。     

用近红外（NIR）光谱法分析完整草莓中的Vc

介绍一种快速非破坏分析完整草莓中Ｖｃ的新方法一近红外光谱法。在波长１０７９ｕｍ附近,高、中、低Ｖｃ含量的一阶导数光谱之间有明显差异,该波长选作定标的第一波长,经１０７９／１０８１,９８９／８２０ｎｍ两对波长线性回归分析结果,相关系数为０．９９９,标准误差为０．５８（ｍｇ／１００９．Ｆ．Ｗ）,检验时标准误差为０．７５（ｍｇ／１００ｇ．Ｆ．Ｗ）,高差０．０２,ＮＩＲ光谱法在实际应用中可满足完整草莓Ｖｃ含量的测定精度。     

近红外光谱法非破坏快速检测生菜中硝酸盐含量

运用傅里叶变换近红外光谱仪,以二阶导数处理光学数据,用偏最小二乘法(Partial Least-Squares Regression,PLSR)进行统计分析,对58个外观形状不同的生菜样品建立了硝酸盐含量快速检测模型。其预测结果与国标方法相比相关系数为0.9819,检测相对误差在0.56%～6.79%范围内。该方法简单、快速,无需消耗任何试剂,可满足现场快速检测的需要。     

一种水溶液中果糖含量的近红外光谱分析法

目的建立一种水溶液中果糖含量的近红外光谱分析仪(near-infraredspectroscopyanalysis,NIRSA)检测方法。方法实验中所用的样品数量为30个,随机选取26个作为校正集样品,用于建立果糖的校正模型;4个作为验证集样品,用于校正模型的验证。将待测样品放入样品杯中,利用GSA201型近红外光谱仪采集样品的光谱。得到样品的化验值,将光谱数据和化验值导入到NIRSA化学计量学软件,经过一阶微分S-G平滑处理,利用成分的含量数据和光谱数据一一对应,创建校正模型。为验证模型的预测能力,选取4个果糖水溶液样品作为验证,调用校正模型对该样品进行预测。结果本研究中样品的含量范围在0.4171%～0.4431%之间,样品的含量比较低且范围较窄,GSA近红外光谱仪测量的绝对偏差为0.000024。结论 GSA近红外光谱仪利用光谱数据和校正模型完全能够有效检测水溶液中果糖的含量,且预测的准确度较高。     

近红外分光光度法测定水果中Vc的含量

提出了一种测定Vc的新方法,它是基于FolinB试剂与抗坏血酸在pH3的三氯乙酸酸性介质中反应生成脱氢抗坏血酸,反应产物在920nm波长处有最大吸光度进行定量分析。该方法的线性范围为0～10.0μg/mL,相关系数r=0.99955,回收率为89.4%～102.1%。     

近红外光谱法预测烟草中的纤维素含量

为了快速测定烟草中的纤维素含量,对1214个国产烤烟烟叶样品进行了近红外(NIR)漫反射光谱扫描及其纤维素含量的化学测定,而后根据这些烟叶样品的NIR光谱数据及其纤维素含量的化学测定数据,利用偏最小二乘法建立了烟叶纤维素NIR预测模型,并对建模参数和模型的预测效果进行了评价。结果表明:优化后,该NIR模型预测纤维素的决定系数为0.9649,实际预测的平均相对偏差<2%。该模型适合大批量烟叶纤维素含量的快速分析。     

近红外光谱法测定菜籽油中水分含量

以菜籽油为试验材料,用干燥乙腈萃取菜籽油中水分,用傅里叶变换近红外光谱技术(FT-NIRS)结合偏最小二乘法(PLS)建立乙腈水分定量分析模型,并用乙腈水分模型间接预测菜籽油水分含量。结果表明:校正样品集的标准偏差(SEC)为0.014 6,预测样品集的标准偏差(SEP)为0.039,预测值与实测值的决定系数(R2)为0.921 6。菜籽油水分含量用FT-NIRS分析和卡尔费休法测定结果之间有良好的一致性,模型具有较高的预测能力,结果准确可靠,可代替常规分析方法。     

近红外光谱法测定高粱原花青素含量

利用近红外漫反射光谱技术,采用偏最小二乘法(PLS)探讨用近红外技术快速筛选高含量原花青素高粱的可行性.结果,内部交叉验证决定系数fR2)为0.8657,标准差(RMSECV)为0.277;外部验证决定系数(R2)为0.8919,标准差(RMSEP)为0.312.结果表明,用PLS建立的近红外模型能准确地筛选出高原花青素含量的高粱品种,为高粱的育种工作者提供了一种快速非破坏的筛选手段.     

