近红外光谱分析技术在茶叶品质属性甄别中的应用

利用近红外光谱分析技术,结合不同的化学计量学方法(偏最小二乘法、标准法),对茶叶进行快速无损检测,从而判定类别。结果表明,基于提取的茶叶近红外     

基于近红外光谱技术的春小麦单粒种子活力鉴定

为研究利用近红外光谱技术鉴定春小麦单粒种子活力的效果,以2013年收获的甘肃春小麦品种宁春4号种子为材料,对300粒小麦种子进行近红外光谱单粒扫描,根据光谱图结合发芽实验结果建立春小麦种子活力预测模型。结果表明,以腹面和背面平均光谱的建模效果要优于单面光谱。最佳建模比例为建模集与检验集之比3∶1。应用近红外光谱定性偏最小二乘分析方法建模,在7 000~8 000cm-1光谱范围内采用中心化预处理,在主成分为5时,模型的建模集和检验集的鉴别率分别为86.36%和91.30%,建模效果最佳;采用近红外光谱偏最小二乘法定量检测小麦种子活力时,建模效果较差。因此,近红外光谱定性偏最小二乘分析方法适于进行春小麦单粒种子活力定性鉴定。     

基于高光谱技术的茶鲜叶含水率检测与分析

茶鲜叶含水率是茶叶加工业中衡量茶叶品质的一个重要指标。为了实现茶叶加工过程中茶鲜叶含水率的快速检测,本文提出了一种应用高光谱技术分析茶鲜叶含水率的无损检测方法。通过对茶鲜叶高光谱图像感兴趣区域光谱数据的提取,利用4种不同的算法对原始数据进行预处理,采用逐步回归分析法对预处理后的数据提取特征波长,并采用多元线性回归法、偏最小二乘回归建立特征波长和茶鲜叶含水率定量分析模型。研究结果表明,经过卷积平滑处理后的正交信号校正的预处理结合逐步回归分析法所建立的偏最小二乘回归茶鲜叶含水率预测效果最佳,模型校正集、交叉验证集和预测集的相关系数分别为0.8977、0.8342和0.7749,最小均方根误差分别为0.0091、0.0311和0.0371。由此可见,高光谱技术能有效的实现茶鲜叶含水率的检测,这为茶叶加工业中衡量茶叶品质提供了新的检测方法。     

基于可见/近红外光谱技术的湄潭翠芽等级判别

以湄潭翠芽为研究对象,利用可见/近红外光谱技术对其等级进行判别。首先利用卷积平滑、多元散射校正、标准正态变量变换、一阶导数法、二阶导数法、去趋势法等预处理方法对样本原始光谱数据进行处理。然后基于不同光谱预处理方法和原始光谱建立偏最小二乘回归模型,研究分析不同光谱预处理方法对模型的影响,结果表明,使用卷积平滑预处理方法的模型效果最好。然后,研究分别采用逐步回归分析、连续投影算法和竞争性自适应重加权算法3种特征波长选择方法,对卷积平滑预处理后的光谱数据进行特征波长的筛选,以基于不同特征波长选择算法筛选的特征波长和原始全波段数据进行偏最小二乘回归模型建模。结果表明,基于竞争性自适应重加权算法方法筛选的特征波长建立的模型预测效果最好,模型的预测集相关系数达到0.9739,均方根误差为0.2250,这可为湄潭翠芽等级的快速判别提供理论依据。     

棕色彩棉内在品质近红外光谱无损检测方法研究

为了探索快速、简便、无损、高效的棕色彩棉品质的检测方法，提出了采用近红外光谱技术结合偏最小二乘回归法（Partial least squares regression，PLS）快速无损检测棕色彩棉品质指标的方法。利用近红外光谱仪采集了651份新疆不同收获年份、不同品种的棕色彩棉样品的近红外光谱，选取1 300～1 670 nm和1 870～2 430 nm组合波段为建模波段，采用Savitzky-Golay平滑＋Savitzky-Golay一阶导数光谱预处理方法和PLS法分别建立棕色彩棉马克隆值和断裂伸长率的近红外光谱定量校正模型。结果表明，该定量校正模型的预测性能较好，能够应用于棕色彩棉马克隆值和断裂伸长率的无损快速预测。 关键词：天然棕色彩棉；近红外光谱；马克隆值；断裂伸长率；定量预测模型     

