利用近红外光谱技术识别不同类别的茶叶

以龙井、碧螺春、祁红和铁观音4种中国名茶为对象,研究了采用近红外光谱结合K最近邻法(KNN)模式识别方法对茶叶进行识别与分类的可行性.选取6500～5500 cm-1(1538～1818 nm)波数范围内的光谱,通过标准正态变量变换(SNV)预处理后,利用KNN的模式识别方法建立识别模型.结果表明,4主成分因子建立的KNN判别模型最佳,模型对训练集与预测集中样本的识别率都达到100%.该结论为快速准确识别茶叶提供了一种新思路.     

基于近红外光谱与DPLS的潲水油快速鉴别方法

潲水油回流餐桌等食品安全问题越来越受到社会关注,探寻准确、快速、简便、高效且成本低廉的潲水油鉴别新方法成为食用油安全性能检测的新要求.对收集的82份潲水油和合格食用油样品进行了理化检测,鉴别出潲水油样品37份,合格油样品45份.从82份样品中随机选出24份样品作为第一组,余下58份样品作为第二组,以第一组24份样品作为校正集,建立判别偏最小二乘法(DPLS)模型,鉴别第二组58份样品,总体鉴别正确率为86.21%;再以第二组58份样品作为校正集,建立DPLS模型,鉴别第一组24份样品,总体鉴别正确率为95.83%.研究表明,基于近红外光谱与DPLS的潲水油快速鉴别方法可行,具有较好的鉴别效果.     

近红外光谱分析技术在茶叶中的应用

近红外光谱分析技术(NIR)是目前发展最快、最引人注目的光谱分析技术之一,已广泛应用于各个领域。阐述了近红外光谱分析技术的原理和特点,重点介绍了近红外光谱分析技术在茶叶及茶制品中的应用情况。     

近红外光谱技术在茶叶中的研究进展

传统的茶叶品质感官审评方法和湿化学检测方法具有结果评价主观性强、测定费时、费力等局限性,而近红外光谱技术作为一种新型的分析技术手段,具有快速、无损、结果客观等优势,在茶行业上得到应用.本文在概述近红外光谱技术原理基础上,主要综述了近红外光谱技术在茶鲜叶品质分析、成分检测、茶叶等级识别、茶种类鉴别、茶地理溯源和茶叶深加工...     

基于近红外光谱的普洱茶产地识别研究

以81份来自西双版纳、普洱市、临沧市3个不同产地的普洱茶样本为研究对象,其中校正集54份,验证集27份,利用近红外光谱采集单个普洱茶样本在1 100～2 498 nm的光谱数据,分别采用主成分聚类分析法和判别分析法建立普洱茶产地识别定性分析模型。结果表明,2种分析模型的校正集正确识别率均大于90%,可用于普洱茶产地的识别。其中,基于判别分析方法建立的判别分析模型效果更好,其校正集和验证集的识别正确率达到98.15%和100%,更适用于普洱茶产地的识别。应用近红外光谱技术可快速、无损识别普洱茶产地,为普洱茶产地检测提供参考。     

近红外光谱及高光谱技术在茶叶上的应用

光谱技术作为一种绿色、快速、高效、准确的无损检测技术,在茶叶及茶制品的理化检测、品质评价等方面显现出较大的应用潜力。综述了近红外光谱及高光谱技术在茶叶理化成分定量分析,茶叶种类、产地及品种的判别以及茶叶等级判别等方面的应用和研究进展,同时对该技术在茶叶上的应用前景进行展望。     

基于可见/近红外光谱识别东北地区常见木材

探索可见/近红外光谱识别生长锥取得的木材样品的可行性,为野外木材检测提供方法。木材品种涉及东北地区常见的14个树种,木材样品由生长锥南向北方向钻取树木1.3 m胸高处得到,观测木样的可见/近红外光谱并采用导数、对数与平滑处理,运用距离法建立识别模型,测试并分析不同光谱预处理方法对可见/近红外光谱木材识别准确率的影响。结果显示:在不使用平滑处理时,使用一阶导数处理之后的光谱木材树种识别的准确率（96.79%）明显高于二阶导数（78.57%）和三阶导数（75.00%）。在使用导数和平滑处理时,使用二阶导数（98.21%）或三阶导数（98.21%）处理之后的光谱用于识别的准确率略高于一阶导数（97.50%）。单独使用平滑处理不能提高模型预测准确率,单独使用导数处理可以提高模型预测准确率。在最优的参数设置下使用导数和平滑处理时,使用S-G导数平滑（98.42%）和Norris导数滤波（98.57%）的效果无明显差异。     

