红松籽中脂肪的近红外光谱快速检测研究

采用近红外光谱分析方法对红松籽脂肪进行定量分析,建立红松籽脂肪的快速检测方法,利用多种预处理方法优化模型,同时采用间隔偏最小二乘法、反向间隔偏最小二乘法、无信息变量消除法实现特征波段的选取。结果表明,红松籽样本光谱经矢量归一化预处理后建立的模型最佳;波段优选能够提高模型质量,其中反向间隔偏最小二乘法的筛选结果最优,其红松籽脂肪模型校正集相关系数为0.889 2,验证集均方根误差为0.765 1。由此可知,经过优化后,模型的预测性能较好,实现了红松籽脂肪快速、无损检测。     

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。     

运用近红外高光谱成像技术检测羊肉脂肪及蛋白质含量

夏季是人们外出进行烧烤活动的主要季节,羊肉制品一直是烧烤架上最受欢迎的肉类制品。但在市场经济的不良引导下,羊肉制品开始受到来自人工饲料,化学添加剂的影响。这些加工过的羊肉制品相比于原生原味的羊肉制品在脂肪含量,蛋白质含量都存在很大的差距。因此,对羊肉检测部门推向一种新型有效的羊肉检测技术是十分必要的。本文通过介绍运用近红外高光谱成像技术在羊肉制品上的检测,并说明了高光谱成像技术在羊肉制品检测中产生的作用。并对今后如何拓展该技术在检测领域的应用提出了一些设想。     

基于近红外光谱的阿克苏红富士苹果毒死蜱农药残留量检测

为探索一种检测红富士苹果毒死蜱农药残留的方法,利用4 000~10 000 cm~(-1)波段的近红外光谱仪对喷洒不同体积分数毒死蜱农药的苹果样品进行原始光谱数据采集,利用多种方法对原始光谱进行预处理,建立偏最小二乘法(partial least squares,简称PLS)模型进行预测分析。结果表明,近红外光谱对喷施不同体积分数毒死蜱的红富士苹果样品具有敏感性,而对无农药样品检测精确度较低。进一步删除空白对照组数据进行建模预测,结果表明,当采用一阶导数(first derivative,简称FD)预处理时结果最好,R=0.987 9,预测标准差(简称SEP)为0.173 6,交互验证预测均方差(简称RMSECV)为0.120 5,准确度为0.923 4,说明近红外光谱能够较好地预测毒死蜱农药残留,为阿克苏红富士苹果毒死蜱农药残留的检测探索出一种新方法。     

近红外光谱检测青贮饲料的营养成分

选取154批次青贮样品为研究对象,利用化学分析法测定营养成分的含量,采用近红外光谱仪对其采集光谱数据,应用化学计量学软件中的偏最小二乘法(PLS)建立青贮饲料化学成分的定标模型,并探讨定标模型的可行性。定标模型的决定系数(R2)分别为0.913,0.854,0.992,0.808,0.884,0.870;标准偏差(SEC)分别为0.322,0.215,0.230,1.909,2.785,2.275。验证化学分析值与预测值之间的决定系数r2分别为:0.9544,0.779,0.9604,0.8031,0.8539,0.8227。结果表明,近红外光谱分析技术可用于青贮中粗蛋白、水分、淀粉、中性洗涤纤维、酸性洗涤纤维含量的定量检测分析。     

基于近红外光谱技术实现掺假山羊奶的定性和定量检测

以近红外光谱(NIRS)技术为基础,实现掺假山羊奶的快速、无损检测。采用主成分分析结合神经网络以及偏最小二乘法(PLS)分别对纯山羊奶和掺有奶油、还原奶的两类掺假山羊奶进行定性和定量研究。结果表明,将主成分分析与多层感知器(Multilayer Perceptron, MLP)神经网络相结合建立的定性判别模型对样品建模集和预测集的正确判别率都达到100%。光谱经预处理、优选波段和主成分维数后,利用PLS分别建立两类掺假奶的定量校正模型。其中掺奶油山羊奶定量校正模型的决定系数(R)为98.54%,交叉验证均方根差(RMSECV)为0.379;掺还原奶山羊奶定量校正模型的 R 为96.38%,RMSECV 为6.20。同时运用马氏距离和二审剔除法判断和剔除异常样本后,两类掺假奶模型的R分别提高到98.85%和97.06%,RMSECV 分别降低到0.333和5.61。外部验证得到预测值与真值的相关系数(R)分别为0.989和0.982,预测效果满意。所得结论表明,近红外光谱技术结合化学计量学方法可以实现掺假山羊奶的定性和定量检测。     

