NIRS在广金钱草水分含量测定中的应用

研究并建立近红外光谱技术在广金钱草药材水分含量的测定方法。利用烘干法测定试验样品的水分含量,并采集近红外光谱数据,采用一阶导数法预处理,结合偏最小二乘法建立广金钱草中水分含量的定量分析模型。结果表明:所建立的校正模型,内部交叉验证决定系数达到0.970,校正均方差为0.254,预测均方差为0.278,内部交叉验证均方差为0.582。验证集重复性标准偏差为0.069,平均回收率为99.96%,t检验显示P0.05,精密度及重复性RSD分别为1.23、1.45%,RPD3。建立的广金钱草药材水分含量测定的近红外光谱模型稳定、准确、可靠,适用于对广金钱草药材的水分含量测定。     

近红外光谱法对巴戟天药材中水分含量的快速测定

建立了巴戟天(Morinda officinalis How.)药材中水分含量的近红外定量模型,可快速测定巴戟天中水分含量.按照《中华人民共和国药典》(2010版)规定采用烘干法测定166批巴戟天药材的水分含量,采集并用多元散射校正法、二阶导数法预处理近红外光谱,结合偏最小二乘法建立了近红外水分定量分析模型.所建立的校正模型的内部交叉验证决定系数为0.985 5,内部交叉验证均方差为0.402 7,校正均方差为0.169,预测均方差为0.180.结果表明,该近红外水分定量模型稳定、准确,可快速进行巴戟天药材中水分含量的测定.     

基于近红外光谱分析的绿茶水分无损检测模型建立

收集代表性绿茶样品158个,直接对新鲜样品进行近红外光谱扫描,运用改进偏最小二乘法(MPLS)在4种不同的光谱数据预处理方式下进行水分含量建模,并用验证集对最优模型进行检验.结果显示,光谱数据在散射处理方式SNV Detrend下经过一阶导数处理后的预测结果最优,其定标标准差(SEC)为0.32%,样品预测值和实测值之间的决定系数(RSQ)为0.861,预测标准差(SEP)为0.5%,偏差(Bias)为-0.1%.说明应用近红外光谱分析技术实现绿茶中水分含量的无损检测是可行的,并可得到较为满意的预测效果.     

掺果葡糖浆蜂蜜的快速检测方法

[目的]探索掺果葡糖浆蜂蜜的快速检测方法。[方法]在对广泛收集的纯净蜂蜜样品主要理化指标检测分析的基础上,建立了蜂蜜中水分、还原糖、蔗糖和淀粉酶值近红外光谱检测模型,并利用所建模型对添加不同比例果葡糖浆的蜂蜜进行检测,验证利用近红外光谱技术检测蜂蜜掺果葡糖浆的预测效果。[结果]蜂蜜中水分、还原糖、蔗糖、淀粉酶值、酸度、羟甲基糠醛的变异系数均较小,基于淀粉酶值所建的蜂蜜近红外光谱检测模型的预测效果最好,预测均方根误差小,可用于对蜂蜜是否掺果葡糖浆进行鉴别。[结论]基于淀粉酶值所建的蜂蜜近红外光谱检测模型可快速检测蜂蜜是否掺果葡糖浆。     

利用近红外漫反射光谱(NIRS)技术建立甘薯茎叶重金属预测模型

植物样品中的无机离子以一定形式与具有近红外吸收的有机基团结合,因而可以借助近红外光谱技术测测其含量.探讨研究了近红外光谱法快速预测甘薯叶和茎镉、铜、锌含量的可行性,以不同肥料种植的甘薯叶和茎样品各67份,利用偏最小二乘回归法(PLS)对甘薯叶和茎中水分、蛋白质、镉、铜、锌含量进行预测分析.结果表明:所建模型可用于快速预...     