绿茶茶汤中主要品质成分近红外定量分析模型的建立

以绿茶茶汤为分析对象,在分析大量绿茶茶汤中主要品质成分含量的基础上,利用近红外光谱技术将化学分析结果与扫描茶汤样品得到的近红外光谱对应起来,采用偏最小二乘法（PLS）进行优化分析,建立了绿茶茶汤中水浸出物、茶多酚、游离氨基酸、可溶性糖、咖啡碱、儿茶素总量、表没食子儿茶素没食子酸酯（EGCG）、表儿茶素（EC）、表没食子儿茶素（EGC）、表儿茶素没食子酸酯（ECG）、没食子酸（GA）共11个指标或组分的定量分析模型,并对这11个模型分别进行了外部检验。结果表明,除ECG和GA外,其余指标或组分分析模型的交叉检验和预测模型的决定系数都在95%以上;除GA预测集RPD为2.67外,其余模型的RPD都在3以上,模型的稳定性和预测准确性较高。研究结果为利用近红外光谱技术分析茶汤或茶饮料中主要品质成分提供了新方法。     

无效变量消除法在油菜籽芥酸近红外无损速测中的应用

探索改善油菜籽芥酸近红外预测模型准确度与精密度的方法,利用无效变量消除法(UVE),对135个油菜籽样品近红外光谱信号进行筛选,并利用筛选后的光谱对油菜籽芥酸含量进行偏最小二乘法交叉验证。结果表明,UVE法筛选变量后建立的芥酸校正模型对未知样品预测结果的准确度和速度显著优于全波长参与建立的芥酸校正模型。散射校正加一阶导数对光谱预处理,UVE法筛选变量,偏最小二乘法交叉验证建立的校正模型效果最好,其预测值与标准值的相关系数R达到0.92,交叉验证预测均方差为2.2。因此,用UVE进行波长选择后建立的近红外模型,能准确快速地对油菜籽芥酸含量进行定量分析。     

绿茶茶多酚含量近红外光谱快速无损检测方法研究

应用现代近红外光谱分析技术,对156份绿茶样品直接进行光谱扫描,采用偏最小二乘法（PLS）建立了茶多酚含量的定标模型,并讨论了不同的散射处理、导数处理和平滑处理等光谱预处理方法对模型的影响,最后对最优模型的预测性能进行了验证。原始光谱在经过多元散射校正、二阶导数和8点平滑光谱预处理下的模型较优,其定标标准差（SEC）为1．33％,定标相关系数（RC）为0．932,预测标准差（SEP）为1．61％,预测相关系数（RV）为0．913,预测偏差（Bias）仅为0．375％。结果表明,应用近红外光谱法可以实现绿茶中茶多酚含量的快速无损检测,建立的定标模型能够达到实际应用中的精度要求。     

基于近红外光谱技术的白茶总黄酮含量快速测定

本文依靠近红外光谱技术对白茶进行总黄酮含量的快速判别。对 91 份来自不同厂家、不同年份和不同等级的 白茶进行总黄酮含量的测定，并采集白茶近红外光谱图，运用 TQ analyst 8.0 软件进行分析，比较了不同光谱预处理方 法，最终采用偏最小二乘法建立白茶总黄酮含量的定量模型。研究结果表明，所建立的总黄酮定量模型的相关系数为 0.999 77，校正均方根差为 0.043 5，验证均方根差为 0.180，验证集平均相对误差为 2.89%。该模型预测结果较好，能 够准确、快速、无损地对白茶总黄酮含量进行定量分析。     

