近红外光谱法快速测定苎麻粗蛋白含量

[目的]探讨应用近红外光谱仪测定苎麻粗蛋白的可行性.[方法]以50个样品组成校正集,采用偏最小二乘法(PLS)建立近红外光谱信息与粗蛋白含量的校正模型,用该模型对10个样品的粗蛋白进行预测.[结果]该模型的相关系数为0.98.苎麻粗蛋白含量的化学测定值与近红外光谱模型预测值之间存在较好的相关性,预测值与化学值之间的平均相对误差为3.54％.[结论]用近红外光谱分析建立苎麻粗蛋白预测模型并测定苎麻粗蛋白含量是可行的.     

可见近红外漫反射光谱法测定赣南脐橙的表面色泽

[目的]建立赣南脐橙颜色指标定量数学模型,探索用颜色进行水果分级的新方法。[方法]采用色差计来测量50个赣南脐橙样本的表面颜色,用近红外漫反射光谱并结合多元校正算法偏最小二乘法(PLS),建立了赣南脐橙颜色指标L、a、b的定量模型。[结果]在全波段范围内,原始光谱所建模型最佳,其颜色指标L所建校正模型相关系数(r)为0.933,预测均方根偏差(RMSEP)为1.330,完全交互验证相关系数(rcross)达0.926;颜色指标a所建校正模型相关系数为0.970,预测均方根偏差为1.524,完全交互验证的相关系数达0.967;颜色指标b所建校正模型相关系数为0.893,预测均方根偏差为2.676,完全交互验证的相关系数达0.875。[结论]原始光谱所建模型最好,但其模型的校正均方根偏差和完全交互验证均方根偏差都偏高。     

近红外光谱法快速测定烟草中淀粉含量

[目的]快速测定烟草中淀粉的含量。[方法]采用近红外(NIR)漫反射光谱仪扫描140个烤烟烟叶样品,连续流动法测定其淀粉的含量,多种参数方法对谱图进行处理,最后选择消除常数法对光谱进行预处理和偏最小二乘法对数据进行拟合,建立了烤烟中淀粉的NIR预测模型,并对这些模型进行了外部验证。[结果]淀粉的预测值与连续流动法测定值的平均相对偏差均在5%以内,精密度RSD均小于5%。[结论]该模型可快速测定烟叶中淀粉的含量,对控制烟草调制过程中淀粉的转化和烟草制品中的淀粉含量具有重要意义。     

近红外透射光谱法快速测定瓶装醋中挥发酸含量的研究

采用近红外光谱直接对瓶装醋进行透射检测。结果发现,玻璃包装对入射光源强度影响很大。采用室内外置光源解决此问题,在850～2000nm的波长范围内,采用偏最小二乘方法（PLs）对醋中的挥发酸含量进行了定量预测。结果表明,原始光谱结合PLs方法可以很好地预测瓶装醋中的挥发酸含量,校正样本和预测样本的相关系数分别为0．98、0．97;校正样本和预测样本的标准偏差分别为o．776、0．878。此外,对挥发酸含量起主要作用的波段主要集中在900nm和1100nm左右。     

鲜食玉米中游离糖和游离氨基酸含量差异的多元统计分析

为了明确甜玉米和糯玉米2种鲜食玉米在重要呈味成分游离糖和游离氨基酸含量上的差别,以3个不同成熟度的苏玉29普通玉米(C1、C2、C3)为对照,采用液相色谱技术对3个不同成熟度的晶甜5号甜玉米(S1、S2、S3)和京甜紫花糯2号糯玉米(W1、W2、W3)中的3种游离糖和18种游离氨基酸进行定量测定。结果表明,玉米样品中的糖主要为蔗糖、葡萄糖和果糖,氨基酸以甜味氨基酸和鲜味氨基酸为主;不同品种及不同发育程度的玉米样品中游离糖和游离氨基酸含量均存在显著差异,并且这些成分含量的变化主要表现为正相关关系。主成分分析(PCA)提取了3个主成分(PC),分别解释总变异量的49.6%、15.2%和12.1%;在主成分得分图上,3个玉米品种在PC1上的得分按发育程度排列,而PC3将S1、S2、S3与W1、W2、W3分为2组。聚类分析结果显示,C1与甜玉米更为接近,而C2、C3与糯玉米更为相似。偏最小二乘判别分析(PLS-DA)可对S1、S2、S3与W1、W2、W3这2组样品进行识别,由变量投影重要性VIP值可知,区分2种鲜食玉米的最重要的2种组分分别为蔗糖和天冬氨酸,说明氨基酸在鲜食玉米类型的区分上也有明显作用。由结果可知,多元统计的方法可更直观、有效地展示不同鲜食玉米滋味成分的差异,为进一步研究鲜食玉米的风味特征提供了方向。     

