近红外光谱法测定大米中的淀粉含量

用化学方法测定64个大米样品中的淀粉含量,利用近红外谷物分析仪采集样品的近红外光谱,选择合适的光谱区间和光谱预处理方法。50个定标集样品的近红外光谱经二阶导数及标准多元离散校正(Standard MSC)预处理,结合偏最小二乘法(PLS)建立了大米中的淀粉含量测定的定标模型,其相关系数为0.8780。14个验证集样品用于外部检验,大米中的淀粉含量的模型预测值与化学值之间的相关系数为0.9498。     

近红外光谱法测定玉米秸秆纤维素和半纤维素含量

为了解玉米秸秆资源可转化碳水化合物物质基础,建立了玉米秸秆中纤维素及半纤维素近红外分析模型。利用傅里叶变换近红外漫反射光谱(NIRS)技术和化学计量学软件,结合偏最小二乘法(PLS),通过光谱采集,进行了近红外光谱模型预测及验证。探讨了不同预处理方法对玉米秸秆纤维素和半纤维素含量的NIRS模型影响,获得理想分析模型,相关系数(R)≥0.909。实验结果表明模型对纤维素、半纤维素含量预测平均相对误差为2.34%和2.13%,预测值与化学值误差较小。说明该模型可准确、快速并大量检测玉米秸秆中纤维素和半纤维素含量,提高秸秆生物质资源利用率,促进生物质转化工艺过程。     

基于化学计量学的近红外光谱法检测白酒中酯含量研究

为实现快速检测白酒中4种主要酯类物质的含量,采用化学计量学方法对模拟白酒样品的近红外光谱数据进行模型构建,并用白酒样品进行验证试验。结果表明,模型预测值与实际值的相关系数均大于0.97。使用白酒样品进行验证试验,预测值与测定值无显著差异。说明采用近红外光谱进行白酒中酯类物质检测可以实现快速、无损、多参数、多指标检测。     

基于近红外法的鲜食大豆品质快速分析技术

为建立一种鲜食大豆品质的非破坏性快速检测方法,探究近红外分析技术在鲜食大豆品质检测中应用的可行性,以四川省成都市郫都区种植的66份鲜食大豆样品为材料,采用FOSS近红外谷物分析仪扫描得到光谱,并对所有材料的水分、蛋白质、可溶性糖和粗脂肪含量进行常规实验室分析,利用偏最小二乘法(PLS)建立近红外光谱与化学实验数据的相关模型,并进行模型优化、验证。得到的模型预测范围分别为水分含量60.03%~71.28%、可溶性糖含量2.36%~7.81%、可溶性蛋白含量1.03%~8.56%、粗脂肪含量4.33%~7.60%,预测系数(0.95)较高,标准误差(1.0)较低,实验结果显示,利用近红外分析技术建立定标模型用于检测鲜食大豆品质是可行且可靠的,该方法可快速检测鲜食大豆品质且不损坏籽粒,可用于鲜食大豆的种质资源评价、品质分级等。     

近红外快速测定干辣椒中辣度的研究

以干辣椒为对象,采用近红外快速测定方法检测其辣度。首先,使用高效液相色谱法对8种干辣椒中辣椒碱类物质含量进行准确测定,确定了定量指标辣度。然后,采集干辣椒粉样品的近红外光谱数据,利用偏最小二乘法(PLS)建立检测模型,并对检测波长范围及模型主因子数进行了筛选。结果表明,使用PLS进行模型的建立,校正集方程相关系数0.987 1,验证集方程相关系数0.870 4;校正均方根误差2 870,交叉验证均方根误差9 476,主因子数为8。最终得到的检测模型能够满足对干辣椒中辣度的快速检测要求,且具有较好的准确度。     

可见-近红外光谱对花椰菜色泽的检测研究

花椰菜色泽变化和品质密切相关,利用可见-近红外光谱技术对花椰菜的色泽L*值进行研究。结果表明,归一化为最佳预处理方法,使用连续投影算法提取光谱数据特征波长并建立偏最小二乘回归模型。预测模型的相关系数达到了0.908 9,预测均方根误差为0.541 1。说明可见-近红外光谱技术检测花椰菜的色泽L*值变化是可行的。     

