玉米DDGS蛋白质含量近红外光谱预测模型的建立

为准确测定玉米DDGS中蛋白质含量,采用近红外光谱分析技术结合改进最小二乘回归法（MPLS）,以65个不同来源的玉米DDGS为样品,建立玉米DDGS蛋白质含量近红外光谱预测模型。结果显示：预测模型内部交叉验证标准误差（SECV）为0.095 7,交叉验证相关系数（1-VR）为0.988 8,外部交叉验证相对分析误差（RPDV）为3.60。表明近红外光谱分析模型可准确预测玉米DDGS蛋白质含量。     

毛白杨近红外光谱数据建立综纤维素含量数学模型

建立一种基于朗伯—比尔(Lambert-Beer)定律可预测毛白杨杂交子代综纤维素含量的数学模型,即先对近红外光谱数据预处理,并将光谱数据按波长进行分组,建立众多非线性子数学模型,最后通过加权平均值公式给出综纤维素含量的预测模型。其预测值之间的相关系数r=0.945 5,平均相对误差为0.006 0,模型的拟合优度R2=0.894 0。此模型可作为一种预测毛白杨综纤维素含量的方法,也有益于今后纸浆性能预测。     

稻米脂肪含量近红外光谱分析技术研究

 应用近红外光谱（NIRS）分析技术和偏最小二乘法（PLS）建立稻米脂肪定量分析数学模型，并比较糙米粒和糙米粉NIRS数学模型对预测稻米脂肪含量的效果差异。结果表明，当利用糙米粒和糙米粉NIRS数学模型对样品进行预测时，内部交叉验证预测值和真值之间的决定系数（R2）分别为94.44%和95.54%，内部交叉检验的标准差（RMSECV）分别为0.09%和0.08%；外部验证预测值和真值之间的R2值分别为79.51%和87.10%，预测标准差（RMSEP）分别为0.24%和0.26%，平均相对误差（ARE）分别为4.11%和3.30%。内部交叉验证和外部验证结果证明，糙米粒和糙米粉NIRS数学模型均具有较高的预测准确性，可应用于稻米营养品质改良实践。     

小米硒含量近红外预测模型的建立与评价

为实现对多样本小米硒含量的快速检测,以93份遗传背景不同的小米样品为研究对象,将样品分为校正建模集(样本容量n=51)和外部验证集(n=42),利用丹麦生产的NIRSTMDS2500台式近红外光谱仪采集光谱信息,通过标准正态变化(SNV)、卷积平滑(Detrend)等光谱预处理方法和偏最小二乘法(PLSR)建模方法建立脱壳谷子-小米总硒含量的测定模型,用工作流调用模型实现小米总硒含量的快速检测;采用国家标准规定的方法分别测定小米总硒含量,以此作为小米总硒含量预测模型的化学参比值。结果表明:小米总硒含量内部交叉验证的相关系数为84.5%;校正集均方根误差和验证集均方根误差分别为0.039 6和0.089 2,说明小米总硒含量的近红外预测值接近化学参比值;性能偏差比为5.478,大于美国谷物化学家协会和国际谷物科技协会等提出的质量控制标准,本研究建立的模型中预测集和建模集标准误差的比值为1.073 0;因此采用PLSR建立模型具有较高的预测精度且稳健程度较高,可实现对小米总硒含量的快速检测。     

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。     

菜籽粕养分含量变异及其近红外光谱技术检测

试验测定了93份菜籽粕样品的主要养分含量,并进行了相应的变异度分析;基于以上基础,建立了相应的NIRS定量分析模型,并应用外部验证的方法进行检验与验证.结果表明:供试菜籽粕中有机物、粗蛋白、粗脂肪、中性洗涤纤维和酸性洗涤纤维的含量平均值分别为89.02%、32.33%、2.63%、28.96%和19.85%,除粗蛋白外,其他指标均高于我国农业行业标准(NY/T 33-2004)中菜籽粕NY/T 2级推荐值,且其变异度分别为2.01%、4.94%、35.97%、10.68%和11.40%,以粗脂肪变异度最高.干物质、有机物、粗蛋白、中性洗涤纤维和酸洗洗涤纤维等指标NIRS定量分析模型定标相关系数均高于0.8,检验结果较好,能够达到快速无损测定菜籽粕干物质、有机物、粗蛋白、中性洗涤纤维和酸洗洗涤纤维的目的,而粗脂肪模型定标相关系数为0.56,预测性差,模型不可用.     

