近红外光谱分析技术在饲料快速检测领域中的应用

饲料品质是影响动物生长发育的关键性因素,实时准确分析饲料原料和成品饲料的各种成分含量是确保饲料生产质量、优化饲料配方设计和降低企业生产成本的一项重要措施.文章归纳梳理了近年来近红外光谱分析技术在饲料快速检测领域中的应用情况,并根据近红外光谱技术的特点论述了该技术在饲料分析检测中的应用现状和未来的应用前景,以期为近红外光...     

近红外分析技术及其应用

近红外分析技术是目前发展最快和最具有前景的过程分析技术之一,本文简要介绍了近红外分析技 术的发展、特点和原理;介绍了该技术在农产品、水果和蔬菜、肉制品、奶制品和制药等方面的应用并对近红外技 术的应用前景进行展望。     

近红外技术在烟草分析领域的研究进展

综述了近红外光谱分析技术的基本原理、发展历程和特点,以及国内外近红外技术在烟草分析领域的研究现状及进展。     

近红外光谱分析技术及其在农业领域的应用

近红外光谱分析技术是一种高效、快速的现代分析技术，已在很多领域得到广泛应用。本文对近红外光谱分析技术的发展历程、技术原理、分析程序，技术特点以及在企业领域的应用作了简要介绍，并对其在农业领域的应用前景进行了讨论。     

利用近红外光谱技术快速检测烤烟苗期病毒病

[目的]筛选苗期病毒快速检测的化学成分指标。[方法]采用摩擦接种方法对烟苗接种TMV病毒诱发病毒病,利用近红外光谱对健株和病株内在化学成分(还原糖、钾、氯、总氮、总糖和总烟碱)进行了定性和定量分析。[结果]接种TMV 10 d后,健株与病株在化学成分上差异较大,特别是在有机物含量上,各调查时期的处理均高于对照。[结论]可将有机物如还原糖、总糖和总烟碱等含量作为病毒检测的主要指标,并辅以无机成分含量作参考。     

近红外反射光谱（NIRS）分析技术及其在农业上的应用

论述了近红外光谱（NIRS）分析技术的原理、技术特点,介绍了近红外光谱仪、光谱预处理方法以及化学计量学研究的发展过程,最后重点论述近红外反射光谱技术的应用现状及其发展前景。     

近红外光谱技术及其在饲料分析中的应用

在介绍近红外光谱技术的测定原理及定量分析方法基础上,对近红外光谱技术在饲料的常规成分检洲、有毒有害成分和维生素检测、预测粗饲料成分、有效能检测、氨基酸检测等方面的应用现状进行了阐述.     

近红外光谱快速检测技术在食用油领域的应用

近红外光谱技术由于其分析速度快、信息量大、不破坏样品、无污染、操作技术要求低等特点而受到人们越来越多的关注,在众多领域得到研究和应用。综述了近红外光谱技术在食用油领域的研究和应用进展,主要包括在食用油酸值、过氧化值、脂肪酸含量、种类及掺假判定、调和油配比等多个方面的研究。虽然食用油种类繁多、近红外光谱仪器和软件的专用性不足,是造成近红外光谱技术在食用油实际检测中应用的阻碍,但随着研究的进一步深入,该技术在食用油领域一定有着广阔的应用前景。     

近红外光谱快速检测技术在食用油领域的应用

近红外光谱技术由于其分析速度快、信息量大、不破坏样品、无污染、操作技术要求低等特点而受到人们越来越多的关注,在众多领域得到研究和应用。综述了近红外光谱技术在食用油领域的研究和应用进展,主要包括在食用油酸值、过氧化值、脂肪酸含量、种类及掺假判定、调和油配比等多个方面的研究。虽然食用油种类繁多、近红外光谱仪器和软件的专用性不足,是造成近红外光谱技术在食用油实际检测中应用的阻碍,但随着研究的进一步深入,该技术在食用油领域一定有着广阔的应用前景。     

