基于近红外光谱的生鲜猪肉pH检测及其品质安全判别

运用近红外光谱检测生鲜猪肉贮藏于室温(约15℃)和冷藏温(约4℃)期间的pH,用偏最小二乘法(PLS)建立适用于此2种贮藏温度的pH的近红外校正模型。对样品光谱进行聚类分析,并结合感官评价综合研究猪肉在贮藏期pH的变化,确定其在各个新鲜度下的分类阈值。结果表明:近红外光谱技术可用于建立检测生鲜猪肉pH的定量模型,其决定系数R2达到0.92;将聚类分析应用到猪肉新鲜度的定性判别中,确定了生鲜猪肉经历的尸僵、成熟、自溶、腐败4个阶段其对应的pH。通过分析肉质在不同贮藏条件下的变化情况,确定不同新鲜度下pH的分类阈值。该方法准确、灵敏,可用于生鲜猪肉pH的定量检测及其品质安全的定性判别。     

基于近红外光谱技术的红枣水分无损检测

目的 基于近红外光谱技术的红枣水分无损检测,为红枣水分含量模型建立提供科学依据。方法 以塔里木大学园艺试验站红枣资源圃中的脆熟期馒馒枣和保德油枣的果实为试材,采用传统烘干法测定枣果实水分含量,并通过近红外光谱分析仪进行枣水分无损检测。对2个品种样本光谱进行样本集划分并使用预处理的方法Savitzky-Golay平滑法和偏最小二乘回归分析法(PLS)。结果 建立了含水量定量检测分析模型。共获得212个样本,馒馒枣和保德油枣分别为100和112个,2个品种随机校正模型为75和84个,验证模型分别为25和28个,用外部证实法建立样品校正模型和验证模型。建立光谱模型将试验组分别分为红枣含水量校正模型和验证模型。所建2种红枣水分检测模型中SEC(校正集标准偏差)值分别为1.01%和1.29%;SEP(预测标准偏差)值为1.65%和1.41%,2种红枣的校正集与验证集交互相关系数分别为0.878和0.883。结论 以S-G平滑法对光谱数据预处理,以偏最小二乘进行回归分析(PLS)。建立含水量定量检测分析模型对红枣进行水分检测,水分真实值和预测值的交互相关系数均高于0.850。2个品种校正模型和验证模型差异较小均在0.5%左右,建立了红枣近红外光谱和水分含量之间的对应关系。     

基于近红外光谱的普洱茶年份检测研究

近红外光谱分析技术是近年发展起来的一种定性、定量分析技术,其具有快速,不破坏样品,操作简单等特点,已广泛应用于各个领域.利用近红外光谱分析技术的特点,首先对54份不同年份的普洱茶近红外光谱图吸收峰的差异进行分析,然后对普洱茶的年份进行鉴别.结果表明,随着普洱茶年份的增加,其内含主要化学成分不断减少,近红外光的吸收值也不断减少,因此波峰的尖锐程度也不断减少.随后应用聚类分析技术对不同年份的普洱茶进行定性分析,从聚类分析得到的三维立体图中可以看出,各个年份的普洱茶有比较明显的聚类现象,其中有3份茶叶样品被判断为错误,识别准确率为94.444％.     

近红外光谱在水果品质检测中的应用

近红外光谱(NIR)技术正逐渐广泛地应用于果品质量评价中。基于此,介绍了近红外光谱技术特点及在果品品质指标测定中的应用和发展前景。     

基于近红外光谱的普洱茶年份检测研究

近红外光谱分析技术是近年发展起来的一种定性、定量分析技术,其具有快速,不破坏样品,操作简单等特点,已广泛应用于各个领域。利用近红外光谱分析技术的特点,首先对54 份不同年份的普洱茶近红外光谱图吸收峰的差异进行分析,然后对普洱茶的年份进行鉴别。结果表明,随着普洱茶年份的增加,其内含主要化学成分不断减少,近红外光的吸收值也不断减少,因此波峰的尖锐程度也不断减少。随后应用聚类分析技术对不同年份的普洱茶进行定性分析,从聚类分析得到的三维立体图中可以看出,各个年份的普洱茶有比较明显的聚类现象,其中有3份茶叶样品被判断为错误,识别准确率为94.444%。     

