苹果糖度近红外光谱分析模型的温度补偿

温度变化对水果品质近红外评价有很大影响,需要补偿温度波动对模型的影响。文章研究了温度变化(2～42 ℃)对苹果近红外漫反射光谱的影响,采用剔除温度变量法和内校正法补偿温度对模型的影响,提高预测精度。研究表明,温度与光谱信息存在一定相关性, 其模型R2=0.985,RMSEC=1.88,RMSEP=2.32;未进行温度校正模型的预测标准偏差达到2.55;采用复合预处理方法和改进的遗传算法对光谱数据优化,剔除温度变量法模型的R2=0.954,RMSEC=0.63,RMSEP₁=0.72,RMSEP₂=0.74;内校正法的模型R2=0.952,RMSEC=0.64,RMSEP₁=0.69,RMSEP₂=0.68;相比未进行温度补偿模型均提高了预测精度。结果显示：温度对苹果近红外光谱影响呈非线性变化,剔除温度变量法和内校正法可用于补偿温度对模型的影响,可提高模型预测精度。     

微型近红外光纤光谱仪用于奶粉中蛋白质脂肪的定量检测研究

提出利用微型近红外光谱仪、结合Y型光纤探头,在900～1 700 nm范围内对奶粉中蛋白质、脂肪含量进行快速、无损检测的漫反射光谱检测方法。基于Unscrambler 9.7化学计量学软件,选择合适的光谱波段,通过PLS算法分别建立了蛋白质、脂肪的校正模型,得到蛋白质、脂肪校正模型的决定系数R2分别为0.987和0.986,均方根误差RMSC分别为0.385和0.419。利用所建模型对预测样本数据集进行预测验证,得到蛋白质的标准差SEP_Protein=0.768、脂肪的标准差SEP_Fat=1.109,表明所建模型具有较高的预测能力,已基本达到实用化要求。     

一种基于近红外光谱的天然产物抗氧化活性预测评价方法

提出了一种基于近红外(NIR)光谱的黄酮类提取物抗氧化活性计算预测新方法。采用1,1-二苯-2-苦肼基(DPPH)法测定28种黄酮类中药材提取物的抗氧化活性,并在4 000～10 000 cm-1范围扫描样品的红外光谱,采用偏最小二乘(PLS)算法建立了黄酮类组分近红外光谱与抗氧化活性之间的校正模型。建模过程中,以交叉验证相关系数(R2),交叉验证误差均方根(RMSECV)为指标,确定了用于建模的最优近红外波段和光谱预处理方法。校正模型的RSECV为9.50%,R2为 0.901 7,预测误差均方根(RMSEP)为14.8%。该方法快速无损、操作简便,可用于中药及天然产物提取物抗氧化活性的快速评价。     

近红外光谱检测鲜枣酵母菌的动力学模型

酵母菌是引起鲜枣发酵的主要微生物。以室温(20 ℃)贮藏的鲜枣为研究对象,应用近红外光谱,建立了检测鲜枣内酵母菌的动力学模型,从而预测室温贮藏鲜枣的保鲜期,以确保鲜枣的品质安全。通过对近红外光谱预处理方法和特征波数的优选,分别建立了室温贮藏下鲜枣内酵母菌的近红外光谱定量检测模型和反映其变化规律的动力学模型。结果表明,在全光谱范围内,采用多元散射校正光谱预处理方法,通过多元线性回归,建立的鲜枣内酵母菌菌落总数的近红外光谱模型预测效果最好,其中校正集的相关系数为0.950,均方根误差为2.560,预测集的相关系数为0.863,均方根误差为2.477。结合鲜枣的近红外光谱,其零级反应动力学模型可以较好地描述酵母菌的变化情况,鲜枣光谱吸光度值与贮藏时间的动力学模型为B_t=171.395-124.445x₁-109.945x₂-32.763x₃-7.899x₄-1.426x₅-4.857x₆+0.045t,其相关系数为0.996,标准偏差为2.561。酵母菌安全限量为100 000 cfu·g-1,当酵母菌菌落总数初始值小于等于10 cfu·g-1时,预测鲜枣在室温下的贮藏时间为8 d,也可根据鲜枣中的酵母菌菌落总数初始值的不同实现实时监测鲜枣内部酵母菌菌落总数信息及其安全的贮藏时间。     

