基于FT-NIR光谱技术结合KPCA-MD-SVM对白酒基酒的快速判别

为保证在摘酒过程中基酒分段的准确,研究通过利用傅里叶变换近红外设备对整个摘酒过程中的基酒样品进行光谱采集,使用支持向量机（SVM）对最优预处理的基酒光谱建立基酒分段模型,其模型训练集的正确率为93.02%,测试集判别率为90.08%。为减少建模时间和提高模型的可靠性,使用核主成分分析（KPCA）对基酒光谱数据降维,并对此建立基酒分段模型。其训练集正确率为94.81%,测试集判别率为90.75%,相比无KPCA分析时的分段模型训练集高1.79%,测试集高0.67%。为进一步提高模型的判别能力,使用马氏距离（MD）剔除了降维后的异常数据样品,创建的基酒分段模型训练集对基酒段数的正确率为98.72%,测试集正确率为98.75%。剔除异常样品后的分段模型的训练集正确率提高了3.91%,测试集判别率提高了8%。以上研究表明了KPCA+MD+ SVM基酒分段模型能对基酒进行快速判别,为近红外光谱在自动化摘酒方面提供了一种理论可能。     

利用近红外光谱技术快速测定鱼油中EPA和DHA含量的方法研究

利用近红外光谱技术建立快速测定鱼油中EPA和DHA含量的方法。分别测定EPA和DHA的含量以及收集鱼油光谱信息,比对了多种单一和复合预处理方法以及数学建模方法。结果表明:Normalize-SNV和Detrend-MSC分别为EPA和DHA预测模型最佳的预处理方法,PLS为最佳的建模方法,其中EPA预测模型R_C为0.966,SEC为1.960,DHA预测模型RC为0.945,SEC为1.281。利用近红外光谱技术可以快速测定鱼油中EPA和DHA含量。     

利用近红外光谱分析技术快速测定高良姜中水分含量

结合化学计量学技术构建高良姜中水分含量NIRS分析模型,可应用于高良姜中水分含量的快速测定。方法:用减压干燥法测定106批样品中水分的含量,采集并用多元散射校正法、二阶导数法、Savitzky-Golay卷积平滑法预处理近红外光谱,结合偏最小二乘法建立高良姜药材中水分含量的定量模型,对所建模型进行了内部交叉验证和23批验证集样品的外部预测验证,并对模型进行了重复性考察。结果:所建立的高良姜药材中水分含量的近红外光谱定量分析模型,内部交叉验证决定系数达到0.9864,校正均方差为0.134,预测均方差为0.145,内部交叉验证均方差为0.311,交叉检验和外部检验RPD均大于3。结论:该模型稳定,准确可靠,可应用于高良姜中水分含量的测定。     

近红外光谱快速检测食用植物油中酸价

目的 建立基于近红外光谱快速测定食用植物油中酸价的分析方法。方法 采用冷溶剂指示剂滴定法检测371个食用植物油样品的酸价,并采集样品的近红外光谱。经过标准正态变换结合一阶导数对近红外光谱进行数据预处理,选用竞争性自适应重加权采样算法选取重要变量,建立食用植物油酸价的偏最小二乘回归模型。结果 蒙特卡洛交互验证结果显示,食用植物油酸价预测模型的验证集决定系数Q2为0.9983,交互检验的均方根误差(root mean square error of cross validation, RMSECV)为0.0461,模型预测的独立测试集的酸价与实测值相关系数为0.9834,预测效果良好。结论 本研究建立的食用植物油酸价近红外光谱快速检测方法能够满足检测要求,为评价或跟踪食用油品质提供快速无损的技术思路。     

发酵液中乙醇含量的近红外光谱NIRS定量分析与验证

应用近红外光谱技术(NIRS),采用偏最小二乘法(PLS)建立发酵液中乙醇含量定量分析预测模型,并比较发酵液原液和发酵液上清液NIRS预测模型对预测乙醇含量的效果差异。结果表明,发酵液原液所建立的乙醇含量和发酵上清液所建立的乙醇含量预测模型校正误差(SEC)、交叉检验标准误差(SECV)、校正相关系数(RSQ)、交叉验证相关系数(1-VR)皆有很好的关联性。由此可见,通过内部交叉检验和外部验证.用近红外光谱法测定发酵液中的乙醇含量具有很高的准确度,为近红外光谱法快速监测乙醇发酵提供了新的方法。     

