大米直链淀粉含量的近红外光谱分析

大米的直链淀粉含量是影响大米蒸煮和加工特性的最重要因素之一,常被用作蒸煮米质构特性评价指标。该文对不同粒度、不同类型大米样品进行了近红外光谱分析,建立了大米直链淀粉含量的预测模型,（精米样品）预测值与化学分析值的相关系数达0.95。预测标准差、平均相对误差分别为0.56和3.1%。     

羊肉色泽傅立叶变换近红外光谱定量分析方法研究

以从北京市、山西大同市、宁夏吴忠市3个地区筛选的有代表性的227份羊肉样品为试材,应用傅里叶变换近红外光谱技术探讨羊肉色泽无损检测的方法。以决定系数(R2)、校正标准差(RMSECV)和预测标准差(RMSEP)为近红外光谱检测模型的评价指标,采用偏最小二乘法(PLS)对近红外光谱信息与样品的色差e值进行拟合,确定最佳的光谱预处理方法、主成分数和光谱区间范围。结果表明:所选227个羊肉样品的色差e值分布范围为1.556～9.879,其中80%以上的样品e值在1～5之间,具有显著的代表性;在11995.5～4597.6cm-1的波段范围内,最佳主成分数为6时,近红外光谱经最大最小归一法处理后,建立的羊肉色泽预测模型精度最高,R2达到0.776,RMSECV为0.451;用此模型对预测集48个样品进行预测,预测值与实测值的相关系数(R)为0.835,RMSEP为0.517,该研究表明利用近红外光谱技术检测羊肉色泽可行。     

苹果糖分含量的近红外漫反射检测研究

应用近红外漫反射技术探讨水果糖分含量检测方法并建立其光谱漫反射测量系统,重点对0,2,4 mm和6 mm 4种不同测量距离对苹果糖分含量无损检测的影响分析.试验结果为:当光纤贴紧苹果表面(0 mm测量距离)时建立的校正方程对未知样品的预测效果最好.利用主成分回归多元校正技术,建立在0 mm时红富士苹果样品糖分含量的预测数学模型,其样品预测值和实测值之间的相关系数为0.844,标准校正误差(SEC)为0.729,标准预测误差(SEP)为0.864,偏差(Bias)为0.318.通过本次试验研究表明,应用近红外光谱漫反射技术进行苹果糖分含量无损检测具有可行性,并得到了较为满意的预测效果.     

两种稻谷胶稠度测定方法的比较分析

为探索快速准确检测稻谷胶稠度的方法,本研究通过近红外漫反射红外光谱技术(NIRDRS)和傅里叶变换中红外漫反射红外光谱技术(FTIRDRS)结合偏最小二乘法(PLS),分别建立107个稻谷样品的胶稠度快速测定红外模型,而后利用区间偏最小二乘法(iPLS)及反向区间偏最小二乘法(BiPLS)对模型进行优化,得到较优的胶稠度测定分析通用模型。结果表明,DRIFTS原始光谱经7点平滑预处理和BiPLS优化,得到最佳模型的交互验证系数(R²)、交叉验证均方差(RMSECV)、预测均方差(RMSEP)及相对分析误差(RPD)分别为0.965 81、4.79、4.73及2.66。最佳近红外漫反射光谱模型是经多元散射校正(MSC)预处理、BiPLS优化后建立的,其R²、RMSECV、RMSEP及RPD分别为 0.964 58、4.35、3.68及3.42。10组外部验证性试验中NIRDRS模型的平均相对误差为1.93%,FTIRDRS模型的平均相对误差为2.60%,表明两种方法均对稻谷胶稠度含量有较强的预测能力和良好的预测效果,均有替代传统国标法测定稻谷胶稠度的潜力。     

烤烟烟叶钾含量的近红外光谱法快速测定

随机选取烤烟建模集样品(150个)和检验集样品(35个),利用傅里叶变换近红外光谱仪测定烤烟样品的近红外光谱,并用常规化学分析法测定烤烟样品的含钾量。采用偏最小二乘法(PLS)把测得的烤烟样品的光谱值与烤烟钾含量的数值拟合建立定标模型,经分析得出:预测模型分析烤烟钾含量的决定系数(R2)为0.909,预测标准差(RMSEP)为0.119%。近红外法测定结果与常规化学分析方法的结果具有较好的相关性,能够应用于烤烟钾含量的快速诊断。     