基于近红外光谱技术的红枣水分无损检测

目的 基于近红外光谱技术的红枣水分无损检测,为红枣水分含量模型建立提供科学依据。方法 以塔里木大学园艺试验站红枣资源圃中的脆熟期馒馒枣和保德油枣的果实为试材,采用传统烘干法测定枣果实水分含量,并通过近红外光谱分析仪进行枣水分无损检测。对2个品种样本光谱进行样本集划分并使用预处理的方法Savitzky-Golay平滑法和偏最小二乘回归分析法(PLS)。结果 建立了含水量定量检测分析模型。共获得212个样本,馒馒枣和保德油枣分别为100和112个,2个品种随机校正模型为75和84个,验证模型分别为25和28个,用外部证实法建立样品校正模型和验证模型。建立光谱模型将试验组分别分为红枣含水量校正模型和验证模型。所建2种红枣水分检测模型中SEC(校正集标准偏差)值分别为1.01%和1.29%;SEP(预测标准偏差)值为1.65%和1.41%,2种红枣的校正集与验证集交互相关系数分别为0.878和0.883。结论 以S-G平滑法对光谱数据预处理,以偏最小二乘进行回归分析(PLS)。建立含水量定量检测分析模型对红枣进行水分检测,水分真实值和预测值的交互相关系数均高于0.850。2个品种校正模型和验证模型差异较小均在0.5%左右,建立了红枣近红外光谱和水分含量之间的对应关系。     

基于近红外光谱法的藜麦脂肪含量快速检测

为了探索一种快速测定完整藜麦(Chenopodium quinoa Willd)子粒脂肪含量的方法,采集100个藜麦样品的近红外光谱,运用近红外光谱法建立数学模型并进行预测。结果表明,在10 000~4 000 cm-1波长范围内,运用一阶导数+矢量归一化光谱方法进行预处理,结合化学方法所得数据建立藜麦粗脂肪近红外光谱定量模型,校正和预测效果最佳,所得的粗脂肪近红外定量模型的交叉验证决定系数(R2cv)为0.939 3,外部验证决定系数(R2val)为0.9235。建立的脂肪近红外光谱模型,可以用于藜麦脂肪含量的快速检测。     

基于近红外光谱法快速检测藜麦纤维含量

[目的]探索一种快速测定完整藜麦籽粒纤维含量的方法。[方法]采集100个藜麦样品的近红外光谱,运用近红外光谱分析技术建立数学模型并进行预测。[结果]在10 000~4 000 cm~(-1)波长范围内,运用一阶导数+矢量归一化光谱方法进行预处理,结合化学方法所得数据建立藜麦粗纤维近红外定量模型,校正和预测效果最佳,所得的粗纤维近红外定量模型的交叉验证决定系数为0.884 8,外部验证决定系数为0.876 1。[结论]以完整藜麦籽粒为样品所建立的纤维NITS模型可用于藜麦纤维含量的快速检测。     

基于近红外光谱法快速检测藜麦纤维含量

[目的]探索一种快速测定完整藜麦籽粒纤维含量的方法.[方法]采集100个藜麦样品的近红外光谱,运用近红外光谱分析技术建立数学模型并进行预测.[结果]在10 000～4 000cm-1波长范围内,运用一阶导数+矢量归一化光谱方法进行预处理,结合化学方法所得数据建立藜麦粗纤维近红外定量模型,校正和预测效果最佳,所得的粗纤维近红外定量模型的交叉验证决定系数(R2cv)为0.884 8,外部验证决定系数(R2val)为0.876 1.[结论]以完整藜麦籽粒为样品所建立的纤维NITS模型可用于藜麦纤维含量的快速检测.     

基于近红外光谱法快速检测藜麦纤维含量（英文）

[目的]探索一种快速测定完整藜麦籽粒纤维含量的方法。[方法]采集100个藜麦样品的近红外光谱,运用近红外光谱分析技术建立数学模型并进行预测。[结果]在10 000~4 000cm~(-1)波长范围内,运用一阶导数+矢量归一化光谱方法进行预处理,结合化学方法所得数据建立藜麦粗纤维近红外定量模型,校正和预测效果最佳,所得的粗纤维近红外定量模型的交叉验证决定系数(R~2cv)为0.884 8,外部验证决定系数(R~2val)为0.876 1。[结论]以完整藜麦籽粒为样品所建立的纤维NITS模型可用于藜麦纤维含量的快速检测。     

基于冷冻干燥基础的猪肉营养成分近红外快速检测模型构建

为建立和优化基于冷冻干燥基础猪肉样品的水分、粗蛋白和粗脂肪近红外定量预测模型，分别以130个冷冻干燥猪肉粉近红外光谱(near infrared reflectance spectroscopy,NIRS)和其中的水分、粗蛋白、粗脂肪含量为研究对象，应用偏最小二乘法(partial least squares regression,PLS)、内部交叉验证和外部验证建立和优化冷冻干燥猪肉粉水分、粗蛋白、粗脂肪的近红外定量预测模型。结果表明：最优冷冻干燥猪肉粉水分、粗蛋白、粗脂肪含量模型的相关系数(R²)分别为96.58%、99.31%、99.47%；交互验证标准偏差(RMSECV)分别为0.305、0.742、0.692；预测标准偏差(RMSEP)值分别为0.294、2.297、0.460。综上，基于冷冻干燥基础的猪肉营养成分近红外快速检测各指标模型的R²均在96%以上，RMSECV值均在0.8以下，RMSEP值均在2.3以下，证明此次冷冻干燥猪肉粉营养成分近红外快速检测模型构建成功。     

