近红外光谱法快速测定推进剂中N-甲基对硝基苯胺

采用近红外光谱法快速测定固体推进剂中N-甲基对硝基苯胺(MNA)的含量。评价了滤波平滑、一阶导数、二阶导数、多元散射校正(MSC)和标准正态变量校正(SNV)这5种不同光谱预处理方法的优化效果，基于建模参数优化结果建立了MNA定量模型，并对模型进行了准确性和重复性验证。结果表明，光谱最佳预处理方式是SNV，模型最佳主因子数为7，模型校正决定系数(R_C²)和验证决定系数(R_P²)分别为0.998 6和0.987 2，交互验证均方根误差(RMSECV)和预测均方根误差(RMSEP)分别为0.012 0和0.009 8，重复性极差和绝对误差均低于0.2%。近红外光谱法与液相色谱法测定结果相比相对偏差在6%以内，经t检验，两种方法测定结果无显著性差异。近红外光谱法快速、准确，可用于推进剂老化进程监控。     

近红外光谱法测定卷烟纸中钠、钾、镁、钙和柠檬酸根的含量

采用近红外光谱法测定卷烟纸中钠、钾、镁、钙和柠檬酸根的含量。用近红外光谱法对163个具有代表性卷烟纸样品进行测定,利用偏最小二乘法建立了卷烟纸中钠、钾、镁、钙和柠檬酸根的数学定量模型。结果表明:当卷烟纸重叠张数为15张及以上时,近红外漫反射扫描光谱无明显差异;各模型相关系数分别为0.949 6,0.982 5,0.958 1,0.930 0,0.987 9;模型交互验证均方根误差分别为0.245,0.415,0.050 5,3.08,0.533;模型外部验证平均相对偏差分别为6.63%,4.87%,6.03%,2.31%,4.58%。t-检验结果表明:5种组分显著性水平均大于0.05,预测值与测定值不存在显著性差异。     

近红外光谱法快速鉴定油菜杂交种的纯度

建立近红外光谱技术测定油菜杂交种纯度的方法。考察了样品杯类型、光谱预处理方法和波长范围对近红外模型预测性能的影响。结果发现,由不同样品杯采集近红外光谱所建立的校正模型,其预测性能存在较大的差异,旋转杯明显优于安瓿瓶;采用消除常数偏移量对光谱进行预处理能有效地提取光谱信息,选择5 000~8 000 cm–1波数范围作为建模谱区,其包含的有效信息率最高。在最佳条件下建立油菜杂交种纯度的校正模型,其决定系数(R2)为0.980 0,交互验证均方根误差(RMSECV)为0.008 59。利用该模型对预测集进行测定,预期均方根误差(RMSEP)为0.007 59,表明该模型具有很好的预测性能,近红外光谱法用于杂交种纯度的鉴定是可行的。     

基于近红外光谱法的定量分析模型快速预测蕨菜中总黄酮的含量

采用近红外光谱法结合偏最小二乘法构建蕨菜中总黄酮含量的快速无损测定方法。取蕨菜样品140份,采用傅里叶变换近红外光谱仪采集4 000～11 500 cm^-1波段内近红外光谱,以一阶导数预处理原始光谱,设置主因子数为10,在6 100～7 500 cm^-1和5 400～6 000 cm^-1波段内建模。结果表明：校正集定量分析模型的校正均方根误差(RMSEC)为0.078,交叉验证决定系数(R²)为0.991 9;验证集定量分析模型的预测均方根误差(RMSEP)为0.125,R²为0.984 1,说明所建模型性能较优。分别以定量分析模型和紫外-可见(UV-Vis)分光光度法分析完全外部验证集样品,预测回收率(预测值和测定值比值的百分数)接近100%,说明所建模型的预测准确度较高,可用于蕨菜中总黄酮的快速、准确测定。     

近红外光谱法同时测定盐酸氯丙嗪和盐酸异丙嗪

采用近红外光谱法同时测定盐酸氯丙嗪和盐酸异丙嗪。对光谱经过10种不同预处理后,分别建立了测定盐酸氯丙嗪和盐酸异丙嗪的PLS校正模型。根据模型评价参数选择最佳模型,并用该模型对未知样品进行了预测。结果显示,对浓度范围在1～13mg.mL-1的盐酸氯丙嗪和盐酸异丙嗪,其近红外的最佳数学模型的相关系数分别为0.9432和0.9670,预测模型的均方根误差(RMSEP)分别为1.05和1.11。     

近红外光谱法同时定量测定复配乳油农药中的三种活性成分

本文采集了40个复配乳油农药的近红外光谱,用偏最小二乘回归建立并优化了辛硫磷、高效氯氰菊酯和灭多威三种活性成分的定量分析模型。最优模型结果如下:辛硫磷模型的R2、RMSEC和RMSECV分别为99.53%、0.20和0.26;高效氯氰菊酯模型的R2、RMSEC和RMSECV分别为99.83%、0.06和0.07;灭多威模型的R2、RMSEC和RMSECV分别为99.76%、0.03和0.04。对三种成分进行了外部检验,辛硫磷、高效氯氰菊酯和灭多威的外部预测误差均方根(RMSEP)分别为0.31、0.12和0.08。结果表明,近红外光谱法可以用于复配乳油农药的活性成分含量的定量分析和质量控制,预测精度可以满足实际生产需要。     

