近红外光谱快速检测葡萄酒品质

为实现葡萄酒品质及理化指标的快速检测,在选择最优波段和光谱最佳处理方法的基础上,利用近红外光谱结合偏最小二乘分析法分别建立葡萄酒样品的总糖、总酸、酒精度、总多酚、花色苷的定量模型。结果表明,模型验证的相关系数分别为0.992 7、0.994 8、0.990 2、0.969 8和0.937 5,模型验证效果较好。基于化学计量学方法和近红外光谱数据可实现葡萄酒理化指标的快速检测。     

近红外光谱技术快速预测团头鲂新鲜度

采用近红外光谱技术和化学计量学方法,探究团头鲂新鲜度指标快速检测方法。选取不同的季节、产地、规格、贮藏时间的150个团头鲂样品,采集样品1 000～1 799 nm范围的近红外光谱数据,应用偏最小二乘法建立pH、TVB-N、TBA和K值的新鲜度指标定量分析模型,经不同光谱预处理方法优化和CARS挑选特征波长后,模型的相关系数分别为0.961、0.881、0.955和0.946,交叉验证均方根误差分别为0.049、1.659、0.047和2.558,模型具有较好的预测能力,为淡水鱼新鲜度快速无损检测提供了一种有效的方法。     

基于近红外光谱无损检测的水果品质定量分析与预测

针对近红外光谱原理、检测技术及特点,利用近红外光谱检测漫反射技术在水果品质检测方法上的定量分析进行了深入系统研究.在光谱数据预处理上平滑和导数法最常见.建立模型以偏最小二乘法较常见.以遗传算法结合偏最小二乘法、小波分析结合偏最小二乘法等为代表的建模方法,其测量精度有所提高.模型优劣评价指标主要以相关系数(R)、校正集标准偏差(RMSEC)和预测集标准偏差(RMSEP)等参数决定.最后对相关研究进行展望.     

基于近红外高光谱图像技术的栗果品质无损检测

提出一种基于近红外高光谱图像技术的板栗果实品质快速无损检测方法。分别选取3个不同品种栗果、1个品种的霉变栗果和1个品种的虫害栗果各30个样品,采集供试样品的近红外高光谱数据;采用偏最小二乘法(PLS)建立栗果中总糖和淀粉含量预测模型,预测值与实际值的相关系数为0.9313～0.9587,均方根误差为0.062 4～0.225 0;结合主成分分析法(PCA),建立不同品种栗果鉴别以及识别霉变、虫害、正常栗果的判别分析(DA)模型,模型的识别率分别为96.7%和98.6%。结果表明,近红外高光谱图像技术可用于栗果总糖和淀粉的定量预测,以及不同品种栗果和霉变、虫害果的快速定性识别。     

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。     

近红外光谱分析技术在果品品质无损检测中的应用

近红外光谱分析技术以其速度快、效率高、成本低、测试重现性好,测量方便、且可同时测定多个不同组分的特点.正在形成一个新的热点研究领域.概述了近红外光谱分析技术的原理和优点,分析了国内外近红外光谱分析技术在果品品质无损检测中的研究进展.指出了目前该技术在研究应用过程中的存在问题,最后对该技术的应用前景进行了展单.     

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。     

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。     

适合温州蜜柑可溶性固形物无损检测的近红外光谱研究

为提升温州蜜柑可溶性固形物近红外光谱无损检测的精确度,对适合温州蜜柑可溶性固形物无损检测的近红外光谱进行了研究。结果表明,利用间隔偏最小二乘法,建立了温州蜜柑可溶性固形物与近红外光谱模型之间的关系,选出可溶性固形物的显著特征波段为890～918 nm,备选特征波段为830～858 nm、860～888 nm、650～688 nm。组合这些波段再次建模,可大大提高模型的预测能力,模型的拟合优度高达0.904 0,交互验证均方根误差降到0.504 6° Birx。     