基于支持向量机算法的红外光谱技术在奶粉蛋白质含量快速检测中的应用

蛋白质是奶粉中重要的营养成分,实现对奶粉中蛋白质含量的快速、无损检测十分重要。文章采用近红外及中红外光谱技术检测了不同品种奶粉的蛋白质含量。采用最小二乘支持向量机对光谱透射率值和蛋白质值建模。模型在全波段对样本蛋白质含量预测得到了较好的结果,绝对系数(R2_p)达到0.9517,预测误差均方根(RMSEP)为0.520 201。预测结果要优于传统的偏最小二乘回归(PLS)的预测结果,说明红外光谱技术能够实现奶粉蛋白质含量的无损检测,且检测过程比传统化学检测方法简单,操作性强。文章同时还研究了分别基于中红外光谱范围和近红外光谱范围的建模。模型预测结果显示中红外光谱区域的建模效果要优于近红外光谱区域。该研究为今后奶粉蛋白质含量快速无损检测提供了新的方法。     

基于衰减全反射-傅里叶变换红外光谱技术的气溶胶中水溶性无机离子定量分析方法研究

利用衰减全反射-傅里叶变换红外(ATR-FTIR)光谱技术探讨了气溶胶颗粒物中SO2-₄,NO-₃,NH+₄三种水溶性无机离子的快速无损测量方法。利用IC法测量三种无机离子含量的对照值,结合偏最小二乘(PLS)法建立了三种无机离子的定量分析模型,并对模型进行了评价;利用马氏距离判别法对异常值进行了判别与剔除,并探讨了不同光谱预处理方法和不同光谱范围对建模结果的影响,确定了最佳建模参数。结果表明剔除异常值之后经二阶微分处理的模型预测性能较好,SO2-₄在1 220～900 cm-1光谱范围内预测性能较好,NO-₃在1 521～900 cm-1光谱范围内预测性能较好,NH+₄在1 521～1 220 cm-1光谱范围内预测性能较好,预测均方根误差分别为1.736 7,1.023 9和1.482 3。所建立的模型为实现对大批量气溶胶样品中三种无机离子的实时快速定量分析建立了基础。     

水果坚实度的近红外光谱检测分析试验研究

应用傅里叶漫反射近红外光谱技术探讨了水果坚实度无损检测的方法。利用偏最小二乘法建立了坚实度与漫反射光谱的无损检测数学模型,同时对不同光谱预处理方法和不同建模波段范围对模型的预测性能进行了对比分析。结果表明：利用傅里叶变换光谱仪采集的原始光谱的平滑预处理对结果并没有太大影响;原始光谱在800～2 500 nm范围的模型得到了最好的预测结果：校正集样本的相关系数r为0.869,校正均方根误差RMSEC为3.88 N;预测集样本的相关系数r为0.840,预测均方根误差RMSEP为4.26 N。 通过本研究得出：应用近红外漫反射光谱检测水果坚实度是可行的,为今后快速无损评价水果成熟度提供了理论依据。     

人参叶总皂苷大孔树脂分离纯化工艺的近红外光谱在线监测模型及其含量测定

利用近红外(NIR)光谱技术研究并建立可在线监测人参叶皂苷类成分的大孔树脂分离纯化工艺的方法。建立人参皂苷Rg₁,Re和Rb₁的高效液相色谱(HPLC)含量测定方法,收集人参叶提取物的40%乙醇大孔树脂洗脱液,采集其近红外光谱信息,并用已建立的HPLC法测定其中人参皂苷Rg₁,Re和Rb₁的含量,结合偏最小二乘法(PLS)建立上述三种成分及人参总皂苷的定量分析模型。建模过程中,以决定系数(R2),交叉验证均方根误差(RMSECV)为指标,确定用于建模的最优近红外波段和光谱预处理方法,结果表明人参皂苷Rg₁,Re,Rb₁及人参总皂苷模型的最佳建模波段均为12 000.8~7 499.8 cm-1,R2分别为0.988 7,0.960 3,0.990 5和0.970 1,RMSECV分别为0.059 7,0.072 2,0.004 88和0.075 5。将1个批次的人参叶提取物大孔树脂分离纯化工艺样品用于验证人参总皂苷定量分析模型的预测性能,总皂苷的NIR预测值和HPLC测定值的相关系数为0.992 8,平均预测回收率为100.52%,表明所建的模型预测效果良好。该法快速、简便、准确,可用于生产工艺过程中人参总皂苷的含量测定和质量控制。     