基于近红外光谱的红茶干燥中含水率无损检测方法

为实现工夫红茶干燥中含水率的快速检测,提出了基于近红外光谱红茶干燥中含水率无损检测方法。随机抽取6次干燥处理中的226个样本,进行波长1 000~17 99 nm近红外光谱扫描后按照国标法测定含水率。对原始光谱数据进行标准正态变量变换(SNVT)预处理,利用全局偏最小二乘法(PLS)、联合区间偏最小二乘法(si PLS),分别构建水分近红外预测模型并验证。结果表明:用两种方法检测含水率,其准确度都可靠,但利用si PLS法将全光谱划分为13个区间,联合4个区间用6个主成分数构建的水分预测模型效果更优,其预测集的相关系数R和预测均方根误差RMSEP值分别为0.9593和0.0395,说明模型预测精度高,可以实现红茶干燥中含水率的快速无损检测。     

化学指纹图谱检测技术在茶叶领域的应用

化学指纹图谱技术由化学指纹图谱收集和化学计量分析两个部分组成。化学指纹图谱收集技术主要包括液相色谱、气相色谱、红外光谱和质谱;化学计量法主要包括主成分分析、聚类分析、人工神经网络法和偏最小二乘判别分析法。化学指纹图谱检测技术目前已在茶叶溯源地区分、不同茶类和等级区分、茶树品种区分、茶叶陈新区分、数字化感官评价体系建立等方面有了良好研究进展,但相关技术仍需进一步深入和完善。     

基于近红外光谱技术的白茶总黄酮含量快速测定

本文依靠近红外光谱技术对白茶进行总黄酮含量的快速判别。对 91 份来自不同厂家、不同年份和不同等级的白茶进行总黄酮含量的测定,并采集白茶近红外光谱图,运用 TQ analyst 8.0 软件进行分析,比较了不同光谱预处理方法,最终采用偏最小二乘法建立白茶总黄酮含量的定量模型。研究结果表明,所建立的总黄酮定量模型的相关系数为0.999 77,校正均方根差为 0.043 5,验证均方根差为 0.180,验证集平均相对误差为 2.89%。该模型预测结果较好,能够准确、快速、无损地对白茶总黄酮含量进行定量分析。     

非线性流形降维方法结合近红外光谱技术快速鉴别不同海拔的茶叶

为提高不同海拔茶叶品质近红外光谱技术鉴别方法的精度,提出采用局部线性嵌入法（LLE）和拉普拉斯特征映射法（LE）非线性流形学习方法对近红外光谱数据进行降维处理,并与基于核函数的非线性（KPCA）及线性（PCA）降维方法比较,建立不同海拔茶叶品质的近红外光谱LSSVM鉴别模型。不同降维方法可视化结果表明,KPCA和PCA方法的数据点离散性较大,400~800 m和800~1 200 m的样本点重叠较多,而非线性流形学习方法能将同一类样本点在三维空间很好地聚集在一起,不同海拔的茶叶能较好地区分开,且聚集效果方面LE方法好于LLE方法。模型性能表明,LE_LSSVM模型性能最佳,预测集总体判别率、Kappa系数分别为100%和1.00;相比于PCA_LSSVM、KPCA_LSSVM和LLE_LSSVM,模型预测集总体判别率分别提高1.7%、1.7%、3.3%;Kappa系数分别提高0.025、0.03、0.05。研究表明,LE等非线性流形学习降维方法在近红外光谱数据降维、简化模型复杂度、提高模型精度方面效果很好,为茶叶品质快速检测方法研究提供了一种新思路。     

苎麻纤维素含量近红外预测模型的建立与探讨

本文旨在探讨用近红外光谱技术建立预测模型快速测定苎麻中纤维紊含量的可行性.以80个样品组成校正集采用偏最小二乘法(PLS)建立近红外光谱信息与纤维素含量之间的定量预测模型,该模型的相关系数为0.9726.利用该模型对22个样品的纤维素进行预测,预测值与化学测定值之间的平均相对误差为1.17%.结果表明,利用近红外光谱技术建立预测模型可以快速测定苎麻纤维素含量,对苎麻育种和优质资源的筛选利用具有重大意义.     

