近红外光谱技术及其在农产品品质分析中的应用

近红外光谱技术是一种高效、快速的现代分析技术,已在很多领域得到广泛应用。文章对近红外光谱分析的技术原理、技术方法、技术特点作了简要介绍,并对其在农产品品质分析中的应用现状和应用前景进行了综述。     

农产品近红外光谱品质检测软件系统的设计与实现

在中国加入WTO后，利用近红外光谱技术进行快速、准确的农产品品质检测技术与方法研究非常迫切，为满足对样品组分定量预测软件的需求，设计并实现了农产品近红外光谱品质检测软件系统。采用了面向对象编程技术，向量、矩阵运算的封装技术，结构化存储与复合文档等软件实现技术。该系统由光谱文件管理，光谱显示，光谱信号处理(预处理)，光谱校正模型的建立与管理，未知样品的组分浓度预测等五大功能模块构成。具有多种光谱仪器光谱格式(SPC、TXT、JWS、MAT、ASF等)兼容性，光谱分析功能全面性，算法(PCR、PLS、GA、ANN、Wavelet、Wavelet Package等)多样性，软件系统易维护性，用户使用操作方便性等特点。实例分析表明，无论采用本系统的PLS-NIR模型，还是采用本系统的PCA-MBP-NIR模型，组分浓度预测精度均很高。本系统为农产品品质检测近红外光谱建模和预测提供了很好的技术支持，具有重要的应用价值。     

果蔬品质手持式近红外光谱检测系统设计与试验

为满足果蔬加工过程快速检测和质量控制的实际需求,研发近红外光谱技术的低成本、实用化、小型化的果蔬品质手持式检测系统。在分析当前近红外光谱实用化过程的瓶颈问题的基础上,提出果蔬品质的手持式检测系统设计方案,阐述了硬件系统选择和软件系统构建,介绍了检测系统的工作原理;选用近红外微机电系统的数字微镜器件作为分光元件,以单点探测器获取检测信息,从而实现光谱检测系统的微型化设计和系统成本的显著降低。以检测番茄为例,利用设计的手持式检测系统,获取番茄900~1 700 nm范围的近红外光谱,利用先选择特征波段再优选波长的建模策略,分别建立了番茄中番茄红素和可溶性固形物含量的定量检测模型;可溶性固形物含量模型的预测相关系数和预测均方根误差分别为0.899和0.133%;番茄红素模型的预测相关系数和预测均方根误差分别为0.886和2.508 mg/kg。研究表明该系统能够满足果蔬品质的快速无损检测要求,可为实用化、小型化的手持式光谱检测仪设计和开发提供参考。     

蛋壳品质的近红外光谱检测分析

蛋壳品质对蛋品孵化、贮存和运输均有重要影响。为了探索近红外光谱技术快速检测蛋壳品质的方法,该文在鸡蛋蛋壳品质指标相关性分析的基础上进行了蛋壳品质的近红外光谱检测分析,研究比较了不同建模方法、不同光谱预处理方法和不同波段范围对预测结果的影响。结果表明：在5段特征波长范围内建立的经过多元散射校正的偏最小二乘回归（PLSR,partial least squares regression）模型对蛋壳强度的预测结果最好,相关系数r为0.86,校正、预测均方根误差分别为4.42、7.53 N;同时蛋壳百分比（蛋壳质量/蛋质量）的PLSR模型的相关系数r为0.92,校正、预测误差分别为0.313%、0.529%;蛋壳厚度的PLSR模型的相关系数r为0.81,校正、预测误差分别为0.0176、0.0234 mm。研究结果表明应用近红外光谱技术预测蛋壳品质是可行的,为蛋壳品质的快速无损检测提供了一种新的方法。     

近红外光谱技术在畜产品检测中的应用研究

近红外光谱作为快速、无损的检测技术,被广泛应用于畜产品检测领域。通过样品光谱信息与被测样品理化指标相关联,构建高精度、稳定性好的数学模型,可不破坏样品而获取被测样品信息,实现畜产品的定性定量快速预测。本文综述了近红外光谱技术在主要畜产品（肉、原料乳和毛绒）真实性鉴别、产地和品种溯源、理化指标检测等方面的研究进展,分析了近红外光谱技术在畜产品检测方面存在的不足及未来发展趋势,为近红外光谱技术应用发展提供数据支撑和理论参考。     

影响近红外光谱分析结果准确性的因素

本文论述了影响近红外分析准确性的各种因素,着重分析讨论了标样的组分含量、数量、样品的物性、样品预处理方法、测试条件和仪器自身等因素对近红外光谱分析准确度的影响和预防措施,为近红外光谱分析技术的广泛应用提供理论指导。     

近红外光谱技术在牛奶及乳制品分析中的应用研究

近红外光谱作为一种新型的分析检测技术,正在获得越来越广泛的应用.本文阐述了近红外光谱技术应用于农产品检测的基本原理和具体检测步骤.从建模算法、谱图预处理和检测系统结构等方面综述了国内外近红外光谱技术在牛奶及乳制品中的最新研究进展.对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.     