五种常见野菜Vc含量的测定

The contents of vitamin C of the wild vegetables in the Capsella dursa-pastoris,Portulaca oleracea,Talinm paniculatum,Stellaria aquatica and Sonchus arvensis were determined. The result indicates that the contents of vitamin C of the wild vegetables are very high. Some proposals on the utilization of wild vegetables put forward.     

近红外光谱法检测小麦粉中的水分含量

以化学法测定67个小麦粉样品的水分含量,利用波通DA7200型近红外光谱分析仪采集样品近红外光谱,选择合适的光谱区间及光谱预处理方法,采用偏最小二乘法(PLS)和留一法内部交叉验证方式建立定标模型.50个定标样品的近红外光谱经一阶导数预处理,由PLS法获得的定标模型决定系数(R2)为0.984 3.利用17个验证集样品进行外部检验,预测值与真实值之间的相关系数(R2)为0.984 8,预测集标准偏差(SEP)为0.092 9.近红外光谱法具有方便、快速、准确、无损、无污染的特点,应用于小麦粉水分的测定是可行的.     

近红外光谱法测定清汁中还原糖含量

采用近红外光谱法测定清汁中还原糖含量，获得良好效果，所建模型标准误差小而决定系数高。数据采用修正的最小二乘法（MPLS）进行计算，所得多元回归线性方程的定标决定系数R2、交互定标标准误差（SECV）、交互定标决定系数（1-VR）分别为0．952，0．067，0．813，具有较好的相关性。用36个随机清汁样品检验该模型，近红外法预测结果与传统滴定法测定结果的检验工作标准误差（SEP）为0．070，检验决定系数为0．876，证明测定所建近红外法定标模型具有较好的稳定性。     

近红外光谱法检测婴幼儿营养米粉蛋白质含量

以160个婴幼儿营养米粉为样品,应用近红外光谱技术和偏最小二乘法建立了婴幼儿营养米粉中蛋白质含量的近红外模型。比较了2、3、4、5、6、7、8 mm不同装样厚度(即光程)下样品近红外光谱的稳定性,通过样品光谱在不同波数下的标准差选定了5 mm为最佳的装样厚度;比较了变量标准化、导数、多元散射校正和9点平滑预处理方法对模型建立的影响,根据模型的相关系数和均方根误差确定了最佳的预处理方法,为变量标准化、一阶导数和9点平滑,预处理后的光谱数据结合国标方法测定的蛋白质含量建立了婴幼儿营养米粉中蛋白质含量的近红外定量分析模型,定标集和验证集相关系数分别为0.9856、0.9841,均方根误差分别为0.2431%、0.2456%,对已建立的近红外光谱定量分析模型进行了外部样品验证,预测准确度达到96%,验证结果证明了近红外检测技术与国标方法一致性较好,速度快且不需要样品前处理,在婴幼儿营养米粉蛋白质含量分析中具有广泛的应用价值。     

傅立叶近红外光谱法测定桃果中果胶含量

目的 基于傅里叶近红外光谱(Fourier transform near infrared)检测桃果中果胶含量的研究。方法 近红外光谱采集样品利用两个品种的桃,探究光谱预处理对建模的影响,建模采用偏最小二乘法(PLS)以及主成分回归(PCR)方法,模型的评价标准采用建模相关系数(R_C)、建模均方偏差(RMSE_C)、预测相关系数(R_P)、预测均方偏差(RMSE_P)。结果 两个品种的近红外光谱图和果胶含量无明显差异(P＞0.05),采用标准正态变量变换(SNV)和多元散射校正(MSC)对原始光谱的光程进行选择,所得建模结果影响基本一致,合适光谱数据格式以及平滑处理,能提高PLS和PCR模型的预测精度和稳定性。综合得出模型最佳是利用PLS方法建模并采用MSC/SNV结合一阶导数和 Savitzky-Golay (S-G)平滑对近红外光谱图进行预处理,评价参数分别为R_C=0.7795、R_P=0.7545、RMSE_C=0.0933、RMSE_P=0.0534和R_C=0.7800、R_P=0.7530、RMSE_C=0.0932、RMSE_P=0.0534。结论 该方法为利用近红外建模快速检测桃果中果胶含量提供重要依据。     

近红外光谱法预测面条中马铃薯泥含量模型的

制作了已知含量的马铃薯泥面条170份,采集马铃薯泥面条的近红外吸收光谱,采用偏最小二乘法（PLS）建立并优化马铃薯泥含量预测模型。结果表明：吸收谱图扫描范围为9 403.6～5 446.2 cm^-1时,选择矢量归一化法预处理光谱,获得的含量预测模型预测能力好,模型的外部验证决定系数为0.956 4、预测均方根误差为3.73%,斜率为1.029,模型的相对分析误差为2.04。采用近红外光谱法建立的预测模型可以较好的预测未知面条样品中马铃薯泥的含量。     