利用近红外吸收光谱对水稻种子活力的判别方法

为了实现对水稻种子活力的无损检测,采用近红外光谱分析技术,通过近红外光谱仪采集单粒水稻种子的透射光,比较不同的预处理方法的偏最小二乘判别分析模型(Partial Least-Squares Discriminant Analysis,PLS-DA),选择归一化+二阶差分+正交信号校正(Orthogonal Signal Correction,OSC)的预处理方法对透射光谱进行预处理,得到的日本晴种子的建模集识别率为94.44%,检验集识别率为91.67%;9311种子的建模集识别率为98.61%,检验集识别率为91.67%。表明该光学系统和数据处理模型对水稻种子的活力辨别具有较高的准确率。     

小麦籽粒淀粉和直链淀粉含量的近红外漫反射光谱法快速检测

为寻找一种简便易行的小麦籽粒淀粉和直链淀粉含量测定方法,以91个普通小麦品种及高代稳定品系为材料,采用偏最小二乘（PLS）回归法,对利用近红外漫反射光谱（NIRS）法测定小麦完整籽粒淀粉及直链淀粉含量进行了研究。结果表明,采用一阶导数+减去一条直线、矢量归一化光谱预处理,分析谱区为7 501.9~5 450 cm-1、7 501.9～4 597.6 cm-1,分别建立淀粉、直链淀粉含量的校正模型,校正和预测效果最佳。模型的校正决定系数(R2cal）分别为0.894 8和0.920 6,交叉验证决定系数（R2cv）分别为0.690 2和0.827 6,外部验证决定系数（R2val）分别为0.815 1和0.806 7;各项误差为1.479~1.080。表明利用NIRS分析法测定完整小麦籽粒的淀粉和直链淀粉含量是完全可行的。     

近红外反射光谱测定玉米完整子粒蛋白质和淀粉含量的校正模型

以玉米完整子粒为实验材料,采用偏最小二乘回归法建立近红外反射光谱测定其蛋白质和淀粉含量的数学模型,光谱预处理结果表明采用矢量归一化和一阶导数+多元散射校正分别建立蛋白质含量和淀粉含量的校正模型效果最佳,外部验证结果证明校正后模型预测结果与化学值之间的相关系数分别达到0.946 9和0.924 0。     

利用近红外无损检测技术测定水稻土全氮含量的研究

探讨了利用近红外光谱法测定水稻土全氮含量的可行性,利用Nicolet公司生产的傅里叶变换近红外透射光谱仪测定129个水稻土样品的近红外光谱值,通过几种不同的光谱前处理,采用偏最小二乘回归(PLSR)法把测得的水稻土光谱值与实验室法测得的全氮数值拟合建立定标模型,经分析得出利用标准化处理的光谱数据与全氮含量之间建立的模型稳定性最好,模型相关参数为:预测标准差SEP=0.010 9,校正相关系数RCAL=0.98,内部交叉验证相关系数RVAL=0.86,校正标准差SEE=0.031 6。结果表明:近红外法测定结果与常规方法具有很好的相关性,可以快速、无损、准确地测定水稻土全氮含量。     

基于水分、全氮量和粗纤维含量的茶鲜叶原料质量近红外评价方法

通过交叉验证和偏最小二乘法（PLS）方法,建立了茶鲜叶的近红外光谱（NIRS）与其含水量、粗纤维总量和全氮量之间相关性模型。当主成分数为7时,3个指标的R值分别为0.92、0.86和0.90;交互验证均方根方差（RMSECV）分别为0.769、0.332和0.742。提出了基于鲜叶含水量、粗纤维总量和全氮量的茶鲜叶原料的质量系数方程,得出了鲜叶的质量系数。鲜叶质量系数越大,其质量越高。本文开发了一种基于NIRS技术评价茶鲜叶原料质量的新方法。     

利用近红外反射光谱技术测定稻米中脂肪含量的研究初报

利用精米粉脂肪含量化学分析值及其近红外反射光谱以建立分析精米中脂肪含量数学模型。选取3段谱区（6100～4250 cm-1;6100～5450 cm-1并4600～4250 cm-1;7500～5450 cm-1并4600～4250 cm-1）分别采用4种不同的预处理方法（直线扣除、乘性散射校正、矢量归一、一阶导数）,对其结果进行比较,发现选择不同谱区和不同光谱预处理方法对所建模型有很大的影响,同时证明了利用近红外光谱技术测定稻米脂肪含量的可行性。还阐述了如何对模型进行评价,并讨论了它在遗传育种中的应用。