基于近红外光谱法的藜麦脂肪含量快速检测

为了探索一种快速测定完整藜麦(Chenopodium quinoa Willd)子粒脂肪含量的方法,采集100个藜麦样品的近红外光谱,运用近红外光谱法建立数学模型并进行预测。结果表明,在10 000~4 000 cm-1波长范围内,运用一阶导数+矢量归一化光谱方法进行预处理,结合化学方法所得数据建立藜麦粗脂肪近红外光谱定量模型,校正和预测效果最佳,所得的粗脂肪近红外定量模型的交叉验证决定系数(R2cv)为0.939 3,外部验证决定系数(R2val)为0.9235。建立的脂肪近红外光谱模型,可以用于藜麦脂肪含量的快速检测。     

水稻脂肪含量近红外模型的创建及在航天育种上的应用

利用近红外分析仪,对59份航天水稻种子进行光谱扫描,并用国标化学法对其脂肪含量进行测定.通过近红外定标软件(WinISI III),采用多种计量数学处理方法和不同的回归统计方法进行定标曲线的开发和比较,建立并优化了水稻脂肪含量测定的近红外分析定标模型,其定标标准偏差(SEC)、交叉检验标准误差(SECV )和定标决定系数(RSQ)分别为0.0257 、0.0645、0.9939,应用该定标方程可快速测定水稻脂肪含量,对于航天育种稻种资源的快速鉴定及营养品质改良具有重要意义.     

付里叶变换近红外漫反射光谱定量分析数学模型的建立与评价

本文在I的研究基础上,根据近红外漫反射光谱定量分析的原理,以谷子、玉米、小麦样品为实验材料,选用近代回归分析的方法,研究了谷子、玉米蛋白质及小麦沉淀值品质分析近红外光谱定量数学模型的建立与评价。     

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。     

玉米秸秆磷含量近红外漫反射光谱的建模研究

利用近红外光谱(NIRS)技术,建立玉米秸秆磷含量的快速定量分析模型,有利于植物养分利用效率和遗传育种研究.本研究选取了来源广泛的200份玉米自交系秸秆样品,结合近红外光谱仪在4 000～10 000 cm-1波段处测量的秸秆样品的光谱数据和钼锑抗比色法测量的样品磷浓度,分别用偏最小二乘(PLS)、最小绝对值收敛和选择...     

应用近红外光谱检测滇南小耳猪肉化学组分含量

应用近红外漫反射光谱技术(near infrared reflectance spectroscopy, NIRS),对滇南小耳猪整块热鲜肉和热鲜均质肉糜的水分、脂肪、蛋白质含量进行建模研究,并筛选出最优的光谱预处理方法.采集11 000~4 300 cm-1波数范围内111份猪肉样品光谱数据,在多元散射校正(multiplicative scattering correction, MSC)、二阶导数(second derivative)、变量标准化校正(standard normalized variate, SNV) 不同组合方式的光谱预处理基础上,用偏最小二乘法(partial least squares, PLS),采用交互验证(cross validation)方法,对83份猪肉样品进行建模,28份猪肉样品用于模型的验证,建立滇南小耳猪猪肉的水分、粗脂肪、粗蛋白质3个化学组分的近红外预测模型,筛选最佳的光谱预处理方法和主成分数.结果表明:水分采用整块肉光谱进行MSC预处理的建模效果较好,R2为0.975, RMSEC为0.304,RMSEP为1.640;脂肪直接采用肉糜光谱SNV预处理建模效果较好,R2为0.911,且RMSEC为0.409,RMSEP为0.923;光谱对蛋白质的预测肉糜的原始光谱效果较好,R2为0.946,且RMSEC为0.273,RMSEP为1.101.由此可见,近红外光谱分析方法能够很好地检测滇南小耳猪猪肉中的粗脂肪和水分,粗蛋白的检测结果较差.     

利用近红外光谱技术测定浓缩天然胶乳中干胶含量的研究

建立了一种使用近红外光谱技术即时测定浓缩天然胶乳干胶含量的方法。以国家标准方法测定天然胶乳的干胶含量作为标准值,用偏最小二乘法(PLS)建立近红外光谱与天然胶乳干胶含量的多元信号校正模型,并使用内部交叉验证及外部验证集验证评价模型,对天然胶乳中干胶含量进行测定对比分析。结果表明,模型相关系数达0.977 8,模型的预测均方差为0.105,交叉验证均方差为0.106,说明该模型具有较高的预测水平。通过F检验和t检验进一步对比模型检测值和国标法检测值,2种方法的分析结果差异不显著性。近红外光谱技术测定浓缩天然胶乳干胶含量准确度、精确度良好,可应用于实际生产与交易中的快速检测。     

近红外光谱技术测定水稻直链淀粉含量研究

以298份水稻种子为样本,用常规法测定直链淀粉含量,采用偏最小二乘法(PLS),优化建立精米直链淀粉含量近红外光谱预测校正模型.模型校正决定系数RC为0.95;校正标准差SEC为1.58;内部交叉检验决定系数RP为0.91,标准误差SEP为1.92.利用20个样品进行外部检验,预测值与真实值之间差异不显著,其相关系数达95%以上.定标模型预测性能较好,可以替代化学分析法快速测定水稻直链淀粉含量.     

