近红外光谱法高通量检测罗布麻纤维胶质含量

研究了近红外光谱法高通量测定罗布麻纤维中的胶质含量。采用近红外光谱漫反射模式采集罗布麻纤维的近红外光谱,结合常规化学法所测参考值,运用偏最小二乘法(PLS)建立罗布麻纤维胶质含量的定量模型,并用未知样品对模型进行验证。结果表明,所建定量模型校正集相关系数(Rc)和校正集均方根误差(RMSEC)分别为0.994 0和1.676 1;经外部验证的验证集相关系数(Rp)和验证集均方根误差(RMSEP)分别为0.956 1和4.843 7。该方法操作简单,快速,可用于罗布麻纤维胶质含量的高通量检测。     

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。     

近红外漫反射光谱法测定小麦Zeleny沉降值

选用220份良种小麦品种作为原始样品集,基于漫反射基本原理,使用现代傅立叶变换近红外光谱仪扫描其近红外光谱。探讨以傅里叶近红外光谱法(FT-NIRS)预测小麦的Zeleny沉降值的可行性。以良好的常规实验数据为前提,通过内部交叉检验进行预测模型的建立,其校正决定系数(R2)和交叉检验均方误差(RMSECV)分别为0.9363和2.4,外部验证校正决定系数(R2)和预测均方误差(RMSEP)分别为0.9502和2.68。该法的建立证明了近红外漫反射光谱技术应用于小麦Zeleny沉降值测定的可行性。     

近红外漫反射光谱法快速检测高纤维素、木质素物料水分含量

目的：建立一种快速检测高纤维素、木质素物料水分含量的方法。方法：以槟榔这种含高纤维素、木质素的中药材为原料,用近红外光谱仪采集近红外漫反射光谱,运用NIR Cal建模软件对光谱数据进行预处理,优选特征波长,并运用偏最小二乘法（PLS）分析建立槟榔水分含量定量模型。结果：槟榔水分含量定量模型校正集决定系数为0.994 2,校正误差均方根（RMSEC）为0.50;验证集决定系数为0.986 7,预测误差均方根（RMSEP）为0.68。结论：该方法简便、快速、安全、实用、准确,适用于含高纤维素、木质素物料的水分含量的快速测定。     

基于近红外光谱对淀粉种类的定性鉴别及定量分析

淀粉在调味品生产中应用广泛,同时其本身也作为调味品具有勾芡等用途。不同种类淀粉分子结构不同导致性质用途不同,文章基于近红外漫反射技术,建立了不同种类淀粉快速无损定性及定量检测方法。通过对73份不同种类的淀粉进行光谱采集,结合主成分分析法(PCA),建立了不同种类淀粉的定性判别模型;基于淀粉种类判别结果,以不同比例的马铃薯和小麦淀粉的混合物为检测对象,采集光谱信息,基于偏最小二乘法(PLS)建立近红外定量分析模型,并对该模型进行了验证,校正模型和预测模型的决定系数分别为0.9988和0.9982,均方根误差分别为0.385和0.347,预测相对分析误差(RPD)为14.3。结果表明,近红外光谱技术可用于淀粉的定量预测以及不同种类淀粉的快速定性识别。     

近红外光谱法快速测定干姜中6-姜酚的含量

目的采用近红外光谱技术建立干姜中6-姜酚的定量模型。方法以超高效液相色谱法(UPLC),分别测定样品中6-姜酚含量,作为参考值,采用漫反射模式采集近红外光谱,结合偏最小二乘法(PLS)建立光谱信息与6-姜酚含量的快速测定方法。结果 6-姜酚校正集的相关系数校正集决定系数(Rc2)为0.9902,校正集均方根误差(RMSEC)为0.0174,预测集均方根误差(RMSEP)为0.0284。结论所建方法简便、快捷、环保、测量数据可靠,可用于大批量干姜样品的快速分析。     