近红外光谱法快速测定啤酒中乙醇的含量

建立快速测定啤酒中乙醇含量的近红外光谱法(NIR)。采用傅立叶变换近红外光谱法(FT-NIR)，在近红外区域(750～2500nm)利用逐步回归分析的方法测定啤酒中乙醇的含量，并将傅立叶变换近红外光谱对未知样品的预测结果与气相色谱法的测定结果进行比较。结果：选择6个波数点时其最大相关系数为0．994，预测平均相对误差为4．529％，预测误差标准差为0．163。结论：利用近红外光谱检测啤酒中乙醇含量的方法是可行的，可以替代常规的理化分析。     

近红外光谱法检测纺织品中羊绒和羊毛含量

将纯羊绒、羊毛按不同比例混合配制101个标样,采用偏最小二乘法,建立近红外光谱定量分析的数学模型,预测模型的相关系数为0.99,标准差为2.8%。实验表明:采用近红外光谱技术对羊绒、羊毛进行定量分析是可行的,有望成为快速、非破坏性的检测手段。该试验的样品数量和代表性有限,预测模型的精确度有待提高,若将近红外光谱技术真正用于检测工作,需逐步积累样品,建立更具代表性的数据库和更为稳定、精确、可靠的数学模型。     

速冻青椒在不同贮存温度下Vc含量及Vc氧化酶活性的变化

分别测定了青椒在０．５５℃条件下鲜藏，速冻青椒在－６、－１２、－２６℃条件下贮藏过程中Ｖｃ含量及Ｖｃ氧化酶活性。分析测定结果发现，Ｖｃ含量在一定时期内呈线性下降，Ｖｃ氧化酶活性也降低，速冻青椒的Ｖｃ氧化酶活性最终降至零。速冻青椒贮存温度越低，Ｖｃ损失越慢，但鲜藏青椒的Ｖｃ损失速度并不比－６℃贮藏的速冻青椒快，生物活性对Ｖｃ具有保护作用。Ｖｃ氧化酶活性与Ｖｃ含量的变化无直接关系。     

近红外光谱法快速测定甘蔗渣水分和糖分含量

探讨了近红外光谱法快速测定甘蔗渣水分和糖分含量的可行性。基于实验室自制的20个水分和糖分不同含量的甘蔗渣样品,用近红外光谱仪积分球旋转方式在12500～4000cm^-1范围内采集相应样品的光谱,利用化学计量学软件建立样品水分和糖分含量与光谱数据之间的相关性模型。结果表明,对原始光谱进行多元散射校正的预处理后,选择9295．8～6098．2cm^-1和5450．2-4597．8cm^-1波数区间,用偏最小二乘法（PLS）和完全交互验证方式建立的校正模型的相关系数R^2分别为0．9886和0．9793,交互验证均方差RMSECV分别为2．18和0．463。该方法操作简单、准确性好,适用于生产过程中对甘蔗渣水分和糖分含量的快速测定。     

近红外光谱法快速测定榨菜中亚硝酸盐含量

为研究利用傅立叶近红外光谱分析仪(NIRS)快速测定市售榨菜中亚硝酸盐的含量,先取榨菜样品按GB5009.33-2016测定其亚硝酸盐含量,再向榨菜样品中添加亚硝酸钠,制成亚硝酸钠浓度范围为0.122~39.0875 mg/kg,浓度梯度为0.66 mg/kg的60个样本校正集;与10个样本预测集采集对应的傅立叶近红外光谱曲线,将光谱信息与实际测量值相关联,利用TQ analyst建模软件进行计算分析。结果表明:建模最优预处理方法为一阶微分(1D)与Savitzky-Golay filter滤波平滑的组合预处理;比较分析偏最小二乘法(PLS)与主成分回归法(PCR)的亚硝酸盐样品建立的光谱模型,数据结果显示采用偏最小二乘法(PLS)的亚硝酸盐组分模型稳定性和预测能力更好;内部交叉验正均方差(RSMECV)、交叉验证决定系数(R_c)、外部预测均方根误差(RMSEP)、预测决定系数(R_P)相关系数(r)分别为0.0310、0.9925、0.0141、0.9720、0.9378。经F检验与t检验,与国标所测结果无显著性差异。NIRS检测快速,无损便捷,可用于市售榨菜中亚硝酸盐残留量的定量检测。