花生自然风干种子维生素E含量近红外分析模型构建

采集42份自然风干花生种子近红外光谱,并进行维生素E含量的反相高效液相色谱(RP-HPLC)测定,利用偏最小二乘法(Modified PLS)构建了多粒自然风干花生种子维生素E含量的近红外定量分析模型。经优化及内部交叉检验,确定最佳光谱预处理方法为"一阶导数+多元散射矫正",维生素E含量谱区范围为6 094.3~7 506.0、4 242.8~5 454.0 cm-1,维数为8,模型的决定系数(R2)为88.34,交叉检验根均方差(RMSECV)为0.423。利用该模型对6份花生野生种样品的维生素E含量进行预测,t测验结果显示预测值与真实值间差异不显著。可见,所建近红外光谱模型可以很好地预测自然风干花生种子中维生素E的含量。     

花生自然风干种子芥酸含量近红外分析模型构建

采集67份自然风干花生种子的近红外光谱,并进行芥酸含量色谱测定。采用交叉检验,构建了多粒自然风干花生种子样品芥酸含量的近红外定量分析模型。经优化,最佳光谱预处理方法为"消除常量偏移法",芥酸含量谱区范围为4 242.8～11 980.2 cm~(-1),维数为10,模型的决定系数(R~2)为80.08,交叉检验根均方差(RMSECV)为0.0238。此模型可以很好地预测花生种子芥酸含量,为花生脂肪酸遗传改良提供快速的选择手段。     

花生籽仁膳食纤维含量近红外模型构建

为了在不破坏花生籽仁的情况下，快速测定种仁中膳食纤维含量，本试验对60份国内外优质食用花生种质资源进行籽仁膳食纤维含量的化学测定。利用傅立叶近红外光谱仪采集近红外光谱，采用偏最小二乘法（Modified PLS）构建近红外光谱模型，经交叉检验和优化，确定最佳光谱预处理方法为最小—最大归一化法，花生籽仁中膳食纤维含量光谱范围为3 594.9～12 489.4 cm-1，维数为9，所建模型中膳食纤维含量的定标决定系数（R2）为83.04，定标标准误差(RMSECV)为0.42。经外部检验，所构建的模型可以较好地预测花生籽仁膳食纤维含量，说明代替化学分析花生籽仁膳食纤维含量是可行的。     

基于近红外光谱法的玉米钾营养快速测定研究

本文利用近红外漫反射光谱对玉米叶钾营养含量进行快速测定的研究。以农大265玉米为材料,采用偏最小二乘回归法(PLS)建立玉米叶片中钾含量与光谱数据的校正模型,其决定系数Rc2=0.9783,交叉验证决定系数Rv2=0.9133,交叉验证均方差RMSECV=1.6499,模型因子数Factor=12。结果表明,利用近红外漫反射光谱法快速测定玉米叶片中钾营养含量是可行的,为近红外光谱仪快速测定玉米叶钾含量提供了理论依据。     

基于近红外光谱的小麦种子发芽率测试

以534份发芽率水平不同的小麦品种种子为样品,采用傅里叶变换近红外光谱仪采集光谱数据,利用偏最小二乘法(PLS)建立其发芽率的无损测定校正模型,并对模型进行留一法交叉验证、外部验证。结果表明,经一阶导数和多元散射校正(MSC)预处理后,对7 502.3~4 246.8 cm-1波段范围所建模型的预测性能最佳,校正集决定系数R2为0.914 4,校正均方根误差(RMSEE)为7.38,平均绝对误差为5.925%;验证集决定系数R2为0.904 4,验证均方根误差(RMSEP)为7.91,平均绝对误差为6.467%。近红外光谱与种子发芽率具有较高相关性,利用近红外光谱技术快速测定小麦种子发芽率具有可行性。     

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。     

基于近红外光谱的烟草种子蛋白含量定标模型构建

为探索近红外光谱技术(near infrared spectroscopy,简称NIRS)在无损检测烟草种子蛋白含量方面的应用,研究120份烟草种子的近红外光谱,利用光谱影响值法(Leverage)对异常光谱进行处理后,在4 000~9 000 cm-1波数,利用主成分回归法(简称PCR)建立烟草种子蛋白质含量的定标模型,并采用外部独立验证的方式对模型进行检验。结果表明,标准正态变量转换法(简称SNV)处理结合De-trending算法下,建立的烟草种子蛋白含量定标模型的确定系数高达99.86%,校正标准差、预测标准差分别为0.71、0.68,校正集、验证集的预测值与化学测定值间均达极显著正相关,说明该近红外光谱定量分析模型效果较好,可用于烟草种子粗蛋白的测定。     

