天然牧草营养成分的近红外光谱定量分析

为探讨近红外光谱技术(NIRS)定量分析天然牧草营养成分的可行性,采集高寒草甸类高山嵩草草地天然牧草样品210份,用修正偏最小二乘法(MPLS),建立天然牧草中粗蛋白(CP)、中性洗涤纤维(NDF)、粗脂肪(EE)的近红外定量分析模型。结果表明：CP、NDF模型的交叉验证决定系数(1-VR)分别为0.9886、0.9554,交叉验证标准误差(SECV)分别为0.4393、1.7169,交叉验证相对分析误差(RPDCV)分别为9.3355、4.7194;EE模型的SECV、1-VR分别为0.6264、0.668,模型有待于进一步优化。试验初步建立了河南县高山嵩草草地天然牧草CP、NDF、EE定量分析模型,为青海省各地区天然牧草营养价值数据库的建立提供了基础数据。     

基于近红外光谱定量分析技术对大米年际的研究

大米是我国居民膳食的重要来源,其新陈度直接影响到大米的营养成分。为了探索大米新陈度的高效、安全、快速检测方法,利用近红外光谱技术对150份大米进行检测研究。结果表明,采用偏最小二乘法建立的定量分析模型对不同年际大米的正确鉴别率高达94.1%。因此,使用近红外光谱对大米进行快速新陈度鉴别可取得较高精确和稳定的检测结果。     

金冠苹果冷藏不同时间1-MCP处理对果实质地的影响

金冠苹果于(0±0.5)℃下冷藏不同时间(0、12、24 d)用1-MCP(浓度1μL/L)进行处理,采用质构仪质地多面分析法(TPA)测定不同处理果实的果肉质地参数,研究冷藏不同时间1-MCP处理对金冠苹果保鲜效果的影响。结果表明,果肉脆度与咀嚼性呈显著正相关,与黏着性呈显著负相关;果肉硬度与凝聚性、咀嚼性分别呈显著、极显著正相关;果肉凝聚性与回复性、咀嚼性呈显著正相关;果肉黏着性与其他质地指标均呈负相关。各1-MCP处理组均能够延缓果实脆度、凝聚性、回复性、咀嚼性的降低,抑制黏着性的增加,从而延缓果实的软化,但其作用效果会随着处理时间的延后而降低。所以,金冠苹果采用1-MCP处理的时间以冷藏后不超过12 d为宜。     

烟叶总氮的近红外光谱检测模型研究

探索建立一种有效的烟叶总氮含量近红外光谱检测模型,并寻找1100~2500 nm波段中预测烟叶总氮含量的有效波长。采用多种不同的光谱处理方法,并选择较优的一阶导数光谱处理原始光谱,再用偏最小二乘回归建立模型和Martens不确定性检验方法选择有效波长。基于全部波长建立的模型,训练集r=0.9930,RMSE=0.0490;交叉验证r=0.9708,RMSE=0.0996;预测集r=0.9747,RMSE=0.0884。基于有效波长建立的模型,训练集r=0.9937,RMSE=0.0464;交叉验证r=0.9744,RMSE=0.0938;预测集r=0.9610,RMSE=0.1116,预测值与化学值的绝对误差小于0.227%,相对误差未超过0.1%。表明使用近红外光谱分析技术检测烟叶总氮含量较好,采用Martens不确定性检验方法选择有效波长,并利用有效波长预测烟叶总氮含量是可行的。     

蜂蜜中水分 果糖和葡萄糖的近红外定量分析模型

采用近红外光谱(NIRS)技术和偏最小二乘回归(PLS)方法分别建立了蜂蜜中的水分、果糖和葡萄糖含量的近红外定量分析模型,并对模型进行评价和考察。结果表明,所建模型具有一定的实用性。     

大米蛋白质含量近红外光谱检测模型研究

探索建立一种有效的大米蛋白质含量近红外光谱检测模型,并寻找1100~2500nm波段中预测大米蛋白质含量的有效波长。采用面积归一化（Area Normalization）方法进行光谱预处理。用主成分回归方法建立回归模型,用Martens不确定性检验方法选择有效波长。发现利用主成分分析可以较好地区分出不同种类的米粉,样品在主成分上的得分可以作为鉴别米粉种类及品质的依据。基于全部波长建立的回归模型,训练集r=0.9923,RMSE=0.0747。交叉验证的结果r=0.9399,RMSE=0.2103。预测集r=0.9364,RMSE=0.1607。基于有效波长建立的回归模型,训练集r=0.9899,RMSE=0.0854。交叉验证结果r=0.9437,RMSE=0.2004。预测集r=0.9079,RMSE=0.1796。使用近红外光谱分析技术检测大米蛋白质含量是可行的,采用Martens不确定性检验方法选择有效波长,并利用有效波长预测大米蛋白质含量也是可行的。     