大豆中异黄酮含量的测定及其近红外分析

以100份中国核心大豆种质资源为材料,建立高效液相色谱法(HPLC)测定大豆中异黄酮5组分和总异黄酮。扫描大豆的近红外光谱,以傅里叶近红外光谱法(FT-NIRS)与HPLC技术相结合,采用偏最小二乘(PLS)回归和交叉验证法,探讨利用FT-NIRS技术预测异黄酮含量的可行性。总异黄酮近红外预测模型的内部交叉验证其校正决定系数(R2)和交叉检验均方误差(RMSECV)分别为0.8763和0.515,外部验证其校正决定系数(R2)和预测均方误差(RMSEP)则分别是0.9492和0.599。结果表明,利用FT-NIRS预测大豆中总异黄酮含量是可行的,但是各异黄酮组分的近红外模型不能达到准确预测要求。大豆异黄酮近红外模型的建立对今后大豆的异黄酮选育工作可以提供帮助。     

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。     

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。     

基于近红外建立荞麦营养成分快速检测模型

为探索一种快速、高效测定荞麦营养成分含量的方法,从内蒙古等地收集荞麦样品66份,采集样品近红外漫反射光谱图,并参照国标法测定样品水分、灰分、脂肪、蛋白质、淀粉含量,利用样品近红外光谱指纹结合化学计量学方法建立荞麦各营养成分的快速检测模型。结果,在10 000~4 000 cm-1波数范围内,分别对近红外光谱进行多元散射校正+一阶导数处理、一阶导数处理+标准正态变换及去趋势算法、无预处理、二阶导数+标准正态变换及去趋势算法,结合化学测定值建立的营养成分快速检测模型的校正和预测效果最佳;所建立的水分、灰分、脂肪、蛋白质、淀粉含量快速检测模型交叉验证决定系数R2分别为81.601 0%、94.086 2%、80.942 3%、99.897 5%、99.857 6%,外部验证决定系数R2分别为81.60%、94.09%、80.94%、99.97%、99.86%,且验证结果预测值及化学值差异不显著。建立的模型可以满足荞麦营养成分的快速检测。     

Potential of Near Infrared Reflectance (NIR) Spectroscopy for Estimating Nutrient Content of Dehydrated Vegetables

A near infrared reflectance (NIR) spectrophotometric procedure was evaluated for potential use in assaying nutrient contents of vegetables. Dried ground samples of cauliflower, broccoli, Brussels sprouts, spinach, asparagus, peas, green beans, and squash were analyzed chemically for crude protein, crude fat, ash, and neutral detergent fiber (NDF) and then scanned to develop NIR prediction equations. For the 75 calibration foods samples, the respective correlation coefficients between actual and NIR predicted values of these food components were 0.97, 0.77, 0.91, 0.81. Predictions for 26 unknown samples, which included cabbage, carrots, chard, corn, onions and rhubarb, were based on NIR equations developed from the first 75 samples. The resultant correlations were 0.95, 0.49, 0.85, and 0.78, respectively, for crude protein, crude fat, ash and NDF. NIR prediction detected incorrect chemical values of crude protein in several samples.     

On-line, proximate analysis of ground beef directly at a meat grinder outlet

The fat, moisture and protein contents of ground beef were determined on-line by a diffuse reflectance near infrared (NIR) spectroscopy instrument at the outlet of a meat grinder. Beef samples in the range of 6.2–21.7% fat, 59.6–72.9% moisture and 18.1–20.7% protein were studied. Calibrations from samples ground with hole diameters of 4, 8, 13 or 19 mm in the grinder plate were validated. In addition, calibrations of combinations of these samples from the different hole diameters were validated. Prediction errors, expressed as root mean square error of cross validation of the beef samples, were 0.73–1.50% for fat, 0.75–1.33% for moisture and 0.23–0.32% for protein, depending on the hole diameter of the grinder plate. Calibrations from samples ground with the smallest hole diameters gave lowest prediction errors. The present prediction error results are only slightly higher compared to reported prediction error results using conventional at- and off-line NIR instruments.

