Rapid Quantitative Determination of Main Components in Dried Distillers' Grains by Near-infrared Spectroscopy

从全国21个省份收集78个代表性酒糟样品,采用国标方法测定了其成分含量并进行了统计分析,结果显示粗纤维、粗灰分和粗蛋白3种成分质量分数分布范围分别为1.60％～37.54％、0.74％～26.85％和12.01％ ～38.69％,标准偏差分别为8.33％、5.21％和7.11％,样品成分含量差异较大.利用NIRS建立了其粗纤维、粗灰分和粗蛋白质量分数的定量分析模型,定标决定系数分别为0.98、0.91和0.96,定标标准误差分别为1.19％、1.58％和1.61％,验证决定系数分别为0.98、0.92和0.96,预测标准误差分别为1.20％、1.57％和1.60％,相对分析误差分别为7.38、3.75和4.98,模型预测精度较高,可以用于实际检测分析.     

鱼粉中肉骨粉含量的近红外反射光谱分析

收集了112个鱼粉和34个肉骨粉样品，在鱼粉中掺入不同比例（5％～60％）的肉骨粉，制备了163个样本。应用偏最小二乘（PLS）定标方法，在8678．10～4250．34cm。波数范围内，采用变量标准化（SNV）、7点平滑和一阶导数对光谱进行预处理，建立了鱼粉中肉骨粉含量的NIRS定量分析模型。定标集真值与NIRS定标模型预测值之间的决定系数R^2和标准差RMSEC分别为0．9529和3．22，相对分析误差RPD为4．798。验证集真值与NIRS预测值之间的决定系数r^2及标准差RMSEP分别为0．9668和2．68，相对分析误差RPD为5．484。结果表明．利用NIRS分析技术可准确地检测鱼粉中肉骨粉含量．     

近红外光谱柑橘货架期的快速鉴别模型——基于主成分分析神经网络

利用近红外光谱技术进行了柑橘货架期的快速鉴别模型的研究.在两个不同的时间采集从市场上购买的黄岩地区的32个柑橘(同一时间采摘)的近红外光谱,并将不同时间采集光谱时的柑橘的货架期分别定为1类和2类(间隔为10天),对不同货架期的柑橘样品光谱进行主成分特征提取,将提取的特征变量作为神经网络的输入,建立了基于主成分和神经网络的近红外光谱柑橘货架期的快速鉴别模型.所建模型对1类中7个样品货架期的鉴别结果中有4个样品的货架期预测准确率在90%以上;对2类中8个样品货架期的鉴别结果准确率均在90%以上.结果表明,近红外光谱技术可以很好地进行柑橘类水果的货架期的快速鉴别.     

近红外光谱技术在土壤成分检测中的研究进展

近红外光谱技术是一种快速的例行分析方法,在土壤科学领域内具有广阔的应用前景。评述近红外光谱分析技术在检测土壤成分(有机质、总氮、水分、矿质组分、质地、pH)中的应用现状,并指出了其在土壤领域内的发展方向。     

基于近红外光谱技术的牛粪成分含量测定方法

利用近红外光谱仪和常规实验室标准分析方法,对从不同养牛场采集的200个肉牛粪便典型样品的4种主要肥料成分(全氮、全磷、全钾和铵态氮)含量进行了分析研究。试验得出,4种肥料成分含量的NIRS测定值与其真实值(实验室化学分析方法测定值)之间具有显著的线性相关关系;4种肥料成分含量的NIRS测定值均达到了与真实值相近的水平。结果表明,利用近红外光谱技术快速测定牛粪样品主要肥料成分的方法可以代替传统的实验室分析方法。     

基于近红外光谱的核桃仁蛋白质含量检测分析

为了实现核桃仁蛋白质的快速无损检测,采用近红外光谱技术,建立了核桃仁蛋白质含量预测模型,并对近红外光谱波段筛选方法进行了研究。首先针对3种不同粒度核桃仁样本,采集了1040~2560nm范围全波段信息,采用多元散射校正法和标准正态化方法对原始光谱进行了预处理。然后,采用间隔偏最小二乘算法筛选了光谱特征波段,并建立了全波段和特征波段下核桃仁蛋白质含量偏最小二乘算法预测模型。通过对不同粒度核桃仁样本近红外光谱分析表明,核桃仁粒度大小对核桃仁蛋白质含量预测效果并无显著影响。采用间隔偏最小二乘算法的波段筛选,核桃整仁样本验证集的均方根误差和相关系数分别为0.021和0.913, 表明该方法能够优化模型质量并降低模型复杂度。     

饲料中动物源性成分显微近红外光谱检测分析

探讨了应用显微近红外光谱分析技术检测饲料中动物源性成分的可行性.利用12个动物源性成分饲料样品和14个植物源性成分饲料样品建立偏最小二乘定标模型,数学预处理方法为导数+多元散射校正,利用平均光谱来优化模型实现数据压缩,模型的决定系数、交互验证标准差分别为0.969、0.090.4个配合饲料样品作为外部验证未出现误判.结果表明显微近红外光谱分析技术可用于检测饲料中动物源性成分.     

