衰减全反射中红外光谱测定马铃薯中可溶性蛋白含量

傅里叶变换衰减全反射红外光谱法是一种快速无损绿色的分析技术,结合化学计量学和数学建模可对混合物进行定性、定量分析。本研究利用衰减全反射中红外光谱建立测定马铃薯中可溶性蛋白含量的方法,以满足选育高蛋白质含量马铃薯的快速测定,提高快速鉴定育种品系品质的目的。采用平滑降噪和导数基线矫正的方法预处理数据,选择1 700～600 cm~(-1)波段作特征光谱,提取主成分并逐步回归建模。结果表明7点平滑后一阶导数处理数据,能较准确地测定马铃薯中可溶性蛋白的含量,对于验证集的预测,其中70. 37%预测值偏差小于20%,对于鲜重蛋白质含量在5 mg/g以上的14个样品的预测,高达92. 86%预测值偏差小于20%,说明能准确快速鉴定高蛋白品系。     

傅里叶变换衰减全反射红外光谱测定米粉中硒代胱氨酸的硒含量

利用傅里叶变换衰减全反射红外光谱(ATR-FTIR)法测定米粉中硒代胱氨酸的硒含量,以期探寻一种快捷、绿色环保且准确的硒含量测定方法。采用添加法制备样本,衰减全反射中红外光谱仪采集红外光谱,TQ Analyst分析软件作偏最小二乘法建模并验证,选择1 600～650 cm~(-1)作为样品的红外光谱分析波段,用导数对原始红外光谱处理,结果表明二阶导数处理后的模型,噪音小、失真少且预测效果更好,模型的决定系数(R■)都大于0.995、因子数为5～8、校正均方差(RMSEC)为1.17～2.68,验证均方差(RMSEP)为4.053 0～6.234 6验证集预测值相对偏差在20%以内的占87.95%,含量在18μg/100 g以上更是占了96.75%,含量在50μg/100 g(不含)以上的样品93.33%偏差在10%以内,预测效果较准确。     

基于衰减全反射法的纺织纤维红外光谱库的建立与应用

采用衰减全反射法制样,对不同成分组成、不同混纺比的纺织面料进行红外光谱扫描,利用化学分析法结果对谱图进行编号,自建了1000多个样本组成的纺织纤维红外光谱库。同时探讨了利用谱库检索功能对未知样品的纤维成分进行快速无损检测的可行性。     

基于水平衰减全反射傅里叶变换红外光谱的食品中反式脂肪酸的测定

目的:建立基于水平衰减全反射傅里叶变换红外光谱的食品中反式脂肪酸的快速测定方法.方法:负二阶导数水平衰减全反射傅里叶变换红外光谱法(-2D-HATR-FTIR).使用带有水平衰减全反射(HATR)附件的傅里叶变换红外光谱仪,采集三反油酸甘油酯标样在l 050～900 cm-1波段范围的吸收光谱,并求得负二阶导数谱.根据反式脂肪酸中孤立的反式双键在966 cm-1处的特征吸收与混合标样中反式脂肪酸的含量符合比尔定律的原理,构建定标方程.根据定标方程测定食品样品中反式脂肪酸含量.结果:在试验条件下,定标方程为Y=3 359.2X-0.6175,相关系数0.9997,检出限0.27％,回收率78.06％～112.65％.食品中反式脂肪酸含量最高接近50％.结论:建立一种新的快速测定食品中反式脂肪酸的方法,该法准确可靠,快速、简便,克服了现有红外光谱法灵敏度低的缺点,适用于食品中较低含量反式脂肪酸的快速测定.     

番茄酱中番茄红素的测定

<正> 番茄中的色素主要是胡萝卜素类,另外尚有少量黄酮类化合物。在类胡萝卜素中,番茄红素占绝大部分。所以,在番茄及其制品的质量评价中,番茄红素的含量是一个重要的指标。现今我国番茄酱工业使用的分析方法是分光光度法,这种分析方法不能完全排除其它色素对番茄红素的影响。甚至在醇洗     

衰减全反射傅里叶变换红外光谱测定米粉中硒代甲硫氨酸的含量

利用衰减全反射傅里叶变换红外光谱法测定米粉中硒代甲硫氨酸含量,以期探寻一种快捷、绿色环保的食品中硒含量的测定方法。通过采用添加硒代甲硫氨酸制备样品,衰减全反射中红外光谱仪采集红外光谱,TQ Analyst分析软件进行偏最小二乘法建模并验证,结果表明,选择1 600～650 cm－1作为样品的红外光谱分析波段,用导数对原始红外光谱处理后,采用留一和留多两种方法均获得良好的预测效果。比较而言,一阶导数处理后的留一模型,计算简单且预测效果更好。留一模型的决定系数RC 2 均大于0.997,因子数均为6,校正均方差为1.76～1.9,留一验证预测决定系数RP2为0.986 8,预测均方差为3.27,相对分析误差为8.612 9,预测值相对偏差在20%以内的占92.91%,10%以内占82.27%。     

