近红外光谱分析技术及其在线应用进展

近红外光谱分析技术作为近年来发展较快的一种分析技术,具有分析速度快、对产品无破坏等特点,尤其适用于对产品关键参数进行在线测量,以实现优化工艺,提高产品质量等目的。介绍近红外光谱分析技术的特点及原理,并对其于各行业的在线应用进展进行综述。     

近红外光谱在淀粉糖生产中的应用

本文论述了采用近红外光谱漫反射技术检测葡萄糖浆中主要成分含量的方法。讨论了采用偏最小二乘法(PLS)建立校正模型过程中样品预处理及利用常规吸收峰优选波长的方法。经验证：DE、DP分布测量值同浓度参考值具有良好相关性(相关系数大于0．9)，测量重复性变异系数(CV)优于2％。结果表明：近红外光谱法可以满足葡萄糖浆中主要成分的实际测量要求，为玉米深加工企业提供了淀粉糖生产过程控制的参考方法。     

近红外光谱技术结合iPLS＿SPA波段筛选在黄水酒精度预测模型中的应用

为实现白酒发酵过程中黄水酒精度的快速检测,研究采用傅里叶近红外光谱（FT-NIR）技术对黄水进行光谱采集,并且采用偏最小二乘回归（PLSR）法建立酒精度预测模型。为减少全光谱的数据冗余降低复杂度,提升建模准确率,将连续投影算法（SPA）与间隔偏最小二乘法（iPLS）联用,对整个谱区进行特征波段筛选,并用决定系数R2与预测均方根误差（RMSEP）评价预测模型。结果表明：与原始数据集相比,经过异常样品剔除、预处理、特征光谱筛选后预测模型,预测集R2也从最开始的0.702变为0.952,提升35.61%;预测RMSEP从3.812变为1.367,降低64.14%;变量数也从2,203逐步下降到99,降低了95.51%。说明在减少非相关信息与噪声的同时,模型的复杂度也得到极大改善,并且模型的稳定性与准确度得到了有效提升,最终实现黄水酒精度的快速无损检测,以期为白酒发酵领域提供一种新的可能性,为近红外在白酒发酵副产物中的检验提供理论基础。     

基于近红外光谱的海藻糖浆组分快速定量检测

研究采用近红外光谱(near infrared spectroscopy,NIRS)快速检测单酶法生产海藻糖浆(海藻糖、麦芽糖及葡萄糖)组成的方法。取65个海藻糖浆作为样本,扫描得到近红外光谱图,分为48个样本校正集,17个样本预测集,计算分析结果表明:一阶微分(first derivative,1D)与S-G平滑(savitzky-golay filter)组合处理为最优预处理方法;运用TQ analyst建模软件中主成分回归(principal component regression,PCR)算法和偏最小二乘法(partial least squares,PLS)算法分别对海藻糖浆建模,发现采用偏最小二乘法(partial least squares,PLS)的海藻糖浆组分模型稳定性和预测能力更好;运用PLS、1D、S-G平滑组合预处理海藻糖浆组分模型,不仅降低光谱的背景噪声,同时还提高模型的稳定性。海藻糖浆各组分模型的交叉验证均方差(RMSEC)、交叉验证决定系数(Rc)、预测均方差(RMSEP)、预测决定系数(RP)依次为:海藻糖模型分别为0.188,0.995,0.089,0.989;麦芽糖模型分别为0.143,0.997,0.131,0.969;葡萄糖模型分别为0.147,0.997,0.094,0.999。NIRS检测快速、无损便捷,可用于检测单酶法生产海藻糖浆的组分。     

基于近红外光谱技术的花生酸败特性检测研究

酸价、过氧化值是衡量花生贮藏过程中氧化酸败的重要指标,基于近红外光谱分析技术,结合化学计量分析,利用偏最小二乘法建立花生酸价、过氧化值的近红外预测模型,并对平滑、导数、多元散射校正、归一化等多种预处理方法对建模准确性的影响进行比较.结果表明:对原始光谱数据采用一阶微分处理的方法建立的模型其预测效果最佳,酸价模型的主成分维数为10,决定系数为0.955,均方根误差为0.080;过氧化值模型的主成分维数10,决定系数为0.940,均方根误差为0.459.研究表明,近红外光谱分析技术可用于花生酸价、过氧化值的快速无损检测.     