近红外光谱分析法（NIRS）测定棉籽粉中油分含量的研究

选用棉花的不同品种（包括各种特色棉）材料248份，进行常规成分的定标和校验。定标结果表明，采用改进的偏最小二乘法（ModifiedPLS）和（3，5，5，1）的数学转换的方法得到的定标效果最好，其定标决定系数（RSQ＝0．9335）和可解释的变异（1－VR＝0．9131）最高，定标标准误差（SEC＝0．7905）和交互 校验标准误差（SECV＝0．9024）最小。预测结果表明，其决定系数（RSQ＝0．9780）也明显高于其它方法，同时具有最低的预测误差（SEP＝0．508）和校准偏差的预测误差（SEP（C）＝0．4910）。同此可见，用近红外光谱法测定棉籽粉的油分具有与化学法相近的准确性和精确性，可以在实践中应用。     

近红外光谱技术预测胡麻饼营养成分的定标模型建立及验证

【目的】探讨近红外光谱技术用于胡麻饼营养价值评定的可行性.【方法】以不同来源的胡麻饼为试验材料,在波长400~2 498nm,以改进最小二乘法搭配不同光谱预处理建立胡麻饼水分、粗灰分、粗蛋白、粗脂肪和总能的近红外定标模型.【结果】各指标模型交叉验证相关系数(1-VR)均在0.88以上,内部交叉验证集验标决定系数(RSQ)值均在0.92以上,外部验证集验标决定系数(RSQ)值均在0.85以上.【结论】近红外光谱技术能够快速无损测定胡麻饼营养成分,可以使胡麻饼更好地应用于动物饲料中.     

甜玉米葡萄糖、果糖和蔗糖含量近红外反射光谱模型构建

甜玉米是世界上重要的果蔬两用型作物之一。建立快速、无损检测甜玉米糖分含量的方法,对于甜玉米品质育种工作中的材料鉴定、筛选具有重要意义。选取了104份糖分含量变幅较大的甜玉米材料进行了近红外光谱分析,结合酶法测量的化学值,利用偏最小二乘法以及不同光谱处理和数学处理相结合,对全光谱波段进行了化学计量学的分析统计,构建了葡萄糖、果糖和蔗糖含量的近红外光谱定标模型。用外部验证样品集进行验证,对所建模型的实际预测能力进行检验。结果表明：最优光谱处理方式葡萄糖为加权多元散射校正,果糖和蔗糖的为标准正常化加去散射处理;最优的导数处理葡萄糖为2阶导数,果糖和蔗糖的为1阶和3阶导数。葡萄糖、果糖和蔗糖定标模型的交叉验证相关系数分别为0.646、0.645、0.820,交叉验证标准偏差分别为0.321、0.275、1.508;外部验证集葡萄糖、果糖和蔗糖的预测相关系数分别为0.593、0.780、0.891,表明所建立的果糖和蔗糖预测模型具有较好的预测性,可应用于甜玉米种质资源筛选,而葡萄糖模型的预测性较差,需继续完善。     

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。     

近红外光谱法快速测定食用油中的脂肪酸含量

探讨利用近红外光谱技术快速测定食用油中的脂肪酸含量.在实验中采用气相色谱法对45个食用油样品中的硬脂酸、棕榈酸、油酸含量进行测定,同时根据45个食用油样品的近红外线光谱结合模型优化方法来建立起食用油中主要脂肪酸含量的近红外定量分析模型,由此建立起一个可以定量分析食用油脂肪酸含量的快速简便的检测途径,因而极具良好的应用前景.     

生姜水分含量的可见-近红外光谱检测

近红外光谱技术具有简便、快速和无损检测等优点,应用可见-近红外光谱方法建立生姜水分含量(moisture content)的预测模型.利用可见-近红外光谱仪采集308个生姜的光谱,其光谱范围是350～1 800 nm.分别采用一阶导数(FD)、二阶导数(SD)、标准正交变量变换(SNV)和多元散射校正(MSC)4种方法对光谱进行预处理,结合偏最小二乘法(PLS),分别在430～1 000 nm、1 000～1 800nm、430～1 800 nm 3个波段建立生姜水分含量的PLS预测模型.对实验结果进行分析表明,在波段范围430～1 800 nm使用一阶导数预处理方法建立的PLS模型最优.其验证组的相关系数为0.975 1,预测组的相关系数为0.959 7.结果表明,可见-近红外光谱可以准确、快速地对生姜的含水量进行检测.