近红外光谱技术在快速检测白酒酒醅中的应用

研究利用近红外光谱技术构建白酒酒醅分析模型,实现对泸型白酒酒醅水分、酸度和淀粉含量的大批量快速定量分析.利用趋近归一化(ncl)、一阶导数(db1)等光谱预处理方法对光谱进行处理,使用协同区间偏最小二乘法(SIPLS)、向后间隔偏最小二乘法(BIPLS)等算法对光谱波段进行优化选择,通过偏最小二乘法(PLS)建立快速检...     

近红外光谱测定酒醅

应用近红外光谱技术,以酒醅为材料建立酒醅的水分、酸度、淀粉、酒精度的含量分析模型,实现了大批量酒醅的快速检测.     

近红外漫反射技术快速检测黄酒酒醅中酒精度

利用傅里叶近红外漫反射光谱技术结合偏最小二乘法(PLS),建立了黄酒酒醅中酒精度的快速定量检测模型.通过优化波数范围和维数,选择最佳光谱预处理方法,在建立的酒醅酒精度的模型中,用相关系数(R)、交叉验证均方差(RMSECV)和相对分析误差(RPD)衡量模型的预测精度和稳定性.模型的R值达0.9912,RMSECV值为0...     

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。     

基于近红外光谱的杏仁蛋白软糖理化指标快速无损检测

为了实现杏仁蛋白软糖理化指标的快速检测,建立了水分和总糖测定的近红外光谱定标模型,并对其进行了全面优化。以偏最小二乘法分别建立杏仁蛋白软糖水分、总糖测定的近红外光谱定标模型,然后依次运用异常样本剔除、光谱变换、样本集划分和特征波长选择等技术方法优化其性能。结果表明:水分测定模型的建模波点数减至全光谱的0.8%,R 和R 均大于0.99,RMSEC和RMSEP均在0.2左右,RPD大于15.3;总糖测定模型的建模波点数减至全光谱的1.5%,R 和R 均大于0.99,RMSEC和RMSEP均小于0.81,RPD大于17.3。两个优化模型的预测结果皆与相应参考值的差异不显著(P＞0.05),可用于实际检测工作。     

基于近红外光谱的橄榄油理化指标快速检测模型研究

为实现橄榄油理化指标的快速检测,在选择最优波段和光谱数据处理方法的基础上,利用近红外光谱结合偏最小二乘分析(Partial Least Squares,PLS)分别建立橄榄油酸价、过氧化值、ΔK值的定量分析模型。结果表明:酸价、过氧化值、ΔK值定量模型的校正相关系数分别为:0.9945、0.9939、0.9923,预测相关系数分别为:0.9965、0.9910、0.9902。盲样验证相关系数接近于1,R~2均大于0.99,说明近红外定量模型有较好的预测能力。对样本预测值与真实值做配对方差t检验,结果表明光谱法与标准中的方法无显著差异。因此,基于近红外光谱定量模型,可实现对橄榄油理化值的快速、准确检测。      

近红外光谱技术在茅台酒酒醅检测中的应用

采用近红外光谱技术结合茅台酒生产工艺特点及抽样检验的方法,确立了一套适用于茅台酒酒醅的分析模型和分析方法,提高了酒醅理化指标检测效率,优化了近红外光谱模型预测准确度,有助于及时有效地获得理化数据,为指导生产提供了数据支撑。     

近红外光谱技术在清香型酒醅检测中的应用研究

为实现清香型酒醅理化指标的快速检测,结合清香型白酒酿造工艺同时运用近红外光谱技术,建立了入缸酒醅水分、淀粉和发酵酒醅水分、酸度、酒度、淀粉指标的快速检测模型。结果表明：通过使用不同光谱预处理方法和波数范围建立模型,使用内部交叉验证得到最优模型,各理化指标模型的相关系数(R²)值大于0.7线性良好,交叉验证均方根(RMSECV)小于1.15预测误差较小。使用盲样对各指标的模型进行外部验证,结果的相对标准偏差均在10%以内,符合生产检测的需求,可运用于酒醅的日常检测分析。     