基于遗传算法的BP神经网络在小麦蛋白质含量预测中的应用

为了快速、简便、准确地测定小麦蛋白质的含量,本文提出了应用近红外光谱分析技术结合遗传算法(GA)的BP神经网络的建模方法。采用SPXY算法对光谱数据进行了合理划分,并运用连续投影算法(SPA)将预处理过的数据压缩,对光谱数据提取最佳敏感波点作为GA-BP神经网络的输入,建立小麦蛋白质含量的校正模型。模型的预测均方根误差和预测相关系数为1.3379和0.979,并与BP神经网络所建立的校正模型进行了比较。结果表明：GA-BP神经网络所建模型收敛速度快、训练时间短、准确度也较高,能够实现对小麦蛋白质含量快速高效的检测。     

含水率对丙二醇近红外预测值及加料均匀性系数的影响

为探究烟片含水率对丙二醇近红外模型预测效果及加料均匀性系数的影响,制备不同丙二醇含量且每一含量均包含不同含水率的烟片样品,并预测其丙二醇含量,分析不同含水率以及不同丙二醇含量对预测结果的影响,且建立基于含水率的丙二醇预测结果的校正模型,并利用该模型分析样品校正前后的加料均匀性系数变化规律。结果表明：（1）待检样品与建模样品的含水率差异越大,预测值的绝对偏差也越大。当待检样品含水率大于建模样品含水率时,预测值偏高;反之,预测值偏低。（2）含水率与预测值的绝对偏差间呈极显著线性关系(R2=0.938),因此,可以根据含水率校正预测值。（3）对某牌号、批次卷烟的加料均匀性评价结果表明,待检样品含水率与建模样品相比平均偏高约1.70%,校正前、后的加料均匀性系数相差2.0%。综上所述,控制含水率对丙二醇含量近红外预测值的影响,有利于提高加料均匀性评价结果的准确度。     

花生籽仁蔗糖含量近红外模型构建及在高糖品种培育中的应用

含糖量是决定和影响花生食用品质和加工特性的重要指标,蔗糖含量占成熟花生籽仁总糖量的90%以上,建立蔗糖含量的高效检测技术,有助于加快高蔗糖甜味食用型花生品种培育进程。本研究利用蔗糖含量差异显著的185份花生材料,利用近红外仪(波长范围1100~2500 nm),配合小样品杯,扫描和采集自然干燥籽仁的近红外光谱,采用液相色谱(HPLC)结合标准曲线法测定试验材料的蔗糖含量,利用偏最小二乘法(partial least squares,PLS)构建了花生籽仁蔗糖含量的近红外定标模型,模型的决定系数R2=0.962,均方差为0.383。利用20份材料对模型进行外部验证,预测值和化学值的决定系数达0.947,表明该模型可较好地预测蔗糖含量,可以高效地测定杂交早期世代的单株花生蔗糖含量。利用该模型在“吉花02-1-4×中花26”杂交后代中发掘出6份含糖量7%以上、油酸78%以上、含油量48%以下,且农艺性状优良的食用花生新品系。     

向日葵籽仁脂肪和脂肪酸含量近红外光谱模型的建立

为实现向日葵品质的快速无损检测,选取50份具有代表性的油用向日葵材料,采用偏最小二乘法（PLS）构建籽仁脂肪、亚油酸、油酸、硬脂酸和棕榈酸含量的近红外光谱（NIRS）模型。结果表明,脂肪、亚油酸、油酸含量模型校正和验证相关系数均大于0.96,且预测值与化学值相对误差均在10%以下,能够达到样品成分含量的快速测定。硬脂酸和棕榈酸含量模型校正相关系数分别为0.92和0.82,验证相关系数分别为0.83和0.74,预测值与化学值相对误差在4.66%~17.99%之间,可用于样品成分含量的初步预测。本研究构建的NIRS模型,有助于油用向日葵种质资源品质鉴定和快速筛选。     