基于近红外光谱技术检测全蛋粉掺假

为提高全蛋粉掺假检测的准确度和检测效果,应用近红外光谱技术对全蛋粉掺假进行定性判别并对掺假含量进行定量分析。分别采用标准正态变换、多元散射校正、卷积平滑、归一化、一阶导数、二阶导数等6种不同预处理方法,对原始光谱数据进行预处理,采用竞争性自适应重加权算法（CARS）、连续投影算法（SPA）及CARS-SPA结合算法对光谱数据进行特征波长筛选,建立集成学习（ensemble learning,EL）模型对掺假蛋粉进行定性判别,建立偏最小二乘模型（PLSR）对掺假含量进行定量分析。结果显示：在对掺假蛋粉进行定性判别方面,一阶导数为最佳预处理方法,CARS算法特征筛选效果最佳,EL模型对掺假蛋粉样本总体判别准确率达到98.18%,对各类掺假蛋粉样品的判别准确率在97.78%以上。在对蛋粉掺假含量进行定量分析方面,多元散射校正为最佳预处理方法,CARS算法特征筛选效果更佳,对一组分掺假、二组分掺假、三组分掺假和所有掺假样本的PLSR浓度预测模型的预测集相关系数（R_p）分别为0.958 5、0.931 2、0.945 6和0.955 8,均方根误差（RMSEP）分别为4.689 1、5.813 4、4.604 1和3.802 9。研究结果表明,近红外光谱技术可用于蛋粉掺假检测,为监管机构检测蛋粉掺假提供参考。     

基于机器视觉和近红外光谱的壶瓶枣无损检测

以壶瓶枣为对象探讨用机器视觉和近红外光谱技术检测壶瓶枣内外品质。通过图像处理技术获取壶瓶枣投影面的边缘提取图像,然后使用最小外接矩形法求得图像的像素点个数,以此求得壶瓶枣投影面的面积。采用MSC对壶瓶枣近红外光谱进行预处理,然后分别采用偏最小二乘法(PLS)、主成分回归(PCR)和偏最小二成支持向量机(LS-SVM)3种建模方式对壶瓶枣可溶性固形物的含量进行预测。结果表明,使用LS-SVM模型获得了最优的预测结果,其预测集的相关系数和均方根误差分别为0.9901和0.328。研究表明,机器视觉结合近红外光谱技术能对壶瓶枣内外品质进行综合检测。     

近红外光谱在转基因农产品检测中的研究进展

简述了近年来近红外光谱分析技术在农产品和食品定量分析中的应用,重点介绍了近红外光谱分析在转基因植株筛选以及转基因和非转基因农产品分类和识别等方面的研究现状,比较和分析了近红外光谱与传统的转基因农产品检测方法的特点,并展望了近红外光谱分析技术在转基因农产品检测研究中的发展前景。     

脐橙可溶性固形物的在线近红外光谱检测

【目的】应用近红外光谱漫反射技术在线检测脐橙内部的可溶性固形物含量(SSC)。【方法】以0.3m/s的速度、400W的光照强度获取脐橙(脐橙样品为97个,其中74个为校正集,23个样品为预测集)的漫反射光谱;对比不同光谱预处理方法(平滑、一阶微分、二阶微分等)对偏最小二乘回归(PLSR)所建预测模型性能的影响,建立PLSR、主成分回归(PCR)和多元线性回归(MLR)在线检测脐橙可溶性固形物含量的预测模型。【结果】在520~1 000nm光谱范围,卷积平滑(S-G)能有效提高光谱的信噪比,改善模型预测精度;基于PLSR所建立的预测模型较PCR和MLR更为理想,其预测相关系数(RP)为0.90,预测均方根误差(RMSEP)为0.61。【结论】利用在线近红外光谱技术检测脐橙可溶性固形物含量是可行的。     

基于近红外光谱的椰子肉含水率检测方法

[目的]利用近红外光谱技术建立成熟椰果中椰子肉水分含量的近红外定量检测模型,实现椰子品种椰干含量及椰子种质含水率的高效率实时在线检测,满足椰干产量预测及椰子种质快速鉴定的需求.[方法]采用国产光栅S400型近红外农产品品质测定仪,对来自不同种质的360个成熟椰果的椰肉样本进行近红外光谱扫描,将采集到的光谱,以建模集:检...     