近红外光谱法快速测定苎麻粗蛋白含量（英文）

[目的]探讨应用近红外光谱仪测定苎麻粗蛋白的可行性。[方法]以50个样品组成校正集,采用偏最小二乘法(PLS)建立近红外光谱信息与粗蛋白含量的校正模型,用该模型对10个样品的粗蛋白进行预测。[结果]该模型的相关系数为0.98。苎麻粗蛋白含量的化学测定值与近红外光谱模型预测值之间存在较好的相关性,预测值与化学值之间的平均相对误差为3.54%。[结论]用近红外光谱分析建立苎麻粗蛋白预测模型并测定苎麻粗蛋白含量是可行的。     

青花菜中矿质元素的近红外光谱快速测定

青花菜矿质元素含量丰富,传统的青花菜矿质养分评价方法步骤繁琐、耗时费力。通过电感耦合等离子体原子发射光谱法(Inductively Coupled Plasma Optical Emission Spectrometer,ICP-OES)测定青花菜中钾(K)、硫(S)、磷(P)、钙(Ca)、铁(Fe)、镁(Mg)等矿质元素含量,同时使用近红外光谱仪扫描样品,获取样品光谱文件,拟建立青花菜矿质元素的近红外光谱快速测定的方法。对化学分析结果与光谱文件在偏最小二乘法(partial least square,PLS)分析的基础上,通过Savitzky-Golay卷积平滑处理,采用不同的散射处理方式[多元散射校正(multiplicative scatter correction,MSC)和标准正态变量变换(standard normal variate transformation,SNV)],以及不同导数处理方式[一阶导数(first derivative, FD)和二阶导数(second derivative,SD)]对光谱进行预处理,从而获得定标方程。结果表明:(1)K、Mg、Ca经过MSC+FD处理的结果最好,校正相关系数(coefficient of determination in calibration, RSQ)分别为0.884、0.944、0.651,验证决定系数(coefficient of determination in valibration, R²)分别为0.893、0.928、0.604,相对分析误差(residual predictive deviation, RPD)分别为2.491、2.710、1.344;(2)P经过SNV+FD处理的效果最好,RSQ、R²和RPD分别为0.733、0.703和1.117;(3)S、Fe经过MSC+SD处理的结果最好,RSQ分别为0.523、0.581,R²分别为0.537和0.416,RPD分别为1.133、1.100。建立的K和Mg的近红外光谱快速检测模型,可以用于实际应用;P可以近似定量预测,但还需要通过增加样品种类提高模型的准确度与稳定度;Ca、S和Fe的近红外模型可以通过建立高浓度和低浓度2个模型来提高模型预测度。     

近红外反射光谱法测定厚朴酚类物质

为了建立厚朴Magnolia officinalis药材品质快速有效的评价方法,采用近红外反射光谱技术测定厚朴酚及和厚朴酚的质量分数。通过在全波长条件下,运用不同数学预处理、光谱散射校正和统计方法对来发展定标回归方程,其中统计方法包括偏最小二乘法(PLS)、修正的偏最小二乘法回归分析法(MPLS)和主成分回归法(PCR)。在对比分析的基础上,得到最佳的数学方法为"3,6,6,1"组合,光谱散射校正方法为SNV D或SNV,统计方法为MPLS,厚朴酚类物质的定标决定系数RSQ均达到了0.97以上。该定标模型的外部独立检验相关系数也均达0.95以上。用近红外反射光谱技术测定厚朴药材酚类物质质量分数具有与化学法相近的准确性,可在实践中应用。图2表5参11     

