近红外光谱检测技术在农业和食品分析中的应用

主要介绍近红外光谱检测技术在农业和食品分析中的应用。作为一种简单、快速、无损伤及无污染的检测手段,近红外光谱在鉴定原料的真伪、原料中有效成分的含量、有毒组分的识别和水果内部成分测定等方面具有独特的效果,因此在农业和食品等领域得到了广泛的应用。     

近红外光谱技术在粮食检测中的应用进展

介绍了近红外光谱法的检测原理,对近红外光谱检测技术在小麦、稻谷、玉米、大豆四种粮食在蛋白质含量和品种识别等方面的应用进展进行了综述.     

近红外光谱在食品微生物检测中的应用

作为一种新型的检测分析技术,近红外光谱技术正在获得越来越广泛的应用。综述了食品微生物的几种检测方法,介绍了近红外光谱技术的检测原理,分析综合了该技术在食品安全领域的应用和在微生物检测中的研究现状。基于其方便、快捷、高效的特点,近红外光谱技术将在食品微生物的检测方面有着新的发展前景。     

近红外光谱技术在乳品分析中应用的研究进展

近红外光谱技术作为一种新型的绿色分析技术,正越来越广泛应用于食品领域。阐述了近红外光谱技术的基本原理、分析过程及特点,从牛奶、乳制品的检测和鉴别等方面综述了国内外近红外光谱技术的最新研究进展。对目前研究中存在的问题进行了分析,同时对进一步的研究进行了展望。     

近红外光谱在果蔬品质无损检测中的研究进展

随着化学计量学的发展,近红外光谱在现代分析检测中的优势越来越明显,综述了近红外光谱技术在果蔬无损检测中的研究进展。     

近红外光谱技术在农作物品质分析方面的应用

近红外光谱分析技术是近年来迅猛发展起来的高新技术,由于其在测量方面具有快速、非破坏性等优点,已被广泛应用。在此,首先介绍了近红外光谱技术及其分析过程（定标和预测）,而后又总结了其在小麦、玉米、稻米及油料作物等农作物品质方面的应用。     

粮粒内害虫的近红外光谱检测技术

许多储粮害虫在粮粒内取食为害,造成了巨大经济损失,但是其隐蔽性强,检测困难,费时费力.本文主要介绍了近红外光谱分析技术的原理及其在粮粒内害虫检测中的优点,并综述了粮粒内隐蔽性害虫的近红外光谱检测技术的研究与应用现状,并阐明了其应用前景.     

近红外光谱技术在烟草行业的研究进展

介绍了近红外光谱分析技术的基本原理、特点及其在烟草行业的适用性,综述了该项技术在国内烟草行业研究与应用的现状,并对该技术在烟草行业的应用进行了展望。     

近红外光谱技术在粮油储藏及其品质分析中的应用

近红外光谱分析技术（NIRS）是具有快速、准确、低成本的现代检测技术。本文简介了近红外光谱技术的原理、基本概况,着重综述了近红外技术在我国粮油重要品种如小麦、水稻、玉米、油菜等的品质分析中的应用、储藏虫害的检测以及转基因产品的安全性等的最新动态,还简要地阐述了近红外光谱技术存在的不足和发展前景。     

应用近红外光谱技术分析稻米蛋白质含量

以稻谷、米粒、米粉3种形态的样品，应用近红外光谱技术(NIRS)和偏最小二阶乘法(PLS)，建立了6个稻米蛋白质含量近红外光谱数学模型，并对模型预测结果的准确性进行了评价。结果表明，糙米蛋白质含量的稻谷、糙米粒和糙米粉近红外光谱预测模型校正决定系数(R_C²)分别为0.893、0.971和0.987，校正标准差(RMSEC)分别为0.507、0.259和0.183；精米蛋白质含量的稻谷、精米粒和精米粉近红外光谱预测模型R_C²分别为0.897、0.984和0.986，RMSEC分别为0.497、0.186和0.190。模型内部交叉验证分析表明，预测糙米蛋白含量的稻谷、糙米粒和糙米粉模型内部交叉验证决定系数(R_CV²)分别为0.865、0.962和0.984，内部验证标准差(RMSECV)分别为0.557、0.290和0.205；预测精米蛋白含量的稻谷、精米粒和精米粉的模型R_CV²分别为0.845、0.951和0.979，RMSECV分别为0.594、0.316和0.233。模型外部验证分析表明，预测糙米蛋白含量的稻谷、糙米粒和糙米粉近红外光谱模型外部验证决定系数(R_V²)分别为0.683、0.801和0.939，外部验证标准差(RMSEV)为0.962、0.799和0.434；预测精米蛋白含量的稻谷、精米粒和精米粉近红外光谱的模型R_V²分别为0.673、0.921和0.959，RMSEV为0.976、0.513和0.344。用米粉建立的近红外光谱预模型准确性最高，米粒次之，基于稻谷的预测模型准确性相对较低；内部交叉验证和外部验证表明，近红外光谱分析技术与化学分析方法一致性较好，且能保证样品的完整性，在水稻优质育种和稻米品质分析中具有广泛的应用价值。     

