利用红外光谱研究‘凤丹白’牡丹花瓣伸展过程中物质变化

为了明确花瓣的伸展机制,以‘凤丹白’牡丹(Paeonia ostii)为研究对象,借助傅里叶变换红外光谱(Fourier Transformation Infrared Spectroscopy,FTIR)及高斯多峰拟合,分析蕾期、初开期和盛开期花瓣的波谱特征及蛋白质二级结构的差异性。主要结果如下:随着花朵开放花瓣伸展,777、1 105、1 155、1 243、1 447、1 651、1 740、2 853和2 926 cm~(-1)处的振动峰振动依次增强,表明磷脂质、核酸、脂类和蛋白质等代谢物质随花瓣的伸展逐渐增强;且蕾期1 030 cm~(-1)处的振动峰在花开后移至1 060 cm~(-1),表明蕾期花瓣细胞壁多糖以甘露聚糖为主,花朵开放后则以阿拉伯糖为主。蛋白质中甲基基团含量(A2 951 cm~(-1)/A 2 858 cm~(-1))出现平稳下降的趋势,初开期比蕾期减少7.97%,盛开期减少13.38%;糖蛋白的变化(A 1 083 cm~(-1)/A 1 547 cm~(-1))也呈现下降趋势,推测‘凤丹白’牡丹是通过蛋白质糖基化作用调控花瓣的伸展过程。对氨基Ⅰ区域(1 600~1 700 cm~(-1))高斯多峰拟合数据显示,各阶段花瓣中均含有果胶相连的β–折叠、β–折叠、无规卷曲、α–螺旋及环与转角;α–螺旋、β–折叠及无规卷曲所占比例在花瓣伸展过程中呈现增长趋势,表明蕾期花瓣通过降低α–螺旋应对缺水造成的生理胁迫,并可以利用ATP合成花瓣生长发育所需的物质;花瓣通过形成更多功能域较多的蛋白质,有效调控花瓣伸展时复杂的生物化学过程。     

基于NIR定量模型快速预测发酵麸皮中还原糖和可溶性蛋白成分的含量

为建立一种能快速预测发酵麦麸还原性糖和可溶性蛋白含量的定量分析模型,本研究以发酵麦麸为样本,采用3,5-二硝基水杨酸比色法（3,5-dinitrosalicylic acid, DNS）和BCA蛋白浓度测定法分别测定样品的还原性糖和可溶性蛋白含量;利用近红外光谱技术（Near infrared spectrum instrument, NIR）结合偏最小二乘法（Partial least squares regression, PLS）,比较预处理方法、最佳波长及主成分因子的决定系数R²,建立发酵麦麸还原性糖和可溶性蛋白含量的NIR快速检测定量模型。结果表明：1）发酵麦麸还原性糖定量模型的预处理方法使用一阶导数 （First derivative, FD）+二阶导数 （Second derivative, SD）+标准正态变换 （Standard normal variate, SNV）,光谱范围为908~1 670 nm ,主因子数为7时,模型效果最优,其决定系数Rc²为0.904 8,校正均方根误差（Square error corrected, SEC）为1.576 1,相对分析误差（Relative percentage difference, RPD）为3.240 8;外部验证集决定系数Rp²为0.954 9且还原糖活性成分的验证集样本的测定值与NIR光谱预测值的P值为0.959 5>0.05。2）发酵麦麸可溶性蛋白定量模型的预处理方法使用一阶导数 （First derivative, FD）+二阶导数 （Second derivative, SD）+标准正态变换 （Standard normal variate, SNV）,光谱范围为908~1 670 nm ,主因子数为10时,模型效果最优,其决定系数Rc²为0.938 2,校正均方根误差（Square error corrected, SEC）为2.003,相对分析误差（Relative percentage difference, RPD）为4.021 9;外部验证集决定系数Rp²为0.994 4,且可溶性蛋白活性成分的验证集样本测定值与NIR光谱预测值的P值为0.901 9>0.05。综上,建立的NIR光谱定量模型稳定性和准确性较好,且预测准确度良好,可用于快速预测发酵麦麸样品的还原性糖和可溶性蛋白含量。     