基于近红外光谱技术的保水剂吸水倍率快速测定新方法

[目的]基于近红外光谱技术,研究保水剂吸水倍率的快速测定新方法。[方法]通过近红外光谱技术结合偏最小二乘法,对9种聚丙烯酰胺型保水剂的吸水倍率进行研究.[结果]保水剂样品光谱数据采用一阶导数法预处理后,应用PLS法建模预测效果最佳。真值与预测值的决定系数达99．55％,模型预测准确率都在96％以上,可应用于生产实践。[结论]应用近红外光谱技术结合PLS法可以准确预测出保水剂的吸水倍率,是一种快速、无损、环保的新方法。     

近红外光谱法快速测定欧美杨戊聚糖含量

利用欧美杨近红外光谱数据和戊聚糖含量数据,采用一种多模型建模方法,实现了对欧美杨戊聚糖含量的快速预测.预测值与试验值的相关系数为0.935 0,均方差系数为0.336 7,预测结果的平均相对误差为0.012 8.为进一步减小预测误差,对光谱数据进行了一种函数变换,将函数变换方法与多模型方法结合重新建模,预测值与试验值的相关系数增大为0.957 4,均方差系数减小为0.245 8,预测结果的平均相对误差减小为0.008 2.文中方法可以尝试应用于欧美杨其他化学成分含量的测定.     

枇杷花游离氨基酸含量及组分差异

通过氨基酸自动分析仪测定了30份枇杷种质花的游离氨基酸含量,结果表明,枇杷花中氨基酸种类齐全,参试种质的枇杷花均含有16种氨基酸,其中包括苯丙氨酸(Phe)、苏氨酸(Thr)和赖氨酸(Lys)等7种人体必需氨基酸.枇杷花中游离氨基酸含量最高的为苏氨酸(Thr),含量为238.46～727.45mg·hg-1,含量最低的...     

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.     

蒙顶山名茶游离氨基酸总量及组分的测定分析

【目的】探讨蒙顶山名茶"鲜香"与"鲜味"特征的产生机制,提供蒙顶山名茶品质评价的理论依据。【方法】试验通过全量法和杯茶法制备茶汤试液,分别采用水合茚三酮比色法和L-8900型全自动氨基酸分析仪测定了4种蒙顶山名茶中的游离氨基酸总量和组分含量。【结果】4种蒙顶山名茶的游离氨基酸总量较高,分别为蒙顶黄芽(5.28±0.57)%,蒙顶石花(5.59±0.51)%,蒙顶甘露(4.65±0.82)%,蒙顶毛峰(5.34±0.96)%;在杯茶法1次冲泡5min条件下,蒙顶山名茶游离氨基酸的浸出率与浸出浓度亦较高,浸出率为55.24%～76.14%,浸出浓度为58.73～78.24mg/100mL;蒙顶山名茶游离氨基酸组分含量的特征为茶氨酸、天冬氨酸、谷氨酸、精氨酸和丝氨酸的含量在1 000mg/kg以上,色氨酸、半光氨酸、组氨酸和络氨酸组分含量为100～500mg/kg。【结论】蒙顶山名茶高氨基酸总量、丰富的组分含量及独特配比是其茶香"鲜香高长"、茶味"鲜浓爽口"的重要物质基础。     

反相HPLC法测定冬虫夏草中的游离氨基酸

为研究冬虫夏草游离氨基酸的测定方法,利用液相色谱建立了冬虫夏草中游离氨基酸的分析方法。以0.1mol/L盐酸为萃取剂,0.2ml1.0g/L的L-正缬氨酸为内标溶液,超声萃取20min,以邻苯二甲醛为衍生化试剂,利用WatersC18色谱柱（3.9i.d×150mm,4.6mm,5μm）进行分离,荧光检测器进行检测。该方法方法方法的回收率为94.62%～101.44%,RSD为1.06%～4.61%（n=6）。该方法简便、准确、重现性好,适于冬虫夏草中游离氨基酸的分析。     

三种木本植物伤流液中的游离氨基酸

测定了野茉莉科的白花龙与葡萄科的东南爬山虎、葡萄等三种木本植物伤流液中游离氨基酸的种类及数量,也测定了伤流液中总糖量与还原糖的含量。从测定的数据论述了这段时间前后根系贮存物转化概况。结合这三种植物根中氨基酸生物合成问题作出论述,认为根内的氨基酸生物合成是以天冬氨酸为领头的天冬氨酸族氨基酸为主。     