NIRS在广金钱草水分含量测定中的应用

研究并建立近红外光谱技术在广金钱草药材水分含量的测定方法。利用烘干法测定试验样品的水分含量,并采集近红外光谱数据,采用一阶导数法预处理,结合偏最小二乘法建立广金钱草中水分含量的定量分析模型。结果表明:所建立的校正模型,内部交叉验证决定系数达到0.970,校正均方差为0.254,预测均方差为0.278,内部交叉验证均方差为0.582。验证集重复性标准偏差为0.069,平均回收率为99.96%,t检验显示P0.05,精密度及重复性RSD分别为1.23、1.45%,RPD3。建立的广金钱草药材水分含量测定的近红外光谱模型稳定、准确、可靠,适用于对广金钱草药材的水分含量测定。     

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。     

小波变换在脐橙维生素C含量近红外光谱预测中的应用

 【目的】探索快速检测柑橘Vc含量的方法。【方法】利用不同分解水平的Daubechies3小波变换，对100个脐橙整果样品的近红外光谱信号进行了消噪处理，并利用消噪后的重构光谱对脐橙Vc含量进行了偏最小二乘法交叉验证。【结果】小波分解尺度水平不同，偏最小二乘法交叉验证效果各不相同，在分解水平为4时效果最好，其预测值与标准值的相关系数R达到0.9574，交叉验证预测均方差RMSECV仅为3.9 mg/100g。比较了11种光谱预处理方法，其中，小波消噪后的偏最小二乘法交叉验证模型预测效果最好，预测值与真值的相关系性最好。【结论】小波消噪后建立的近红外光谱模型能准确地对脐橙Vc含量进行无损快速的定量分析。     

近红外光谱法对巴戟天药材中水分含量的快速测定

建立了巴戟天(Morinda officinalis How.)药材中水分含量的近红外定量模型,可快速测定巴戟天中水分含量.按照《中华人民共和国药典》(2010版)规定采用烘干法测定166批巴戟天药材的水分含量,采集并用多元散射校正法、二阶导数法预处理近红外光谱,结合偏最小二乘法建立了近红外水分定量分析模型.所建立的校正模型的内部交叉验证决定系数为0.985 5,内部交叉验证均方差为0.402 7,校正均方差为0.169,预测均方差为0.180.结果表明,该近红外水分定量模型稳定、准确,可快速进行巴戟天药材中水分含量的测定.     

近红外光谱法检测果汁中的富马酸

应用傅立叶变换近红外光谱法测定40个果汁的近红外光谱数据,用OPUS/QUANT5.5定量分析软件将光谱与对应的化学成分值相关联,建立了果汁中富马酸的回归模型。富马酸含量近红外光谱分析模型的决定系数R2为97.53,交叉验证均方根RMSECV为0.00416。用该模型对10个未知样品进行了外部验证,外部验证的决定系数(R2)为99.1,均方差(RMSEP)为0.00294。内部交叉验证和外部验证均证明,近红外定量分析有较高的准确度,可应用于生产。     

近红外光谱法定量分析白花蛇舌草种子中水分含量

应用近红外光谱技术建立白花蛇舌草种子水分含量快速测定的检测方法,用于种植种苗培育和药材储存管理及质量控制。采用干燥加速和加湿加速试验方法处理样品,扩充样品水分分布区间,用烘干法测量水分,然后采用近红外光谱技术结合偏最小二乘法(PLS)建立水分定量分析模型。结果表明,模型的相关系数达到0.991,均方根偏差RMSECV为0.086,内部交叉验证和外部验证中,预测偏差均小于1.0%。建立的白花蛇舌草种子水分定量模型能准确地预测种子中水分的含量,可用于种植种苗培育、药材储存管理及质量控制。     

