近红外光谱法快速测定烟草中的常规化学成分含量

[目的]探讨近红外光谱法快速测定烟草中的常规化学成分含量.[方法]采用近红外光谱技术,选取单品种样品681个,结合偏最小二乘法(PLS),定量分析了烟草中总氯、烟碱、总钾、总糖、还原糖及总氮含量,并用实际样品对模型进行了验证.[结果]使用偏最小二乘法(PLS)为建模方法,建立了烟草中6种常规化学成分:总氯、烟碱、总钾,总糖、还原糖及总氮的近红外预测模型.6种组分最佳PLS预测模型的相关系数r分别为0.977 4、0.992 7、0.982 1、0.986 0、099 1和0.975 0.交叉检验的均方差(RMSECV)分别为0.057、0.126、0.160、1.170、0.994和0.127.[结论]所建模型精密度良好,近红外光谱法与行业标准方法所测值不存在显著差异,近红外光谱模型可以快速预测烟草中总氯、烟碱、总钾、总糖、还原糖及总氮的含量.     

基于近红外光谱法快速检测藜麦纤维含量（英文）

[目的]探索一种快速测定完整藜麦籽粒纤维含量的方法。[方法]采集100个藜麦样品的近红外光谱,运用近红外光谱分析技术建立数学模型并进行预测。[结果]在10 000~4 000cm~(-1)波长范围内,运用一阶导数+矢量归一化光谱方法进行预处理,结合化学方法所得数据建立藜麦粗纤维近红外定量模型,校正和预测效果最佳,所得的粗纤维近红外定量模型的交叉验证决定系数(R~2cv)为0.884 8,外部验证决定系数(R~2val)为0.876 1。[结论]以完整藜麦籽粒为样品所建立的纤维NITS模型可用于藜麦纤维含量的快速检测。     

甘蓝型油菜脂肪酸组分近红外分析模型构建

对一批芥酸含量接近0、油酸含量在60％～80％的高油酸油菜脂肪酸组分建立近红外分析模型,旨在提高近红外模型用于高油酸油菜的预测性能,为高油酸育种提供快速品种选择手段.169份油菜样品扫描近红外光谱,采用气相色谱法测定脂肪酸组分含量,结合定标技术进行近红外建模.结果显示:油酸、亚油酸、亚麻酸的建模效果较好,定标相关系数RSQ分别为0.957、0.922、0.891,交叉检验和外部检验都具有较高的相关系数(1-VR,RSQ)和较低的标准差(SECV,SEP):1-VR分别为0.8926、0.8542、0.8008;RSQ分别为0.926、0.867、0.855;SECV分别为1.8638、1.5288、0.8672;SEP分别为1.540、1.506、0.725.所建模型可用于油菜高油酸育种早期材料的快速筛选,用于育种实践.     

基于近红外光谱法快速检测藜麦纤维含量

[目的]探索一种快速测定完整藜麦籽粒纤维含量的方法.[方法]采集100个藜麦样品的近红外光谱,运用近红外光谱分析技术建立数学模型并进行预测.[结果]在10 000～4 000cm-1波长范围内,运用一阶导数+矢量归一化光谱方法进行预处理,结合化学方法所得数据建立藜麦粗纤维近红外定量模型,校正和预测效果最佳,所得的粗纤维近红外定量模型的交叉验证决定系数(R2cv)为0.884 8,外部验证决定系数(R2val)为0.876 1.[结论]以完整藜麦籽粒为样品所建立的纤维NITS模型可用于藜麦纤维含量的快速检测.     

基于近红外光谱法快速检测藜麦纤维含量

[目的]探索一种快速测定完整藜麦籽粒纤维含量的方法。[方法]采集100个藜麦样品的近红外光谱,运用近红外光谱分析技术建立数学模型并进行预测。[结果]在10 000~4 000 cm~(-1)波长范围内,运用一阶导数+矢量归一化光谱方法进行预处理,结合化学方法所得数据建立藜麦粗纤维近红外定量模型,校正和预测效果最佳,所得的粗纤维近红外定量模型的交叉验证决定系数为0.884 8,外部验证决定系数为0.876 1。[结论]以完整藜麦籽粒为样品所建立的纤维NITS模型可用于藜麦纤维含量的快速检测。     