青砖茶茶汤滋味品质的近红外快速无损评价

在不破坏青砖茶样品的前提下,将近红外光谱技术与标准变量变换、一阶导数、二阶导数光谱等预处理方法和遗传算法相结合,剔除部分噪声信息和精准筛选最佳光谱信息数据点后,应用偏最小二乘法建立青砖茶茶汤品质预测模型。筛选的最佳光谱预处理方法为:标准变量变换+二阶导数,遗传算法筛选得到28个最佳建模光谱数据点;最佳偏最小二乘法模型对验证集样品的预测均方根误差为0.372 6,预测集决定系数为0.975 2;对未知茶汤品质的预测均方根误差为0.392 7,预测集决定系数0.970 2。结果表明,在青砖茶茶汤品质得分(73～93分)范围内,应用近红外光谱技术结合遗传算法和偏最小二乘法实现了对青砖茶茶汤品质的快速、准确评价。     

基于光谱技术的禽蛋内部品质无损检测研究进展

禽蛋品质检测是食品安全和消费者权益的重要保障措施,传统禽蛋品质检测主要依赖人工进行,存在工作强度大、效率低且准确率波动大等弊端。光谱检测技术具有快速、安全、无损等优点,近些年来在禽蛋内部品质检测领域发展迅速。本文基于禽蛋的新鲜度、蛋白含量、脂肪含量、血斑肉斑、受精信息、种蛋性别、胚蛋活性等内部品质指标检测的有关研究,概述了近红外光谱、可见-近红外光谱、高光谱成像及拉曼光谱等光谱检测技术在禽蛋内部品质无损检测中的研究进展,分析总结了光谱检测技术在禽蛋无损检测中的应用特点与难点,并展望了其未来发展趋势,以期为我国蛋品无损检测研究及行业质量安全监管提供参考。     

近红外光谱及高光谱技术在茶叶上的应用

光谱技术作为一种绿色、快速、高效、准确的无损检测技术,在茶叶及茶制品的理化检测、品质评价等方面显现出较大的应用潜力。综述了近红外光谱及高光谱技术在茶叶理化成分定量分析,茶叶种类、产地及品种的判别以及茶叶等级判别等方面的应用和研究进展,同时对该技术在茶叶上的应用前景进行展望。     

黄茶加工过程品质变化的研究

探明了黄茶加工过程主要生化成分和色泽的动态变化规律 ,提出了传统名茶鹿苑黄茶的最佳闷堆时间为 4～ 7h。色泽试验结果表明 ,引入色相值后 ,能直观地描述黄茶加工过程色泽的变化趋势。     

基于化学成分含量评判信阳红茶质量等级方法研究

采用主成分分析(principal components analysis,PCA)法,对测定的信阳群体种原料加工的不同嫩度、不同等级10份信阳红茶样品中11个化学成分进行分析。构建了基于信阳红茶化学成分含量的质量评价模型:F=0.29181F1+0.23078F2+0.13092F3+0.13468F4+0.07793F,通过感官审评方法对模型预测结果进行检验。结果显示两种评判方法结果具有一致性,为依据化学成分含量划分信阳红茶质量等级提供了参考。     

基于小波压缩的木材密度近红外光谱的预处理研究

近红外光谱数据维数多、数据量大,直接保存需要庞大储存空间,且海量数据会对网络化在线检测的分析速度和准确性产生影响。为探讨应用小波压缩进行近红外光谱预处理的可行性及其对枫桦木材密度预测精度的影响,通过强光探头采集木材圆盘的近红外光谱,在Matlab软件中应用小波变换法对枫桦木材密度近红外光谱数据进行压缩。结果表明:当小波基sym2分解层为6时,基于均衡稀疏标准形式的全局硬阈值压缩效果最好,将2 151个变量压缩成38个小波系数,其能量保留成分、零系数成分、压缩比分别为99.66%、98.34%、56.61%。用未处理光谱数据和压缩后的38个小波系数分别建立偏最小二乘定标分析模型,同时做内部交叉验证,并用未处理和压缩后的预测集做外部检验,得知压缩后校正模型对压缩后样品预测能力较好,预测决定系数为0.913 9。因此,小波压缩可有效简化近红外光谱数据,提高近红外光谱对枫桦木材密度的预测精度。      