基于主成分分析的苹果霉心病近红外漫反射光谱判别

为了探讨利用近红外漫反射光谱技术判别苹果霉心病的可行性,将健康苹果和霉心病苹果的近红外光谱经不同光谱预处理方法处理,将主成分分析提取的主成分作为自变量,对苹果霉心病进行了判别研究。结果表明,光谱经矢量归一化处理后提取到的20个主成分建立的Fisher判别函数判别率最高,性能稳定,建模集正确判别率为89.9%,对检验集正确判别率为87.8%。     

饲料总能近红外反射光谱定量分析模型的优化

利用近红外反射分析技术, 采用偏最小二乘(PLS)回归方法,分别对光谱进行附加散射校正、变量标准化、一阶导数和二阶导数处理,建立了饲料中总能的预测模型.通过比较,附加散射校正和一阶导数处理定标效果最优.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0.9060和0.153,相对分析误差为3.36;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0.8924和0.156,相对分析误差为3.22.结果表明,利用近红外光谱反射(NIRS)分析技术可以定量检测充料总能的含量.     

基于近红外光谱的微量成分(毒死蜱)检测技术研究

基于近红外光谱方法对测定溶液中微量毒死蜱的应用情况进行了研究,选择了两组不同背景的液体样本,对混合溶液中的有机磷农药应用近红外光谱法进行微量检测。选取溶液光谱的有效谱段,采用二阶导数＋17点平滑和一阶导数＋21点平滑预处理方法和最小二乘定量分析方法,对样品进行定量分析。结果表明,在两种背景下,近红外光谱法对分析混合溶液中的毒死蜱含量在3～10mg／kg之间的溶液样本取得了良好的测量效果。     

基于近红外光谱的面粉灰分含量快速检测方法

针对目前面粉灰分含量的检测方法存在操作繁琐、耗时长、费时费力和检测效率低等问题,运用近红外光谱分析技术检测面粉的灰分含量,选择最优的光谱预处理方法和光谱范围,采用偏最小二乘法(PLS)及BP神经网络算法进行定量分析研究。结果表明:采用偏最小二乘法(PLS)所建的定量分析模型的决定系数R2为90.66,预测均方根误差RMSEP为0.055 3,总偏差为0.0279 3;用BP神经网络预测总偏差为0.036 7。研究发现,近红外光谱技术用于快速无损检测面粉灰分含量是可行的,且PLS、BP神经网络算法可进行面粉灰分含量预测。     

鸡肉中假单胞菌的近红外光谱快速识别

假单胞菌是鸡肉腐败最主要的致腐菌,为了快速识别鸡肉中的假单胞菌,首先从腐败鸡肉中分离并筛选出致腐菌,进一步利用聚合酶链反应技术对目标菌株进行生物学鉴别(分别为盖氏假单胞菌、嗜冷假单胞菌、莓实假单胞菌和荧光假单胞菌);配置鉴定的4种假单胞菌和等体积混合的4种假单胞菌菌液,采集菌液近红外透射光谱信息;然后运用标准正态变量变换对光谱进行预处理,利用联合区间偏最小二乘法筛选出特征波段;最后有比较地运用K最近邻法、最小二乘支持向量机和反向传播人工神经网络建立5种假单胞菌菌液的近红外光谱分类识别模型。其中反向传播人工神经网络模型预测效果最佳,其训练集和预测集的识别率分别为99.17%和95.00%。研究结果表明,近红外光谱结合反向传播人工神经网络可以快速识别鸡肉中的假单胞菌。     

用近红外透射光谱快速检测内燃机润滑油性能

通过对内燃机曲轴箱润滑油近红外吸收光谱的分析，研究了润滑油近红外吸收光谱随发动机工作时间变化的规律，为快速分析发动机润滑油的性能提供了一种新颖、可靠的分析方法，试验使用8个不同工作时间间隔的发动机润滑油样本，建立了润滑油的使用时间与近红外光谱之间的数学关系，为确定润滑油的换油时间提供了理论依据。     