基于近红外光谱技术的茶油脂肪酸含量的快速检测

为快速准确地测定茶油中脂肪酸含量,建立了应用近红外光谱技术检测茶油中脂肪酸含量的方法。选取市售的156份茶油样品,利用气相色谱仪测定其脂肪酸组成及含量,同时采用近红外光谱仪采集油样的光谱数据,并分析原始(R)光谱、SG平滑(SG)光谱和二阶导数变换(SD)光谱与茶油中脂肪酸含量的相关性,采用偏最小二乘回归法(PLSR)比较全光谱波段与显著性波段对建模精度的影响,优选出茶油中脂肪酸含量的定量检测模型。结果表明:茶油中棕榈酸、油酸和亚油酸含量较高,分别为4.428%~10.931%、78.036%~84.621%、7.013%~9.863%;采集的茶油近红外光谱曲线特征变化较为明显,光谱特征峰的位置分布于8 600~8 200、7 300~6 900、6 000~5 500、4 800~4 500和4 500~4 000 cm–1;茶油中棕榈酸含量与R、SG光谱吸光度呈正相关,油酸和亚油酸含量与R、SG光谱吸光度呈负相关,SD光谱数据与棕榈酸、油酸和亚油酸含量之间的相关系数与R和SG光谱吸光度比较,相关性极大被削弱;基于全波段建立的PLSR模型对棕榈酸、油酸和亚油酸含量的整体预测精度略高于显著性波段所建立的模型,校正集相关系数RC和预测集相关系数RP分别为0.837~0.956和0.818~0.938。从模型的复杂程度分析,采用显著性波段建模的输入变量的数量可压缩至全波段建模的25%以下;SG–PLSR模型对棕榈酸、油酸和亚油酸含量的综合预测性能最优,相应的RP和预测集均方根误差(RMSEP)分别为0.938、0.930、0.925和0.560、0.438、0.287。     

基于近红外光谱苗期玉米叶片叶绿素含量的无损检测方法

试验以42片未经处理的苗期玉米叶片为试材,采用近红外光谱检测技术和SNV+Detrending的预处理方法,应用偏最小二乘回归分析方法建立定量分析模型,通过测定近红外光谱图,研究3 300~10 000 cm-1范围内苗期玉米叶片的光谱特性。结果表明,测定苗期玉米叶片叶绿素含量的决定系数R2为0.989,残差均方根RMSE为0.047,采用近红外光谱快速检测苗期玉米叶片叶绿素含量是可行的。     

近红外光谱技术在测定纯茶油中棕榈油掺入量中的应用

采用偏最小二乘法(PLS)建立了近红外光谱定量检测模型,以定量分析油茶籽油中掺入的棕榈油成分.通过交互验证和外部检验,考察所建模型的可靠性.结果显示:样品不需要任何光谱预处理,直接进行10 000～4 000 cm-1范围内的近红外透反射光谱扫描;建立的PLS模型相关系数为0.999 9,训练集的交叉验证均方根误差(R...     

Application of Wavelet Transform in the Prediction of Navel Orange Vitamin C Content by Near-Infrared Spectroscopy

This study was to search for an approach for rapid measurement of orange vitamin C （Vc） content. By using different decomposing levels of Daubechies 3 wavelet transform, the near-infrared spectra signals obtained from intact fruits of 100 navel orange samples were denoised, and the results of the predicted Vc contents for the corresponding samples determined by the reconstructed spectra after denoising were validated by means of PLS-CV （partial least squared-cross validation）. It was shown that the prediction effects verified by PLS-CV analysis varied when different wavelet transform decomposing levels were employed. At the wavelet decomposing level 4, the best prediction effect was obtained, with the correlation coefficient R between the prediction and true values being 0.9574 and the expected variance RMSECV being as low as 3.9 mg 100 g^-1. Furthermore, the 11 different approaches for the pretreatment of the near-infrared spectrum were compared. It was found that the calibration model established by PLS using spectra pretreated by wavelet transform denoising provided the best prediction for Vc content, exhibiting the highest correlation between the prediction and true values by cross validation. In conclusion, the near infrared spectral model denoised by means of wavelet transform can be used for accurate, rapid, and nondestructive quantitative analysis on navel orange Vc content.