马铃薯直链淀粉含量近红外模型的建立

为了快速高通量测定马铃薯淀粉中直链淀粉含量,缩短品质检测时间,进而加速育种进程,使用InfraXact Lab型近红外光谱分析仪测定马铃薯淀粉的近红外光谱值,并用常规化学分析方法测定样品淀粉中直链淀粉含量,将两者拟合建立定标模型。结果表明:直链淀粉含量定标方程的SECV值为1.415,而1-VR值为0.822,直链淀粉含量的验证参数SEP(C)值为0.406, RSQ值为0.836,证明定标的预测能力较好,可以用来进行马铃薯育种材料直链淀粉含量的粗略测定。     

基于 SPA-RBF神经网络的小麦蛋白质含量无损检测

传统半微量凯氏法测量小麦蛋白质含量繁琐费时,应用近红外光谱分析技术结合SPA-RBF神经网络对小麦蛋白质含量进行快速、无损检测.采用SPXY算法划分校正集和预测集样本,运用连续投影算法(SPA)对一阶微分和SNV预处理后的光谱数据提取敏感波点作为RBF神经网络的输入,建立小麦蛋白质含量的SPA-RBF神经网络校正模型.模型的预测均方根误差和预测相关系数可达到0.26576和0.975,预测效果较好,基本上可以完成粮食储备和食品加工行业对小麦及其制品品质的划分以及育种上的前期世代筛选.研究表明:近红外光谱技术结合SPA-RBF神经网络可实现对小麦蛋白质含量的检测,满足现代农业发展对小麦无损、实时、大量检测的需要.     

烟叶成熟度区分及烟碱含量检测模型研究

为探索一种有效的近红外光谱应用于烟叶成熟度区分以及烟碱含量检测模型建立的方法,对56组烟叶样品近红外光谱数据进行系统聚类,分类结果与原始结果基本一致,客观反映了成熟与未成熟烟叶的差异。识别率达到92.86%。采用多种不同的光谱预处理方法,并选择较优的多元散射校正处理原始光谱,再用偏最小二乘回归建立模型。结果表明：所建模型训练集r=0.9852,RMSE=0.0676;交叉验证r=0.9145,RMSE=0.1645。预测值能够较为均匀紧密地分布于拟合线的两侧,预测结果较好。     

云南烤烟填充值近红外光谱预测模型

为研究采用近红外光谱技术快速预测烤烟烟丝填充值的可行性,选取云南12个烤烟品种不同部位3个等级的140份烤烟初烤烟样品,采集样品近红外光谱和烟丝填充值,采用偏最小二乘法,利用100份样品近红外光谱和填充值建立近红外光谱填充值预测模型。用40份样品近红外光谱和填充值进行模型外部验证,对填充值测定值和预测值进行t检验,T＝0.4125,在显著性水平α＝0.05下,t(0.05,39)=1.6849,T     

烟叶总氮的近红外光谱检测模型研究

探索建立一种有效的烟叶总氮含量近红外光谱检测模型,并寻找1100~2500 nm波段中预测烟叶总氮含量的有效波长。采用多种不同的光谱处理方法,并选择较优的一阶导数光谱处理原始光谱,再用偏最小二乘回归建立模型和Martens不确定性检验方法选择有效波长。基于全部波长建立的模型,训练集r=0.9930,RMSE=0.0490;交叉验证r=0.9708,RMSE=0.0996;预测集r=0.9747,RMSE=0.0884。基于有效波长建立的模型,训练集r=0.9937,RMSE=0.0464;交叉验证r=0.9744,RMSE=0.0938;预测集r=0.9610,RMSE=0.1116,预测值与化学值的绝对误差小于0.227%,相对误差未超过0.1%。表明使用近红外光谱分析技术检测烟叶总氮含量较好,采用Martens不确定性检验方法选择有效波长,并利用有效波长预测烟叶总氮含量是可行的。     

烟片含水率对丙二醇近红外预测值及加料均匀性系数的影响

为探究烟片含水率对丙二醇近红外模型预测效果及加料均匀性系数的影响,制备不同丙二醇含量且每一含量均包含不同含水率的烟片样品,并预测其丙二醇含量,分析不同含水率以及不同丙二醇含量对预测结果的影响,且建立基于含水率的丙二醇预测结果的校正模型,并利用该模型分析样品校正前后的加料均匀性系数变化规律。结果表明:(1)待检样品与建模样品的含水率差异越大,预测值的绝对偏差也越大。当待检样品含水率大于建模样品含水率时,预测值偏高;反之,预测值偏低。(2)含水率与预测值的绝对偏差间呈极显著线性关系(R~2=0.938),因此,可以根据含水率校正预测值。(3)对某牌号、批次卷烟的加料均匀性评价结果表明,待检样品含水率与建模样品相比平均偏高约1.70%,校正前、后的加料均匀性系数相差2.0%。综上所述,控制含水率对丙二醇含量近红外预测值的影响,有利于提高加料均匀性评价结果的准确度。     