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。     

基于近红外光谱技术的米糠粕主要成分分析

为探索米糠粕营养成分的近红外快速测定方法,采集261个米糠粕样品的近红外光谱,分别经过标准正态变量变换、去趋势校正、多元散射校正等20种方法进行预处理,在1000~1799 nm波长范围内,结合化学方法测定数据采用偏最小二乘法、主成分分析结合人工神经网络法、偏最小二乘结合人工神经网络法建立米糠粕营养成分近红外定量模型。结果发现,在3种建模方法中,偏最小二乘法结合人工神经网络法建立的模型效果最好,预测精度最高,所得的水分、灰分和粗蛋白近红外定量模型的相关系数分别为0.9593、0.9168和0.9626。      

基于近红外光谱技术建立棉籽蛋白质含量快速无损测定方法

棉籽是棉花产业的重要副产品,含有丰富的棉籽蛋白,是牲畜蛋白质的重要来源,提高棉籽蛋白质的利用率对缓解我国蛋白资源短缺有着重要意义。快速无损环保测定棉籽蛋白质含量方法的建立,对于合理有效的利用棉籽资源和开展棉籽营养品质遗传改良等方面的研究具有关键作用。本研究通过凯氏定氮法对187份棉花品种进行棉籽蛋白质含量化学值测定,利用近红外光谱分析仪分别采集三种不同棉籽形态毛籽、光籽和种仁的光谱特征信息,经过不同数学算法处理和散射处理等方法结合改良偏最小二乘法 (Modified partial least squares, MPLS), 建立了三种不同棉籽形态蛋白质含量快速无损检测的近红外光谱模型。构建的毛籽、光籽和种仁三种近红外检测模型的定标相关系数 (Regression squared, RSQ) 分别为0.957、0.971、0.989,并通过差异统计分析比较,验证集的化学值与近红外光谱预测值间不存在显著差异。结果表明三种不同棉籽形态下建立的近红外光谱检测模型都具有良好的准确性,能够针对不同待测样品类型进行准确的蛋白质含量检测。本研究建立了毛籽、光籽以及棉仁三种棉籽蛋白质含量的近红外光谱检测模型,实现了棉花种子蛋白质含量的快速无损低消耗检测,为棉籽综合利用以及棉籽高品质育种提供技术支撑。     

米糠蛋白中砷元素含量与土壤污染关系的研究

文章研究比较了三种土壤条件下不同品种稻谷加工米糠蛋白中砷元素含量,与该地区土壤污染间的关系。证明减少种植水稻的土壤中砷的吸收,是米糠控制砷含量最直接、最有效的方式。通过对不同测试点,用原子荧光光谱法进行砷含量测定,结果表明:实验土壤的砷含量由低到高点,所种植的不同品种水稻加工而成的米糠蛋白中砷含量平均值也呈现出从低到高的趋势,说明土壤中砷含量与米糠蛋白中砷含量油直接关系。     

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...     

傅立叶变换近红外光谱法快速检测锅盔中水分含量

应用傅立叶变换近红外光谱技术,建立锅盔水分含量分析模型.测定61份锅盔的近红外光谱,经一阶导数+MSC预处理以滤去噪声,在7 501.9～4 597.6 cm-1谱段范围内,选择维数10,利用偏最小二乘法建立近红外光谱与国标参考方法测得的水分含量之间的相关模型.最终得到水分定量校正模型决定系数(R2)为99.03％,内部交叉验证均方差(RMSECV)为0.409％.用该模型对19个未知锅盔样品进行外部验证,其水分外部验证决定系数(R2)为97.99％,预测标准偏差(RMSEP)为0.341％.结果表明,近红外定量分析技术有较高的准确度,能满足锅盔水分的快速检测精度要求.     