近红外光谱法测定土壤全氮和碱解氮含量

为探寻采用近红外光谱技术在野外快速测定土壤全氮和碱解氮含量的方法,采集土壤光谱信号,结合偏最小二乘法和主成分分析法,分别建立土壤全氮和碱解氮含量测定的定标模型。结果表明,采用PLS方法建模时,土壤全氮和碱解氮含量测定定标模型的精度较高。为提高模型的预测精度,采用多元散射校正、标准归一化、基线校正、卷积平滑和小波变换5种方法对光谱信号进行预处理,当用小波变换法对光谱信号进行去噪处理,并与PLS方法结合时,模型的预测精度最高,土壤全氮样品校正模型的相关系数为0.838 5,均方根误差为0.153 1,对应验证模型的相关系数为0.754 9,均方根误差为0.184 2,校正集和验证集土壤全氮含量预测值(y)与实测值(x)之间的关系模型分别为y=0.685 8x+0.198 0和y=0.621 4x+0.237 9;土壤碱解氮样品校正模型的相关系数为0.866 5,均方根误差为0.007 7,对应验证模型的相关系数为0.796 1,均方根误差为0.009 4,校正集和验证集土壤碱解氮含量预测值(y)与实测值(x)之间的关系模型分别为y=0.749 8x+0.019 4和y=0.700 7x+0.023 3。综合分析结果表明,应用近红外光谱技术对土壤全氮和碱解氮含量进行定量预测是可行的,且应用小波变换方法对光谱冗余信息进行预处理后,再与偏最小二乘法相结合可有效地提高模型的精度。     

基于近红外光谱技术检测全蛋粉掺假

为提高全蛋粉掺假检测的准确度和检测效果,应用近红外光谱技术对全蛋粉掺假进行定性判别并对掺假含量进行定量分析。分别采用标准正态变换、多元散射校正、卷积平滑、归一化、一阶导数、二阶导数等6种不同预处理方法,对原始光谱数据进行预处理,采用竞争性自适应重加权算法（CARS）、连续投影算法（SPA）及CARS-SPA结合算法对光谱数据进行特征波长筛选,建立集成学习（ensemble learning,EL）模型对掺假蛋粉进行定性判别,建立偏最小二乘模型（PLSR）对掺假含量进行定量分析。结果显示：在对掺假蛋粉进行定性判别方面,一阶导数为最佳预处理方法,CARS算法特征筛选效果最佳,EL模型对掺假蛋粉样本总体判别准确率达到98.18%,对各类掺假蛋粉样品的判别准确率在97.78%以上。在对蛋粉掺假含量进行定量分析方面,多元散射校正为最佳预处理方法,CARS算法特征筛选效果更佳,对一组分掺假、二组分掺假、三组分掺假和所有掺假样本的PLSR浓度预测模型的预测集相关系数（R_p）分别为0.958 5、0.931 2、0.945 6和0.955 8,均方根误差（RMSEP）分别为4.689 1、5.813 4、4.604 1和3.802 9。研究结果表明,近红外光谱技术可用于蛋粉掺假检测,为监管机构检测蛋粉掺假提供参考。     

近红外漫反射光谱法对粮油作物品质无损分析的研究

用傅立叶变换近红外漫反射光谱法,非破坏性测定水稻糙米粒直链淀粉含量和完整油菜籽含油量、油酸和硫甙。结果表明,该方法与常规方法有类似的准确性和精确性,其定标方程的决定系数R^2分别为0．9908,0．9924,0．9942和0．9841,相对误差RE（％）分别为2．60,0．69,0．76和4．32,相对校正标准误RSEC分别为0．5515,0．3662,0．1888和3．4430;预测相关系数RSQ分别为0．9377,0．9810,0．9646和0．9817,预测相对误差RE（％）分别为5．64,1．30,1．56和7．73,相对检验标准误RSEP分别为1．5499,0．6171,0．3362和6．0583。NIRS分析法完全可用来快速、无破坏测定育种材料,作为粮油作物品质育种的辅助手段。