毛竹、杉木木质素的近红外光谱法快速分析

该文用近红外光谱法对毛竹和杉木的木质素含量进行了快速测定.首先依据常规湿化学方法测定了54个毛竹和48个杉木样品的木质素含量,用近红外光谱仪采集相应的光谱,对原始光谱进行平滑预处理和二阶微分处理后,用偏最小二乘法和完全交互验证方式建立了相应的校正模型和预测模型.结果表明,毛竹和杉木木质素含量预测模型的相关系数R分别为0·97和0·90;预测标准误差SEP分别为0·65和0·28·将毛竹和杉木样品混合,建立的混合分析模型,R为0·98,SEP为0·83·结果表明,近红外光谱法可以快速预测杉木和毛竹中的木质素含量.     

近红外光谱结合灰色关联度分析快速综合评价猪肉新鲜度

为了实现肉品新鲜度的快速综合评价,本研究以贮藏1～14 d的猪肉为研究对象,将近红外光谱技术与灰色关联度分析结合,构建了新鲜度指标(L~*、pH和挥发性盐基氮)的快速预测模型,并对猪肉的新鲜度等级进行了综合评价。结果表明,将光谱经过双波段融合、光谱预处理、样条插值数据重排、特征波长筛选后,建立的L~*、pH和挥发性盐基氮预测模型的验证集相关系数分别为0.975 4、0.964 2和0.967 7。结合加权灰色关联度分析,充分利用肉品多元信息,将其划分为良好、合格、差和极差4个等级。该研究结果为快速、客观地综合评价肉品新鲜度提供了1种新的方法和技术。     

采用热重红外联用技术研究猪肉的热解特征

为了了解病害牲畜在回转窑内的热解失重过程,以猪肉为代表,采用TG-FTIR技术来研究猪肉的热解特性。结果表明,猪肉热解过程中,水分在蒸发的同时伴随有少量的小分子多肽、脂肪酸与酯类的挥发。蛋白质的热解活化能为80.8 k J·mol~(-1),其热解过程开始于180℃左右,并主导了热解过程的低温阶段(180~300℃)。而脂肪的热解活化能为206 k J·mol~(-1),其热解过程开始于280℃左右,主要处于热解过程的高温阶段(300~500℃)。两者的热解产物存在显著差异,蛋白质主要生成无机气体,包括CO_2、NH3和HCN,还会生成一些酰胺、羧酸和芳香烃。而脂肪主要生成有机气体,包括烃类、醛类、脂肪酸和芳香烃。另外,脂肪与蛋白质之间会产生相互反应,生成酰胺类物质,并加速热解进程。通过该研究,能够帮助病害牲畜回转窑热解焚烧炉的设计,并为随后利用该焚烧炉实现病害牲畜尸体的大规模处理提供理论依据。     

基于可见-近红外光谱预处理建模的土壤速效氮含量预测

以皖南地区采集的188份黄红壤样本为研究对象,利用地物非成像光谱仪获取原始光谱数据。首先,分析样本在350~1 657 nm波段经过预处理变换的平均光谱反射率曲线特征,再基于原始光谱,以及经29种预处理变换后的光谱,分别结合偏最小二乘回归(PLSR)和径向基核函数(RBF)-PLSR算法,建立60个针对土壤速效氮含量的预测模型,并进行模型优化;然后,以模型的决定系数(R²)和相对分析误差(RPD)来评价模型性能。结果显示,基于Savitaky-Golay卷积平滑和对数变换预处理的光谱,用PLSR建立的模型最适用于土壤速效氮含量的校正预测,其在建模集中R²=0.94、RPD=3.88,预测集中R²=0.91、RPD=3.38。该模型达到A类预测精度,可实现对土壤速效氮含量的定量估测。     