近红外技术快速测定肉鸡粪便主要肥料成分含量的研究

该文探讨了利用近红外光谱分析技术(NIRS)快速测定肉鸡粪便主要肥料成分含量的可行性。在饲养试验过程中采集了肉鸡粪便样品183个，利用常规实验室分析方法测定了其中的总氮(TN)、总磷(TP)、总钾(TK)、铵态氮(AN)、有效磷(EP)含量，利用近红外光谱仪取得了样品在1421.5～2572.2 nm波段的光谱，并使用偏最小二乘法(PLS)结合交互验证(CV)和留一检验法(LOO)建立了肉鸡粪便肥料成分的近红外光谱定标模型，同时利用该模型对20个样品的总氮、总磷、总钾、铵态氮、有效磷的含量进行预测，得出的5种主要肥料成分的预测值和真实值(实验室经典化学分析方法测定值)之间具有显著的相关性，其相关系数分别为0.9574，0.9590，0.9870，0.9572和0.9650。预测标准差分别为0.0014，0.0012，0.0012，2.3041×10^-4和0.3814。结果表明，利用近红外光谱法对肉鸡粪便风干样品的主要肥料成分进行快速测定是可行的。     

一种加窗数据降维方法在光谱分析中的应用

加窗处理方法是在应用近红外光谱分析技术对食品品质进行分析、建立数学预测模型的过程中,选用适当窗函数对原始光谱数据施行降维、降噪等操作,从而节约计算机内存、减少运算量,并提高模型的预报精度.对于大米近红外光谱数据,分别采用不加窗处理和加窗处理措施建立了大米蛋白质含量的预测模型.经实验,该方法能有效地压缩原始数据、降低噪声影响,明显地缩短了计算机的运行时间,使模型评价指标如平均相对误差、平均偏差和预测标准差有所降低,使预测值和化学参比值的相关系数由0.9204提高到0.9526.     

近红外光谱检测苹果可溶性固形物

该文目的是通过静态和在线两种方式的对比试验,研究苹果可溶性固形物近红外光谱静态和在线检测的差异。分别在静态（600～950 nm）和在线（600.02～950.92 nm）2种检测方式下,采用间隔偏最小二乘法,寻找苹果可溶性固形物的特征波段,建立了苹果可溶性固形物近红外光谱检测用数学模型,并进行对比分析。试验结果为：与静态检测模型相比,在线检测模型性能稍弱,模型预测相关系数为0.78,预测均方根误差为1.04oBirx。试验结果表明：近红外光谱在线检测苹果可溶性固形物的精度不理想。     

近红外反射技术建立合肥地区精米直链淀粉含量测定模型

以合肥地区种植的203份水稻材料为检测对象,用近红外反射技术采集光谱,常规化学方法测定精米直链淀粉含量。结果表明,定标样品的直链淀粉含量分布范围为3.439%～28.046%,代表性和连续性良好。采用多种计量数学处理方法和偏最小二乘法(PLS),优化建立了精米直链淀粉含量的定量分析预测模型。定标集(C-Set)样品数132个,相关系数(Rc)0.9278,定标标准差(SEC)1.6582;验证集(V-Set)样品数67个,相关系数(Rv)0.8736,预测标准差(SEP)1.9083,并证实所建立的模型在测定精米直链淀粉含量上具有很好的准确性和实用性,对合肥地区水稻品质育种及种质资源相关研究具有实用价值。     

近红外光谱技术在畜产品检测中的应用研究

近红外光谱作为快速、无损的检测技术,被广泛应用于畜产品检测领域。通过样品光谱信息与被测样品理化指标相关联,构建高精度、稳定性好的数学模型,可不破坏样品而获取被测样品信息,实现畜产品的定性定量快速预测。本文综述了近红外光谱技术在主要畜产品（肉、原料乳和毛绒）真实性鉴别、产地和品种溯源、理化指标检测等方面的研究进展,分析了近红外光谱技术在畜产品检测方面存在的不足及未来发展趋势,为近红外光谱技术应用发展提供数据支撑和理论参考。     