近红外光谱技术在南美白对虾鲜度判别中的应用

利用近红外光谱技术建立数学模型,预测南美白对虾鲜度变化时挥发性盐基氮(TVB-N)和菌落总数(TBC)的含量。对42个虾糜样品进行扫描,获得950¹ 650 nm光谱信息,运用Unscrambler10.3软件进行计算,光谱经过一阶导数、Savisky-Golay(SG)平滑和标准正态变化(SNV)预处理,运用偏最小二乘法(PLS)建立TVB-N及TBC模型,并对模型进行验证。结果表明:TVB-N模型中定标集和预测集相关系数分别为0.980和0.923,交叉验证标准方差(RMSECV)和预测均方根误差(RMSEP)分别为1.189和2.179;TBC模型中定标集和预测集相关系数分别为0.991和0.943,RMSECV和RMSEP分别为0.136和0.603,表明所建模型取得了较好的预测效果,可以很好的判别虾新鲜度。     

基于近红外光谱技术的带鱼新鲜度检测研究

采用傅里叶变换近红外光谱结合偏最小二乘法(PLS)建立了带鱼挥发性盐基氮(TVBN)、pH和菌落总数的定量分析模型。结果表明,TVBN、pH和菌落总数校正集相关系数(r)分别为0.9874、0.9315和0.9990,校正标准差(RMSEC)分别为0.810、0.0961和0.0344,交叉验证均方差(RMSECV)分别为1.81、0.148和0.459。验证集r分别为0.960、0.923和0.994,验证标准差(RMSEP)分别为5.178、0.333和0.823。本研究说明利用近红外光谱技术检测带鱼新鲜度是可行的,为鱼类新鲜度快速检测提供了理论依据。      

基于近红外光谱技术的白酒基酒中乳酸的快速检测

目的:研究现代近红外光谱技术快速检测白酒基酒中的乳酸含量。方法:采用高效液相色谱法测定基酒样品中乳酸的化学值,与近红外透射光谱相结合,建立白酒基酒中乳酸的定量检测模型。结果:最佳预处理方法为一阶导数+多元散射校正(MSC),最优波段谱为6102~5450 cm^-1。对模型进行优化和检验,得到校正集样品的化学值与预测值的决定系数(R²)为0.9771,校正标准偏差(RMSECV)为0.1825;验证集的决定系数(R²)为0.9808,预测标准偏差(RMSEP)为0.1475。结论:近红外光谱法快速有效,所建模型具有很好的预测效果,模型的精密度和稳定性良好,为白酒生产中乳酸含量的检测提供方法指导。     

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。     

基于近红外光谱技术快速检测椰汁品质

本研究应用近红外光谱技术结合主成分分析法(PCA)对3个不同品种的椰子,3个不同品牌成品椰子饮料及椰子粉进行定性分析。结果表明,对椰子3种不同形式的加工产品(椰子原汁、椰子饮料、椰子粉)进行定性分析的准确判别率均达到100%。采用近红外光谱技术结合偏最小二乘法(PLS)对椰汁饮料中原汁含量进行定量分析。为保证所建模型的稳健性、准确性,消除干扰,采用6种不同的预处理方法对近红外光谱技术进行优化,结果表明经过中心化预处理可得最佳模型,其R_p²、RMSEP、R_c²、RMSEC分别为0.9942、0.0435、0.9932、0.0519。本研究表明近红外光谱技术可为市售椰汁及椰子加工制品品质的快速、无损检测提供一种新思路。     

近红外光谱技术快速检测甜叶菊中绿原酸含量

为实现甜叶菊中绿原酸含量的快速检测,该研究利用近红外光谱技术结合偏最小二乘法对甜叶菊绿原酸含量的光谱数据进行了近红外模型分析。结果表明,采用多元散射校正(multiplicative scatter correction, MSC)+Savitzky-Golay卷积平滑预处理算法和无信息变量消除法(uniformative variable elimination, UVE)特征波长选择算法,绿原酸含量近红外模型的性能最好。该模型的交互验证相关系数(correlation coefficient in cross validation,R_CV)和交互验证残差均方根(root mean square error of cross validation, RMSECV)分别为0.945 3和0.263 1;验证集相关系数(correlation coefficient in validation,R_P)和验证集残差均方根(root mean square error of prediction, RMSEP)分别为0.952 1和0.247 2。...     

