导数同步荧光法测定鸭蛋蛋清中金霉素残留含量

为实现鸭蛋蛋清中金霉素残留含量的快速测定与检测模型精度的提高,应用导数同步荧光法结合支持向量回归(SVR)建立鸭蛋蛋清中的金霉素含量的预测模型。首先在280～400 nm光谱范围内对三维同步荧光指纹图谱与三维同步荧光光谱进行分析,确定检测鸭蛋蛋清中的金霉素含量的最佳波长差△λ为70 nm;然后对原始的同步荧光光谱进行一阶导数预处理,并用联合区间偏最小二乘法(siPLS)结合遗传算法(GA)优选出11个特征波长;最后应用支持向量回归(SVR)建立了鸭蛋蛋清中的金霉素含量的预测模型,其模型预测集的决定系数(R2)和预测均方根误差(RMSEP)分别为0.973 mg/L和1.501 1 mg/L。试验结果表明,本研究方法能够满足鸭蛋蛋清中金霉素残留含量快速测定要求。     

近红外光谱法测定土壤全氮和碱解氮含量

为探寻采用近红外光谱技术在野外快速测定土壤全氮和碱解氮含量的方法,采集土壤光谱信号,结合偏最小二乘法和主成分分析法,分别建立土壤全氮和碱解氮含量测定的定标模型。结果表明,采用PLS方法建模时,土壤全氮和碱解氮含量测定定标模型的精度较高。为提高模型的预测精度,采用多元散射校正、标准归一化、基线校正、卷积平滑和小波变换5种方法对光谱信号进行预处理,当用小波变换法对光谱信号进行去噪处理,并与PLS方法结合时,模型的预测精度最高,土壤全氮样品校正模型的相关系数为0.838 5,均方根误差为0.153 1,对应验证模型的相关系数为0.754 9,均方根误差为0.184 2,校正集和验证集土壤全氮含量预测值(y)与实测值(x)之间的关系模型分别为y=0.685 8x+0.198 0和y=0.621 4x+0.237 9;土壤碱解氮样品校正模型的相关系数为0.866 5,均方根误差为0.007 7,对应验证模型的相关系数为0.796 1,均方根误差为0.009 4,校正集和验证集土壤碱解氮含量预测值(y)与实测值(x)之间的关系模型分别为y=0.749 8x+0.019 4和y=0.700 7x+0.023 3。综合分析结果表明,应用近红外光谱技术对土壤全氮和碱解氮含量进行定量预测是可行的,且应用小波变换方法对光谱冗余信息进行预处理后,再与偏最小二乘法相结合可有效地提高模型的精度。     

脐橙可溶性固形物含量的光谱检测技术研究

以晚熟脐橙为试材,采用近红外光谱技术与常规检测分析相结合的方法,对比和评价了基于果面和果汁光 谱信息的脐橙可溶性固形物(TSS)含量预测模型精度,并筛选了可溶性固形物预测特征光谱.通过对果面和果汁原 始光谱的多元散射校正(MSC)预处理,利用偏最小二乘法(PLS)分别建立了TSS预测模型,其中,当果面光谱主因 子为5时,其对于可溶性固形物预测相关系数为最大(R=0.8367)、预测均方根误差(RMSEP)为最小(RMSEP= 0.4903);而当果汁光谱主因子为8时,其对果汁可溶性固形物的预测相关系数为最大(R=0.9058)、预测均方根 误差为最小(RMSEP=0.5236).采用联合区间偏最小二乘法(siPLS)对果面和果汁光谱特征波段组合进行筛选, 获得果面光谱建模特征波段组合为1000~1107,1750~1857,2071~2177和2178~2284nm,建立的校正集和 预测集模型相关系数分别为0.9462和0.9020,RMSECV为0.3596,RMSEP为0.4309;获得用于果汁光谱建模 的特征波段组合为1000~1125,1251~1375,1376~1500和1626~1750nm,校正和预测模型相关系数分别为 0.9894和0.9596,RMSECV为0.1631,RMSEP为0.3128.结果表明:试验所筛选出的果面和果汁近红外光谱 特征波段组合建立的校正模型,均可用于晚熟脐橙TSS含量的无损检测,果汁光谱对于甜橙果实固形物含量预测 精度高于果面光谱,近红外光谱技术用于橙汁固形物检测是可行的.     