傅立叶变换中红外光谱估测水稻叶片氮素含量的研究

通过不同氮素水平的水稻田间试验,在分析测定了水稻叶片叶绿素、氮素等农学参数后,采用傅立叶中红外光谱仪测定了水稻孕穗期叶片干样的透射光谱,利用协同偏最小二乘算法（siPLS）分析选取了傅立叶变换红外光谱估测水稻氮素含量的敏感波段及其组合。结果表明,其最优主成分数是9个,最佳估测建模的波段组合分别为1350.89～1586.57, 1587.53～1822.40 和 3709.41～3943.72 cm-1;建立的水稻氮素预测模型的精度较高,交互验证均方根误差（RMSECV）和预测均方根误差（RMSEP）分别为0.1538和0.1933,预测值与化学分析获得的叶片总氮浓度之间的交互相关系数和独立检验相关系数分别为0.9393和0.6649,高于中红外光谱指数NFS和NFSA的预测精度。说明利用傅立叶红外光谱作为水稻氮含量的诊断技术是可能的,值得进一步验证和完善。     

除草剂胁迫下大麦叶片丙二醛含量的光谱快速检测方法

丙二醛(MDA)是植物衰老和抗性生理研究中的一个重要指标,传统检测方法程序复杂,检测费时。该研究应用近红外光谱技术实现了除草剂胁迫下大麦叶片丙二醛(MDA)含量的简便、无损、快速检测。采集75个大麦叶片样本的近红外光谱数据,比较了Savitzky-Golay平滑(SG)、变量标准化(SNV)、多元散射校正(MSC)等7种预处理方法,建立了大麦叶片丙二醛含量预测的最优偏最小二乘法(PLS)模型,将PLS提取的特征向量(LV)作为最小二乘-支持向量机(LS-SVM)模型的输入变量,建立了LV-LS-SVM模型。选用回归系数(RC)方法提取原始光谱的特征波长,将其分别作为PLS、MLR和LS-SVM的输入变量建立相应模型。将相关系数(r)和预测集均方根误差(RMSEP)作为模型的主要评价指标。结果表明,LV-LS-SVM模型效果优于PLS模型,LV-LS-SVM模型在SNV及MSC预处理后预测效果相同,其预测的r和RMSEP分别为0.9383和10.4598,获得了满意的预测效果。说明应用光谱技术检测大麦叶片中MDA含量是可行的,且预测精度较高,为大麦生长状况的大田监测及除草剂胁迫对大麦抗性等生理信息的快速检测提供了新的途径。     

基于近红外光谱技术的淡水鱼品种快速鉴别

为探索淡水鱼品种的快速鉴别方法,该文应用近红外光谱分析技术,结合化学计量学方法,对7种淡水鱼品种的判别分类进行了研究。采集了青、草、鲢、鳙、鲤、鲫、鲂等7种淡水鱼,共665个鱼肉样品的近红外光谱数据,经过多元散射校正(multiplicative scatter correction,MSC)、正交信号校正(orthogonal signal correction,OSC)、数据标准化(standardization,S)等20种方法预处理,在1 000~1 799 nm范围内分别采用偏最小二乘法(partial least square,PLS)、主成分分析(principal component analysis,PCA)和BP人工神经网络技术(back propagation artificial neural network,BP-ANN)、偏最小二乘法和BP人工神经网络技术对7种淡水鱼原始光谱数据进行了鉴别分析。结果表明,近红外光谱数据,结合主成分分析和BP人工神经网络技术建立的淡水鱼品种鉴别模型最优,模型的鉴别准确率达96.4%,对未知样本的鉴别准确率达95.5%。模型具有较好的鉴别能力,采用该方法能较为准确、快速地鉴别出淡水鱼的品种。     

Use of visible and near infrared spectroscopy and least squares-support vector machine to determine soluble solids content and pH of cola beverage