近红外光谱快速检测葡萄酒品质

为实现葡萄酒品质及理化指标的快速检测,在选择最优波段和光谱最佳处理方法的基础上,利用近红外光谱结合偏最小二乘分析法分别建立葡萄酒样品的总糖、总酸、酒精度、总多酚、花色苷的定量模型。结果表明,模型验证的相关系数分别为0.992 7、0.994 8、0.990 2、0.969 8和0.937 5,模型验证效果较好。基于化学计量学方法和近红外光谱数据可实现葡萄酒理化指标的快速检测。     

轻微损伤郎枣近红外光谱检测

为了实现对郎枣轻微损伤的无损检测,以产自太谷县的郎枣为研究对象,所用200个样本分为校正集140个和预测集60个,利用近红外光谱技术,对完好和损伤郎枣进行光谱分析。通过比较平滑处理(Smoothing)、标准正态变量校正(SNV)和多元散射校正(MSC)3种预处理方法并结合偏最小二乘法(PLS)所建模型的精度分析,确定最佳预处理方法为SNV,其PLS预测模型校正集相关系数(Rc)为0.817 569,校正集预测均方根误差(RMSEP)为0.216 473。利用所建PLS模型对预测集进行判断,轻微损伤郎枣识别的准确率为100%。     

脐橙糖酸比的近红外光谱检测

为了快速检测脐橙中的糖酸比,对脐橙样品进行近红外光谱扫描,建立脐橙光谱与糖酸比化学分析测定结果之间的校正模型,比较不同光谱预处理方法、不同光谱范围的选择对建模效果的影响。结果表明,多元散射校正(MSC)是一种较优的脐橙光谱预处理方法。在7 502.1～5 446.2 cm-1和4 601.5～4 246.7 cm-1优化光谱范围内,所建的偏最小二乘法分析模型的内部交叉验证均方差RMSECV仅为0.767,决定系数R2达到0.827 9。所建模型能较准确地预测脐橙的糖酸比,为脐橙糖酸比的测定提供一种快速简便的无损检测方法。     

文冠果脂肪含量的近红外光谱预测模型建立及验证

为了实现文冠果脂肪含量的无损快速检测,满足文冠果育种材料筛选和工业加工需求,选取46个文冠果作为标准样品集,采用索式抽提法测定种仁的脂肪含量,并应用近红外光谱（NIRS）技术采集样品的光谱数据,运用Unscrambler软件,采用偏最小二乘法（PLS）构建文冠果脂肪含量的NIRS预测模型,结果显示,该模型回归曲线R-Square （决定系数）为0.985 6、RMSE （标准误差）为0.414 9,可以进行有效预测。同时,选取32个未参加建模的文冠果样品作为验证材料,进一步对模型的预测效果进行外部检验,结果显示,外部检测回归曲线R-Square为0.901 4、RMSE为0.825 9,脂肪含量预测值与化学值的吻合性较好。建立的NIRS模型可靠,预测结果较为准确,可用于检测文冠果脂肪含量。该脂肪含量检测方法经济、快速、高效,为育种材料筛选和工业加工提供了快捷有效的途径。     