红茶感官品质及成分近红外光谱快速检测模型建立

以在发酵过程中小叶种工夫红茶为研究对象,分别建立了基于近红外光谱检测技术的感官品质评分和理化品质指标(茶黄素、茶红素、茶褐素、儿茶素和酚氨比)的定量分析模型。在模型建立过程中,探讨了特征变量优选方法对预测模型的影响。首先,对获取的近红外光谱数据进行标准正态变量变换法(standard normal Z transformation,SNV)预处理,进而采用联合区间偏最小二乘回归(synergy interval PLS,Si-PLS)、随机蛙跳算法(shuffled frog leaping algorithm,SFLA)、竞争性自适应权重取样法(competitiveadaptivereweightedsampling,CARS)和连续投影(successive projections algorithm,SPA),筛选出各品质指标的最优特征波长变量;最后基于优选波长分别建立各发酵品质指标的偏最小二乘法(partial least squares regression,PLS)线性预测模型和支持向量机(support vector regression,SVR)非线性预测模型。模型结果比较表明,Si、CARS、SFLA和SPA等变量筛选方法可有效压缩变量,以及进一步提高模型精度。非线性模型的预测均方根误差值(root-mean-square error of prediction,RMSEP)均明显小于PLS模型,相关性系数(correlation coefficient,R)和相对分析误差(relative percent deviation,RPD)均高于PLS模型。对于红茶发酵品质的检测上,非线性模型性能优于线性模型。感官品质、茶褐素和儿茶素的最优变量SVR预测模型的RPD值分别为3.923、3.234和5.462,酚氨比和茶红素模型的RPD值分别为2.815和2.223。除茶黄素的评价模型外(RPD为1.77),基于最优特征波长的各品质指标SVR模型的RPD值均大于2,表明模型具有极好的预测性能。研究结果为实现工夫红茶发酵品质的近红外光谱快速检测的实际应用奠定理论基础。     

基于近红外光谱的武夷岩茶品质成分在线检测

为了实现近红外光谱分析方法在武夷岩茶生产过程中的实际在线检测应用,该研究选择有代表性的70个武夷岩茶样品为试验材料,首先采用现行国家标准测定了其品质组分含量并进行统计分析,结果显示,水分、茶多酚、咖啡因和粗纤维的分布范围分别为6.02%~8.09%,9.07%~15.65%,18.41~30.22 g/kg和9.19%~16.62%,标准偏差分别为0.424%,1.353%,2.613g/kg和1.497%,然后采用TQ Analyst 8.5光谱分析计量学软件,比较了不同数据预处理方法的建模结果,优选并成功建立了水分、茶多酚、咖啡因和粗纤维的定量分析模型,以上成分的预测模型相关系数分别为0.9815,0.7427,0.8601和0.8840,标准偏差分别为0.0812%,0.748%,1.39 g/kg和0.580%。将上述预测模型的偏差结果同对应现行国家标准理化分析测试方法要求对比,水分预测模型优于偏差要求,咖啡碱、茶多酚及粗纤维预测模型稍高于偏差要求,但均能够满足生产线快速测定的需要。     