应用近红外光谱分析技术定量检测植物油脂肪酸含量的研究

[目的]建立一种简单、快速、准确且无损的脂肪酸含量的定量检测方法。[方法]应用近红外光谱分析技术快速准确定量检测植物油中3种脂肪酸含量,采用偏最小二乘法PLS建立植物油中3种脂肪酸(油酸、亚油酸、亚麻酸)含量的近红外定量分析模型,并对比分析了10种光谱预处理方法对植物油中3种脂肪酸含量定量分析校正模型结果的影响。[结果]一阶导数(FD)结合多元散射校正(MSC)法的光谱预处理效果最优,经FD+MSC法预处理后采用PLS建立的植物油脂肪酸含量检测的校正模型,对油酸的验证决定系数R2为0.969 3,预测标准差RMSEP为1.3%;对亚油酸的验证决定系数R2为0.960 6,预测标准差RMSEP为1.66%;对亚麻酸的验证决定系数R2为0.973 1,预测标准差RMSEP为0.479%。[结论]研究表明,所建模型可较好地检测植物油中油酸、亚油酸、亚麻酸含量。     

生姜水分含量的可见-近红外光谱检测

近红外光谱技术具有简便、快速和无损检测等优点,应用可见-近红外光谱方法建立生姜水分含量(moisture content)的预测模型.利用可见-近红外光谱仪采集308个生姜的光谱,其光谱范围是350～1 800 nm.分别采用一阶导数(FD)、二阶导数(SD)、标准正交变量变换(SNV)和多元散射校正(MSC)4种方法对光谱进行预处理,结合偏最小二乘法(PLS),分别在430～1 000 nm、1 000～1 800nm、430～1 800 nm 3个波段建立生姜水分含量的PLS预测模型.对实验结果进行分析表明,在波段范围430～1 800 nm使用一阶导数预处理方法建立的PLS模型最优.其验证组的相关系数为0.975 1,预测组的相关系数为0.959 7.结果表明,可见-近红外光谱可以准确、快速地对生姜的含水量进行检测.     

赣南脐橙叶片含水量和叶绿素含量的近红外检测

[目的]得到一种快速检测叶片含水量和叶绿素含量的定量估计模型。[方法]选取88片赣南脐橙叶片作为研究对象,运用近红外光谱技术检测叶片含水量和叶绿素含量2个指标。通过6种不同预处理方法(SG/MSC/1st D/2nd D/SNV/Baseline)在全波段4 000~12 000 cm-1范围内建立了叶片含水量和叶绿素含量的PLS、PCR和LS-SVM定量检测模型。[结果]试验得出,在预测叶片含水量的模型中,PLS、PCR和LS-SVM预测效果整体相差不大,其最优的预测模型是使用PLS建模,其中RP=0.985,RMSEP=0.023。在预测叶片叶绿素含量的模型中,3种方法预测效果相差不大,最优预测模型是MSC-LS-VSM,其中RP=0.933,RMSEP=0.23。[结论]研究表明,应用近红外光谱技术对赣南脐橙叶片含水量和叶绿素含量的快速检测具有可行性。     

关于近红外漫反射光谱分析的研究

1 近红外漫反射光谱分析研究概况FTNIRDRSA(本文以及以后各文所用的省略语均见略语表)是一种现代光谱分析,作为一种理想的光谱分析技术,首先是光谱图中包含着丰富的信息,能从图谱中方便地提取信息,用于分析样品多种结构和组分;还要求分析速度快、分析精度高,样品量少。近红外     

燕麦蛋白质近红外定量模型的创建及其在育种中的应用

[目的]研究利用近红外光谱分析法定量分析燕麦完整籽粒粗蛋白含量的可行性,探讨不同地区种植的同一燕麦品种蛋白质含量的变化,以期为燕麦的营养品质育种提供参考依据。[方法]收集蛋白质含量变幅较大的124份代表性燕麦样品,利用近红外谷物品质分析仪进行光谱扫描,采用常规化学分析方法(GB/T 5009.5—2010)测定样品蛋白质含量,借助近红外定标软件Win ISI,采用偏最小二乘法(PLS)建立燕麦粗蛋白含量的定标模型。利用定标模型对14个地区219份(17个品种)燕麦完整籽粒粗蛋白含量进行测定,分析不同地区、不同类型燕麦样本间的差异。[结果]124份燕麦籽粒样品的粗蛋白含量为15.49%~23.77%,分布范围较广,具有较好的代表性。成功建立了燕麦蛋白质含量的定标模型,决定系数较高,标准误差较小,回归方程具有较高的准确性。因此,利用近红外光谱分析技术检测燕麦籽粒中粗蛋白含量是可行且可靠的,可替代化学测定方法。[结论]近红外光谱分析技术为检测燕麦籽粒粗蛋白质含量提供了一种新方法。