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。     

基于可见/近红外光谱的土壤有机质快速测定方法的研究

[目的]研究在野外直接测定土壤有机质含量的方法。[方法]以重铬酸钾容量法(外加热法)测定土壤样本有机质含量作为真实值,在不进行土壤样本预处理的前提下,利用近红外光谱直接扫描未作处理的土壤样本,测定土壤有机质含量,以其作为土壤有机质含量的预测值。[结果]利用620和1 900 nm的波长组合,可以较好地预测土壤有机质含量,预测模型(定标模型)的相关系数为0.9,极为显著。[结论]该模型对同类土壤有机质含量的预测效果很好,预测值与实测值的相关系数达到0.95。     

基于神经网络及近红外光谱的草莓成熟度快速识别方法

[目的]探究快速检验草莓的成熟度、提高草莓采摘自动化水平的方法。[方法]采集350～2 500 nm波段草莓的光谱信息,提取光谱的一阶导数值并进行主成分分析,取2个主成分并获得了主成分中贡献率最大的6个峰值点,将各个峰值点两侧各取5个波段点作为特征点。随机选取58个样本组成60×58的矩阵作为训练集,导入用Matlab建立的人工BP神经网络中进行训练。[结果]利用测试集进行识别模型的检验,识别正确率达到93.1%。[结论]利用近红外光谱对草莓成熟度进行识别是可行的。     

近红外光谱法快速测定绿茶的4种主要成分

应用现代近红外光谱分析技术,建立了绿茶中水分、茶多酚、咖啡碱和游离氨基酸4种主要成分的改进偏最小二乘(MPLS)定标模型,用目标函数法对不同光谱预处理方法进行考查,评定出最优模型,并对其进行了验证.各成分最优模型的目标函数值(f)分别为98.84%、95.66%、95.07%和94.25%,相对标准差(RSD)分别为4.53%、4.57%、8.33%和6.39%,预测决定系数(R2)分别为0.95、0.85、0.63和0.71.测定结果表明:应用近红外光谱分析可以实现绿茶中4种成分的快速定量检测,水分、茶多酚和游离氨基酸模型取得了良好的预测效果,可以用于实际检测;咖啡碱模型预测效果较差,需要进一步优化.     

现代近红外光谱分析技术在农业研究中的应用

简述了近红外光谱分析技术的发展历史、应用原理和技术特点,对该项技术在作物品质育种、品种资源的鉴定与分类、生物样品的非破坏性测定、作物施肥与土壤养分测定、作物抗虫性鉴定等方面的应用进行了综述。     

近红外分析技术在玉米种质资源品质分析中应用

近红外分析技术具有快速、简便、准确、非破坏性的优点,为玉米品质育种提供了一个新的技术手段。利用FOSS公司1255型近红外透射光谱分析仪,对2000 年～2001年的686份玉米自交系和2001年～2002年的1438份杂交组合的籽粒品质成分进行测定。结果表明,玉米籽粒3种品质成分在不同材料间存在显著差异,粗脂肪和蛋白质变异幅度和变异系数都较大,粗淀粉含量变异幅度和变异系数都较小,年份之间有差异。自交系中粗脂肪平均含量分别为4.24%和4.27%,蛋白质平均含量分别为11.75%和12.17%,粗淀粉平均含量分别为71.04%和71.10%,玉米杂交组合粗脂肪平均含量分别为4.53%和4.86%,蛋白质平均含量分别为9.93%和10.05%,粗淀粉平均含量分别为72.56%和72.74%。     

利用近红外分析技术测定胡麻种质资源品质

利用Perten公司DA7200型近红外透射光谱分析仪,对甘肃胡麻种质资源库的364份胡麻资源的籽粒品质成分进行测定。结果表明,胡麻籽粒4种品质成分在不同材料间存在明显差异,硬脂酸、木酚素、棕榈酸和油酸变异系数较大;碘价、粗脂肪、亚油酸和亚麻酸含量的变异系数较小。资源中粗脂肪平均含量为38.64%,硬脂酸平均含量为4.94%,棕榈酸平均含量为5.58%,油酸、亚油酸、亚麻酸、碘价和木酚素平均含量依次为29.15%、11.4%、51.31%、175.69和9.60 mg/g。筛选出了123份优异种质资源供育种利用。并对近红外技术在胡麻品质育种中的利用作了探讨。     