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。     

香砂胃苓丸混合终点在线监测及质量评价近红外模型的建立

[目的]利用近红外光谱技术,快速判断香砂胃苓丸中间体的混合终点。结合高效液相色谱分析方法,建立中间体的近红外光谱模型,实现香砂胃苓丸中间体质量的快速评价。[方法]采用声光可调-近红外光谱(AOTF-NIR)技术,通过主成分分析法和移动窗标准偏差法判断中间体的混合终点。采用高效液相色谱法,检测35批香砂胃苓丸中间体中橙皮苷的含量,即得化学值。利用SNAP光谱软件进行光谱采集,以一阶导数法和平滑滤波系数法进行光谱预处理。采用The Unscrambler分析软件,将近红外光谱图与含量化学值相关联,以偏最小二乘法(PLS)和交叉-验证法(cross-validation)建立香砂胃苓丸中间体中橙皮苷含量的定量校正模型。[结果]香砂胃苓丸中间体在40 min时基本达到混合终点,且近红外光谱预测值与化学值混合终点的结果一致。香砂胃苓丸中间体中橙皮苷定量模型内外部验证相关系数均大于0.90,校正均方根偏差(RMSEC)为0.132 9,预测均方根偏差(RMSEP)为0.155 3,定量模型的外部验证结果相对标准偏差(RSD)均小于5%,表明橙皮苷含量预测值准确性较高。[结论]声光可调-近红外光谱技...     

柑橘园紫色土Fe/Mn/Zn含量近红外光谱监测模型研究

 【目的】探索建立基于近红外光谱技术的土壤微量元素监测技术。【方法】采集三峡库区（重庆）主要加工甜橙基地果园背景土壤样品168个,随机选取100个作为建模样本,其余为检验样本;测定所有样本的近红外反射光谱和土壤Fe、Mn、Zn全含量;运用最佳光谱预处理方法和偏最小二乘法（partial least square method, PLS）及内部交叉验证方法建立校正模型,并进行模型精度检验。【结果】变量标准化（standard normal variables,SNV）为土壤Fe、Mn、Zn含量近红外光谱预测的最佳光谱预处理方法;运用SNV光谱预处理和偏最小二乘法（PLS）及内部交叉验证法建立的土壤Fe、Mn、Zn含量校正模型,95%置信区间内的预测精度分别为92.65%、95.59%和95.59%。【结论】利用近红外反射光谱技术进行土壤Fe、Mn、Zn含量检测可行且精度较高。     

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。     

基于近红外光谱法快速检测藜麦淀粉含量

为研究一种简便的藜麦粗淀粉含量测定方法,在10 000~4 000 cm-1波数范围内,采集100个藜麦样品的近红外光谱,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淀粉近红外定量模型。结果表明,该模型校正和预测效果最佳,所得粗淀粉近红外定量模型的交叉验证决定系数(r_(cv)~2)为0.914 7,外部验证决定系数(r_(val)~2)为0.903 1。由结果可知,基于近红外光谱(NIR)法测定藜麦完整籽粒的淀粉含量是完全可行的。     

巴山木竹蛋白质可见/近红外光谱定量分析模型研究

探讨了运用可见/近红外光谱分析技术建立巴山木竹蛋白质定量分析模型的可行性。运用传统方法实测了样品蛋白质含量,并运用光谱分析软件建立了样品蛋白质含量与光谱数据的PLS与PCR校正模型。基于主要性能指标对不同光谱预处理与建模方法进行评价,筛选出最优校正模型并使用验证集样品对校正模型的预测能力进行了验证。巴山木竹竹叶与竹秆蛋白质最优校正模型的决定系数(R_c~2)分别为0.935和0.862,交叉验证均方差(RMSEC)分别为0.351和0.172;经外部验证,预测模型决定系数(R_p~2)分别为0.916和0.874,验证集样品的相对分析误差(RPD)分别为3.562和2.840。表明应用可见/近红外光谱分析技术可以实现巴山木竹蛋白质含量快速检测。     

近红外光谱结合特征变量筛选方法测定茶汤中的氨基酸含量

采用透射方式获取茶汤的近红外光谱,利用特征变量筛选方法从茶汤的近红外光谱中提取氨基酸光谱信息,建立茶汤中氨基酸含量的快速检测模型.分别利用间隔偏最小二乘法(iPLS)和联合区间偏最小二乘法(siPLS)从茶汤的近红外光谱中提取微弱的氨基酸信息,建立其近红外光谱定量分析模型.结果表明,利用两种方法筛选的特征变量都避开了水的强吸收峰影响,但利用siPLS方法建立的模型性能明显好于iPLS的.最优的siPLS模型对校正集样本的相关系数为0.912,交互验证均方根误差为0.185;用预测集中独立样本检验模型性能,其相关系数为0.887,预测均方根误差为0.202.研究结果可为液体茶饮料中的成分实时快速检测提供参考.