近红外分析技术在烟草行业的应用研究进展

对国内外近红外分析技术在烟草行业的应用研究进行了较详细的综述,认为近红外光谱分析技术在烟草行业的应用范围越来越宽广,在化学成分分析方面应用较成熟;并对该技术在烟草行业的应用进行了展望。     

基于连续投影算法-遗传算法-BP神经网络的可见/近红外光谱木材识别

  目的  基于可见/近红外光谱技术,以10种木材为研究对象,探索不同预处理和特征提取方法下BP神经网络识别木材的效果。  方法  利用美国ASD公司生产的LabSpec 5000光谱仪采集10种木材的光谱图,分别进行移动平均法处理、移动平均法+多元散射校正(MSC)、移动平均法＋标准正态变量变换(SNV)、Savitzky-Golay卷积平滑算法(S-G滤波器)、S-G滤波器+MSC和S-G滤波器+SNV的预处理,运用主成分分析法(PCA)、连续投影算法(SPA)、SPA和遗传算法(GA)联合分别进行特征提取,将提取的特征结合BP神经网络进行木材识别试验。  结果  以SPA和GA联合提取光谱特征时,移动平均法+SNV的预处理效果最佳,以吸收峰为起始波段(W_initial=1 445 nm)、吸收峰个数为特征个数(N_tot=9)时,识别率较高,特征个数大部分减少为SPA提取特征值个数的一半左右。BP神经网络的平均识别速度提升明显。10种木材的平均识别率为98.0%,其中7种木材的识别率达到了100.0%。  结论  在移动平均法+SNV的预处理下,SPA和GA联合提取光谱图的特征,既可提高BP神经网络识别木材的正确率,又可提升识别速度。图3表6参23     

基于可见近红外光谱及增强回归树算法的鸡蛋种类鉴别

利用可见-近红外光谱技术,选取湖北地区同一品种不同饲养环境下的鸡蛋,提取鸡蛋的光谱透射率(500~900nm),利用标准正态变量变换对光谱数据进行预处理,结合竞争性自适应重加权与主成分分析对光谱数据进行二次降维,并将提取的特征信息输入增强回归树算法,建立鸡蛋土洋种类鉴别模型,模型的训练集和测试集判别正确率分别为98.33%和97.00%。结果表明,应用基于可见-近红外光谱及增强回归树方法,针对同一母鸡品种但不同饲料产出的土洋鸡蛋的种类鉴别是可行的。     

近红外光谱分析技术及其在农业中的应用

1 前言 近红外光谱分析(Near Infrared Reflectance Spetroscopy 简称NIRS)是利用有机化学物质在其近红外光谱区内的光学特性快速估测样品中的一项或多项化学成分含量的新技术[1].该技术最早于70年代后期由美国农业部(UNDA)的K.H.Norris博士研究开发[2].它具有快速、方便、简单、准确及同时可分析多种组分(最多可达6种组分)的优点,是一种非破坏性的"瞬间分析"技术,享有"巨人"法之美称.现已广泛应用于谷物、食品、油料、饲料及土壤等组分含量的分析[3～8].     

Factors influencing near infrared spectroscopy analysis of agro-products: a review

The near infrared (NIR) spectroscopy technique has wide applications in agriculture with the advantages of being nondestructive, sensitive, safe and rapid. However, there are still more than 40 error sources influencing the robustness and accuracy of its calibration and operation. Environmental, sample and instrument factors that influence the analysis are discussed in this review, including temperature, humidity and other factors that introduce uncertainty. Error sources from livestock products, fruit and vegetables, which are the most common objects in the field of NIR analysis, are also emphasized in the second part. In addition, studies utilizing different instruments, spectral pretreatments, variable selection methods, wavelength ranges, detection modes and calibration methods are tabulated to illustrate the complications they introduce and how they influence NIR analysis. It is suggested that large scale of data with abundant varieties can be used to build a more robust calibration model, in order to improve the robustness and accuracy of the NIR analytical model, and overcome problems caused by confining analysis to too many uniform samples.     