苹果糖度无损检测模型研究

【目的】对套袋和不套袋苹果分别建立反射光谱与糖度预测模型,并对模型的精度进行比较分析,为构建苹果品质分级系统提供理论支撑。【方法】采用美国ASD公司的便携式光谱仪和数显折光计分别测量套袋和不套袋烟富3号红富士苹果,以苹果赤道位置4个取样点的反射率光谱和对应位置的糖度为数据源,原始光谱经多元散射校正后,与糖度数据一同用偏最小二乘回归算法,分别建立套袋和不套袋苹果的反射率光谱糖度模型,进行糖度预测。【结果】(1)套袋苹果校正集相关系数Rc=0.76,均方根误差RMSEP=0.8375 Brix;预测集相关系数Rv=0.72,均方根误差RMSEP=0.8702 Brix;(2)不套袋苹果校正集相关系数Rc=0.69,均方根误差RMSEP=0.9040 Brix;预测集相关系数Rv=0.63,均方根误差RMSEP=0.9134 Brix。【结论】不套袋苹果的模型精度低于套袋苹果模型精度。相对复杂的表面情况导致不套袋苹果模型精度较差,不套袋苹果的无损检测误差会高于套袋苹果。     

基于微型近红外光谱仪油菜籽粗脂肪 与粗蛋白校正模型的建立

为了验证微型近红外光谱仪的现场分析实用性,利用该光谱仪测定了油菜籽中粗脂肪与粗蛋白的含量。采集油菜籽样品的近红外反射光谱,光谱经预处理和异常样本剔除后,结合偏最小二乘法回归(PLSR)建立油菜籽的粗脂肪与粗蛋白定量分析模型。结果表明,粗脂肪的模型校正相关系数(Rc)、校正均方根误差(RMSEC)、预测相关系数(Rp)和预测均方根误差(RMSEP)分别为0.9187、1.1873、0.8162和1.3895;粗蛋白的模型校正相关系数(Rc)、校正均方根误差(RMSEC)、预测相关系数(Rp)和预测均方根误差(RMSEP)分别为0.8773、0.8153、0.8033和0.7532。验证了该光谱仪在油菜籽的粗脂肪含量和粗蛋白含量检测方面是可行的,为进一步拓展微型近红外光谱仪的应用奠定了基础。     

葡萄可溶性固形物的高光谱无损检测技术

为明确采用高光谱成像技术对葡萄可溶性固形物(SSC)检测的可行性。以高光谱成像系统为试验仪器,采集葡萄样本的漫反射光谱,对比分析不同光程校正方法、不同预处理方法对建模精度的影响,建立不同的葡萄SSC定量预测模型。研究结果表明,在波段500~1 000 nm的范围内,采用经过标准正态变化、一阶微分和Savitzky-Golay平滑相结合预处理后的偏最小二乘法建模方法预测能力最强,校正集相关系数(r_c)为0.912 6,校正集均方根误差(RMESC)为0.542,预测集相关系数(r_p)为0.854 0,预测集均方根误差(RMESP)为0.758。由结果可知,应用高光谱成像技术可以对葡萄可溶性固形物含量进行无损检测。     

利用荧光高光谱图像技术无损检测猕猴桃糖度

将405nm激光照射到猕猴桃样品上,当激光透过样品内部时,部分单色光被样品内部成分吸收,释放出荧光,再用高光谱成像系统采集诱导出的荧光散射图像.在荧光散射图像上选取感兴趣荧光区域(ROIs),提取感兴趣区域在波长400～1000nm范围内的特征变量.当提取12个特征变量时,建立的猕猴桃糖度多元线性回归(MLR)模型的校正集相关系数Rc为0.932,预测均方根误差(RMSEC)为0.4764°Brix,预测集相关系数Rp为0.8227,预测均方根误差(RMSEP)为0.5645°Brix.研究结果表明,采用激光诱导荧光成像技术无损检测猕猴桃糖度是可行的.     

