基于近红外光谱的淀粉掺杂滑石粉检测方法研究

实验运用近红外光谱分析技术检测淀粉中掺杂滑石粉的含量;收集了国内常用的不同品牌不同种类的淀粉样本共32个,将滑石粉按不同浓度掺杂到淀粉中制备实验样本;选择最优的光谱预处理方法和光谱范围,运用近红外光谱分析中的偏最小二乘法(PLS)进行定量分析研究。结果表明,采用偏最小二乘法(PLS)所建的定量分析模型的相关性较高,预测相关系数和预测均方根误差均符合要求。研究发现,近红外光谱技术用于快速无损检测淀粉掺杂滑石粉是可行的。     

基于近红外光谱的香蕉品质检测方法研究

研究提出了近红外光谱技术无损检测香蕉品质指标的新方法。采用The Unscramble 9.7分析软件,建立了香蕉糖度、坚实度和粘度的预测模型。根据定标集样品常规方法测定结果和所扫描得到的香蕉未剥皮和剥皮的光谱信号间的拟合关系,采用偏最小二乘法建立香蕉糖度、坚实度和粘度的定标模型,并用未参与定标的一组样品作为预测集对模型进行检验。未剥皮香蕉的糖度、坚实度和粘度的预测决定系数分别为0.94,0.95,0.93,剥皮香蕉的糖度、坚实度和粘度的预测决定系数分别为0.92,0.97,0.95,预测精度较高。结果表明,香蕉皮对其的影响不大,近红外光谱技术可应用于未剥皮香蕉品质检测,实现了香蕉品质的快速、无损检测,为香蕉品质的无损检测提供了理论依据。     

近红外光谱技术在液态食品分析中的应用

近红外光谱作为一种快速、无损的新型检测技术,在农业与食品等研究领域获得越来越广泛的应用。为此,阐述了近红外光谱技术用于食品检测的基本原理和具体检测步骤;从光谱检测方法、建模算法、谱图预处理等方面综述了国内外近红外光谱技术在液态食品中的最新研究进展;就目前研究中存在的问题进行了分析,对以后进一步的研究进行了展望,并提出了一些建议。     

近红外光谱分析技术在农业与食品无损检测上的应用

近红外光谱分析技术已经成为农业与食品无损检测的主要方法，其可实现快速、准确和多组分分析。为此，综述了近红外光谱分析技术在农业与食品检测中的研究现状，分析了近红外光谱分析技术的特点及优缺点，指出了当今国内外研究中存在的问题，并对其发展趋势进行了讨论。     

基于近红外光谱技术的蔬菜农药残留种类检测

该文基于近红外光谱技术,提出一种快速无损检测方法,以期实现蔬菜农药残留的分类检测。通过对喷洒了氰戊菊酯溶液、三唑磷溶液和未喷洒农药的生菜样本进行研究,比较不同预处理后的建模效果,选用SNV算法作为最优预处理方法。分别采用连续投影算法（SPA）、自主软收缩法（BOSS）和竞争性自适应重加权算法（CARS）对预处理后的光谱数据进行特征波段选择。采用支持向量机（SVM）和基于灰狼算法（GWO）优化的支持向量机（SVM）算法对特征波长变量分别建立分类模型。再通过对建立的模型进行比较得出:CARS-GWO-SVM模型取得了最佳的分类效果,模型的训练集精度和预测集精度均为100%。因此,利用近红外光谱技术对蔬菜上的农药残留进行分类检测是可行的。该研究为生菜中其他农药残留的快速无损检测分析提供参考。      

近红外光谱分析技术在大米检测中的应用

近红外光谱分析技术作为一种高效、快速、无损的可多组分分析的检测技术,在食品、农产品的检测中得到广泛应用。为此,综述了近红外光谱分析技术在大米品种鉴别、品质检测、矿物质元素分析中的应用研究现状,并对其应用前景进行了展望。     