近红外光谱技术建立镜鲤新鲜度定量预测模型

以镜鲤为研究对象,利用近红外光谱技术和化学计量法采集、测定相关指标,并应用偏最小二乘法(PLS)、偏最小二乘法和BP人工神经网络两种方法经比较优化模型。经过鱼肉样品光谱的扫描及pH值、TVB-N(挥发性盐基氮)值、TBA(硫代巴比妥酸)值的测定,在21种预处理下,确定最佳建模方式、预处理方式和最优波段。经模型优化得知,pH、TVB-N、TBA均在偏最小二乘法中建立的模型最好,最优预处理方法分别为基线校正和标准正态变量变换、净分析信号、Savitzky-Golay导数和基线校正,最优波段分别为1 000~1 300 nm和1 700~1 799 nm、1 000~1 200 nm和1 300~1 650 nm、1 000~1 799 nm,并且pH、TVB-N和TBA的Rc分别为0.9906、0.99865、0.99971,Rp分别为0.6436、0.021357、0.7723,达到了利用近红外光谱技术对镜鲤新鲜度高效、快捷、无损伤的定量检测预测模型的建立。     

近红外光谱定量和定性分析技术在鲜食葡萄果实无损检测中的应用

选取10种不同鲜食葡萄品种、3个不同成熟期和1种病害的果实共计188个葡萄果实样品,并采集果实样品的近红外光谱。建立了以葡萄果实的总酚、总糖、果糖、蔗糖和可溶性固形物为指标的偏最小二乘(PLS)定量分析模型,模型的可信度较高,除少数指标的相关系数在0.77~0.89,其余指标均在0.90以上,均方根误差在0.022~1.410。结合主成分分析法,对谱区为4 119.20~9 881.46 cm^-1的光谱建立了区分葡萄果实品种、成熟度和是否受病害的判别分析(DA)模型,模型的正识率依次为92.11%、88.89%和96.15%。研究表明,近红外检测技术可用于鲜食葡萄果实的5个主要内含物的定量分析以及果实品种、果实成熟度和有病虫害的二次果进行的定性识别。     

基于近红外光谱技术的大米掺伪定量判别

针对现在市场上常见的两种大米掺伪现象,利用近红外光谱技术结合化学计量学方法分别建立了大米中掺入低档米和掺入矿物油的定量分析模型。制配不同掺伪比例的大米样品,采集其近红外光谱,并选用标准正态变量变换、最大最小归一化、平滑和一阶导数4种方法对原始光谱进行预处理,分别结合偏最小二乘法建立PLS定量分析模型。通过对比建模结果选出的最优预处理方法是最大最小归一化,建立的掺低档米模型的校正集和预测集相关系数分别为0.9698和0.9845,均方根误差分别为8.66和6.46;掺矿物油米模型的校正集和预测集相关系数分别为0.9739和0.9888,均方根误差分别为0.106和0.0698。模型的预测精度和稳定性均很好,实现了对两种掺伪大米快速、准确的定量判别,为大米的品质监控提供了一种新的方法思路。     

基于GA-LSSVM的苹果糖度近红外光谱检测

【目的】结合遗传算法和最小二乘支持向量机(GA-LSSVM),优化苹果糖度近红外光谱检测的数学模型,提高模型的检测精度和稳定性。【方法】在GA-LSSVM模型建立过程中,采用遗传算法自动获取最小二乘支持向量机的最优参数。【结果】相比于偏最小二乘法(PLS)、传统最小二乘支持向量机(LSSVM)和遗传偏最小二乘法(GA-PLS)数学模型,GA-LSSVM法建立的模型预测效果最优,模型的相关系数为0.94,预测均方根误差为0.32°Brix。【结论】GA和LSSVM相结合的优化方法在提高苹果糖度近红外光谱检测精度和稳定性方面是可行的。     

基于可见光和近红外光谱的肉色检测

【目的】明确可见光和近红外光谱快速无污染检测猪肉颜色的可行性。【方法】采用漫反射光纤探头测定真空包装猪肉的光谱,用国际发光照明协会(CIE)规定的亮度(L*)、红度(a*)、黄度(b*)、色相和饱和度对猪肉颜色进行评价。【结果】测得任意厚度真空包装猪肉的可见光谱和近红外光谱,经二阶微分处理,用偏最小二乘法进行回归分析后,所有肉色的相关系数均大于0.83,且预测值与测定值之间无显著差异。【结论】用漫反射光纤探头的可见光和近红外光谱可以预测猪肉肉色,且精度较高。利用可见光和近红外光谱可以实现猪肉颜色的快速无污染检测。     