傅里叶变换红外光谱法在橄榄油掺假鉴别中的应用

采用傅里叶变换红外光谱仪对橄榄油、葵花籽油、花生油、玉米油、大豆油、菜籽油、棕榈油7种食用植物油的红外光谱信息进行分析。结果表明,橄榄油的红外吸收光谱在吸收峰的位置及吸光度上均与其他种类的植物油有区别,以3005~3009 cm^-1、1117~1121 cm^-1处的吸收峰作为种类区分。模拟掺假过程,向橄榄油中掺入其他6种不同比例的低价值植物油后,发现1097、3005 cm^-1处吸收峰的峰面积与掺假百分比呈线性关系。此外,对7种食用植物油180℃加热2 h后的红外光谱图进行分析,发现968、1097 cm^-1处的吸收峰变化趋势有差异,橄榄油呈上升趋势而其他种类的植物油则呈现下降趋势。掺假橄榄油加热后谱图分析发现3005 cm^-1处的峰面积有所降低,但与掺假百分比仍呈线性关系,掺入5%低价油,3400~3650 cm^-1区域呈明显增加趋势,据此可以鉴别掺假量低至5%的橄榄油,这为橄榄油的掺假鉴别提供了一种快速高效的方法。     

近红外光谱数据建模方法的研究进展

应用化学计量学对近红外光谱数据进行建模是近红外光谱分析中的难点和关键。随着研究的深入,现有分析建模的改进算法和新方法的应用不断出现。本文详细阐述了数据预处理、定性和定量建模优化方法的研究进展。在降噪消噪方法中,小波(WT)变换是最为常用和有效的工具,应用非常广泛。波长优化选择方法是现在研究的重点之一,主要有遗传算法(GA)、无信息变量消除方法(UVE)和连续投影算法(SPA)等。在模型优化算法中,主要是在偏最小二乘法(PLS)、人工神经网络(ANN)和支持向量机(SVM)的基础上提出多种改进算法,能够更加有效地优化模型。但每种算法各具优点的同时也存在着一定的局限性,对于不同类型待测物的数学模型,优化的方法也有所不同,所以在实际应用中将多种数学挖掘方法结合,相互取长补短,将成为今后研究趋势。      

基于梨枣轻微损伤的可见/近红外光谱判别研究

利用可见/近红外光谱技术对梨枣轻微损伤的分类判别建模方法进行研究。分别采用PLS-LDA(线性)和LS-SVM(非线性)建立判别模型,分析比较不同预处理方式和建模波段对模型精度的影响。结果表明:经9点平滑预处理后的短波近红外(780~1100nm)PLS-LDA模型判别效果最佳,校正集和预测集的正确识别率分别达到97.8%和96.7%。     

基于流变和电特性的豆浆凝固过程动力学解析

凝固工序是豆腐生产的关键工序,直接影响豆腐的品质和得率。凝固温度和凝固时间是影响凝固工序的2个关键因素。为了分析凝固温度和时间对豆浆凝固过程的影响,研究了豆浆在凝固过程中流变特性的在线检测方法,采用电阻抗图谱法和动态流变法检测豆浆在凝固过程中电特性和流变特性的变化,建立了不同凝固温度下电特性和流变特性的关系模型。结果表明,电阻抗图谱法和动态流变法均能分析豆浆的凝固过程,其过程由两段一级反应组成且符合连续一级反应模型;第1段反应速率随着温度的增加而增大,是第2段反应速率的10多倍;根据电阻率、弹性模量和黏性模量计算得到活化能分别为17.82、112.90、53.72 k J/mol,表明豆浆在凝固过程中流变特性的变化受温度的影响更大。电特性测量提供了豆浆在凝固过程中流变特性的在线检测方法。     