近红外光谱无损检测石榴中花色苷含量研究

以全国不同地区的97个石榴为样本,研究近红外光谱无损检测石榴中花色苷的含量,探讨了不同数据处理和回归方法对建模效果的影响。结果表明,对原始光谱进行一阶微分、标准多元离散校正法处理后,采用偏最小二乘法建立的石榴花色苷含量预测模型,预测偏差为0.148,预测标准差(SEP)为1.47,相关系数为0.829,模型预测良好,说明近红外光谱无损检测石榴的品质是可行的。     

利用近红外透射光谱技术测定小麦籽粒硬度的研究

以2001和2002年度583份小麦样品为材料，用近红外透射光谱仪（NITS）对小麦籽粒硬度进行分析，比较了偏最小二乘法和多元线性回归两种算法和未经导数处理、一阶导数处理、二阶导数处理3种光谱变量转换方式的分析结果。表明，两种算法中偏最小二乘法优于多元线性回归算法，3种处理方式中一阶导数处理效果最好，其定标集和预测     

人工神经网络与近红外光谱分析

介绍了人工神经网络的原理、结构、算法和研究进展,以及该方法在近红外光谱分析中的重要地位和应用。     

近红外光谱技术在棉纤维品质检测和产地溯源中的研究进展

棉花纤维品质的检测和产地溯源是下游纺织品质量和产量的重要组成部分,也是保护中国棉纺织品消费者的利益和应对贸易壁垒的有效手段。近红外光谱(near infrared spectroscopy,NIRS)技术因其操作简便,成本低,无污染等优势在各个领域得到广泛的应用,是用于棉纺织纤维检测的有效方法。为了快速分析棉纤维的品质和产地来源,介绍了近红外光谱技术分析的原理和过程,阐述了近红外光谱分析技术在棉花纤维品质检测和产地溯源的国内外研究现状,分析了近红外光谱技术应用于棉纤维品质检测和产地溯源的优势和需要解决的问题,展望了近红外光谱技术在棉花纤维品质检测和产地溯源中的发展趋势。     

基于近红外透射光谱分析技术的小麦蛋白质含量测定

近红外分析技术具有快速、简便、准确、非破坏性的优点,为小麦品质检测提供了一个新的技术手段。笔者首先对光谱数据进行移动窗口平均平滑和马氏距离筛选,在以上光谱预处理基础上,建立了小麦籽粒蛋白的偏最小二乘校正模型。仿真试验结果表明：该模型能够较准确地预测小麦蛋白质的含量,预测相关系数、预测均方误差和平均相对误差分别为0.9809、0.1130、1.973%。与用原始数据所建校正模型相比,预测效果显著提高。     

近红外透射光谱技术测定黍稷蛋白含量的研究

为了探索快速测定完整黍稷籽粒蛋白含量的方法,采用近红外光谱分析技术建立数学模型并进行预测,比较原始透射光谱经导数处理结合不同回归算法对模型的影响。结果表明,分别经一阶和二阶导数处理后利用偏最小二乘法和改进的偏最小二乘法,4种方法的分析效果相近,最优的是一阶导数结合改进的偏最小二乘回归法,黍稷蛋白定标模型的定标相关系数（RSQ）为0.8806,定标标准误差（SEC）为0.3424,交互验证相关系数（1-VR）为0.8570,交互验证标准误差（SECV）为0.3751,外部预测标准偏差（SEP）为0.454。最终以完整黍稷籽粒为样品所建立的蛋白NITS模型,可以用于黍稷蛋白含量的快速检测。     

苹果品质近红外光谱无损检测技术研究进展

近红外光谱(NIRS)分析技术以其快速、无损、多组分同时测定及可在线分析等优势,近年来在苹果品质无损检测应用技术的研究方面取得了重要进展。本文介绍了NIRS分析技术的原理与特点,从苹果品质的定量与定性分析、在线检测及便携式检测等方面综述了国内外NIRS在苹果品质检测中应用的研究进展,并对其应用前景进行了展望。