近红外光谱法非破坏性同时测定海洛因、O6单乙酰吗啡、乙酰可待因

提出了近红外漫反射光谱快速无损测定缴获白粉中海洛因、O6单乙酰吗啡、乙酰可待因含量新方法。采用GC-MS分析了缴获88份白粉中这3组分的质量百分含量范围分别为12.15%~79.54%,0.4%~18.56%,0.23%~9.11%。以交叉验证误差均方根(RMSECV)为指标,确定各组分用于建模的最优近红外波段和光谱预处理方法,采用偏最小二乘算法建立近红外光谱与这三组分GC-MS分析值之间的校正模型,并以此预测了35个白粉样本。δ代表预测样本NIR值/GC-MS值,海洛因、O6单乙酰吗啡、乙酰可待因δ值的均值为100.63%,100.35%和98.71%,RSD分别为3.96%,7.02%,8.54%。该方法快速无损,结果可靠。     

近红外光谱与组合的间隔偏最小二乘法测定清开灵四混液中总氮和栀子苷的含量

应用近红外光谱分析技术结合化学计量学方法, 建立了中药清开灵注射液中间体总氮和栀子苷含量测定的新方法. 首先采用Kernard-Stone法对训练集样本和预测集样品进行分类, 然后应用组合的间隔偏最小二乘法(Synergy interval partial least squares, siPLS)对所得近红外透射光谱进行有效谱段范围的选择以及二者定量校正模型的建立, 并对光谱预处理方法进行了详细的讨论. 所建立的总氮和栀子苷校正模型的预测相关系数(R)分别为0.999和0.708; 交叉验证误差均方根(RMSECV)均为0.023; 预测误差均方根(RMSEP)分别为0.074和0.159; 预测结果表明, 本实验所建方法快速、无损且可靠, 可推广并应用于中药注射液中间体的在线质量控制.     

中温煤沥青甲苯不溶物等4项指标的近红外预测模型的建立

采用仪器所配的积分球分析模块采集了中温煤沥青样品的近红外漫反射光谱图,采用一阶导数(SG1D)、标准正态变化(SNV)等方法对所得的原始光谱进行了预处理。分别采用GB/T2292-2018、GB/T 2293-2019、GB/T 2294-2019、GB/T 8727-2008测定了样品的甲苯不溶物(TI)含量、喹啉不溶物(QI)含量、软化点和结焦值等4项指标。以4项指标的光谱数据为自变量,测定值为因变量,采用偏最小二乘法(PLS)分别建立了测定值与光谱数据的预测模型。结果表明:4项指标的预测值和测定值的相关性较好,决定系数(R2)分别为0.82,0.79,0.71,0.96,校正均方根误差(RMSEC)分别为0.48%,0.35%,1.11℃,0.35%,预测均方根误差(RMSEP)分别为0.59%,0.45%,1.10℃,0.52%,模型具有较好的预测能力,可满足煤沥青制成过程质量控制的需求。     

温度对测定乙醇含量近红外模型的影响

以不同浓度的乙醇溶液为实验材料,研究了温度对近红外光谱法定量分析结果的影响.对体积百分比在5%～70%范围内的乙醇溶液,在15,18,20,25℃和28℃等5个温度点做了研究.对光谱经过不同预处理后,使用不同浓度的20个样品建立了测定乙醇含量的眦校正模型,根据模型评价参数选择了最佳模型.分析结果显示,温度在20℃时采用一阶导数(3点平滑)光谱预处理所建立的模型最佳.其相关系数为0.9986,预测均方根误差(RMSEP)和预测标准误差(SEP)分别为0.0079和0.0081.通过对模型进行t-检验,在显著性水平大于0.05的条件下,其测定结果与GC的测定结果对比,两者无显著性差异.应用于测定酒样中乙醇的含量,结果令人满意.     

基于近红外光谱技术的亚麻纤维化学成分含量快速测定

在推进亚麻纤维的纺纱及其产业化生产过程中,快速、准确的定量分析纤维的化学成分是重要趋势。该研究利用近红外光谱技术分析亚麻纤维化学成分,以化学分析法测定值为对照,采用偏最小二乘法(PLS)建立亚麻纤维化学成分的近红外模型,从而实现了其化学成分的高效、快速定量分析。结果表明,建立的亚麻纤维纤维素、半纤维素、木质素和果胶近红外模型的校正相关系数(R_C)与验证相关系数(R_(CV))均在0.9以上,校正均方根误差(RMSEC)小于预测均方根误差(RMSEP)且均小于1。外部验证和双尾t检验表明模型预测结果较为准确,预测值与化学分析法得到的实测值无显著性差异,故该模型可用于相关化学成分含量的快速预测。     