基于紫外光谱检测的GIS内多类故障早期预警

气体绝缘开关(GIS)故障预警强调异常识别的实效性和现场适用性,是精确诊断的基础。研究GIS内局部放电(PD)及过热故障的统一预警方法具有重要意义。提出将SO₂作为GIS内部两类故障公共的特征分解物,并应用紫外光谱(UV)测量SO₂实现多故障早期预警。一阶导数法和Savitzky-Golay滤波被用于快速基线校正和光谱平滑,290～310 nm被选为特征区进行SO₂检测及定量。UV检测可避免诸如SF₆及SOF₂、SO₂F₂等分解物的干扰,便于从复杂的SF₆分解物组分中识别微量SO₂特征,测量系统结构简单、维护成本低、适于现场检测。通过模拟SF₆气体在两类PD缺陷及200～400 ℃过热条件下的分解实验,证实所提UV预警方法的有效性：两类GIS故障条件下都会稳定的生成SO₂。对UV预警后的故障诊断,借助傅里叶变换红外光谱仪及气相色谱仪,确认PD及过热故障下的分解物组分存在差异,并据此简要分析了故障类型辨识方法。PD分解物以SOF₂和SO₂F₂为主,SO₂含量远小于SOF₂,放电涉及环氧树脂时含碳分解物含量上升。过热材质为不锈钢时,SF₆约在300 ℃发生分解,300～400 ℃内的过热分解物主要为SO₂和SOF₂,350 ℃以上SO₂生成速率明显快于PD时。随着GIS内故障持续恶化,SO₂含量均呈现稳定上升趋势。在UV预警后,可利用获得的SO₂生成特性初步辨识故障类型。     

赣南脐橙果园土壤全氮和有机质近红外漫反射光谱检测

选取赣南脐橙果园土壤作为研究对象,探讨在4 000～7 500 cm-1范围内的光谱分析土壤全氮和有机质的可行性。采集的近红外光谱采用多元散射校正、一阶微分、二阶微分、七点平滑等多种预处理对比分析,分别建立了有机质和全氮含量偏最小二乘模型。实验得出全氮预测模型在4 000～7 500 cm-1范围内采用七点平滑(SG)进行预处理模型较为理想,校正集相关系数(r_c)为0.802,校正均方根误差(RMSEC)为2.754,预测集相关系数(r_p)为0.715,预测均方根误差(RMSEP)为3.077;有机质预测模型在4 000～7 500 cm-1范围内采用标准正态变量变换(SNV)预处理模型较为理想,r_c为0.848,RMSEC为0.128,r_p为0.790,RMSEP为0.152。研究表明近红外漫反射光谱可快速用于赣南脐橙果园的土壤中全氮和有机质含量的快速检测。     