灵山和邕宁产两面针衰减全反射傅里叶变换红外光谱研究

目的 利用衰减全反射傅里叶变换红外光谱法对灵山、邕宁两地产两面针的根皮与木部进行研究,探讨其光谱特征和主要生物活性物质含量的关系,为快速鉴定不同产地两面针样品提供依据.方法 采用衰减全反射傅里叶变换红外光谱法(ATR-FT-IR)分别对上述两地的两面针的根皮与木部进行研究,对比其红外光谱及其二阶导数光谱的差异.结果 ATR-FT-IR能有效鉴别不同产地的两面针药材样品.结论 利用ATR-FT-IR技术可以快速、简便地鉴定两面针药材,两面针中主要活性物质生物碱的含量与红外光谱信号强度成正相关.     

织物傅里叶变换衰减全反射红外光谱库的建立及应用

针对常规方法鉴别纯纺织物及预测混纺织物组分含量工序多、耗时长且污染环境的问题,采用傅里叶变换红外光谱仪,结合衰减全反射(ATR)附件测试各纯纺及二组分混纺织物的傅里叶变换衰减全反射红外光谱(ATR-IR)图,并从已测的753个样品中筛选出正反经纬组分一致的纯纺及混纺织物样品205个,建立了涤纶/棉、涤纶/羊毛、涤纶/锦纶、蚕丝/棉和涤纶/粘胶等纯纺及混纺织物的ATR-IR谱库。并利用自建谱库的检索功能,对20个未知纤维织物样品进行快速无损鉴别及含量预测。研究表明:对于纯纺织物,识别准确率为100%;对于混纺织物,当误差≤3% 时,通过T检验,其定量预测结果与国标法测定值无显著差异,方便了样品的快速检验与含量预测。     

基于红外衰减全反射光谱的面粉种类快速鉴别

研究提出基于支持向量机（support vector machine,SVM）算法结合红外衰减全反射光谱对不同种类的面粉进行快速分类。实验随机采集富强粉、精制雪花粉、麦芯粉及面包粉4 种共139 份常见面粉红外衰减全反射光谱,运用马氏距离筛选异常样本,并建立SVM模型对待测样本进行预测。实验采用二叉树SVM模型识别面粉种类,并通过网格法优化核函数参数,结果显示：富强粉、精制雪花粉、麦芯粉及面包粉的识别准确率分别为100%、100%、75%和85.71%,模型平均识别准确率为90.177 5%。结果表明,利用红外光谱结合SVM算法快速识别面粉种类是准确可行的。     

灵山和邕宁产两面针衰减全反射傅里叶变换红外光谱研究

目的利用衰减全反射傅里叶变换红外光谱法对灵山、邕宁两地产两面针的根皮与木部进行研究,探讨其光谱特征和主要生物活性物质含量的关系,为快速鉴定不同产地两面针样品提供依据。方法采用衰减全反射傅里叶变换红外光谱法(ATR-FT-IR)分别对上述两地的两面针的根皮与木部进行研究,对比其红外光谱及其二阶导数光谱的差异。结果 ATR-FT-IR能有效鉴别不同产地的两面针药材样品。结论利用ATR-FT-IR技术可以快速、简便地鉴定两面针药材,两面针中主要活性物质生物碱的含量与红外光谱信号强度成正相关。     

基于负二阶导数红外光谱的反式脂肪酸的快速测定

建立了基于负二阶导数红外光谱的反式脂肪酸的快速测定方法。以三反油酸甘油酯和三油酸甘油酯混合标样系列为校正集,使用带有水平衰减全反射(HATR)附件的傅里叶变换红外光谱仪采集校正集样品在1 050～900 cm-1波段范围的吸收光谱,求二阶导数,乘以-10 000,得负二阶导数谱(-2D-HATR-FTIR)。以970～960 cm-1波段范围的最大峰高为X轴,以三反油酸甘油酯含量为Y轴,构建定标方程为Y=0.348 8X-0.918 5,相关系数0.999 5。在0.5%～60%范围,验证集样品反式脂肪酸含量预测值与实际指定值显著相关,验证相关系数0.999 0,相对残差的绝对值小于10%,表明方法定标模型预测性能良好。方法检测下限达0.5%,改善了现有红外光谱法的灵敏度,适用于较低含量反式脂肪酸的快速测定。     