It is concluded that the on-line NIR prediction results were acceptable for samples ground with grinder plates of 4, 8 or 13 mm hole diameter.     

莲藕成分的近红外光谱分析模型的建立

目的:应用近红外光谱技术和化学计量学方法直接测定莲藕的常规指标。方法:用傅里叶变换近红外光谱仪采集样品的近红外漫反射光谱,再用传统理化分析方法测得样品的各品质参数;采用偏最小二乘(PLS)法建立定标模型,并采用内部交叉验证法对模型进行检验。结果:分别建立了莲藕水分、粗纤维、质构和糖度的PLS模型,其中质构的PLS模型最理想,模型的相关系数大于0.97;莲藕粗纤维、糖度和水分的PLS模型的相关系数均大于0.88。结论:采用近红外光谱法可以实现莲藕品质指标的快速无损检测。     

On-line NIR analysis of fat, water and protein in industrial scale ground meat batches

Fat, water and protein contents in industrial scale meat batches were determined on-line by near infrared (NIR) reflectance spectroscopy. The NIR instrument was mounted at the outlet of a large meat grinder, and the measurements were performed in an industrial environment. Beef and pork samples, with chemical compositions of 7-26% fat, 58-75% water and 15-21% protein, were processed with hole diameters of 13mm in the grinder plate. Calibrations were made both for a combined set of beef and pork samples, and for separate sets of beef and pork samples. Validations were either done by full cross validation of the calibration set, or by bias corrected prediction of a test set. Prediction errors for the two sample sets, expressed as root mean square errors of cross validation or standard error of prediction, were in the ranges 0.82-1.49% fat, 0.94-1.33% water and 0.35-0.70% protein, depending of sample set and species of animal. The presented application is an improvement to the existing manual meat standardisation procedure, and has been implemented for regular use in a Norwegian meat manufacturing plant.     

全国主要谷子品种的营养及食用品质分析

为全面了解我国主推谷子品种的营养及食用品质情况,从全国11个谷子主产省份收集了2020年收获的103份纯品种谷子样品,对其营养成分和食用品质进行分析。谷子样品粗蛋白、粗脂肪、总淀粉和总膳食纤维平均含量分别为10.4、3.3、69.9、3.22 g/100 g;维生素B₁、B₂平均含量为0.237、0.080 mg/100 g;小米粥的食品评分值平均分为86分。不同省份比较来看,山西省谷子样品各种营养成分平均含量均在全国平均值以上;内蒙古、山东、河南、陕西、辽宁和新疆6省区谷子样品小米粥的食品评分值平均值最高。品种更多的影响谷子的食用品质,省份更多的影响其营养成分,特别是矿物元素的含量。品种和省份的交互作用对粗蛋白、粗脂肪、可溶性膳食纤维和Na含量及粥的适口性的影响均达到显著水平。     

相关分析技术消除样品背景对预测模型的影响

通过对近红外光谱仪漫反射载样附件的改进,借助漫反射技术测得纯棉分别与涤纶、腈纶以及丝的二组分混合样品光谱。分别建立3个预测模型,用3组含棉量梯度相同而组分不同,每组含7个样品的集合作为预测集,分别用来验证各个预测模型。结果表明,建立预测模型的标样集的样品背景最好与待测样品的背景一致,模型的预测精度才能提高,从而表明,样品的背景对校正模型的影响很大,而借助相关分析算法可以消除样品背景对预测模型的影响,预测均方差从4.267 7提高到2.896 5,相关系数从0.948 8提高到0.977 5,表明相关分析技术可以提高建模预测精度。     