近红外光谱技术在葡萄及其制品品质检测中的应用研究进展

葡萄具有丰富的营养价值、药用价值和经济价值,是世界上种植面积最大的水果之一。根据人们的消费需求及产品的贮运要求,葡萄被加工成葡萄干、葡萄汁、葡萄酒、葡萄籽油等常见葡萄制品。基于食品质量安全的关注以及高品质果蔬农产品的需求,如何快速有效地评价葡萄及其制品的质量已成为当务之急。随着无损检测技术及装备的快速发展,近红外光谱（NIR）技术因其快速、无损、精确、经济及便于在线分析的优点,也逐渐被应用在果蔬等农产品质量品质检测领域。近年来,国内外学者利用NIR技术在不损坏被检测葡萄及其制品的前提下,结合化学计量法、主成分聚类分析（PCA）、偏最小二乘判别分析（PLS-DA）、主成分回归（PCR）、偏最小二乘回归（PLSR）、支持向量机（SVM）及神经网络（NN）等数据处理方法探究了糖、酒精、酸等一般成分及色素、单宁、芳香物质等特有成分含量与有效光谱信息的关联性,以此建立了葡萄及其制品主要品质指标的定性鉴别与定量分析模型,为便携式近红外葡萄品质检测设备的研制和在线葡萄汁、葡萄酒酿制过程监测系统的开发提供了一定技术支持。文章系统概述了近十年来国内外NIR技术在葡萄、葡萄酒、葡萄汁及葡萄副产物检测中的应用现状,旨在为葡萄及其制品在后续分类鉴定与品质评价研究方面提供参考。研究表明NIR技术通过定量定性分析可实现葡萄复杂理化成分的多组分检测和分类鉴别,在测定葡萄理化特性与内部品质方面的研究已经有了一定的进展,且在葡萄酒、葡萄汁的品质过程监测和定性鉴别方面的研究应用逐渐增多,并逐步应用于葡萄皮中多酚、花青素等葡萄副产物分析,以及葡萄藤、葡萄叶营养生长状况监测等其他方面,进一步证实了NIR技术正成为检测葡萄及其制品品质的一种有效工具,为进一步提高葡萄及其制品品质价值以及实现葡萄果园的实时、高效生产管理提供了技术支持,应用前景极为广泛。如何深入挖掘葡萄及葡萄制品不同类检测数据所反映信息的内在关联性,结合视觉、味觉、嗅觉等多源信息融合技术建立预测精确度更高、更稳健的模型去全面评价葡萄生产、果园管理、成熟期收获及产后加工全过程,实现对葡萄及其制品生产全过程质量控制和在线监测将成为今后的发展趋势。     

Sugar Determination in Grapes Using NIR Technology

In the last years, the interest in near infrared (NIR) technology is growing. Among the advantages offered by NIR spectroscopy are: speed, low cost, high repeatability, high reproducibility, and nondestructive. The purpose of this paper is to study the possibility of using NIR reflectance spectroscopy for correlation with sugar contents in grapes of the following varieties: Garnacha and Viura. These procedures were performance: fruits were hand-harvested and 30 grapes of each variety were selected. Mass, sugar and NIR (800-2500 nm) reflectance spectra of all the samples were obtained. The harvesting lasted long to obtain a wide range of the sugar content. Data were analysed using SPSS and SAS. It is possible a correlationship between NIR spectra and sugar (°Brix) so we can predict °Brix of grape with NIR technology. Multilinear Regressions were obtained. So, Viura multilinear regression used 33 variables (R² = 0,925; standard error of estimate = 1,0446) and Garnacha, 63 variables (R² = 0,89; standard error of estimate = 1,0508).     

葡萄浆果糖度可见/近红外光谱检测的研究

针对可见/近红外光谱与水果糖度存在非线性相关的特点,利用漫反射光谱测定方法获取了葡萄浆果的可见/近红外光谱,提出了应用偏最小二乘（PLS）结合人工神经网络（ANN）建立葡萄浆果糖度的预测模型,利用偏最小二乘法（PLS）对原始光谱数据进行处理,得出交叉检验的最佳主因子数为3,并将3个主因子的得分作为三层BP神经网络的输入。通过定标集样本对BP神经网络进行训练,用优化的BP神经网络模型对预测集样本进行预测。PLS-ANN模型对样本的预测模型检验参数r2为0.908,RMSEP为0.112,Bias为0.013,好于只使用PLS模型的预测模型检验参数r2为0.863,RMSEP为0.171, Bias为0.024。结果表明,利用近红外光谱技术无损检测葡萄浆果糖度等内部品质是可行的,为今后进一步分析建立浆果内部品质预测模型奠定了基础。     