Visible and near infrared (VIS/NIR) transmission spectroscopy and chemometric methods were utilized for the fast determination of soluble solids content (SSC) and pH of cola beverage. A total of 180 samples were used for the calibration set, whereas 60 samples were used for the validation set. Some preprocessing methods were applied before developing the calibration models. Several PLS factors, extracted by partial least squares (PLS) analysis, were used as the inputs of least squares-support vector machine (LS-SVM) model according to their accumulative reliabilities. The correlation coefficient (r), root mean square error of prediction (rmsEP), bias, and RPD were 0.959, 1.136, -0.185, and 3.5 for SSC, whereas 0.973, 0.053, 0.017, and 4.1 for pH, respectively. An excellent prediction precision was achieved by LS-SVM compared with PLS. The results indicated that VIS/NIR spectroscopy combined with LS-SVM could be applied as a rapid and alternative way for the fast determination of SSC and pH of cola beverage.     

基于机器视觉和近红外光谱技术的杏干品质无损检测

干果品质直接影响其市场销售。该研究以杏干为对象探讨用机器视觉和近红外光谱技术快速无损检测干果内外品质的方法。拍摄杏干4个不同位置的彩色图像,用基于区域骨架化的填充法分割杏干,提取每种角度下的面积。从100个正常杏干样本中随机挑选75个为校正集,25个为预测集,用多元线性回归对杏干的实际质量和4个面的面积建模,得到校正集和预测集相关系数分别为0.9374和0.9307,杏干质量分级的准确率为90%。提出用基于平均灰度的区域增长法提取杏干缺陷,缺陷检测的准确率为84.5%。采用SNV对杏干近红外光谱进行预处理,然后分别采用偏最小二乘法(PLS)、向后区间偏最小二乘法(biPLS)及联合区间偏最小二乘法(siPLS)建立杏干糖度预测模型。结果表明,当全光谱范围被划分为22个子区间,优选出区间[17、2、3、9、20、13、7、18、15、11、6],主因子数为10时建立的biPLS糖度模型性能最好。其校正集相关系数和校正均方根误差分别为0.8983和1.23,预测集相关系数和预测均方根误差分别为0.8814和1.46。研究表明,机器视觉结合近红外光谱技术能对杏干内外品质进行综合检测,也可为其他干果的品质检测提供借鉴。     

利用近红外光谱测定玉米非淀粉组分中纤维素及半纤维素含量

玉米非淀粉组分是可再生的生物质资源,为实现玉米皮渣中纤维素及半纤维含量的快速检测,该研究以偏最小二乘法(PLS)建立数学模型,探讨一阶导数及二阶导数平滑等预处理对建模的影响,建立玉米皮渣中纤维素及半纤维素近红外分析模型.研究结果表明,纤维素模型的定标集和验证集相关系数为0.9806和0.9799,定标集标准偏差(SEE...     

Dose detection of radiated rice by infrared spectroscopy and chemometrics

Infrared spectroscopy based on sensitive wavelengths (SWs) and chemometrics was proposed to discriminate the nine different radiation doses (0, 250, 500, 750, 1000, 1500, 2000, 2500, and 3000 Gy) of rice. Samples ( n = 16 each dose) were selected randomly for the calibration set, and the remaining 36 samples ( n = 4 each dose) were selected for the prediction set. Partial least-squares (PLS) analysis and least-squares-support vector machine (LS-SVM) were implemented for calibration models. PLS analysis was implemented for calibration models with different wavelength bands including near-infrared (NIR) regions and mid-infrared (MIR) regions. The best PLS models were achieved in the MIR (400-4000 cm (-1)) region. Furthermore, different latent variables (5-9 LVs) were used as inputs of LS-SVM to develop the LV-LS-SVM models with a grid search technique and radial basis function (RBF) kernel. The optimal models were achieved with six LVs, and they outperformed PLS models. Moreover, independent component analysis (ICA) was executed to select several SWs based on loading weights. The optimal LS-SVM model was achieved with SWs (756, 895, 1140, and 2980 cm (-1)) selected by ICA and had better performance than PLS and LV-LS-SVM with the parameters of correlation coefficient ( r), root-mean-square error of prediction, and bias of 0.996, 80.260, and 5.172 x 10 (-4), respectively. The overall results indicted that the ICA was an effective way for the selection of SWs, and infrared spectroscopy combined with LS-SVM models had the capability to predict the different radiation doses of rice.