䥺Symbol`@@基于近红外光谱漫透射技术的苹果可溶性固形物含量在线检测

为研究苹果的内部品质,提高检测的速度和稳定性,将近红外光谱漫透射技术应用于在线检测研究,并采取偏最小二乘回归(PLSR)算法结合不同光谱预处理方法建立苹果内部的可溶性固形物含量(SSC)的定量模型。结果表明:采用一阶微分结合多元散射校正(MSC)预处理后的模型最稳定,校正集和预测集的标准差分别为0.17和0.39,校正集的相关系数也达到0.988 3。试验结果说明近红外光谱漫透射技术能够快速、无损地检测出苹果的可溶性固形物含量。     

近红外光谱分析技术在蔬菜农药残留检测中的初步探索

本文介绍了近红外光谱分析技术的原理和特点,基于近红外光谱分析技术对蔬菜中农药残留的检测方法进行了实验研究.选取菠菜作为叶菜代表,将其经过化学前处理配制成样品溶液,进行光谱扫描,用偏最小二乘(PLS)建立分析模型.实验表明,预测结果比较理想.     

基于近红外光谱的酸枣仁不同伪品掺假检测

本文采用近红外光谱技术对酸枣仁及其三种常见伪品理枣仁、枳椇子和兵豆进行定性定量检测研究。分别制备不同伪品掺杂质量分数为1%~90%的单种掺杂物实验样品,以及多种伪品同时掺杂的样品,采集800~2500 nm范围的近红外光谱数据。首先利用主成分分析（principal component analysis,PCA）对酸枣仁及三种伪品进行初步定性鉴别。对于单一掺假物样品,采用五种不同预处理方法对光谱数据进行去噪。利用偏最小二乘回归（partial least squares regression,PLS）方法,建立PLS1模型定量预测掺假物含量,并采用连续投影算法（successive projection algorithm,SPA）挑选最优波长,优化定量模型。结果表明,理枣仁掺假建立的3波长检测模型的预测集决定系数R2_p为0.9659,均方根误差（root mean square error,RMSEP）为6.1910%。枳椇子掺假建立的8波长检测模型的预测集决定系数R2_p为0.9491,均方根误差（RMSEP）为7.6232%。兵豆掺假建立的5波长检测模型的预测集决定系数R2_p为0.9666,均方根误差（RMSEP）为6.1437%。对于多掺杂物样品,建立了PLS2模型同时对不同成分进行定量预测,酸枣仁效果最好,R2_p≥0.7115,枳椇子预测效果最差,R2_p≥0.2007。研究表明,利用近红外光谱技术可以实现酸枣仁不同伪品掺假的快速无损检测。所建方法为后续酸枣仁及其他种子类中药材便携式无损检测仪器的开发提供了理论基础与参考依据,对保证中药材质量安全具有重要社会意义。     

在线近红外光谱系统快速检测整块鸡胸肉菌落总数含量

以整块鸡胸肉为研究对象,利用在线近红外光谱系统采集其900~1650 nm波长范围内的光谱信息,探究光谱信息与细菌菌落总数(Total Viable Count,TVC)之间的定量关系。对采集的原始光谱信息进行高斯滤波平滑(Gaussian Filter Smoothing,GFS)等五种预处理后,建立全波段偏最小二乘(Partial Least Squares,PLS)回归模型。采用回归系数法(Regression Coefficient,RC)和连续投影算法(Successive Projections Algorithm,SPA)筛选最优波长,构建优化的PLS模型和多元线性回归(Multiple Linear Regression,MLR)模型。结果表明,基于全波段GFS光谱构建的GFS-PLS模型预测鸡胸肉TVC效果最佳(r_P=0.964,RMSE_P=0.806 lg CFU/g)。基于SPA法从GFS光谱中筛选出的25个最优波长(907.0、913.7、923.8、927.2、937.2、947.3、974.0、987.3、997.3、1007.3、1040.4、1080.1、1099.9、1132.9、1155.9、1185.5、1215.0、1241.2、1270.6、1358.2、1380.8、1403.3、1419.3、1578.9和1615.2 nm),建立的SPA-GFS-MLR模型预测性能(r_P=0.944,RMSE_P=1.022 lg CFU/g)最接近GFS-PLS模型。基于在线近红外光谱系统可实现对大批量整块鸡胸肉细菌总数含量的快速无接触检测。     

正交信号校正方法在啤酒酒精度近红外光谱分析中的应用

以啤酒酒精度的快速测定为研究对象,对原始光谱分别进行一阶导数、二阶导数、正交信号校正(OSC)等预处理方法后,用偏最小二乘法(PLS)建立了啤酒酒精度校正模型,然后用所建模型对预测集进行预测.结果表明,使用OSC预处理方法后,PLS主成分数为2,验证集预测均方差和平均相对误差分别为0.095%和1.002%,效果最佳.在建立定量校正模型前,对光谱进行OSC预处理方法滤除了与浓度阵无关的光谱信号,减少了建立模型所用的主因子数,进一步提高了校正模型的预测能力和稳健性.     