基于近红外光谱的小麦种子发芽率测试

以534份发芽率水平不同的小麦品种种子为样品,采用傅里叶变换近红外光谱仪采集光谱数据,利用偏最小二乘法(PLS)建立其发芽率的无损测定校正模型,并对模型进行留一法交叉验证、外部验证。结果表明,经一阶导数和多元散射校正(MSC)预处理后,对7 502.3~4 246.8 cm-1波段范围所建模型的预测性能最佳,校正集决定系数R2为0.914 4,校正均方根误差(RMSEE)为7.38,平均绝对误差为5.925%;验证集决定系数R2为0.904 4,验证均方根误差(RMSEP)为7.91,平均绝对误差为6.467%。近红外光谱与种子发芽率具有较高相关性,利用近红外光谱技术快速测定小麦种子发芽率具有可行性。     

滑皮金桔糖度的近红外光谱无损检测技术

[目的]采用近红外光谱技术对滑皮金桔的糖度开展无损检测技术研究,为今后实现滑皮金桔在线糖度品质分级分选提供参考依据.[方法]以NIR Magic 1100型便携式果品近红外光谱分析仪为主要研究设备,对采集的滑皮金桔光谱分别进行S-G卷积平滑(SG-smooth)、标准正态变量变换(SNV)和多元散射校正(MSC)处理,结合偏最小二乘法建立滑皮金桔糖度预测模型并进行验证.[结果]建模的最佳光谱波段为720~920 nm;光谱采用SG-smooth处理后建立模型的校正集相关系数为0.9531,校正集均方根误差为0.6436,相对分析误差为3.55,均优于采用SNV和MSC处理建立的模型效果.对预测模型进行验证显示,糖度预测值与实际值的相关系数为0.9582,均方根误差为0.5187,相对分析误差为3.24.[结论]采用近红外光谱快速检测滑皮金桔糖度可行,建立的预测模型稳定性好、精度较高,可为滑皮金桔在线分选及无损检测设备的开发提供技术参考.     

可见近红外漫反射光谱法测定赣南脐橙的表面色泽

[目的]建立赣南脐橙颜色指标定量数学模型,探索用颜色进行水果分级的新方法。[方法]采用色差计来测量50个赣南脐橙样本的表面颜色,用近红外漫反射光谱并结合多元校正算法偏最小二乘法(PLS),建立了赣南脐橙颜色指标L、a、b的定量模型。[结果]在全波段范围内,原始光谱所建模型最佳,其颜色指标L所建校正模型相关系数(r)为0.933,预测均方根偏差(RMSEP)为1.330,完全交互验证相关系数(rcross)达0.926;颜色指标a所建校正模型相关系数为0.970,预测均方根偏差为1.524,完全交互验证的相关系数达0.967;颜色指标b所建校正模型相关系数为0.893,预测均方根偏差为2.676,完全交互验证的相关系数达0.875。[结论]原始光谱所建模型最好,但其模型的校正均方根偏差和完全交互验证均方根偏差都偏高。     

基于二维相关谱不变距特征判别掺杂尿素牛奶

为实现牛奶掺杂尿素的快速客观检测,以浓度为外扰,分别建立纯牛奶和掺杂尿素牛奶的二维相关光谱图库,并采用不变矩统计特征表征所获得纯牛奶及掺杂尿素牛奶的二维相关光谱图;针对提取的二维相关光谱不变矩特征,通过计算其Fisher系数评价类间分离程度,结合主成分分析法进行特征优选,选择4个主成分表征所获得样品的二维相关光谱图特征;将优选的4个特征参数作为输入量,采用支持向量机算法建立掺杂尿素牛奶与纯牛奶间的判别模型,该模型对校正集样品和预测集样品的判别准确率分别为94.4%、84.6%。结果表明,基于二维相关谱不变距特征判别掺杂尿素牛奶是可行的。     