人参产品中总皂苷、水分、灰分近红外光谱快速分析技术研究

建立一种利用近红外光谱技术快速测定人参产品中总皂苷、水分、灰分等指标的新方法。依据人参产品分等质量标准中总皂苷、水分、灰分含量测定方法,测定人参产品中总皂苷、水分、灰分等成分的含量,运用偏最小二乘法建立NIRS光谱与3种成分化学参考值之间的多元校正模型,对未知样品进行含量预测。结果表明,建立的定量模型准确性好,总皂苷、水分、灰分的内部交叉验证均方差分别是0.413、0.788、0.202;决定系数分别是0.9610、0.9529、0.8981;相对分析误差分别是5.06、4.63、3.13;对外部验证集样品进行外部验证,预测值与化学参考值的决定系数分别是0.9624、0.9475、0.8740;预测回收率是101.50%、95.60%、101.16%。近红外光谱法对人参产品中总皂苷、水分、灰分含量预测结果较好,为人参产品流通过程的快速、无损定量分析提供了依据。     

水分含量对近红外测定小麦蛋白质含量的影响

[目的]探讨水分含量对近红外测定小麦蛋白质含量结果的影响。[方法]以全籽粒小麦为研究对象,研究近红外品质分析过程中水分含量对小麦蛋白质含量预测结果的影响。在连续改变样品水分含量的条件下采集小麦的近红外吸收光谱,并用预测模型测定它们的蛋白质含量。[结果]水分对近红外光谱吸收及预测结果有很大影响。小麦水分含量的升高使其在整个近红外区域的光谱吸收都明显增大,直接影响蛋白质含量的测定结果,测定误差随样品含水量的降低而减小。当样品水分与建模样品水分含量相近时,样品水分差异引起的测定误差可以忽略不计。[结论]在用近红外测定小麦蛋白质含量时,应使待测样品保持合适的水分含量。     

再造烟叶原料常规化学组分的近红外定量分析研究

提出一种基于近红外漫反射快速定量分析再造烟叶原料(废烟片及烟末)的常规化学组分方法,应用傅里叶变换近红外分析仪扫描原料光谱并结合偏最小二乘法,对具有代表性的354个再造烟叶原料建立了近红外光谱同原料烟碱、总糖、还原糖及氯的含量关系模型,并对模型的预测效果、稳定性及重复性进行了评价。结果表明:烟碱、总糖、还原糖及氯模型的校正均方差与预测均方差接近且均较小,模型的相关系数均在0.98以上。烟碱、总糖、还原糖预测平均相对偏差均低于4%,Cl模型预测30个样品的平均绝对偏差为0.04%,预测平均相对偏差6.09%。模型通过内部及外部验证,表明近红外定量分析结果准确、可靠与流动分析法无显著性差异。     

再造烟叶原料常规化学组分的近红外定量分析研究

提出一种基于近红外漫反射快速定量分析再造烟叶原料(废烟片及烟末)的常规化学组分方法,应用傅里叶变换近红外分析仪扫描原料光谱并结合偏最小二乘法,对具有代表性的354个再造烟叶原料建立了近红外光谱同原料烟碱、总糖、还原糖及氯的含量关系模型,并对模型的预测效果、稳定性及重复性进行了评价。结果表明:烟碱、总糖、还原糖及氯模型的校正均方差与预测均方差接近且均较小,模型的相关系数均在0.98以上。烟碱、总糖、还原糖预测平均相对偏差均低于4%,Cl模型预测30个样品的平均绝对偏差为0.04%,预测平均相对偏差6.09%。模型通过内部及外部验证,表明近红外定量分析结果准确、可靠与流动分析法无显著性差异。     