鲜食玉米果穗含水率近红外光谱无损检测影响因素

为了获取鲜食玉米果穗高质量近红外光谱,该研究基于近红外漫反射光谱技术开展试验参数对鲜食玉米果穗光谱特征影响及建模验证探究。根据果穗棒状特征,搭建多维度综合试验装置,采集光源类型、光强大小、探测距离和光源角度共4类不同参数下的900～1700 nm光谱数据,进行卤素灯杯与光纤光源、卤素灯杯功率20与40 W、探测距离10 ～50 mm和30°、45°及60°卤素灯杯夹角的对比试验,分析光谱差异及曲线分布规律,采用标准差和光谱面积极差指标进行光谱质量评价。进一步开展建模验证试验,针对30°和45°卤素灯杯夹角下的光谱,经多元散射校正（multiplicative scatter correction,MSC）、标准正态变量校正（standard normal variate,SNV）、一阶导数（first derivative ,FD）和趋势校正（detrending ,DT）预处理后,应用偏最小二乘回归（partial least squares,PLS）和支持向量机（support vector machines SVM）方法建立了含水率预测模型,并对建模性能进行了对比。试验结果表明,卤素灯杯、功率20 W、探测距离40 mm对应所选果穗的光谱响应充分、干扰少,与果穗特征相匹配,曲线采用标准差和光谱面积极差分别为0.83和187.2,综合光谱曲线质量评价和建模性能对比,卤素灯杯夹角45°优于30°。通过SNV预处理后的SVM预测模型具有更好的性能,校正集和预测集决定系数分别为0.943、0.880,均方根误差分别为0.708、0.932,剩余预测偏差为2.956。该研究结果可为基于近红外漫反射光谱技术的鲜食玉米果穗内在品质无损检测提供技术支撑。     

NIRS分析技术在农业中的应用进展

近红外光谱分析技术是一种间接测量技术。它是应用化学计量学方法建立校正模型,从而实现对未知样品的定性或者定量分析,已经在很多领域得到应用。该文论述了近红外光谱分析技术的分析步骤及其技术特点,以及近年来在国内农产品品质分析、食品分析、饲料工业分析、土壤分析、农产品在线快速检测分析等农业领域中的应用研究现状,并分析该技术在应用中存在的主要问题和相应的解决方案。同时指出了未来几年国内关于近红外光谱仪器硬件的开发及其化学计量学方法和模型优化方面的进一步探索,将成为国内未来几年近红外光谱技术研究的热点。     

牛肉质构特性的近红外光谱无损检测

为了建立基于近红外光谱技术的牛肉质构特性快速检测方法,该试验采集了202个新鲜牛肉样品在800～2500 nm波长范围内的漫反射光谱,测定了牛肉的硬度、弹性、咀嚼性和黏附性,经小波消噪后,分别采用平滑、一阶微分、二阶微分等6种方法预处理,建立了牛肉质构特性的偏最小二乘回归模型,并用最优模型进行预测。结果表明：经小波消噪后采用二阶微分预处理方法建立的牛肉硬度、弹性、咀嚼性的检测模型效果最好,其校正集相关系数 r 均在0.9以上,校正集均方根误差（root means square error of calibration,RMSEC）分别为6.247 N、0.760 mm、14.954 mJ,预测集相关系数均在0.664以上,预测集均方根误差（root means square error of prediction,RMSEP）分别为8.887 N、0.951 mm、22.117 mJ,相对预测误差（ratio of prediction to deviation,RPD）值分别为2.43、1.88、2.32,预测精度较高,能够有效地预测牛肉的硬度、咀嚼性,可以检测精度要求不高的牛肉弹性;试验所建立的牛肉黏附性检测模型的预测性能不是很理想,虽然其校正集和预测集相关系数较高（分别为0.720、0.694）,RMSEC 和 RESEP 均较小（分别为0.302、0.243 N·mm）,但其 RPD 值小于1.5,模型预测精度较差,不可以用于预测未知样品的黏附性,此方法还需进一步研究。研究结果为牛肉质构特性的快速无损评价提供了理论依据。     

紫花苜蓿幼苗耐盐性的近红外光谱鉴定

紫花苜蓿幼苗耐盐性快速鉴定对于耐盐种质资源筛选和耐盐新品种选育具有重要意义。脯氨酸和丙二醛是表征植物耐盐性的两种重要生化指标。研究应用便携式近红外仪和近红外光谱分析技术,结合偏最小二乘回归法,研究了40个不同紫花苜蓿品种幼苗耐盐性的脯氨酸和丙二醛含量,建立了新鲜样品和干燥样品的近红外漫反射光谱定量分析模型。研究结果表明：脯氨酸、丙二醛的近红外漫反射光谱分析效果均较好,校正模型决定系数R2 和验证集样品预测值与常规分析测定值的验证决定系数r2都大于0.85,两种样品脯氨酸的相对分析误差RPD值分别为1.72     