基于线性判别法的生菜农药残留定性检测模型研究

针对农副产品农药残留超标现象,提出一种快速高效无损检测菜叶农药残留的方法。以4组生菜叶片为研究对象,分别喷洒丙酮和3种不同浓度的乐果农药(乐果和丙酮的体积比为1∶100、1∶500、1∶1 000),利用近红外高光谱成像仪采集生菜样本的高光谱图像(871.61~1 766.32 nm)。在生菜高光谱图像中选取感兴趣区域(ROI)并提取该区域的平均光谱,对ROI内的图像进行主成分分析(PCA)处理,提取PC1、PC2图像的纹理特征。采用连续投影算法(SPA)和主成分分析方法 (PCA)选取光谱数据的特征波长,分别利用线性判别法K最近邻法(KNN)、马氏距离(MD)和Fisher判别分析(FLDA)方法建立基于全波段、特征波段下光谱特征和光谱与纹理融合特征的农药残留检测模型。结果表明,基于SPA特征光谱和主成分图像纹理特征融合信息的Fisher模型较好,训练集和测试集分类正确率分别为98.9%和100%,利用近红外高光谱图像技术结合信息融合及Fisher算法鉴别农药残留等级是可行的。     

基于近红外和远红外光谱信息融合的核桃品种鉴别方法

采用红外光谱技术对核桃开展无损检测研究,实现清香、温185、香玲、新新2号、纸皮、漾濞和岱丰共7种核桃品种的鉴别,为核桃品种识别提供新思路。提出了一种基于近红外和远红外光谱信息融合的方法,首次将远红外光谱技术应用在核桃品种鉴别中,并与近红外光谱数据融合,结合主成分分析法（PCA）和无信息变量消除-连续投影法（UVE-SPA）进行特征波长选取,建立了随机森林、K近邻、支持向量机分类模型。结果除随机森林模型外,其余模型识别准确率能够达到100%,既降低了模型复杂度,也大大提升了识别准确率和模型稳健性。试验结果表明,通过将近红外光谱和远红外光谱的有效信息进行数据融合,可以改善单一光谱技术在识别率上的不足,即两个波段的数据融合更能反映品种之间的差异,为实现核桃品种的高效、无损、精确识别提供了新思路,也为其他物质的鉴别提供了借鉴和参考。      

便携式猪肉营养组分无损实时检测装置研究

为了实现猪肉营养组分(脂肪和蛋白质)的快速、无损、实时检测,基于近红外反射光谱设计了便携式猪肉营养组分无损检测装置。硬件部分包括光谱采集单元、光源单元和控制单元,并开发了相应的检测软件,实现样品光谱信息的有效获取和实时分析。为了建立稳定可靠的预测模型,考察了波段选择、样本分组方式和筛选变量方法对模型的影响。分别基于可见/短波近红外(Vis/SWNIR)、长波近红外(LWNIR)及Vis/SWNIR-LWNIR,利用随机选择法(RS)、Kennard-Stone法(KS)和基于联合X-Y距离的样本划分法(SPXY)对样本进行划分,建立了脂肪和蛋白质质量分数的偏最小二乘预测模型。结果发现,基于Vis/SWNIR-LWNIR波段,利用SPXY算法进行样本分组,取得了最佳的预测模型。在此基础上,比较分析竞争性自适应加权算法、随机蛙跳算法和蒙特卡罗无信息变量消除-连续投影算法3种算法筛选变量建立的模型效果。基于竞争性自适应加权算法筛选变量的模型结果最佳,对脂肪和蛋白质建立的模型验证集相关系数分别为0.950 5和0.951 0。结果表明:基于近红外反射光谱设计的便携式猪肉组分检测装置可以对脂肪和蛋白质含量进行快速、无损、实时检测。     

利用可见―近红外光谱术无损检测牛奶中的三聚氰胺

初步探讨了利用可见―近红外光谱术检测牛奶中三聚氰胺的可行性及方法。通过往牛奶中掺入不同浓度三聚氰胺的方法,制备了165个样品,三聚氰胺浓度为0~1000ppm。利用光纤光谱仪采集样本的可见―近红外光谱,其光谱范围为350~1800nm。然后分别采用最小二乘法(PLS)、区间偏最小二乘法(IPLS)及联合区间偏最小二乘法(SIPLS)建立预测模型。比较实验结果表明:把光谱分为10个子区间,通过SIPLS方法,选出3个光谱子区间(4、7、9)联合建立的预测模型最优,其校正集和预测集得相关系数分别为0.9981和0.9946,校正集和预测集的均方根误差分别为0.1942和0.3299。因此,可见近红外光谱术结合联合区间偏最小二乘法能无损、快速的检测牛奶中的三聚氰胺。     

