近红外光谱技术在苹果品质无损检测中的应用

近红外光谱技术是一种高新分析技术,被越来越多地应用于农业领域。概述近年来国内外近红外光谱技术在苹果品质无损检测中的应用情况,分析近红外光谱技术在苹果质检中的应用方向,为果品无损检测技术的发展提供参考。     

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。     

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。     

近红外光谱技术在水果内部品质无损检测中的应用

针对近红外光谱分析技术在水果内部品质无损检测的应用问题，简单介绍了近红外光谱的基本原理；描述了国内外近红外光谱分析技术无损检测水果内部品质的最新研究进展；并指出当今国内外研究中存在的问题和今后进一步的研究设想。     

基于近红外光谱岭回归的甜椒氮素检测试验

针对设施作物营养水平无损检测技术,着重描述了基于近红外光谱数据岭回归分析的甜椒氮素检测试验研究过程.利用近红外反射光谱成像技术对目标作物进行叶片尺度的光谱图像采集,应用计算机图像分析软件进行光谱数字图像处理、提取光谱数据,经过统计分析对数据完成筛选作为变量,结合化学分析试验结果建立作物营养检测模型,检验模型得出结论.为了解决自变量间存在的多重共线性造成模型难以建立的问题,在数据处理阶段,采用了在农业探测领域内并不多见的岭回归分析方法,利用其特殊的有偏估计算法,拟合建立回归方程.同时,由于岭回归分析可以用于进一步筛选特征波段,最终得到的是基于三特征波段近红外光谱反射率数据的甜椒叶片氮营养检测模型.经过模型检验,模型的调整R2为0.843,RMSE为0.105.     

近红外光谱技术在土壤成分检测中的研究进展

近红外光谱技术是一种快速的例行分析方法,在土壤科学领域内具有广阔的应用前景。评述近红外光谱分析技术在检测土壤成分(有机质、总氮、水分、矿质组分、质地、pH)中的应用现状,并指出了其在土壤领域内的发展方向。     

近红外光谱技术在生鲜肉检测中的现状及展望

近红外光谱技术作为一种高效、快捷的检测技术,在肉类产品的检测当中有独特的优势和广阔的发展前景。肉类产品的品质关系到食品安全,也影响着整个畜牧业的发展,因此对肉类产品的检测有着非常重要的意义。为此,文中综述了近红外光谱技术在生鲜肉产品品质等方面的重要研究进展,主要包括肉制品嫩度、含水量、新鲜度、蛋白质含量测定、脂肪含量测定、安全性检测等方面的研究。同时,针对当前的发展趋势展望了近红外光谱技术的发展前景,以期近红外光谱技术在肉类产品检测中得到更广泛的应用。     

近红外光谱用于马铃薯内部品质检测探索

1近红外光谱检测应用(1)水果品质检测。国外从20世纪60年代开始,将近红外光谱检测技术应用到了水果品质检测中。国内从20世纪70年代开始接触此项技术,20世纪90年代,该技术在水果品质检测中的应用进入高潮。通过采用近红外光谱,可以在不破坏水果外形的前提下,进行水果的外形、着色度、糖度、酸度、     

基于NIR和Raman光谱的果蔬质量检测研究进展与展望

主要回顾了可见/近红外光谱分析技术和拉曼光谱分析技术在果蔬品质与安全检测领域的研究进展。可见/近红外光谱分析技术在果蔬品质的定量分析（包括糖、酸等内部成分含量和坚实度等组织物理属性等）、果蔬品质的定性分析（如缺陷检测、成熟度分级、货架期/储藏期判断等）、果蔬生长/加工过程监测、果蔬生长环境条件分析以及果蔬安全检测、果蔬品种与产地溯源等方面获得了广泛应用。拉曼光谱分析技术在果蔬内部成分分析（尤其是类胡萝卜素含量）、品质分级、成熟度辨别、缺陷/损伤检测等方面获得成功应用,在果蔬农残与微生物污染检测方面也比可见/近红外光谱分析技术更具潜力。此外,还分析归纳了光谱分析技术在果蔬品质与安全检测领域的优势与不足,并展望了今后的发展趋势。     