衰减全反射-傅里叶变换红外光谱法对花生仁霉变的分析

为快速检测贮藏花生的质量安全,对灭菌后的新鲜花生仁样品分别接种5种常见的有害霉菌,并于26℃、相对湿度80%条件下贮藏9 d。利用衰减全反射-傅里叶变换红外光谱(attenuated total reflectance-Fourier transform infrared spectroscopy,ATR-FTIR)采集不同贮藏阶段花生样品在4 000~600 cm~(-1)的光谱信息,通过权重分析阐述花生中侵染霉菌后光谱特征的变化,并结合偏最小二乘回归(partial least squares regression,PLSR)分析建立样品有害霉菌污染的定量分析模型。结果表明,不同贮藏阶段样品的峰谱出现明显波动,PLSR模型对单一菌株与多种菌株样品菌落总数的预测精度较高,其中对赭曲霉3.6486处理组样品预测模型相对偏优,有效决定系数(R_p~2)为0.915 7、交互验证均方根误差(root mean-square error of cross-validation,RMSECV)为0.208 0(lg(CFU/g))、剩余预测偏差(residual predictive deviation,RPD)为2.52;对多种菌株预测结果R_p~2、RMSECV、RPD分别为0.780 3、0.358 0(lg(CFU/g))与1.76。应用ATR-FTIR技术对花生受霉菌侵染的状况进行快速分析具有可行性。     

近红外漫反射无损检测赣南脐橙中可溶性固形物和总酸

目的:利用近红外漫反射无损检测技术对赣南脐橙可溶性固形物和总酸含量进行相关研究。方法:通过自行设计的NIR光谱系统测定150个赣南脐橙可溶性固形物和总酸。120个赣南脐橙样品用来建模,其余30个用来验证模型的性能。采集完整赣南脐橙的近红外漫反射光谱(350～1800nm),光谱经移动窗口平滑处理、一阶微分和二阶微分预处理后,再分别采用主成分回归(PCR)和偏最小二乘法(PLS),建立赣南脐橙可溶性固形物和总酸含量的定量预测数学模型。结果:采用一阶微分结合偏最小二乘法所建模型的预测效果较好,可溶性固形物和总酸含量定量预测数学模型的相关系数分别为0.9263和0.9562,均方根误差分别为0.4102°Brix和0.018%。结论:近红外漫反射光谱作为一种无损的检测方法,可用于评价赣南脐橙的可溶性固形物和总酸含量。     

糙米中黄曲霉毒素B1的ATR-FTIR快速测定

拟建立基于衰减全反射-傅里叶变换红外光谱（attenuated total reflectance-Fourier transform infraredspectroscopy,ATR-FTIR）的糙米中微量黄曲霉毒素B1（aflatoxin B1,AFB1）的快速检测方法。首先将16 份糙米样品经辐射灭菌后接种产毒菌株并在适宜条件下（28 ℃、相对湿度85%）贮藏30 d,测定其AFB1含量。其次将受AFB1污染样品磨粉后与空白糙米样品按质量比例进行精确混合,获得AFB1含量在0～890.20 μg/kg内的糙米样品共计128 份。ATR-FTIR建模分析结果显示,依据AFB1含量高低将样品划分为4 类,临近算法判别分析模型的预测整体正确率达到83.3%。运用偏最小二乘回归分析建立的定量模型精度最优,预测相关系数、均方根误差和相对分析误差值分别为0.970、70.8 μg/kg和4.0。结果表明,ATR-FTIR技术用于糙米黄曲霉毒素污染程度的快速分析与筛选具有一定可行性,但需进一步研究来提升对低AFB1含量样品的预测精度。     

近红外光谱检测技术在肉类工业中的应用

近年来,近红外光谱技术(near infrared reflectance spectroscopy,NIRS)已经成为肉和肉产品品质检测中最为有效、先进的方法之一。本文回顾了应用NIRS技术对食品化学成分、物理性质和感官指标的检测,说明了NIRS技术在肉品分级制度中的应用,并讨论了NIRS在肉品工业上的应用前景。     

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。     

Prediction of Benzoyl Peroxide in Flour Using Near Infrared Spectroscopy Technique

This research proposed to design a prediction model based on radial basis function neural network and near infrared reflectance spectroscopy in detecting concentration of benzoyl peroxide in flour. Near infrared reflectance spectra acquired from 100 different concentration samples were pre-processed by the standard normal variate method, detection of leverage, and student residual. Near infrared reflectance spectroscopy models were designed to predict benzoyl peroxide in the 36 samples by means of partial least squares, back propagation neural network, and radial basis function, respectively. The results demonstrated that the radial basis function model, with prediction correlation coefficient (R), root mean squared error of prediction, and ratio of performance to standard deviate reaching 0.9937, 15.5095, and 8.8216, respectively, had optimal prediction accuracy and feasibility providing quality evaluation and dynamic monitoring service for quality inspection department and consumers.