通过挥发物鉴别葡萄变质状态-基于长光程红外光谱和简易电子鼻阵列

葡萄在劣变时会挥发出特定成分和浓度的气体。在变质葡萄的挥发物红外光谱中发现了乙醇、乙酸乙酯和二氧化碳的光谱特征。通过多次反射的光学系统提高了光谱测量的光程,从而获得了更高的探测灵敏度。利用新型光谱测量系统进一步研究了葡萄劣变过程中挥发物的精细化特征,并证实了其中含有多种醇类、酯类、醛类和乙烯的光谱特征。部分挥发物的浓度随贮藏时间展现规律性的变化,可以以其为生物标志物来表征葡萄的变质程度。进一步以光谱观测规律为基础研制了由传感器阵列组成的电子鼻,通过对特定挥发物的定量化测量实现葡萄变质的分类和预警。揭示了更为精细的葡萄劣变过程中挥发物的光谱特征变化规律,证实了通过挥发物测量鉴别水果变质的可行性,为开展水果变质的实时监测技术研究提供了理论和技术参考。     

杉木综纤维素和木质素的近红外光谱法测定

用近红外光谱法对杉木中综纤维素和木质素含量进行了快速测定。用常规湿化学方法测定了48个杉木木材样品的综纤维素和木质素,用近红外光谱仪采集相应的光谱,进行二阶微分处理和平滑预处理后,用偏最小二乘法和完全交互验证方式建立相应预测模型。综纤维素校正模型和预测模型的相关系数分别为0.96和0.93;预测标准误差分别为0.39和0.50;木质素校正模型和预测模型的相关系数分别为0.99和0.90;预测标准误差分别为0.10和0.28。结果表明,近红外光谱法可以快速分析木材中综纤维素和木质素含量。     

近红外光谱和电子鼻技术用于葡萄酒发酵过程中酒精度的定量分析

采用近红外光谱和电子鼻对葡萄酒的酒精发酵过程进行了动态采样检测,通过主成分回归和偏最小二乘回归对酒精度变化进行了监控和预测研究。分别建立了近红外光谱、电子鼻以及二者融合数据对酒精度定量分析的主成分回归和偏最小二乘回归模型。结果表明,近红外光谱数据和电子鼻数据的主成分回归和偏最小二乘回归模型的相关系数(r)均大于0.99,但校正均方根误差(RMSEC)和预测均方根误差(RMSEP)较大。近红外光谱和电子鼻数据融合后,模型质量得到提高,建立的偏最小二乘模型r为0.999 2,RMSEC和RMSEP分别降低为0.206%和0.205%(v/v),定量精度较高。近红外光谱和电子鼻均适用于红酒发酵过程中对酒精度的定量分析,且二者结合应用能提高定量精度。     

近红外光谱通用模型在农产品及食品检测中的研究进展

我国人口基数大,农产品和食品的需求量多。农产品和食品的质量与安全与人们的日常生活息息相关。如何实现使用无损、快速、环境友好型、高通量的检测方法对农产品和食品的品质进行检测,是当代社会的发展需要。传统的检测分析方法存在着耗时耗力、检测的样品不能再次出售、产生次品漏检的现象等缺点。近红外光谱分析技术作为一种快速无损的检测手段,逐渐被一些学者以及相关行业人员所重视。然而,近红外光谱分析方法大多数只针对于单一物料建立数学模型。对于数量庞大且种类众多的农产品和食品而言,如不同地域、不同年份、不同温度、不同加工方法、不同成分组成甚至是不同品种,这种相对传统的近红外分析方法无疑会增加建模的工作量。随着计算机技术、光谱仪硬件、化学计量学以及互联网技术的发展,相关学者已经开始着手于近红外光谱通用模型的研究与开发来解决这一问题,即建立一个近红外通用模型,能够对多种物料的同一指标或多种指标进行检测。相比于传统的近红外光谱模型,通用模型具有建模成本低、工作量小等优点,特别使近红外光谱技术在农产品和食品领域中应用以及推广方面具有重要的意义。针对近红外光谱通用模型在农产品和食品检测中的研究进行综述,通过比较传统模...     