近红外光谱检测技术在生物生产中的应用

近红外光谱检测技术是一门多学科交叉技术,它的发展既取决于光谱分析技术和化学分析技术的进步,又取决于计算方法和设备的更新。为此,叙述了近红外光谱检测技术的基本原理和技术特点,并对其在生物生产方面的应用进行了综述。     

大豆豆荚炭疽病严重度的光谱检测

利用可见/近红外光谱技术对大豆豆荚炭疽病严重度进行检测。分别采用主成分分析法(PCA)结合反向传输人工神经网络(BPNN)和连续投影算法(SPA)结合BPNN 2种组合模型进行分析预测。利用SPA的数据压缩功能和BPNN的学习预测能力实现对大豆豆荚炭疽病严重度的检测。以样本检测的准确率作为模型评价指标。实验结果显示SPA-BPNN的检测准确率最高,为90%。研究表明,SPA能够有效地进行波长选择,使BPNN模型获得满意的检测率。     

近红外多组分分析中异常样本识别方法

近红外光谱分析中,异常样本的存在严重影响定标模型的预测性能和适配性。基于 X / Y 联合的ODXY异常样本识别和剔除方法,提出并证明了一种专用于多组分分析的MODXY异常样本识别方法。实验采用80组玉米近红外光谱数据,利用不同异常样本识别方法剔除异常样本后建立玉米含水率、含油率、蛋白质含量和淀粉含量4种组分的偏最小二乘预测模型,采用预测均方差和决定系数作为评价指标比较所建模型的性能,检验MODXY方法在多组分分析中的异常样本识别能力。实验结果表明：在近红外多组分分析中,MODXY方法在大多数情况下具有更好的异常样本识别能力;MODXY方法和ODXY方法均有一定的适用范围,它们更适合于相应组分化学值的相对标准偏差较大的情况。     

基于近红外光谱的卷烟加料均匀性检测

结合近红外光谱分析技术在烟草分析上的应用,通过对加料后的烟丝进行近红外光谱分析,发现近红外光谱分析法可用于卷烟加料均匀性研究。利用扫描谱图及料液的施加比例,初步探索了卷烟加料均匀性近红外光谱分析的数学建模,模型验证误差＜2%,具有较好的实用价值。      

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。     

基于近红外光谱的山核桃的品种鉴别

为实现对山核桃品种的快速鉴别，采集浙江临安山核桃、安徽宁国山核桃、美国山核桃和四川核桃共4种100个核桃样品的近红外光谱，对光谱数据进行了标准正态变量变换（standard normal variate transformation，SNV）预处理后，采用主成分分析（principal component analysis，PCA）法实现了光谱的差异可视化，基本可实现4种山核桃的鉴别。为提高模型准确率，采用主成分分析降维后数据结合线性判别（PCA-LDA）的分类方法，该法对4种山核桃品种鉴别的校正集和验证集的分类准确度都达到了100%。结果表明，近红外光谱技术可实现对山核桃品种的快速鉴别。      

新型国产近红外分析仪在大豆油脂工业中的应用

近红外光谱分析作为一种快速无损的绿色分析技术,可应用于检测油料原料和油脂产品品质,为粮油企业带来巨大经济效益。该文采用一款新型国产化的近红外漫反射光谱分析仪对大豆油脂工业中的原料大豆和豆粕的水分、粗蛋白、粗脂肪和氨基酸含量指标进行了检测分析,分别建立了相应分析模型并进行验证,结果显示近红外预测结果与国标方法检测结果相关性好、准确度高,表明新型国产化的近红外分析仪可满足大豆油脂企业对原料和成品豆粕产品的质量控制要求。      

近红外光谱技术在饲料常规成分分析中的应用现状及展望

控制饲料质量、检测饲料原料的成分是饲料生产中非常重要的一环。简述近红外光谱技术（NIRS）的原理、特点及优势,综述NIRS在饲料常规营养成分分析检测中的应用现状,从模型数据库建立、在线实时检测实现及检测仪器研制方面,对其发展前景进行了展望。     

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。