近红外多组分分析中异常样本识别方法

近红外光谱分析中,异常样本的存在严重影响定标模型的预测性能和适配性。基于 X / Y 联合的ODXY异常样本识别和剔除方法,提出并证明了一种专用于多组分分析的MODXY异常样本识别方法。实验采用80组玉米近红外光谱数据,利用不同异常样本识别方法剔除异常样本后建立玉米含水率、含油率、蛋白质含量和淀粉含量4种组分的偏最小二乘预测模型,采用预测均方差和决定系数作为评价指标比较所建模型的性能,检验MODXY方法在多组分分析中的异常样本识别能力。实验结果表明：在近红外多组分分析中,MODXY方法在大多数情况下具有更好的异常样本识别能力;MODXY方法和ODXY方法均有一定的适用范围,它们更适合于相应组分化学值的相对标准偏差较大的情况。     

土壤成分与特性参数光谱快速检测方法及传感技术

近红外光谱技术在分析土壤成分含量以及理化特性参数方面获得了良好的预测精度.人工神经网络、遗传算法、小波变换和支持向量机等现代数据处理算法的应用,最大限度消除了光谱外界干扰、提取了光谱有效信息,使得土壤特性参数预测分析模型更准确、稳定.在进行土壤参数原位实时光谱检测时,如何消除土壤含水率、土壤粒度等的影响,还需要技术突破.开发便携式或车载式农田土壤光谱实时分析仪,是促进精细农业实践的重要措施,已开发的车载式土壤在线光谱仪可以实现多个土壤参数的分析,并达到了相当高的精度.进一步开发多功能土壤在线检测系统,利用土壤介电特性或机械特性与光谱特性测量结果相互补偿与校正以消除误差并提高测量精度,是未来的发展方向之一.光声光谱、激光诱导击穿光谱和太赫兹光谱技术等现代光谱分析方法在土壤成分与特性参数分析方面表现出很强的能力,开展基础研究,揭示这些光谱技术在不同土壤类型、不同土壤成分条件下的吸收特征参数,是未来的研究方向.     

基于近红外与中红外光谱技术的淀粉回生度检测

淀粉食品在加工、运输及储藏过程中会逐渐出现回生,其回生程度是影响淀粉食品品质的重要因素。利用近红外和中红外光谱技术快速、无损检测淀粉回生度。首先采集了储存不同时间淀粉的近红外和中红外光谱,分别利用近红外、中红外以及两者融合的光谱数据结合化学计量学方法(偏最小二乘法(PLS、iPLS、biPLS、siPLS))建立淀粉回生度检测模型。结果显示,近红外和中红外融合光谱技术的biPLS检测模型最佳,校正集和预测集相关系数分别为0.965 5和0.931 3。研究结果表明,红外光谱技术可以快速、无损检测玉米淀粉回生度,保障了富含淀粉食品的质量与安全。     

基于红外光声光谱的农作物秸秆导热系数定量分析

选用我国华北地区具有代表性的小麦、玉米、水稻秸秆样品,对比研究了偏最小二乘(PLSR)和高斯核支持向量机(RBF-SVR)分别构建单一和混合种类秸秆全波段定量分析模型的效果,探讨了红外光声光谱耦合化学计量学方法构建我国主要粮食作物秸秆导热系数定量分析模型的可行性。研究发现,小麦秸秆和水稻秸秆导热系数RBF-SVR非线性模型,以及玉米秸秆、混合种类秸秆的PLSR线性模型效果较优。进一步应用蚁群算法与上述最优建模方法相结合,构建了更加优化的小麦秸秆、玉米秸秆、水稻秸秆和混合秸秆导热系数模型,验证决定系数(R_p~2)分别为0.77、0.83、0.96和0.79,验证均方差(RMSEP)分别为0.007 8、0.015、0.005 9、0.014 W/(m·K),验证相对分析误差(RPD)分别为2.81、2.41、7.39和2.15。研究结果表明,红外光声光谱技术结合先进适用的化学计量学方法可实现我国主要粮食作物秸秆导热系数的快速定量分析,但混合秸秆模型预测精度仍需进一步提升。