基于近红外光谱的板栗水分检测方法

含水率是影响板栗贮藏、加工的关键指标之一,该文应用近红外光谱技术对板栗含水率进行快速无损检测。试验对240个板栗样本的带壳光谱和栗仁板栗光谱采用SPXY算法进行样本集划分,利用偏最小二乘法建立含水率定量检测模型,并对微分、多元散射校正、变量标准化等多种预处理方法对建模结果的影响进行比较。结果表明：栗仁和带壳板栗的光谱经一阶微分预处理后所建模型性能最佳,其中栗仁的水分检测模型校正集和验证集的相关系数分别为0.9359和0.8473,校正均方根误差为1.44%,验证均方根误差为1.83%;带壳板栗光谱所建模型校正集和验证集的相关系数分别为0.8270和0.7655,校正均方根误差为2.27%,验证均方根误差为2.35%。受栗壳的影响,带壳板栗光谱模型对含水率的预测精度低于栗仁光谱模型的预测精度。研究表明,近红外光谱分析技术可用于板栗含水率的快速无损检测。     

基于固定光栅和CCD技术的近红外光谱分析系统设计

该文设计了一种基于线阵电荷耦合器件和固定光栅的近红外光谱分析系统。主要设计了电荷耦合器件的驱动电路、光谱信号采集电路、固定光栅光学系统、光源控制系统、电荷耦合器件温度控制系统及样品旋转台的控制系统。并利用MPA光谱仪验证了近红外光谱分析方法用于谷物品质检测的可行性,运用多种预处理方法进行了优化,其中采取一阶导数与附加散射校正结合的预处理效果较优。利用CA-06光栅光谱分析仪建立了小麦水分、蛋白的偏最小二乘法模型,验证了仪器性能的稳定性和准确性。     

棉纤维根数的近红外测量

为准确测量棉纤维的根数,该文建立了一个近红外光电检测系统,其光源为940 nm波长的LED。试验中使用了8个年份、颜色等级有差异的棉纤维试样,测量不同纤维根数以及对应的相对消光量。结果表明,棉纤维的消光特性与输入光强有关。对同样数量的棉纤维,输入光强增大,相对消光量减小。数据分析表明,纤维根数是相对消光量的正指数函数,它远比经典朗伯定律描述的纤维光学特性要好。将该函数作为预测方程,纤维根数预测在95%的置信水平上有R2=0.99。试验中,棉纤维的颜色等级与成熟年份对其近红外光学特性没有表现出显著影响。     

基于近红外光谱和正交信号-偏最小二乘法对土壤的分类

不同质地的土壤,由于蓄水能力和土壤颗粒大小的不同使得其光谱特性不同,这为采用近红外光谱技术对土壤质地进行判别分析提供了依据。该研究利用正交信号校正(OSC)方法可以获得与浓度有关的谱图信息这一优势,将其与偏最小二乘方法(PLS)结合,采用近红外光谱技术对不同质地的土壤:砂土、壤土、黏土进行判别分析。结果表明:建模样本的相关系数可达0.965,采用该模型对其余45个样本分别进行了预测,三种土壤预测样本的判别正确率分别为:93.3%,86.6%和86.6%。说明OSC方法可以提取谱图中的微弱的质地信息,实现土壤质地的快速鉴别分析。     

基于近红外分析技术检测大豆脂肪酸含量的研究

为探索近红外光谱技术在大豆脂肪酸测试中的应用,寻找一种快速的检测方法。以黑龙江省各地的25份大豆品种为材料,采用Perten8620型近红外光谱仪对搜集到的样品进行扫描并得到光谱数据,采用多元线性回归(MLR)和偏最小二乘法(PLS)对试验数据进行了多元统计分析。结果表明：在1700～2300 nm范围内检测大豆脂肪酸含量是可靠的,并且PLS模型的性能优于MLR模型。该文还对近红外仪中的滤光片组合作了初步探讨,表明不同的滤光片组合对测量精度有一定影响。     

近红外光谱在线检测秸秆-煤混燃物影响因素(英文)

为了研究输送带速度和光谱仪安装高度对近红外在线检测秸秆-煤混燃物的影响。该研究收集并制备秸秆样品80个、煤样品9个,制备秸秆质量分数为70%～99%的秸秆-煤混燃物样品120个(质量分数增量为1%)、秸秆质量分数为1%～30%的秸秆-煤混燃物样品120个(质量分数增量为1%)。在输送带速度分别为300、600、1 000和1 400 mm/s,光谱仪安装高度分别为50、56、59和65 mm的条件下,使用Thermo Fisher Scientific Antaris Target FT-NIR型光谱仪获取样品近红外光谱。使用线性判别分析法建立定性分析模型,使用偏最小二乘法建立定量分析模型。结果表明,光谱仪安装高度建议为50～65 mm,输送带速度建议小于300 mm/s。该研究可为近红外光谱法在线定性和定量检测生物质-煤混燃物的方法学研究和相关仪器设计提供参考。