基于嗅觉和光谱技术融合的面粉脂肪酸值定量检测

提出了一种基于比色传感器数据和近红外光谱特征融合的储藏期面粉脂肪酸值的定量检测方法。开发比色传感器阵列、搭建便携式近红外光谱测量系统,分别采集不同储藏期面粉样本的比色传感器数据和近红外光谱。利用主成分分析分别对预处理后的比色传感器数据和近红外光谱数据进行特征降维,采用五折交互验证法在反向传播神经网络(BPNN)模型校正过程中进行优化,确定基于单技术分析模型的最佳主成分(PCs)个数。将优化后的基于单技术模型的最佳PCs在特征层进行融合,建立基于融合特征的BPNN分析模型,以实现对面粉储藏过程中脂肪酸值的快速检测。实验结果显示,基于比色传感器特征和基于近红外光谱特征建立的最佳BPNN模型的最佳PCs数量分别为3和4,基于融合特征建立的BPNN模型在预测集中的相关系数和预测均方根误差的均值分别为0.9276和1.9345 mg/(100 g)。研究表明,与单技术数据分析模型相比,基于比色传感器数据和近红外光谱特征融合模型的检测精度和泛化性能都有所提高。本研究可为粮食储藏品质的高精度原位监测提供一种技术方法。     

基于近红外光谱与多品质指标的苹果出库评价模型研究

富士苹果在贮藏期后熟过程中其生理特性发生变化，不适宜的贮藏会影响出库品质和售卖价格。为使贮藏期果实以较好的品质出库销售，开展对贮藏后熟苹果品质模型研究，并在此基础上对苹果出库进行评价和预测。采集了全贮藏期不同时间苹果样本的近红外光谱和品质指标(可溶性固形物含量、硬度和失重率),分析贮藏期间果实漫反射光谱和品质指标变化规律，基于波长1 000～2 400 nm范围内的漫反射光谱结合预处理和特征波长提取方法，建立贮藏期苹果品质的偏最小二乘(PLS)和带有反馈的非线性自回归(NARX)预测模型，根据行业标准确定苹果出库品质判断依据，采用基于熵权的TOPSIS法对果实出库品质进行综合评价，实现PLS对品质得分和NARX对多品质指标的预测。结果表明，在预测SSC含量、硬度和失重率时，最优模型分别为CARS-SPA-PLS、CARS-NARX和SPA-NARX,相关系数分别为0.914、0.796和0.918,均方根误差分别为0.511°Brix、0.475 kg/cm²和0.682%;在预测品质得分时，PLS模型的相关系数与均方根误差分别为0.896和0.043 4,NAR...     

基于太赫兹光谱分析的猪肉K值无损检测方法

K值是评价猪肉新鲜度的重要指标,能够反映猪肉内核苷酸的分解情况,从而评定肉的变质程度。一般采用高效液相色谱法测定K值,此方法过程耗时,需破坏被测样品,不能满足生产和流通环节的快速检测需求。本文利用太赫兹(THz)光谱分析技术无损检测猪肉K值,探索快速检测K值的可行性。在0.2~2 THz范围内,采用衰减全反射模式提取80份不同新鲜度的猪肉THz光谱数据,同时用高效液相色谱法测定每份样品的K值。THz光谱原始数据经过一阶微分和Savitzky-Golay平滑滤波后,分别用主成分回归(PCR)、偏最小二乘回归(PLSR)和反向传播神经网络回归(BP-ANN)建立了THz光谱预测猪肉K值的数学模型。研究表明:非线性BP-ANN模型预测精度最高,相关系数为0.75,均方根误差为14.36%;采用THz光谱数据BP-ANN模型能够检测猪肉的新鲜度K值。与HPLC方法相比,该方法具有快速、无损、简单的特点。     