基于SVRM的不同氨、碱化处理玉米秸秆粗蛋白定量分析模型研究

文章采用近红外光谱分析方法验证不同条件下氨化和碱化处理玉米秸秆粗蛋白含量测定效果。选择不同超声条件对玉米秸秆样品前处理,获取54种样品,粗蛋白含量为2.535 6%~6.854 7%,依据X-Y残差法剔除29、30、38、51号异常样本,交互验证决定系数R2C由0.679升至0.840,将剩余50个样品划分为校正集(40samples)及验证集(10 samples),选用OSC方法对光谱去噪处理,对比平滑处理(windowsize 15),R2C由0.827升至0.865,选取波段9 781~1 093 cm-1作为特征波段,对比SVRM、PCR及PLS 3种粗蛋白定量分析模型,选取SVRM(C=0.01,Gamma=100)为最佳模型,校正集决定系数R2C为0.833,RMSEC为0.389,验证集决定系数R2P为0.914,RMSEP为0.296。结果表明,近红外光谱分析方法测定玉米秸秆氨化、碱化处理后粗蛋白含量可行。     

非线性建模红外光谱法测定三聚氰胺研究(摘要)(英文)

[目的]建立红外光谱法三聚氰胺非线性定量模型,为三聚氰胺无损检测提供理论依据。[方法]选取1550cm-1附近特征吸收峰,依据动力学、数学建模及优化理论,分别建立线性及非线性定量模型。[结果]非线性模型具有更高的准确度,用于样品定量的模型相关度为0.9227,样品回收率为96%;而线性模型的相关度只有0.9049,样品回收率为557%。[结论]非线性模型定量测定三聚氰胺含量是可行的。     

稻米直链淀粉含量近红外检测模型的建立

以147份南方籼稻品种或组合的稻米为供试材料,利用偏最小二乘法(PLS),通过不同波长和不同预处方式建立稻米直链淀粉含量的近红外分析模型。结果表明:全谱段(950～1 650 nm)建模效果最好,其相关系数(R)、预测标准差(SEP)、校准标准差(SEC)分别为0.947 7,1.162 3、0.700 2;采用多元散射校正法(MSC)法对全谱图进行预处理的效果较好,优化后的模型相关系数(R)、预测标准差(SEP)、校准标准差(SEC)分别为0.981 9、0.100 9、0.6831,其相对分析误差(PRD)为3.6;将稻米直链淀粉含量的近红外光谱预测值与化学值进行配对T检验,P=0.3560.05(置信区间为95%),表明近红外光谱法与化学分析法得到的检测结果无显著差异,即应用近红外光谱快速检测稻米直链淀粉含量是可行的。     

中性红与牛血清白蛋白相互作用特征研究

在模拟动物体生理器件和不同温度下，用荧光光谱、同步荧光光谱、三维荧光光谱和紫外可见吸收光谱法等研究了中性红（Neutral Red，NR）与牛血清白蛋白（bovine serum albumin，BSA）的相互作用，证实了NR有很强地箨灭BSA荧光强度的能力。分别用Stern-Volmer方程、Lineweaver-Burk双倒数方程和热力学方程等处理试验数据，得到在25～43℃度时相互作用的生成常数K。B（平均值为4．250×10^4kJ／mol）、热力学参数（△H^θ、△G^θ和AS^θ的平均值分别为-6．432kJ／mol、-21．38kJ／mol和-48．68J／K）和结合位点数（平均值为1．155）。     

基于三维荧光光谱法的水样中苯酚和对苯二酚含量测定

[目的]研究用荧光分光光度法测定水中苯酚和对苯二酚的含量,为环境样品中痕量物质的分析提供测定方法。[方法]取水样,加入β-环糊精溶液、EDTA溶液及缓冲溶液后测定。[结果]在波长对为λEx/λEm=240 nm/309 nm时测定苯酚含量,线性范围为0～1×10-4mol/L,检出限为6.6×10-8mol/L;在波长对为λEx/λEm=310 nm/340 nm时测定对苯二酚含量,线性范围为0～1.5×10-5mol/L,检出限为5.2×10-9mol/L。[结论]通过三维荧光扫描来选择干扰少而测定灵敏度较高的检测波长,实现了荧光分光光度法直接测定水样中的苯酚和对苯二酚含量。     

