注水肉无损检测技术现状与发展趋势分析

针对目前市场上注水肉现象加重问题,有必要研究注水肉的检测技术。首先对注水肉的传统检测方法进行简要论述,分析总结了传统方法的弊端;然后对现阶段肉品含水率的4种主要无损检测方法:生物电阻抗法、核磁共振方法、超声波法和近红外光谱法的研究现状及特点进行了总结分析,着重叙述了近红外光谱技术在肉品含水率及品质检测中的研究情况及技术特点,提出了未来技术发展方向。     

近红外技术(NIR)在小麦商品粮收购中的应用研究

利用近红外谷物品质分析仪 (Perten DA910 0 ) ,对陕西省某县 6 2 4户农民 2 0 0 0年夏季上缴粮库的公购粮进行现场品质分析。结果认为 :人工主观评定的商品粮等级与其蛋白质含量、水分含量、硬度、沉淀值、烘烤体积无显著相关性 ;近红外谷物品质分析仪 (Perten DA910 0 )完全能够满足粮库验粮的需要 ;小麦籽粒硬度、蛋白质含量是商品粮收购定级的重要指标     

大麦籽粒抗性淀粉含量快速测定方法研究

为探索快速高效测定大麦籽粒中抗性淀粉含量的方法,利用衰减全反射中红外（attenuated total reflection mid-infrared spectroscopy,ATR-MIR）和近红外（near-infrared spectroscopy,NIR）光谱技术,分别用3种不同方法进行预处理,建立大麦样品的抗性淀粉含量快速测定红外模型,通过不同预处理预测模型的校正和内部交叉验证结果的比较,依据决定系数（r）和均方根误差（RMSE）筛选出基于ATR-MIR和NIR光谱的最佳预测模型,再对最佳预测模型进行外部验证。结果表明,经基线位移校正+范围归一化（BOC+RN）预处理后的PLS模型为最佳ATR-MIR预测模型;经标准正态变换+Savitzky-Golay法一阶求导（SNV+1thD）的预处理模型为最佳NIR预测模型。用验证集材料对BOC+RN和SNV+1thD最佳预测模型的预测效果进行外部验证,光谱预测值与化学测定值之间没有显著差异,说明两种方法均可以用于大麦籽粒抗性淀粉含量测定;ATR-MIR光谱比NIR光谱具有更好的预测能力。     

Near-Infrared Spectroscopy Coupled with Chemometrics Tools: A Rapid and Non-Destructive Alternative on Soil Evaluation

Near-infrared (NIR) spectroscopy is a rapid, non-destructive and accurate technique for analyzing a wide variety of samples, thus, the growing interest of using this technique in soil science. The objective of this study was to evaluate the potential of NIR spectroscopy to predict organic carbon (OC), total nitrogen (TN), available phosphorus (P) and available potassium (K) in the soil. NIR spectra from 20 cm³ of soil samples were acquired on the range of 750 to 2500 nm in diffuse reflectance mode, resolution of 16 cm^?1 and 64 scans. Eight models of calibration/validation were constructed. Calibration and validation models showed that the predictive potential of NIR varied with the specific soil property (OC, TN, P and K) under evaluation and according to the methodology employed in the model construction (cross-validation or test set). Good prediction models were obtained for OC and TN content based on the statistical parameters. Test set methodology was able to predict soil OC, TN, P, and K better than cross-validation methodology.     

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%。     

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。     

非线性算法在近红外预测木材密度中的应用研究

研究基于近红外光谱技术的木材密度预测。运用基于高斯核变换的非线性偏最小二乘法建立密度预测模型,并且对所建模型的评价参数进行了对比分析。结果表明该方法建立的预测模型能对样品的密度进行有效预测。研究表明样品近红外光谱信息与样品的实际密度值之间不是单纯的线性关系,非线性模型可以更好地表征二者之间的关系。     

基于NIR和GIS的甘蔗含糖量与种植条件关系研究

为监测较大区域内甘蔗产量及含糖量的时间、空间变化情况,了解地区、环境及土壤成分与甘蔗含糖量的关系,为甘蔗栽培提供指导,以日本琉球群岛南大东岛甘蔗栽培区为对象,用NIR方法测定甘蔗含糖量及其他成分含量,采用GIS技术建立地块位置、甘蔗产量、含糖量及P、K含量和土壤K含量数据库。在此基础上,建立3个栽培年度甘蔗含糖量、单产与甘蔗汁P、K含量的空间分布图,发现甘蔗含糖量与降水量及种植区水环境密切相关。对甘蔗含糖量及P、K含量和土壤K含量的相关分析表明,甘蔗含糖量与甘蔗汁P含量呈正相关,而与甘蔗汁和土壤K含量均呈负相关。     

Comparison of Near Infrared Spectroscopy Models for Determining Protein and Amylose Contents Between Calibration Samples of Recombinant Inbred Lines and Conventional Varieties of Rice

The near infrared spectra of 178 recombinant inbred lines （RILs） from the cross of Ⅱ-32B/Yuezaoxian 6 （YZX6） and 511 varieties in rice were acquired. A total of 80 RILs and 96 cultivars were selected as modeling samples by comparing the spectra similarity primarily. Three partial least square （PLS） regression models were developed, based on the RILs （RIL-model）, the varieties （Var-model） and their mixture （Mix-model）, for protein content （PC） and amylose content （AC）, respectively. Cross validation and outer prediction showed that the models were largely influenced by the range and distribution of modeling samples. The regression model of PC based on the cultivars and the model of AC based on RILs had higher coefficient of determination （r^2 ≥ 0.9） and lower root mean square error of cross validation （RMSECVs）. The disadvantages of RIL samples for PC model and variety samples for AC model were probably caused by the narrow range of variance. Aberrant predictions were obtained for outer sample with PC or AC outside the range or within the distribution gap of modeling samples. The Mix-models gave more reliable prediction as the distribution of RIL and variety modeling samples were complementary to each other.     

近红外光谱在转基因农产品检测中的研究进展

简述了近年来近红外光谱分析技术在农产品和食品定量分析中的应用,重点介绍了近红外光谱分析在转基因植株筛选以及转基因和非转基因农产品分类和识别等方面的研究现状,比较和分析了近红外光谱与传统的转基因农产品检测方法的特点,并展望了近红外光谱分析技术在转基因农产品检测研究中的发展前景。