近红外光谱法同时分析油菜9种品质参数的研究

应用近红外光谱技术(NIRS)对油菜种子9种主要品质参数进行了分析研究,并建立了数学模型。内部交叉验证结果表明,油菜种子油酸、亚油酸、亚麻酸、芥酸和饱和脂肪酸的决定系数R2分别为98．97％, 93．02％,86．49％,99．53％和84．78％,均方差分别为2．20,1．12,0．46,1．51和0．29;油菜种子含水量、含油量、硫苷和蛋白质含量的R2分别为99．64％,98．91％,82．46％-98．40％和89．32％,均方差分别为0．23,0．39,2．59- 13．50和0．74。对于含量较小而极差较大的硫苷采用分段建模,可提高分析结果的准确性。外部检验结果表明:各参数近红外预测值和标准方法之间的相关系数高达0．883-0．992;平均相对误差较小,为2．62％-8．19％;t测验差异不显著。研究表明NIRS技术具有检测快速、结果准确、制样简便、无污染和无损伤等优点,已经应用于油菜种子品质分析,并且分析参数还可以扩展。     

基于可见/近红外光谱技术定量分析青菜叶片含氮量

采用可见/近红外光谱技术快速定量检测上海青菜叶片的含氮量,得到叶片含氮量的光谱图,分别运用MLR和PLSR 2种化学计量学方法模拟含氮量与光谱的关系,并建立模型。结果表明:上海青菜的指纹区在430~435 nm、500~550 nm、605~620 nm,PLSR在准确性方面优于MLR,MLR在稳定性方面优于PLSR,模型的决定系数均在0.82以上,故此近红外光谱技术可用于估测上海青菜叶片氮素。     

基于近红外光谱技术的茶鲜叶海拔高度判别模型建立

以不同海拔高度的茶鲜叶为研究对象,扫描获取其近红外光谱(NIRS)并筛选特征光谱区间后,分别应用逐步多元线性回归法(SMLR)、主成分回归法(PCR)和联合区间偏最小二乘法(Si-PLS)建立茶鲜叶海拔高度预测模型。结果表明,在5 542.41~6 888.48cm-1区间内,对原始光谱进行一阶导数+3点Norris平滑预处理后,建立的SMLR模型预测集相关系数和预测均方差分别为0.800 5和0.486;在4 929.16~6 965.62cm-1区间内,当主成分数为3时,对原始光谱进行一阶导数+3点Norris平滑预处理后,建立的PCR模型预测集相关系数和预测均方差分别为0.803 6和0.472;当将光谱划分为18个子区间、因子数为13时,选用[5 8 11 17]4个子区间建立的Si-PLS模型预测集相关系数和预测均方差分别为0.944 3和0.295。经比较,Si-PLS模型预测结果最佳。     

A feasibility study of the classification of Alpaca (Lama pacos) wool samples from different ages,sex and color by means of visible and near infrared reflectance spectroscopy

The usefulness of classifying the Alpaca wool samples according to their color, sex and location is associated with their economic value in the market, hence adequate methods for rapid classification are needed to assess the of wool value. This study evaluated the potential of the visible and near infrared (vis–NIR) spectroscopy combined with multivariate statistical analysis to classify Alpaca (Lama Pacos) fiber samples according to age (1 and 2–3-year-old), sex (Male and Female) and color (Black, Brown, LF and White). Samples (n = 291) were scanned in reflectance mode in the wavelength range of 400–2500 nm using a monochromator instrument (FOSS NIRSystems6500, Inc., Silver Spring, MD, USA). Principal component analysis (PCA) and partial least squares discriminant analysis (PLS-DA) were used to classify fiber samples. Cross-validation was used for validation of classification models developed. Results showed that PLS-DA correctly classified 100% of fiber samples into ages, intermediate classification rates were obtained for color, while lower classification rates were obtained for the discrimination of wool samples according to sex. The results from this study suggested that vis–NIR spectroscopy in combination with multivariate data analysis can be used as a rapid method to classify Alpaca fiber samples according to age, sex and color.     

小批量稻谷种子蛋白质含量的近红外透射光谱分析

以完整水稻种子为样品,利用近红外透射谷物分析仪对186份批量稻谷进行扫描并测定了蛋白质含量的参比数据。采用多种数学计量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,优化得到了小批量水稻种子蛋白质含量测定的近红外定标方程。其定标标准偏差(SEC)、交叉检验标准误差(SECV)、定标相关系数(RSQ)和交叉验证相关系数(I-VR)分别为0.255 8、0.279 5、0.972 8、0.967 5。研究采用整粒小量样品(5 g)来分析,效果较好,可直接用于育种早世代选择。     

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...