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。     

近红外光谱技术法快速鉴别茶油掺伪

[目的]采用近红外光谱技术法,快速鉴别茶油掺伪。[方法]基于近红外光谱技术,比较马氏距离聚类分析法与反向传播神经网络,建立茶油与掺有菜籽油、棕榈油掺伪茶油的模式识别模型。[结果]采用马氏距离聚类分析法建模时,参数如下:光谱一阶导数处理后,结合SNV、Norris Derivative滤波方法,经主成分分析法,提取8个主成分,模型对预测集样本的准确率达100%;采用反向传播神经网络建模时,参数如下:输入向量为前8个主成分的33个吸收峰,隐含层神经元个数为15,训练学习速度为0.1,训练220步时,模型对预测集样品识别准确率亦为100%。[结论]反向传播神经网络方法更加具有较快的运算速度和较好的收敛性,可为茶油品质评价与检测提供一种新方法。     

近红外光谱法对食用植物油品种的快速鉴别

以食用植物油为研究对象,建立了一种用近红外光谱技术鉴别食用植物油品种的方法。分别采用系统聚类法、主成分分析法、BP人工神经网络法进行了4个常用品种食用植物油的鉴别研究。结果表明,系统聚类法和主成分分析法均只能鉴别出4种植物油中的大豆油和花生油,不能识别玉米油和芝麻油,鉴别率仅为31.2%;利用BP人工神经网络法将60个校正集样品的11个主成分数据作为BP网络输入变量,建立的3层BP人工神经网络鉴别模型对4种植物油品种的鉴别效果最优,鉴别率为100%,表明BP人工神经网络法具有很好的分类和鉴别常用食用植物油品种的效果。     

基于近红外光谱的反刍动物饲料营养指标的检测方法研究

收集了151个反刍动物饲料,应用偏最小二乘(PLS)定标方法,建立了基于近红外光谱的反刍动物饲料化学成分定标模型。定标集化学分析值与预测值之间的决定系数R2和标准差(RMSEC)分别为:0.927 3和0.265(水分)、0.928 9和0.682(粗蛋白质)、0.950 5和0.228(粗脂肪)、0.906 0和0.542(粗灰分)、0.919 8和0.558(粗纤维)。验证集化学分析值与预测值之间的决定系数r2和标准差(RMSEP)分别为:0.920 6和0.284(水分)0、.919 4和0.690(粗蛋白质)、0.926 4和0.312(粗脂肪)、0.943 4和0.437(粗灰分)、0.903 5和0.616(粗纤维),相对分析误差(RPD)均大于3,具有较高的预测精度。结果表明,利用近红外光谱反射光谱分析技术可以定量检测反刍动物饲料中水分、粗蛋白质、粗脂肪、粗灰分、粗纤维的含量。     

近红外光谱技术在草业科学研究中的应用及展望

近红外光谱技术(NIRS)是一项快速、高效、无损的现代检测技术,已经在许多领域广泛应用,特别在野外检测更具有实时性。阐述了 NIRS技术的原理和特点,介绍了NIRS在牧草营养成分、牧草种子品质、草地植物组成、草地土壤理化性质、草地病虫害检测、草坪色泽及建植管理方面的应用。并对草地土壤环境、根系分配、碳源/碳汇、鼠害动态监测,以及开发适宜于野外观测的便携式实时监测仪器提出了展望,以推动近红外光谱技术在我国草业科技和生产中的应用。     

近红外反射光谱测定玉米完整籽粒蛋白质和淀粉含量的研究

 以128份常用普通玉米自交系及杂交种的混合籽粒样品为材料,采用偏最小二乘(PLS)回归法,对近红外反射光谱(NIRS)测定玉米完整籽粒蛋白质、淀粉含量的可行性和方法进行了研究。结果表明,采用一阶导数+多元散射校正预处理、谱区为10000～4000cm-1和一阶导数+直线扣减预处理、谱区为9000～4000cm-1,分别建立的蛋白质、淀粉含量的校正模型,其校正和预测效果最佳。其校正决定系数(R2cal)均大于0.97,交叉验证和外部验证决定系数(R2cv、R2val)为0.92～0.95,各项误差(RMSEE