小米硒含量近红外预测模型的建立与评价

为实现对多样本小米硒含量的快速检测,以93份遗传背景不同的小米样品为研究对象,将样品分为校正建模集(样本容量n=51)和外部验证集(n=42),利用丹麦生产的NIRSTMDS2500台式近红外光谱仪采集光谱信息,通过标准正态变化(SNV)、卷积平滑(Detrend)等光谱预处理方法和偏最小二乘法(PLSR)建模方法建立脱壳谷子-小米总硒含量的测定模型,用工作流调用模型实现小米总硒含量的快速检测;采用国家标准规定的方法分别测定小米总硒含量,以此作为小米总硒含量预测模型的化学参比值。结果表明:小米总硒含量内部交叉验证的相关系数为84.5%;校正集均方根误差和验证集均方根误差分别为0.039 6和0.089 2,说明小米总硒含量的近红外预测值接近化学参比值;性能偏差比为5.478,大于美国谷物化学家协会和国际谷物科技协会等提出的质量控制标准,本研究建立的模型中预测集和建模集标准误差的比值为1.073 0;因此采用PLSR建立模型具有较高的预测精度且稳健程度较高,可实现对小米总硒含量的快速检测。     

香砂胃苓丸混合终点在线监测及质量评价近红外模型的建立

[目的]利用近红外光谱技术,快速判断香砂胃苓丸中间体的混合终点。结合高效液相色谱分析方法,建立中间体的近红外光谱模型,实现香砂胃苓丸中间体质量的快速评价。[方法]采用声光可调-近红外光谱(AOTF-NIR)技术,通过主成分分析法和移动窗标准偏差法判断中间体的混合终点。采用高效液相色谱法,检测35批香砂胃苓丸中间体中橙皮苷的含量,即得化学值。利用SNAP光谱软件进行光谱采集,以一阶导数法和平滑滤波系数法进行光谱预处理。采用The Unscrambler分析软件,将近红外光谱图与含量化学值相关联,以偏最小二乘法(PLS)和交叉-验证法(cross-validation)建立香砂胃苓丸中间体中橙皮苷含量的定量校正模型。[结果]香砂胃苓丸中间体在40 min时基本达到混合终点,且近红外光谱预测值与化学值混合终点的结果一致。香砂胃苓丸中间体中橙皮苷定量模型内外部验证相关系数均大于0.90,校正均方根偏差(RMSEC)为0.132 9,预测均方根偏差(RMSEP)为0.155 3,定量模型的外部验证结果相对标准偏差(RSD)均小于5%,表明橙皮苷含量预测值准确性较高。[结论]声光可调-近红外光谱技...     

PLS回归法建立适应温度变化的近红外光谱定量分析模型

研究了近红外光谱定量分析模型对于样品温度的适应性。以42个不同品种的大豆为实验材料，用2台光谱仪分别独立测定了样品在5种温度下的近红外光谱。对于2台光谱仪测定的光谱，均依据光谱信息选择部分光谱，采用PLS回归法对大豆样品的粗蛋白质和粗脂肪含量分别建立了近红外光谱定量分析模型。并以剩余样品对模型进行预测检验。4个模型的预测结果均表明：超过94％的检验样品的预测相对误差小于5％．说明了预测样品处于5～40℃时，模型都有较好的预测效果。     

近红外光谱结合ANN法快速测定水稻叶片氮含量

应用近红外(NlR)光谱和误差反传人工神经网络(BP-ANN)方法建立了水稻叶片氮素含量的定量分析模型.首先对近红外光谱进行Savitzky-Golay求导处理,然后通过相关系数法选择波长范围,采用偏最小二来回归PLS降维并输入BP-ANN建立校正模型,用验证样品对校正模型进行验证.结果表明:BP-ANN最佳模型的预测...     

近红外光谱法快速测定鲜木薯水分的研究

为实时监测鲜木薯中水分,指导其加工,建立了近红外光谱法现场快速测定木薯中水分含量的方法。采用横切木薯茎块方式进行制样,对其横截面进行近红外光谱扫描,二阶导数法预处理光谱图,定量偏最小二乘法（QPLS）建立模型,优化了模型条件和参数,建立最佳近红外光谱数学模型。结果：数学模型良好,验证集样品的化学值和近红外预测值间相关系数为O．9755,校正标准偏差（SEC）为1．31％,相对标准偏差（RSD）为2．20％,决定系数（R：）为0．9516。未知样品预测结果相对误差O．5％～3．4％。该水分定量分析NIRS数学模型具有较高的准确性,可满足快速测定鲜木薯中水分的要求,对促进鲜木薯加工业提高效率有积极意义。