棉籽油分含量近红外无损检测分析模型与应用

棉花是一种重要的油料作物。建立快速、无损检测棉花种子含油量的方法,对于棉花油分育种工作中的材料鉴定、筛选具有重要意义。利用近红外光谱仪采集118份不同油分含量棉花种籽的近红外漫反射光谱,结合化学方法测定验证,建立了棉籽油分含量快速无损检测的近红外模型。光谱预处理方法采用一阶导数＋多元散射校正(MSC),光谱范围5 446～8 848 cm-1,主成分维数为5,以基本覆盖陆地棉棉籽含油量范围的106份试验材料为校正样品集,利用偏最小二乘法(PLS)建立了棉籽仁油分含量近红外反射光谱(NIR)校正模型。校正模型决定系数R2=0.975,校正标准差SEC=0.67。用外部验证样品集进行外部验证,对所建模型的实际预测能力进行检验。结果表明,油分含量预测值与化学值相关系数r=0.978,预测结果误差范围0.1%～1.7%,建立的模型具有很好的预测性。利用建立的模型对784份育种材料进行了油分含量预测,结果显示,该模型应用可以加快棉花育种材料的油分鉴定。     

近红外光谱技术在奶酪品质评价中的应用

近红外光谱技术是一种快速、无损的分析方法,国外将该技术应用于奶酪品质的检测已有多年,国内在这方面的研究较少。通过本文介绍了近红外光谱技术分析奶酪成分和在奶酪的加工生产、缩水收缩控制、成熟过程、货架期、组成成分和品牌分类鉴别等几个方面的应用,表明近红外光谱技术在奶酪品质分析中应用潜力巨大,促进近红外光谱技术的应用和我国奶酪行业的发展是一项紧迫的任务。     

方位和品质对南疆果品空间特性光谱影响及反演方法研究

高光谱无损检测技术在果品定量无损检测中应用广泛,以冬枣、红提、香梨三种果品空间特性光谱为研究目标,探索空间特性光谱的影响因素和反演方法,为提高户外果品无损检测精度提供了一种新思路。分别提取三种果品的光谱库并计算空间特性光谱,依次使用马氏距离、浓度残差等预处理方法以及竞争性自适应权重取样算法选取特征波长,将处理后的三种果品空间特性光谱分别与品质（糖度、水分）和方位（探测角、方位角、相位角）建模,建模结果如下：三种果品（按照冬枣、红提、香梨的顺序）与糖分模型的相关系数r分别为：0.853 3,0.822 7和0.913 3;水分模型的相关系数r分别为：0.741 3,0.784 7和0.891 3;探测角模型相关系数r分别为：0.985 6,0.992 7和0.974 7;方位角模型相关系数r分别为：0.941 8,0.910 5和0.936 9;相位角模型相关系数r分别为：0.960 9,0.957 0和0.956 3。可以看出,不同果品方位模型相关性都明显高于品质模型相关性,因此方位因素是影响空间特性光谱的主要原因。使用Roujean模型和Walthall模型分别对不同方位的空间特性光谱进行反演,反演结果如下：使用Roujean模型反演三种果品（按照冬枣、红提、香梨的顺序）空间特性光谱时R2分别为0.934 4,0.928 1和0.830 6;r分别为0.990 2,0.983 9和0.969 1;RMSEP分别为0.030 9,0.048 7和0.062 7;平均模型误差分别为7.27%,11.02%和8.61%。使用Walthall模型描述不同果品空间特性光谱时R2分别为0.943 3,0.859 7和0.839 0;r分别为0.991 8,0.971 8和0.970 2;RMSEP分别为0.036 6,0.066 1和0.068 7;平均模型误差分别为6.19%,15.40%和7.84%。可以看出,Roujean模型可以很好的描述冬枣和红提的空间特性光谱,也可以较好的描述香梨空间特性光谱;Walthall模型可以很好的描述冬枣空间特性光谱,也可以较好的描述红提和香梨空间特性光谱。综上所述,在今后试验中可以使用Roujean模型反演红提和香梨的空间特性光谱,使用Walthall模型反演冬枣的空间特性光谱,进而提高户外果品户外果品无损检测精度。