基于连续投影算法的小麦湿面筋近红外校正模型优化

为减少建模过程中的计算量、提高模型的稳健性及预测精度,将连续投影算法用于小麦湿面筋近红外校正模型的建立。首先采用SPXY算法选择具有代表性的校正集样本,然后对光谱数据作不同预处理,增强光谱特征;运用连续投影算法对原始光谱和预处理后的光谱进行敏感波点提取,进而分别建立多元线性回归校正模型。测试结果表明,对光谱标准正态变量变换后利用连续投影算法提取敏感波点所建多元线性回归模型预测效果最好,预测均方根误差和预测相关系数分别为1.3332和0.94319,优于同等条件下建立的偏最小二乘回归模型。     

基于近红外光谱的棉花毛籽蛋白质和油分含量快速检测

【目的】建立棉花毛籽蛋白质和油分含量的近红外检测校正模型。【方法】检测样本的蛋白质含量和油分含量，根据光谱-理化值共生距离算法（sample set partitioning based on joint X-Y distance sampling, SPXY）按照3∶1的比例将426个样本划分为包含320个样本的校正集和106个样本的预测集，结合多元散射校正和一阶导数等光谱预处理方法对模型进行优化，并采用线性偏最小二乘法（partial least square method, PLS）、支持向量机（support vector machine, SVM）和随机森林（random forest, RF）3种方法对比分析建立棉花毛籽蛋白质和油分含量的近红外快速测定模型，以决定系数、均方根误差和剩余预测偏差作为模型的评价指标。【结果】SVM模型和PLS模型在校正集的拟合效果较好，决定系数均大于0.8，但对预测集的拟合决定系数不到0.8，说明模型均存在过拟合现象；而RF模型在校正集和预测集的拟合效果都非常好，决定系数均大于0.9，其中蛋白质含量预测模型的决定系数、预测均方根误差和剩余预测偏...     

两种仪器测定国产大豆粗蛋白含量的比较

利用近红外谷物分析仪与凯氏定氮仪分别对20份国产大豆样品中的粗蛋白含量进行比较,再用两种方法多次重复测定同一份大豆样品粗蛋白含量,计算各自的标准偏差和变异系数。结果发现,在所测定样品的含量范围内,相同样品用两种分析方法偏差均小于1 g/100 g,相对相差均小于2%,结果基本吻合。从精密度上对比,近红外谷物分析仪法稳定性好,分析结果准确、可靠、快速,近红外分析仪测定优于凯氏定氮测定法。     

二次复切微波膨胀梗丝在卷烟中的掺配均匀性研究

为测定卷烟中二次复切微波膨胀梗丝的掺配比例,评价其在卷烟中的掺配均匀性。以A品牌三类烟的烟丝为试材,把微波膨胀梗丝和A牌三类烟的烟丝按不同比例混合(0%~50%),采集混合后样品的近红外光谱,利用偏最小二乘法(PLS)建立了近红外光谱预测模型。应用所建模型分别测定了待测烟支样品中以及烟支样品各段(每支烟(不含滤嘴)平均切成三段)中微波膨胀梗丝的掺配比例,计算了待测卷烟样品中及烟支各段中微波膨胀梗丝的掺配比例偏差,评价了其掺配均匀性。建立的近红外模型的相关系数R2为0.9986,该模型预测精度(RADP=1.72%)高、重现性(RSD3%)好,可用于A品牌三类烟的烟支中微波膨胀梗丝掺配比例的快速检测;微波膨胀梗丝在待测烟支中以及烟支各段的掺配均匀性偏差小于2%。近红外光谱法可以快速测定微波膨胀梗丝在卷烟中的掺配比例,评价结果表明二次复切微波膨胀梗丝在卷烟中的掺配均匀性较好。