基于傅里叶变换近红外光谱法鉴别五常大米

为保护五常大米的品牌效益,利用傅里叶变换近红外光谱法（Fourier transform near infrared spectroscopy,FTNIS）结合化学计量学分析法对来自五常地区和非五常地区共计191?份大米样品进行产地鉴别研究,结果表明：利用因子化法结合FTNIS技术所建立的鉴别分析模型对五常地区大米的鉴别正确率为100%,非五常地域的大米鉴别正确率为97.50%;利用聚类分析模型判别,对五常大米的判别正确率为100%,非五常大米判别正确率为100%。利用偏最小二乘法结合FTNIS建立的定量分析模型对五常大米判别正确率为95.83%,非五常大米判别正确率为95.00%。通过以上研究结果可知FTNIS法对五常大米产地鉴别是可行的。     

近红外光谱技术快速鉴别查哈阳大米

查哈阳大米为黑龙江特色品牌大米,为保护查哈阳大米品牌,实现查哈阳大米原产地快速真伪鉴别。通过构建不同地域和品种水稻试验田,收获期内对试验田大米的近红外光谱进行全波长扫描,筛选与产地相关特征波段。在特征波段处对来自查哈阳地区及非查哈阳地区的233份大米进行定性分析及定量分析。结果表明,与产地因素主要相关的波长为5 136~5 501 cm~(-1),利用此波段采用因子化法建立定性分析模型对查哈阳大米正确鉴别率为100%,采用偏最小二乘法建立的定量分析模型对查哈阳大米正确判别率为95.83%。     

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。     

傅立叶红外光谱技术快速检测黄酒中的氨基酸质量浓度

氨基酸含量是评价黄酒质量和风味的一项重要指标。为了实现对黄酒中氨基酸质量浓度的快速检测,作者探索了将傅立叶红外光谱技术(FT-IR)应用于黄酒中的17种自由氨基酸质量浓度的快速检测的可行性,同时采用协同区间偏最小二乘算法(SiPLS)和遗传算法(GA)选出有效波长以期提高模型的预测精度。实验结果显示与基于全波长光谱建立的经典偏最小二乘算法模型相比,基于SiPLS和GA选出来的有效光谱变量而建立的回归模型的精度有显著提高,尤其是对半胱氨酸(Cys)、精氨酸(Arg)和脯氨酸(Pro)。此外,对于所有的氨基酸,GA-SiPLS模型效果最好,交互验证相关系数均大于0.80,残余预测偏差均大于2.00。因此,FT-IR结合特征谱区筛选方法可以作为常规检测的一种替代手段实现对黄酒中的自由氨基酸的快速检测。     

基于傅里叶变换红外光谱技术对木耳中镰刀菌的识别检测

该研究建立了一种基于傅里叶变换红外光谱的木耳中镰刀菌的定性定量检测方法：对经高压灭菌的木耳样品分别接种木耳中常见的五种镰刀菌（层出镰刀菌189975、串珠镰刀菌340687、尖孢镰刀菌120618、木贼镰刀菌124121、茄病镰刀菌121547）,并于28 ℃,相对湿度80%的条件下进行储存培养,同时采集不同储存阶段的木耳样品在1 800~900 cm-1的红外光谱信息。分别运用主成分分析（PCA）、线性判别分析（LDA）以及偏最小二乘回归分析（PLSR）建立木耳中镰刀菌的快速识别检测模型。结果表明：LDA模型对受不同镰刀菌侵染的木耳样品的平均判别正确率达到87.50%,对受单一镰刀菌侵染的木耳样品霉变状态的平均判别正确率达到82.50%;PLSR模型对木耳样品中菌落总数的预测实现了较好的定量结果（R2 p=0.842 8,RMSEP=0.292 log CFU/g,RPD=2.81）;通过实际样品验证分析表明傅里叶变换红外光谱方法可以实现木耳中镰刀菌的快速识别检测。     