8%甲氰菊酯·丁氟螨酯纳米乳剂的研制及其性能

【目的】农药复配可扩大防治谱、降低单剂用药量和生产成本,延长药剂使用寿命。开发能耗低、稳定性好的纳米乳剂,使农药有效成分可以通过剂型加工更好地发挥其生物效果,提高药效。【方法】采用药膜法测定两种杀虫杀螨剂甲氰菊酯、丁氟螨酯对朱砂叶螨(Tetranychus cinnabarinus)的毒力,采用共毒因子法评价两个药剂的增效作用,共毒系数法进行复配农药最佳配比筛选,最后对配比与共毒系数进行数学模型方程拟合对最佳配比进行筛选;并在获得最佳配比的基础上采用低能乳化法加工成8%甲氰菊酯·丁氟螨酯纳米乳剂,根据联合国粮农组织纳米乳剂特性及基本要求,进行8%甲氰菊酯·丁氟螨酯纳米乳剂质量控制指标检测;并通过接触角和黏附功的测定初步探究纳米乳剂的性能。【结果】药膜法测定甲氰菊酯、丁氟螨酯处理朱砂叶螨雌成螨24 h后LC_(50)分别为711.62、4.32 mg·L~(-1),共毒因子法测定结果表明,甲氰菊酯和丁氟螨酯复配在质量比18﹕1和165﹕1之间具有增效作用,增效配比区间较宽,两者复配可行。共毒系数法结果表明,甲氰菊酯与丁氟螨酯的质量比为50﹕1时,共毒系数(CTC)最高,CTC=209.96。通过方程拟合,甲氰菊酯·丁氟螨酯配比与共毒系数的数学模型为y=-216.86x2+19201x-424807,R~2=0.864,理论最佳配比约为39﹕1(质量比),CTC=211.91,进一步通过共毒系数法对理论最佳配比验证得:甲氰菊酯﹕丁氟螨酯=39﹕1时,毒力回归方程为y=0.66x+3.8,r=0.9757,LC_(50)=60.96 mg·L~(-1),共毒系数(CTC)高达215.36。由以上结果可知理论最佳配比与实际最佳配比增效作用基本一致,说明筛选的甲氰菊酯和丁氟螨酯最佳配比具有实际可靠性。最终确定39﹕1(甲氰菊酯﹕丁氟螨酯质量比)为最佳配比进行纳米乳剂的研制。通过溶剂、乳化剂、水质的筛选,得到8%甲氰菊酯·丁氟螨酯纳米乳剂的最佳制剂配方,优化配方为:甲氰菊酯7.8%,丁氟螨酯0.2%,溶剂10%(溶剂油S~(-1)50#﹕二甲苯=4﹕1),乳化剂9%—11%(十二烷基苯磺酸钙﹕聚氧乙烯脂肪酸酯=2﹕3),丙三醇2%,水补足至100%。所研制8%甲氰菊酯·丁氟螨酯纳米乳剂外观呈透明均相液体,乳液稳定性、低温稳定性、热贮稳定性、经时稳定性等指标均合格,稀释200倍呈淡蓝色均相透明液体且分散性良好。8%甲氰菊酯·丁氟螨酯纳米乳剂与两种单剂相比接触角更小,黏附功大,纳米乳液雾滴与靶标结合得更加牢固,药液不容易从靶标上洒落,更有利于植物对药液的吸收,可提高药效。【结论】采用共毒因子法、共毒系数法与拟合方程相结合进行最佳配比的筛选,其结果可以更全面、客观地反映出二元复配剂的增效情况,对农药复配有一定的指导价值,同时纳米乳剂的引入对于改善当前农药剂型结构具有重要意义。     

基于近红外光谱技术的茶鲜叶海拔高度判别模型建立

以不同海拔高度的茶鲜叶为研究对象,扫描获取其近红外光谱(NIRS)并筛选特征光谱区间后,分别应用逐步多元线性回归法(SMLR)、主成分回归法(PCR)和联合区间偏最小二乘法(Si-PLS)建立茶鲜叶海拔高度预测模型。结果表明,在5 542.41~6 888.48cm-1区间内,对原始光谱进行一阶导数+3点Norris平滑预处理后,建立的SMLR模型预测集相关系数和预测均方差分别为0.800 5和0.486;在4 929.16~6 965.62cm-1区间内,当主成分数为3时,对原始光谱进行一阶导数+3点Norris平滑预处理后,建立的PCR模型预测集相关系数和预测均方差分别为0.803 6和0.472;当将光谱划分为18个子区间、因子数为13时,选用[5 8 11 17]4个子区间建立的Si-PLS模型预测集相关系数和预测均方差分别为0.944 3和0.295。经比较,Si-PLS模型预测结果最佳。     