基于近红外光谱构建酒用高粱主要理化指标的快速无损分析模型

为满足对于酒用高粱直链淀粉、支链淀粉、蛋白质、脂肪、单宁含量快速检测的需求,本文采用17种光谱数据预处理方法和4种波段挑选算法建立了这些指标的近红外光谱分析模型。结果表明,各指标最佳光谱预处理方法分别为一阶导数+多元散射校正+Z-score标准化、矢量归一化+均指中心化、标准正态变量变换+Z-score标准化、多元散射校正、标准正态变量变换+Z-score标准化,预测直链淀粉、支链淀粉、蛋白质、单宁含量最佳的波段挑选方法为蒙特卡洛-无信息变量消除,脂肪为竞争自适应重加权采样法。整粒高粱这5项指标最优模型的决定系数（R2）分别为0.9560、0.8765、0.9069、0.8658、0.8841,交叉验证均方根误差（RMSECV）值分别为1.3222、2.3477、0.3549、0.2164、0.1077,外部独立样品验证结果显示模型预测准确率高。本文所建立的近红外分析模型可为酿酒行业实现对高粱的快检提供技术参考。     

近红外技术与人工检测十里香酒醅指标的研究

在酿酒产业下,酒醅的检测必不可少,人工检测下,工作费时、费力,为了找出更加快速的酒醅检测方式,正式引进了酒醅检测仪,酒醅检测仪的原理是近红外光谱分析;红外光谱分析是将光谱测量技术、计算机技术、化学计量学技术与基础测试技术的有机结合.近红外光谱主要是反映C-H、O-H、N-H、S-H等化学键的信息,因此分析范围几乎可覆盖...     

应用近红外光谱技术快速测定葵花籽油的理化指标

应用傅里叶变换近红外光谱技术结合不同的定量分析方法建立葵花籽油4 种不同理化指标的快速预测模型。在用化学方法获得不同氧化程度葵花籽油的共轭二烯、共轭三烯、p-茴香胺值、总极性化合物的参照数据的基础上,比较不同光谱预处理方法及建模方法对预测效果的影响。结果表明,葵花籽油原始光谱不经处理、经Norris平滑和一阶导数处理或Norris平滑和二阶导数处理后应用偏最小二乘法可分别建立共轭二烯、共轭三烯、p-茴香胺值及总极性化合物的预测模型,建模决定系数均在0.98以上,交互验证均方根误差分别为1.37、0.38%、0.51、0.46,相对预测均方根误差分别为1.24、0.18%、0.40、0.16。说明利用近红外光谱技术结合化学计量法可实现不同氧化程度葵花籽油理化指标的快速、准确检测。     

近红外光谱仪快速检测黄酒酒醅技术的开发

采用福斯NIRS DS 2500近红外光谱仪及福斯数据处理软件,开发建立了黄酒酒母酒醅的酒精度和总酸的快速检测方法。通过对盲样进行预测,酒精度平均标准偏差为0.30%vol,总酸平均标准偏差为0.14 g/L,确认近红外光谱技术可以用于黄酒酒醅的快速检测。     

近红外光谱技术快速检测酿酒原料粮食理化指标方法的研究

建立近红外光谱分析技术快速检测酿酒专用粮理化指标的分析方法,解决了原有的酿酒原料粮食检测方法耗时费力,不能满足大生产需要的问题,近红外光谱分析技术测定过程迅速,分析方式简单,无需溶剂,可同时测定多项指标,误差较小,样品可以被重复测定和利用,对浓香型白酒的发展具有十分重要的意义。     

近红外光谱技术在黄酒理化指标快速检测中的应用

采用傅立叶变换近红外透射光谱技术建立黄酒3项理化指标(酒精度、总酸和氨基酸态氮)的快速检测方法.通过比较不同的频率范围和维数,选择最佳光谱预处理方法,建立了3项指标的预测模型.用R2(决定系数)和RMSECV(交叉验证均方差)衡量3个模型的预测精度和稳定性,R2值分别为97.68,95.68、94.13,RMSECV值分别为0.2030,0.1260,0.0232.对10个随机抽取的黄酒样品的预测结果显示,样品的预测值和实测值间的之间没有显著性差异(p＞0.05).研究结果表明,近红外光谱法可用于黄酒酒精度、总酸和氨基酸态氮的快速检测.     