近红外光谱技术在北方浓香型白酒酿造糟醅理化指标快速检测中的应用

发酵糟醅质量在浓香型白酒酿造中起着关键作用,采用近红外光谱技术可实现对糟醅的及时、准确、高效检测。该研究利用近红外光谱法对北方浓香型白酒出入窖糟醅水分、酸度、淀粉三个理化指标进行了快速分析并建立了其预测模型。结果表明,入窖糟醅水分含量、酸度、淀粉含量模型的决定系数(R²)分别为0.86、0.79、0.65,交互验证均方根误差(RMSECV)分别为0.77%、0.11 mmol/10 g、0.11%;出窖糟醅水分含量、酸度、淀粉含量模型的决定系数(R²)分别为0.90、0.92、0.79,交互验证均方根误差分别为0.54%、0.16 mmol/10 g、0.49%,模型的质量较好。并且利用验证样品对模型进行外部验证,入窖糟醅水分、酸度、淀粉的模型预测的标准偏差分别为2.10%、0.22 mmol/10 g、1.32%,出窖糟醅水分、酸度、淀粉的模型预测的标准偏差分别为1.61%、0.56 mmol/10 g、1.13%,说明模型具有较好的预测能力,可用于生产分析检测。     

基于近红外光谱快速定量检测面粉中曲酸的方法建立

利用近红外光谱技术快速定量检测面粉中非法添加的褐变抑制剂曲酸。选取市场上常见3?种基本类型的面粉（高、中、低筋面粉）,分别制备曲酸质量分数为0.0%、0.5%、1.0%、3.0%、5.0%、10.0%的面粉样品,并采集其在1?000～2?400?nm波段下的光谱数据。对比不同预处理下高筋面粉样品数据所建偏最小二乘（partial least squares,PLS）回归模型效果,选取Savitzky-Golay一阶导数为最优预处理方法。采用区间偏最小二乘（interval partial least squares,iPLS）法选取1?088.8～1?153.5?nm为最佳光谱区间。结果表明,基于最佳光谱区间所建PLS回归模型预测效果优于基于全波段光谱数据所建模型。进一步,基于所选最优区间对中、低筋面粉和混合样品集分别建立PLS回归模型。高、中、低筋面粉及混合样品集基于最优区间的PLS模型的决定系数为0.949～0.972,标准误差为0.581%～0.830%,验证集标准偏差与预测标准偏差的比值为4.171～4.830。结果表明,基于最优区间的近红外光谱方法对不同类型面粉中曲酸质量分数为1.0%～10.0%的样品具有较好的预测结果,结合具有低检测限的化学检测方法,在对大批量样品的检测中可提高检测效率。     

近红外光谱技术快速检测猪肉新鲜度指标的方法研究

采用傅里叶变换近红外光谱技术建立猪肉新鲜度指标色泽（L^*,a^*,b^*值）、挥发性盐基氮（TVB-N）、酸度（pH值）的快速检测方法。实验中采集了4000～10000cm^-1范围的近红外光谱,选取4800～9350cm^-1为分析区域,描述了谱峰的归属。以常规分析测定值为建模基础数据,采用偏最小二乘（PLS）回归法建立猪肉新鲜度指标定量分析模型,并考察了近红外光谱预处理方法对模型的影响。用校正集和验证集样本分析模型预测的准确性。L^*,a^*,b^*,TVB-N,pH预测模型结果显示:预测集均方根误差（RMSEP）分别为1.84,0.812,0.355,1.31,0.163,校正集均方根误差（RMSEC）分别为1.57,0.678,0.363,1.76,0.113,相关系数分别为0.8183,0.8776,0.9256,0.8231,0.8041。样本的预测值与真实测定值之间没有显著性差异（p>0.05）。采用近红外光谱法能满足猪肉新鲜度指标的同时测定,与传统的化学分析方法相比,该方法具有快速、无损、简单等特点。