烟叶化学成分协调性的近红外光谱检测模型研究

对烟粉全部近红外光谱数据采取不同的预处理方法来探究烟叶化学成分协调性（施木克值、糖碱比、氮碱比）,基于有效波长光谱数据建立相应的近红外光谱的检测模型,并利用偏最小二乘法(PLS)通过训练集的交叉验证建立回归模型。通过全部波长数据中值滤波平滑处理后建立施木克值的回归模型,预测集r=0.9861、RMSE=0.0548;通过全部波长数据卷积平滑二阶求导处理后建立糖碱比的回归模型,预测集r=0.9498、RMSE=0.9095;在对光谱数据处理较优的Norris一阶导数数组基础上选取30个有效波长建立氮碱比的回归模型,预测集r=0.9202、RMSE=0.6947。结果表明：利用近红外光谱可以较好地预测烤烟施木克值、糖碱比和氮碱比。     

基于穿刺测试和TPA法的板栗果实质地分析

为比较不同板栗品种之间果实质地差异,采用质构仪穿刺测试和质地多面分析（TPA）法测定了16个品种板栗果实的质地特性。结果表明：板栗果实表型和质地性状变异丰富,穿刺果面硬度、果肉平均硬度、TPA硬度间呈极显著正相关,且均与果面韧性、果面脆性和紧实度呈极显著正相关（P<0.01）;单果质量和果实横径与果实硬度呈显著负相关（P<0.05）。主成分分析将17个指标（果实表型和质构仪参数指标）组合形成果实硬度、咀嚼特性、果实大小和黏附性因子4个主成分,其累计方差贡献率为89.298%。聚类分析可将这些板栗品种根据质地和表型参数分为7类,不同类别之间差异较大,表明这些特征参数可作为板栗种质资源的评价指标,为板栗鲜食品质鉴定、加工利用和品种选优提供科学依据。     

基于近红外光谱的小麦品质分类研究

为了快速、简便、准确地鉴别小麦品质的类别,本研究提出了应用近红外光谱分析技术结合BP神经网络的鉴别方法对小麦进行品质分类。研究过程中对小麦样品的光谱数据进行了详细分析,采用马氏距离剔除了光谱数据中异常数据,并通过主成分分析说明利用近红外光谱鉴别小麦品质分类的可行性。为了提高所建模型的性能,采用SPXY算法对小麦样品进行合理的划分。并选取了一阶微分加归一化的预处理方法来处理光谱数据,消除无关信息和噪声对小麦光谱数据的影响。运用偏最小二乘法压缩光谱数据,减少了数据量,节省建模时间。最后采用BP神经网络方法建立了小麦品质分类模型。实验结果显示：模型的鉴别效果较好,对强筋样品识别的准确率高达94.4%,弱筋样品识别的准确率高达100%。实现了快速、准确地对小麦品质强筋和弱筋两类的鉴别,对小麦生产、市场交易及食品加工有着非常重要的意义。     

花生籽仁蛋白质含量近红外光谱模型的建立

采用近红外漫反射光谱非破坏性分析,结合偏最小二乘法,以河北省地方花生品种为研究对象建立了花生籽仁蛋白质含量的近红外光谱模型。结果表明,对原始光谱数据采用一阶导数+变量标准化处理的方法建立的模型其校正或预测效果最佳。该模型的校正集和验证集决定系数分别为0.9245和0.9018,校正标准误和预测标准误分别为0.3601和0.4153。用该模型对16个未参与建模的花生品种进行了预测,结果表明该模型具有很好的预测能力,可以用于花生品种蛋白质含量的快速检测。     

食源性致病菌近红外光谱改进贝叶斯判别模型的建立

采用傅里叶变换近红外光谱仪结合化学计量学方法对大肠埃希氏菌O157∶H7、单增李斯特菌、金黄色葡萄球菌3种典型食源性致病菌进行鉴别研究。光谱数据经矢量归一化等预处理后,选取6 000~4 000 cm~(-1)波数范围具有菌株特性的谱图作为鉴别分析的研究对象,进行主成分分析(Principal component analysis,PCA)。利用PCA提取的前2个主成分作为贝叶斯判别(Bayes discriminant analysis,BDA)模型的最优判别因子,建立改进贝叶斯判别模型。该改进模型对训练样本和未知样本的判别正确率均达到100%。结果表明,改进BDA模型比BDA模型在食源性致病菌的判别精确度上有较大提高,基于近红外光谱的改进BDA模型可以作为一种准确、有效的食源性致病菌快速鉴别方法。     

食用向日葵子仁蛋白质含量近红外光谱模型的建立

以自育的57份食用向日葵子仁为测试对象,用化学方法测定蛋白质含量,对照近红外漫反射光谱,通过偏最小二乘法建立了食用向日葵子仁蛋白质含量的近红外光谱模型。结果表明,对原始光谱数据采用“一阶倒数+多元散射校正(FD+MSC)”处理的方法建立的模型其校正或预侧效果最佳。该模型的校正决定系数和验证决定系数分别为0.95和0.93,校正标准误和预测标准误分别为0.96和1.16。用该模型对16份未参与建模的食用向日葵材料进行了预测,结果表明该模型预测能力较好。     

基于近红外光谱的大米蛋白质含量的研究

利用近红外光谱分析技术,采集不同大米样品蛋白质的光谱图,并提取蛋白质官能团的特征值在波长785,910,1020,1040nm处的吸光度。通过不同建模方案的比较,最终采用非线性幂函数曲线,建立预测模型,从而快速准确地找出光谱吸光度与蛋白质含量间的关系。     