应用表面增强拉曼光谱技术快速检测较大婴幼儿配方奶粉中的香兰素

【目的】香兰素（3-甲氧基-4-羟基苯甲醛）是一种婴幼儿配方食品中常用的食品添加剂,因具有浓郁奶香被广泛使用,但过量使用香兰素会引起婴儿肝肾损伤。目前,国家尚未出台相关检测标准,现场检测手段相对缺乏,建立婴幼儿配方奶粉中香兰素检测方法特别是现场快速检测方法迫在眉睫。本文建立了基于纳米金粒子的表面增强拉曼光谱对较大婴幼儿配方奶粉中香兰素的速测方法,为政府监管提供技术支撑。【方法】本文主要从样品前处理方法优化,增强基底的制备以及上机参数的选择3方面进行研究。比较不同萃取溶剂对香兰素提取效率的影响,确立较佳的样品前处理方法;研究不同粒径的纳米金胶溶液对香兰素的表面增强拉曼光谱信号强度的影响,确定较佳的增强基底;探明pH、离子强度等对上机液的影响,得到较优的检测条件。【结果】确立了较优的前处理方法：首先以饱和醋酸铅溶液作为沉淀剂去除基质中蛋白,之后以二氯甲烷为萃取溶剂对香兰素进行提取,最终使用pH为9的氢氧化钠水溶液对提取液进行纯化;确立了较佳的检测条件：以粒径约58 nm的金胶溶液作为增强基底,同时,在上机液中加入200 μL 1%硝酸溶液、50 μL 1%硝酸钾溶液,此时香兰素特征拉曼信号最强,有利于进行定性定量分析。本文建立的速测方法以1 149、1 497、1 575 cm-1处拉曼位移作为定性依据,以1 531 cm-1峰强度作为归一化标准,绘制1 497 cm-1处峰强度对香兰素浓度的标准曲线,在质量浓度30-300 μg•mL-1内实现定量计算,线性相关系数0.9913,检出限为10 μg•mL-1。在50、100和200 μg•mL-1 3个添加水平下,回收率为80.5%-86.9%,相对标准偏差小于8.6%。【结论】通过实际样品检测并将结果与现有文献报道方法相比较发现,该方法样品前处理简单、分析时间短（单个样品分析时间约5 min）,检测结果可靠,适用于对较大婴幼儿奶粉的现场快速检测,为市场监管提供了新的手段。     

利用表面张力系数和黏滞系数检测牛奶品质初探

【目的】探讨用牛奶表面张力系数和黏滞系数表征其内在品质的可行性。【方法】将鲜牛奶分为2组,1组置于（40±1) ℃ 温度下,测量不同放置时间（0～12 h）牛奶表面张力系数和黏滞系数的变化;另1组置于室温（25±1） ℃ 条件下,研究不同掺水量（V_水∶V_总分别为0%,10%,20%,30%,40%,50%）对牛奶表面张力系数和黏滞系数的影响。【结果】随放置时间的不断延长,牛奶表面张力系数在0～1 h急剧下降,1～7 h先缓慢上升后下降,7～9 h急剧上升,9～12 h缓慢上升;而牛奶黏滞系数在0～11 h变化不大,11 h后呈剧烈上升趋势。牛奶表面张力系数和黏滞系数与掺水量之间均呈极好的线性关系,相关系数分别为0.943 6,0.954 9,其中掺水量达到10%时,牛奶品质即发生较大变化,其2个参数值分别显著下降4.05%和0.28%。【结论】表面张力系数较黏滞系数的灵敏度高,但稳定性较低;黏滞系数的灵敏度低,但稳定性较高。因此,可以将二者结合起来作为表征牛奶品质的物理指标。