不同储存时间和取样部位牛肉颜色的高光谱图像检测

为了探讨高光谱图像技术对不同储存时间和取样部位的牛肉颜色检测的可行性,采集具有代表性的牛肉后腿、里脊和背脊共82个牛肉样品的高光谱图像,并测量其亮度、红度、黄度和饱和度等颜色参数.选取感兴趣区域获取样品代表性光谱,通过选择适宜的谱区范围和预处理方法,建立并评价了预测各颜色参数的偏最小二乘校正模型.对于亮度、红度、黄度和饱和度,校正集的相关系数分别为0.80、0.91、0.91和0.93,校正标准差分别为2.23、1.18、0.82和1.12,预测集的相关系数分别为0.92、0.88、0.87和0.89,预测标准差分别为1.66、1.45、0.80和1.27.研究结果表明,高光谱图像技术可用于快速无损检测不同储存时间下、不同部位的牛肉颜色.     

水果糖度近红外光谱在线检测装置

采用短波近红外光谱仪,进行机械传送、光谱采集处理、自动控制等系统的设计和集成,研制水果糖度近红外光谱在线检测装置。在550~850nm范围,采用偏最小二乘法,建立了苹果糖度近红外光谱在线检测数学模型。经比较,标准正交校正和一阶导数处理后的光谱建立的数学模型预测效果最优,模型的相关系数为0.78,模型预测均方根误差为0.67°Brix。实验表明:水果糖度近红外光谱在线检测装置可准确地检测苹果糖度含量。     

西瓜可溶性固形物含量近红外透射检测技术

设计的近红外透射式西瓜可溶性固形物含量（SSC）检测系统主要包括光纤光谱仪、光纤透射附件、数据采集卡以及自制光源。对50个麒麟瓜SSC进行了预测试验，采用主成分回归和偏最小二乘回归法分别建立了样品的原始光谱、一阶微分光谱、二阶微分光谱和SSC的预测模型，结果表明偏最小二乘回归法建立的模型具有较高的相关性，相关系数为0．951，均方根校正误差0．347，均方根预测误差0．302，样本真实值与预测值的相关系数为0．910。     

芝麻油掺伪的近红外透射光谱检测技术

采用近红外光谱技术结合间隔偏最小二乘法分别建立芝麻油中掺入大豆油、玉米油和花生油的定量检测模型。实验配制不同比例的掺假芝麻油混合样品,采集样品在4 000～12 000 cm-1范围内的近红外透射光谱,把数据分为校正集与预测集。将4 420～12 000 cm-1波段的光谱进行各种预处理,最佳方法为平滑预处理,并利用间隔偏最小二乘波长筛选法(iPLS)选取光谱特征波段,最后采用偏最小二乘法建立掺假芝麻油的定标模型。结果显示:3种掺假芝麻油的PLS模型预测相关系数分别达到0.998、0.999、0.999,预测均方根误差分别为0.24%、0.24%和0.19%,具有较高的预测精度。实验证明近红外光谱技术对芝麻油掺假的快速检测具有可行性。     

基于无参数高效算法的近红外光谱模型传递研究

模型传递可解决不同近红外光谱仪间多元校正模型无法共享的问题。以食用油为研究对象,对其酸值和过氧化值模型进行传递分析。在主机上建立偏最小二乘多元校正模型,利用无参数高效模型传递(PFCE)算法中NS-PFCE无标样算法和FS-PFCE有标样算法分别实现模型传递,探讨了标准化样品数量对模型传递效果的影响。并与经典的3种有标样传递算法和2种无标样传递算法进行对比。结果表明,经NS-PFCE无标样传递后,从机酸值与过氧化值预测集均方根误差分别从0.613 mg/g和16.153 mmol/kg下降到0.275 mg/g和9.523 mmol/kg;而经FS-PFCE有标样传递后,从机酸值与过氧化值预测集均方根误差分别下降到0.274 mg/g和8.945 mmol/kg。且随着标准化样品数量的增加,经PFCE算法传递后预测集均方根误差越低。无参数高效模型传递算法联合应用单一的无标样算法和有标样算法两种传递方式,增强了传递模型的适应性和包容性,同时有效地降低主机光谱与从机光谱之间的差异,实现了不同光谱仪间校正模型的共享。