不同机械损伤对葡萄果实质地的影响

以红地球葡萄果实为试料,采用质构分析法（TPA）研究了不同高度跌落机械损伤对葡萄果粒感官品质及质地变化的影响,并分析各指标相互关系。结果表明：葡萄果实经不同高度机械跌落后,随着跌落高度的增加,其感官品质发生很大变化;当跌落高度小于60 cm时,外观观察无明显差异,当跌落高度≥80 cm后,外观差异明显,损伤的果粒数量和损伤级数均增加明显;损伤指数与跌落高度回归拟合度高（R2=0.985）,100 cm和160 cm高度跌落时,损伤指数分别是60 cm处理的4倍和8倍之多;随跌落高度的增加,果实硬度和咀嚼性值呈下降趋势,80~160 cm处理下降幅度明显大于其他处理;果实弹性、凝聚性和回复性呈增加趋势,80~160 cm处理均与对照呈极显著差异（P＜0.01）,100 cm和160 cm处理凝聚性分别增加了24.5%和31.0%,回复性大于其他3个处理;机械损伤指数与硬度、咀嚼性、胶黏性呈负相关性,与凝聚性和弹性、回复性呈正相关。     

番茄黄化曲叶病毒的定量分析

实时荧光定量PCR(q RT-PCR)具有灵敏度高、特异性强、重复的动态定量范围和高通量等优点,是进行植物基因定量分析最常用的技术手段之一。番茄黄化曲叶病毒病(tomato yellow leaf curl virus disease,TYLCD)是番茄生产上最严重的病害,为了研究番茄对于TYLCD的抗性与病毒含量之间的相关性,本研究利用q RT-PCR技术对含有不同抗病基因番茄材料、感病番茄材料中病毒的含量进行分析。结果表明:接种后同一时期抗病材料的病毒含量总体低于感病材料;除Ty-1+2+3+5番茄材料外,其它抗病番茄材料随着时间的增长,病毒含量均呈现先升高后降低的趋势,有效地阻止了病毒繁殖;番茄材料的病毒含量与抗性呈现负相关性。本研究可为进一步研究和导入新的抗病基因提供理论指导。     

近红外光谱数据分析方法的研究进展

分析了近红外光谱分析技术的特点,总结了数据处理方法的发展趋势。详细综述了光谱的预处理、定性和定量模型建立方法的研究进展。在光谱的预处理方面,目前常用的方法有:平滑、多元散射校正(MSC)、傅里叶变换(FT)、小波变换(WT)等。小波变换是近几年发展起来的一种数据处理技术,它比较稳定,具有局部性质。模型优化方法主要包括偏最小二乘法(PLS)、拓扑学方法、人工神经网络(ANN)、支持向量机(SVM)等。蚁群算法是新近发展起来的基于群体智能的仿生优化算法。SVM可以减少结构风险和机会风险,是目前理论应用工作者的研究重点。     

小麦品质的近红外光谱研究

使用附φ60mm积分球的日立330分光光度计及P—E3600数据台,进行谷物的近红外反射光谱(NIRS)的测试及数据处理。探讨了样品厚度、样品压片压力大小,样品粒度大小对测定的影响。测试了50个不同地区,不同品种的小麦样品,并对NIRS数据进行了10g1/R,Δ(log1/R)的数学转换及线性和非线性逐步回归处理,建立了与水份、蛋白质、面筋率、容重相关系数分别为0.914,0.978,0.94,0.926的回归方程。     

基于近红外光谱的单粒水稻种子活力快速无损检测

采用近红外光谱分析技术,对不同品种单粒水稻种子原始光谱进行一阶求导、5点平滑、矢量归一化光谱预处理后,建立定性分析模型。利用因子化法计算光谱距离,定性分析选择系数S均大于1.1832,结果表明能够有效区分高活力与低活力种子。此方法有利于快速无损地检测单粒种子活力,克服了传统的种子活力检测方法如发芽试验、TTC染色等方法存在的耗时长、工作量大、结果滞后等问题,为筛选种子、提高种子发芽率、种子活力实时监测提供了一种新的选择。     

不同烘烤条件下烤烟纤维素的近红外光谱检测模型研究

为探索不同烘烤条件下烤烟纤维素含量近红外光谱检测模型,采用偏最小二乘回归法(PLS)对不同烘烤条件下的共85个样品,分别基于全部波长建立模型。常规烘烤时,定标集r=0.9949,RMSE=0.1122;交叉验证集r=0.9234,RMSE=0.4636;预测集r=0.8982,RMSE=0.6963。低温烘烤时,定标集r=0.9811,RMSE=0.3279;交叉验证集r=0.9456,RMSE=0.5290;预测集r=0.9938,RMSE=0.1608。高温烘烤时,定标集r=0.9128,RMSE=0.4381;交叉验证集r=0.8215,RMSE=0.6162;预测集r=0.9743,RMSE=0.1986。结果表明,采用偏最小二乘法预测不同烘烤条件下烤烟纤维素含量是可行的。