基于近红外光谱技术的大米掺伪定量判别

针对现在市场上常见的两种大米掺伪现象,利用近红外光谱技术结合化学计量学方法分别建立了大米中掺入低档米和掺入矿物油的定量分析模型。制配不同掺伪比例的大米样品,采集其近红外光谱,并选用标准正态变量变换、最大最小归一化、平滑和一阶导数4种方法对原始光谱进行预处理,分别结合偏最小二乘法建立PLS定量分析模型。通过对比建模结果选出的最优预处理方法是最大最小归一化,建立的掺低档米模型的校正集和预测集相关系数分别为0.9698和0.9845,均方根误差分别为8.66和6.46;掺矿物油米模型的校正集和预测集相关系数分别为0.9739和0.9888,均方根误差分别为0.106和0.0698。模型的预测精度和稳定性均很好,实现了对两种掺伪大米快速、准确的定量判别,为大米的品质监控提供了一种新的方法思路。     

基于田间原位土壤含水量估测的可见/近红外光谱建模方法

为实时、准确地获取原位土壤含水量信息,利用可见/近红外光谱技术,分别使用全局偏最小二乘(PLS)建模、局部PLS建模方法,对田间原位土壤含水量进行快速估测。结果表明:全局PLS模型中,其建模集的决定系数(R~2)、交叉验证均方根误差(RMSECV)分别为0.943和1.750%,检验集的决定系数(R~2)、预测均方根误差(RMSEP)分别为0.956和1.260%。局部PLS模型中,分别比较了选取定标子集的2种方法(欧氏距离法和马氏距离法),采用欧氏距离法和马氏距离法选取定标子集进行建模的R~2值分别为0.974和0.979,RMSEP值分别为0.976%和0.943%。因此,将可见/近红外光谱技术应用到田间原位含水量测量是可行的,其中,使用局部建模方法的效果优于全局建模。     

基于连续统去除的土壤有机质近红外光谱敏感波段提取研究

土壤是一个复杂的三相集合体,由土壤中不同物质引起的谱带信息重叠现象非常严重,故通过适当的谱图预处理来提取其敏感波段显得尤为重要。本研究将连续统去除方法引入到土壤有机质敏感波段的提取中,分析了当土壤有机质含量变化时其谱图的变化规律,结果表明:采用连续统去除方法可以很好的提取土壤有机质敏感波段,且以提取的敏感波段600nm、900nm和2 210nm为中心,建立的土壤有机质模型可以较准确的预测土壤有机质含量,其所建模型中预测样本均方根误差MSE为0.286,相关系数R为0.979,均优于全波段所建模型中预测样本的均方根误差3.395和相关系数0.861。连续统去除方法可以很好的提取土壤有机质敏感波段,该研究对土壤有机质快速定量测试仪的研制具有重要意义。     

松木层孔菌的液化与红外光谱分析

[目的]优化苯酚—硫酸法液化松木层孔菌的工艺参数,分析液化前后松木层孔菌化学官能团变化,揭示其液化机理,为废弃松木层孔菌的高效利用开辟一条新途径.[方法]以松木层孔菌为原料、浓硫酸为催化剂、苯酚为液化剂,考察料液比(原料/苯酚)、液化温度、液化时间和催化剂用量对松木层孔菌液化率的影响,并通过红外光谱对松木层孔菌原料和液化残渣进行分析.[结果]4个因素对松木层孔菌液化率影响排序为料液比>液化时间>催化剂用量>液化温度,优化的液化工艺参数为:料液比1:6、液化温度170℃、液化时间75 min、催化剂用量0.30 g,在此条件下,松木层孔菌液化率为48.64%.液化前后松木层孔菌红外光谱特征峰的形状和吸收位置均发生明显变化,3366 cm-1的活泼氢吸收峰在液化后发生红移,酰胺羰基吸收峰则分别由1697和1657 cm-1移至1701 cm-1,由1554 cm-1移至1612和1512 cm-1.[结论]采用苯酚—硫酸法可有效液化松木层孔菌,松木层孔菌含氮主要成分几丁质发生脱乙酰化反应,液化产物含有大量酚类物质,可进一步用于制备高附加值化工产品,为高等真菌菌渣的综合利用开辟新途径.     

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。