傅里叶变换近红外光谱技术测定绿茶全氮量

建立准确性高、稳定性好的绿茶全氮量的偏最小二乘定量分析模型。在4 691～3 959、5 126～4 848 cm－1 波段区间内,光谱经过一阶导数与平滑处理后,模型的预测性能最好,外部验证集样品的预测值与实测值的预测均 方差（RMSEP）为0.092 5%,相关系数为0.993 9。根据嫩度等级,建立了绿茶全氮量子模型,提高了模型的预测 性能。嫩度为3 级的子模型预测结果最好,验证集样品的全氮量的预测值与实测值的RMSEP值最小,为0.037 9%, 相关系数为0.996 1。绿茶全氮量近红外光谱检测技术是一种绿色、快速、高效的新型分析技术,能够实现快速测定 绿茶全氮量,评价绿茶品质。     

近红外光谱技术快速检测小龙虾新鲜度

应用近红外光谱技术实现对小龙虾新鲜度的快速检测。利用化学计量学方法,通过对近红外品质分析仪采集的虾肉绞碎前后光谱（850～1 050 nm）调整不同预处理方法、偏最小二乘法和组合算法,建立一种基于总挥发性盐基氮（total volatile basic nitrogen,TVB-N）含量的小龙虾新鲜度定量预测模型。结果表明：采用标准正态变量变换与一阶导数结合的预处理方法模型预测效果最好,且绞碎后的虾肉光谱比绞碎前建模效果更好;为满足实际应用需要,对绞碎前的虾肉TVB-N含量预测模型进行分析,其交叉验证误差为3.123,交叉验证相关系数为0.947,用此模型对预测集24 个样品进行预测,预测值与实测值的交叉验证相关系数为0.951 4,在TVB-N含量超过20 mg/100 g（不新鲜）的检测准确率为100%。近红外光谱技术可应用于快速检测小龙虾新鲜度,所建模型具有较好的预测能力。     

Rapid Fruit Extracts Antioxidant Capacity Determination by Fourier Transform Infrared Spectroscopy

ABSTRACT: The antioxidant content of fruits have made them a desirable component of the human diet. Several wet chemistry techniques, including the oxygen radical absorbance capacity (ORAC_FL) assay, have been reported for measuring the antioxidant activities of fruit. In this study, we investigated the use of Fourier transform infrared spectroscopy (FTIR) to measure fruit antioxidant activity. Flavonoid-rich extracts from 5 blueberry, 5 grape, and 6 blackberry genotypes were obtained by methanol-water-formic acid (60:37:3, v/v/v) solvent. The total antioxidant capacities of the fruit extracts were determined by the ORAC_FL assay, and the FTIR spectra of the fruit extracts were collected. Partial least squares (PLS) regressions with cross-validation was conducted on 128 spectra of extracts and their corresponding ORAC_FL values to obtain a calibration model for predicting the antioxidant activity of the extracts. Spectra from an additional 16 extracts were used as an external validation set for the model. A good calibration model ( R ²= 0.97) for antioxidant activity was obtained with satisfactory predictive ability (root mean standard error [RMSE] = 5.35) using the spectral region 2000/cm to 900/cm. Cross-validation procedures indicated good correlations ( R ²= 0.94) between ORAC_FL assay values and FTIR estimates. The ratio of the standard deviation of the data to the standard error of validation (RPD) values were above 5.0 for blueberry, grapes, and the combined extracts in the external validation set indicating that the calibration model was suitable for quantifying fruit extracts antioxidant activities. This study shows that an FTIR technique would be suitable for rapidly measuring fruit extract antioxidant activity.     

基于近红外光谱技术对建三江大米快速检测分析研究

为实现建三江大米的真假快速鉴别,应用近红外光谱仪测定来自建三江及非建三江地区的150份大米样品,对原始光谱进行预处理后,采用因子化法进行鉴别分析,最大合格性索引法进行合格性检测分析,偏最小二乘法(partial least squares,PLS)法进行定量分析。结果表明,3种模式识别方法对建三江地区的大米正确判别率均在90.00%以上。因此,应用近红外光谱技术在建三江大米真假鉴别研究中具有可行性。