单粒糙米蛋白质含量的近红外分析数学模型

应用近红外透射光谱(NITS)技术,采用多种计量数学处理方法和不同的回归统计方法建立定标数学模型,优化得到了单粒糙米蛋白质含量测定的近红外定标模型。其定标相关系数(1VR)和检验决定系数(RSQ)分别为:0.924和0.940。内部交叉验证和外部验证结果表明,近红外定量分析有很高的准确度。     

基于反射光谱特性的土壤有机质含量测定仪设计

阐述了利用有机质的反射光谱特性对土壤有机质含量进行测定的原理及方法。对仪器的总体方案、光路系统及仪器的硬件和软件进行了设计。为了减小测量误差、提高仪器总体性能,光路系统设计中在前人采用单一波长的光信号为变量的基础上增加了另外两路光信号以反映土壤中胡富比(胡敏酸和富啡酸含量之比)的变化;采用了偏最小二乘回归的数据处理方法来消除模型中变量间极有可能存在的多重相关性;在试验设计中通过增加土壤分类功能,采取了对土壤先分类后建模以及与合适的土样预处理相结合的方法降低了土壤质地对有机质测量的影响。试验表明,仪器测试结果与常规的有机质含量测量法对比,其精度达到了土样有机质含量速测的要求。     

苹果可溶性固形物含量的检测方法—基于可见光近红外光谱技术

为了快速检测苹果的可溶性固形物(SSC)含量,采用可见光近红外光谱技术,结合主成分分析(PCA)和BP神经网络技术,来建立苹果SSC的预测模型.获取苹果样本在345～1039 nm波段的漫反射光谱,采用DPS数据处理系统对其进行主成分分析,并提取出累计可信度大于95 %的5个新主成分.建立一个3层的BP神经网络模型,并将这5个新的主成分作为BP神经网络模型的输入量,其结果是98 %以上预测样本的预测相对误差在5 %以下.该研究表明,采用近红外光谱技术来建立苹果可溶性固形物的预测模型是可行的.     

近红外光谱仪快速检测甘蔗汁中蔗糖含量

为实现快速、便捷地检测甘蔗汁中蔗糖含量,以近红外微型光谱仪为技术支撑,以液相法为基础,采用偏最小二乘法（PLS）建立甘蔗汁蔗糖含量校正模型。结果表明,建立的PLS模型校正相关系数（R）、校正均方根误差（RMSEC）和验证均方根误差（RMSEP）分别为0.961 7、0.237和0.263,预测相对误差＜5%。      

基于可见近红外光谱技术的白菜籽品种主成分和聚类分析研究

采用可见近红外光谱技术进行白菜籽品种识别研究。利用主成分分析方法将白菜籽的可见近红外光谱数据压缩成3个主成分得分变量后,进行聚类分析,准确地识别出鑫丰70、青麻叶和山东五号3个品种,错判率为8.89%。结果表明:应用可见近红外光谱技术、主成分分析和聚类分析方法进行白菜籽品种识别是可行的。     

基于近红外光谱与PLS-DA的润滑油快速识别

机械故障与润滑油的性状具有紧密关系.因此,研究一种能够快速、无损对润滑油品牌识别方法至关重要.该研究应用近红外光谱分析法结合偏最小二乘判别分析(Partial Least Squares-Discriminant Analysis,PLS-DA)模式识别方法对7种润滑油品牌进行识别.研究结果表明,采用近红外光谱结合PLS-DA方法对校正样本建立判别模型,模型的校正相关系数均大于0.980,校正集均方根误差(RMSEC)和预测集均方根误差(RMSEP)都小于0.062,对7种润滑油品牌识别率均为100％.结合遗传算法对变量进行筛选,选出62个波数点代替全波段进行建模,模型对未知样本的识别率均为98.1％,大大缩减建模的计算量,为在润滑油判别分析仪器开发方面提供一定的理论指导.     

近红外光谱云计算分析系统构架与实现

传统的近红外光谱分析系统是单机版,建模工作难度大。为了在近红外光谱分析中实现对现有光谱模型资源共享,提出利用云计算中心的高性能服务器代替单机版的主机,然后在云服务器上开发近红外光谱软件分析系统,并详细分析了近红外光谱云分析系统的构架与设计步骤。该系统可以实现近红外光谱数据的预处理、定量分析、定性分析以及光谱模型查找和光谱模型转移等功能。最后以潲水油近红外光谱定性鉴别为例,分析比较了单机版和基于云计算的近红外光谱分析结果。在近红外光谱云分析系统中,对预测集58个样品进行判别,总体鉴别正确率为86.21%,这一结果与在单机环境下的分析结果完全一致。实验结果表明近红外光谱云分析系统具有成本低、建模方便、接入方式灵活、可实现资源共享和远程访问等优点。