傅立叶变换近红外光谱仪在入池酒醅回复性中的应用研究

入池酒醅的回复性是衡量酒醅在受到外界压力后恢复变形的能力,也是酒醅骨力和手感揉实性的表现,对整个发酵过程影响很大。传统方法是靠经验以手试醅,主观性较强,后采用质构仪检测,为了能实现大批量定量检测,我公司创新采用步琦公司NIRmaster近红外光谱分析仪,并结合近红外分析软件NIRCal5.2,建立了入池酒醅性状中回复性的定量模型。该模型的建模集的相关系数r为0.8549,验证集的相关系数r为0.8328;建模集标准差(SEC)与验证集标准差(SEP)的比值为1.026。随机选取40组样品验证模型的可靠性,与质构仪检测方法对比,平均相对误差为3.11%,RMSEP为0.263,说明近红外模型有较好的预测能力,可用于入池酒醅回复性的预测。     

基于近红外光谱技术的桃品质指标快速检测方法研究

采用傅里叶变化近红外光谱技术建立桃的甜度、酸度和硬度品质参数快速检测方法.采集1 000～2 500nm范围的近红外光谱,选取1 110～2 325nm为分析区域,描述谱峰的归属.以常规分析测定值作建模数据,采用偏最小二乘(PLS)回归法建立桃的品质参数定量分析模型,并考察近红外光谱预处理方法对模型的影响.分别用验证集和校正集样本分析模型预测的准确性.结果显示预测集均方差(RMSEP)分别为0.98、0.309、2.81,校正集均方差(RMSEC)分别为0.258、0.1、1.83,相关系数分别为0.9766、0.8918、0.9497.样本的预测值与真实测定值之间没有显著性差异(P＞0.05).本研究结果表明,采用近红外光谱法可同时测定桃的甜度、酸度和硬度等品质参数.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.     

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。     

基于近红外光谱技术对武夷水仙主要理化成分的快速检测

为实现近红外光谱技术对武夷水仙中水分、水浸出物、茶多酚和咖啡碱4种主要理化成分的同时快速检测。文章采用近红外光谱分析技术结合偏最小二乘法对30份武夷水仙茶叶中4种主要理化成分含量进行定量建模分析,手动选25个样品作为校正级,剩余5个样品作为预测集。实验结果表明:经过光谱预处理和波段筛选,武夷水仙茶叶中4个理化成分的最佳模型的校正集系数(R_c)和验证集系数(R_p)均大于0.97,校正集均方误差(R_MSEC)范围在0.0632～0.230、验证集均方误差(R_MSEP)范围在0.118～0.688。通过验证实验显示,武夷水仙中水分、水浸出物、茶多酚和咖啡碱的定量模型效果良好,可实现各成分同时快速高效检测。该方法有助于克服传统检测方法中存在的过程复杂、耗时耗力、污染环境、检测效率低等问题。     

近红外光谱分析技术快速检测冰温贮藏牛肉品质

利用近红外光谱分析技术建立冰温贮藏牛肉品质的快速定量检测方法。采用近红外光谱技术建立近红外光谱的PH值、失水率、挥发性碱基总氮、色差值(L*/a*)的校正模型,能同时预测出牛肉样品的多项品质指标。结果表明:建立的校正模型相关系数都在0.70以上,校正模型的预测值与真实值决定系数均在0.90以上,具有较高的预测准确度。并且利用聚类分析的方法对不同贮藏阶段肉品近红外光谱的数据进行了分类处理,聚类分析结果证明,近红外反射光谱对牛肉的新鲜程度有着较好的分类结果。近红外光谱技术能够替代传统方法快速、非破坏地评价牛肉的肉品质及新鲜程度。     

基于近红外光谱的腌制期咸鸭蛋理化指标无损检测

以高邮麻鸭蛋为研究对象,采集整个腌制期咸鸭蛋近红外光谱数据,对比测定其理化指标值,建立咸鸭蛋关键品质指标（蛋黄含水率、蛋黄氯化钠浓度和咸蛋黄指数）的无损快速检测模型。为尽可能削弱外部其他因素对样本光谱采集过程的影响,使用多元散射校正、归一化等预处理方法,结合竞争性自适应重加权算法（competitive adaptive reweighted sampling,CARS）、连续投影算法（successive projections algorithm,SPA）和非信息变量剔除（uninformative variables elimination,UVE）3种特征选择算法建立偏最小二乘回归模型,并在一次特征波段选取基础上提取二次特征波长,再建立偏最小二乘回归模型。结果表明,蛋黄含水率、蛋黄氯化钠浓度和咸蛋黄指数的最优波长选择方法均是二次特征波段提取法UVE+SPA,发现二次特征波段选择综合表现最优。经对比分析,蛋黄含水率、蛋黄氯化钠浓度、咸蛋黄指数最优模型结构分别是标准化-UVE+SPA-PLSR、卷积平滑-UVE+SPA-PLSR、均值中心化-UVE+SPA-PLSR,训练集相关系数...