基于近红外光谱的水稻种子老化程度检测

用傅立叶变换近红外光谱仪测定了在50℃、100%湿度下老化0 d、4 d、8 d三种不同程度老化的垦稻9号水稻种子的光谱。通过平滑处理(smoothing)和多元散射处理(MSC)的方法对测定的光谱数据进行预处理,主成分分析(PCA)对其进行降维,最后建立了输入(7)-隐含(9)-输出(3)的三层人工神经网络模型,通过验证,鉴别率达100%。本研究为利用近红外光谱技术快速鉴定种子老化程度提供了新的途径。     

基于近红外光谱对蜂蜜掺假的检测

通过运用近红外光谱技术对蜂蜜中掺入糖浆进行快速检测,建立偏最小二乘回归模型。实验一共分成21组,掺假比例0%~100%,间隔5%。对于21组实验结果选取14组作为校正集,7组作为验证集。在MATLAB软件上用IPLS与SIPLS方法筛选波长,之后使用The Unscrambler软件进行主成分分析以及模型建立,并完成验证。研究结果表明:使用IPLS分析得出在8000~8196 cm~(-1)区间建模效果最好,校正集Correlation为0.999655,验证集Correlation为0.996520。使用SIPLS分析得出在9244~9544 cm~(-1)区间建模效果最好,校正集Correlation为0.998131,验证集Correlation为0.983960。     

脐橙可溶性固形物的在线近红外光谱检测

【目的】应用近红外光谱漫反射技术在线检测脐橙内部的可溶性固形物含量(SSC)。【方法】以0.3m/s的速度、400W的光照强度获取脐橙(脐橙样品为97个,其中74个为校正集,23个样品为预测集)的漫反射光谱;对比不同光谱预处理方法(平滑、一阶微分、二阶微分等)对偏最小二乘回归(PLSR)所建预测模型性能的影响,建立PLSR、主成分回归(PCR)和多元线性回归(MLR)在线检测脐橙可溶性固形物含量的预测模型。【结果】在520~1 000nm光谱范围,卷积平滑(S-G)能有效提高光谱的信噪比,改善模型预测精度;基于PLSR所建立的预测模型较PCR和MLR更为理想,其预测相关系数(RP)为0.90,预测均方根误差(RMSEP)为0.61。【结论】利用在线近红外光谱技术检测脐橙可溶性固形物含量是可行的。     

马铃薯可溶性固形物的近红外光谱快速定量模型及优化

[目的]为了检测马铃薯的饲用品质,用近红外光谱法建立马铃薯可溶性固形物含量(SSC)快速测定模型.[方法]以偏最小二乘法(PLS)建立原始光谱的校正模型为基础,用蒙特卡洛交互验证法剔除异常样本,经比较选择标准正态变量和均值中心化算法进行光谱预处理、光谱-参考值共生距离法划分样本集,然后对所得数据分别以PLS和最小二乘支持向量机(LS-SVM)建立定量校正模型,并用竞争性自适应重加权采样法和风驱动-差分进化混合算法完成相应模型的特征波长和参数优化.[结果]优化的PLS模型和LS-SVM模型波长变量分别减至全光谱的8.67％、67.80％,二者的Rc 2、Rp 2、RMSEC、RMSEP、RPD分别为0.9708、0.9542、0.2586、0.2628、5.91和0.9873、0.9830、0.1705、0.1734、8.96,LS-SVM模型的各项性能指标全面优于PLS模型.[结论]2种定量模型均可用于马铃薯SSC的实际检测工作.     

用近红外光谱检测银杏叶中的黄酮含量

介绍了近红外光谱检测技术对银杏叶黄酮含量进行测定的实验研究。实验表明：应用傅立叶变换近红外光谱对银杏叶黄酮含量进行测定是可行的，该法相对偏差小，若样品的化学测定值精度高，近红外光谱的预测值则可接近真值。