烟草水溶性糖近红外定量模型中光谱范围选择方法的研究

运用四种不同的光谱范围选择方法来建立烟草中水溶性糖的近红外定量模型, 发现模型的交互验证系数、交互验证均方差和预测均方差有明显的差异。通过对烟草中水溶性糖的分子结构分析, 结合傅里叶变换近红外漫反射光谱的特性, 初步确定烟草水溶性糖近红外定量模型的建模光谱范围, 以交互验证系数和交互验证均方差为评价指标进一步优化光谱范围, 可以得到烟草水溶性糖在近红外定量模型中的最佳光谱范围为3850~5010 cm-1、5720~7010 cm-1和7760~7980 cm-1, 总糖和还原糖定量模型的交互验证系数、交互验证均方差和预测均方差分别为0.989、0.787、0.565和0.982、0.801、0.693。      

基于ICP-MS的甘肃不同产地小米矿物元素含量特征及判别分析

通过分析不同主产区小米矿物元素含量特征,结合化学统计学建立小米产地判别模型。该研究以甘肃省陇中地区、陇东地区和河西地区的主栽小米品种为研究对象,采用电感耦合等离子体质谱(ICP-MS)法测定了小米中18种矿物元素含量,利用方差分析、主成分分析(PCA)、正交偏最小二乘判别分析(OPLS-DA)、线性判别分析(LDA)和聚类分析(HCA)对数据进行统计分析。结果表明:小米样品18种矿物元素中有13种元素含量在3个主产区间存在显著差异(P<0.05),不同主产区小米矿物元素含量具有独特的地域分布特征;18种矿物元素之间存在较强的相关性;PCA分析共提取4个主成分,累计方差贡献率为75.82%;基于LDA和OPLS-DA的判别模型对小米产地判别正确率均为100%,基本可以实现甘肃省不同区域小米产地的精准判别,通过OPLS-DA模型确定了小米产地判别的特征元素(V、Fe、Cu、Cd、Se、Pb);基于特征元素的HCA分析可以成功地对小米产地进行判别。研究证明基于小米矿物元素含量构建的判别模型可以有效区分甘肃省不同产区的小米,为小米产地溯源和质量控制提供了科学依据。     

基于光谱预处理结合遗传算法优化波长的面粉水分快速检测

基于光谱预处理及遗传算法(genetic algorithm,GA)法优化波长,再结合偏最小二乘(partial least squares,PLS)法建立面粉中水分的定量分析模型,对比在不同预处理方法下相关系数R~2、校正标准差(root mean square error of calibration,RMSEC)、预测标准偏差(root mean square error of prediction,RMSEP)3个指标,随机选择130份样本建立预处理+GA+PLS定量分析模型,实验结果为R~2从0.955 2提高到0.977 7、RMSEC从0.375 8降低到0.245 3、RMSEP从0.268降低到0.264。结果表明基于光谱预处理结合GA优化波长来定量分析面粉中水分含量是可行的,且准确性和误差度皆优于无优化模型。     

Determination of protein, fat, starch, and amino acids in foxtail millet [Setaria italica (L.) Beauv.] by Fourier transform near-infrared reflectance spectroscopy

Quantitative detection of protein, fat, starch, and amino acids in foxtail millet using Fourier transform near-infrared spectroscopy (NIRS) was investigated. Foxtail millet samples (n=259) were analyzed using NIRS. Spectral data were linearized with data from chemical analyses. Calibration models were established using a partial least-squares (PLS) algorithm with cross-validation. Optimized models were tested using external validation set samples with coefficients of determination in the external validation (R ² _val) of >0.90. Residual predictive deviation (RPD) values were nearly equal to or >2.5 for crude protein, alanine, aspartic acid, glutamic acid, isoleucine, leucine, and serine. However, for glycine, histidine, phenylalanine, proline, threonine, tyrosine, and valine, the R ² _val values were >0.83 and RPD values were nearly equal to or >2.0. For crude fat, total starch, arginine, and lysine, the R ² _val values were >0.70 and RPD values were >1.5. NIRS is a rapid determination tool for foxtail millet breeding, and for quality control.