近红外光谱法分析格列齐特片

应用化学计量法处理光谱数据,用偏最小二乘法建立格列齐特片的近红外分析模型。通过光谱预处理和模型的逐步优化最终确定定量分析模型的相关系数为0.991,交叉验证均方差(RMSECV)为0.641,预测均方根误差(RMSEP)为0.980,主因子数为4。选取15个验证样品对模型进行检验,检测结果相对误差在-2.04%～3.52%之间。     

主成分分析-支持向量回归建模方法及应用研究

将主成分分析(PCA)用于近红外光谱的特征提取,并与支持向量回归(SVR)相结合,实现了主成分分析-支持向量回归(PCA-SVR)用于近红外光谱定量分析的建模方法。与单纯的SVR方法相比,不仅提高了运算速度,而且提高了模型的预测准确度。将PCA-SVR方法用于烟草样品中总糖和总挥发碱含量的测定,所得结果的预测均方根误差分别为1.323和0.0477;回收率分别为91.8%~112.6%和88.9%~120.2%。     

基于近红外光谱法建立的模型预测烟用料液中水溶性糖的含量北大核心CSCD

基于近红外光谱法建立了快速预测烟用料液中水溶性总糖和还原糖含量的模型,用以评价烟用料液配制质量的稳定性。以连续流动法为参比,测定5个不同品牌120个料液样品中总糖和还原糖的含量;以近红外光谱仪分析样品,采用二阶导数和Norris滤波平滑对原始近红外光谱进行预处理,在5 400~7 600 cm^(-1)和4 000~4 600 cm^(-1)波段内用偏最小二乘法建立总糖和还原糖的定量分析模型。结果显示:当主因子数为6时,总糖定量分析模型的校正相关系数(R_(c))为0.998 5、预测相关系数(R_(p))为0.998 1、交互验证相关系数(R_(cv))为0.998 8、校正均方根误差(RMSEC)为0.257、预测均方根误差(RMSEP)为0.261、交互验证均方根误差(RMSECV)为0.284;还原糖定量分析模型的R_(c)为0.999 0、R_(p)为0.998 7、R_(cv)为0.999 2、RMSEC为0.235、RMSEP为0.250、RMSECV为0.266。经配对T检验统计学分析,本法与连续流动法对料液样品中水溶性糖含量的测定不存在显著性差异。利用建立的模型对112个待检烟用料液样品中水溶性糖含量进行预测,运用统计过程控制技术中的3σ过程控制原理判断待检烟用料液配制质量的稳定性,并根据样品的理化指标来验证结果的准确度。结果表明,A品牌5,14,28号样品和C品牌21号样品均不属于正常样品,B、D和E品牌样品中水溶性糖含量均在质量控制范围内,说明样品配制质量的稳定性较好。     

近红外光谱-径向基神经网络在异烟肼片无损定量分析中的应用

应用异烟肼片粉末的近红外漫反射光谱数据分别结合偏最小二乘法(PLS)和径向基神经网络(RBFNN)建立定量分析模型,并用所建模型对预测集样品进行了预测,结果表明:应用RBFNN所建立的定量分析模型优于PLS模型,相关系数(r)值由0.99593提高到0.99734,交互验证均方根误差(RMSECV)值由0.00523下降到0.00423,预测均方根误差(RMSEP)值由0.00614下降到0.00501。     

近红外光谱测定溶液中甲醇的含量

测量了含微量甲醇(体积分数为0.04%～0.24%)的系列乙醇水溶液的近红外光谱,利用近红外光谱分析建立了预测甲醇含量的定量分析模型。比较了用外部检验法(Test Set-Validation)和交叉检验法(Cross-Validaton)建立的数学模型,研究了使用外部检验法时,校正集和检验集样品数的改变对模型预测结果的影响。结果发现,当校正集样品数为15检验集样品数为6(总样品数为21)时,使用外部检验法建立的数学模型预测结果较好,其校正集的均方根误差和检验集的预测均方根误差(分别为RMSEE和RMSEP)均较小(分别为0.0115和0.0105),而且很接近。结果表明,近红外光谱方法简单,准确而且实用。     

葡萄籽多酚大孔树脂纯化过程的近红外光谱快速检测

采用近红外光谱透射法,对葡萄籽提取液大孔树脂层析过程多酚含量进行快速无损测定.以FolinCiocalteus比色法为对照方法,运用偏最小二乘法(PLS)建立定量校正模型,测定大孔树脂洗脱过程葡萄籽多酚浓度变化.该模型相关系数R2达到0.9995,校正集误差均方根(RMSEC)和预测集误差均方根(RMSEP)分别为0.713和2.67,校正集相对偏差(RSEC)和预测集相对偏差(RSEP)分别为2.39％和8.48％.本方法快速、有效、无损,可用于葡萄籽多酚柱层析纯化过程检测和质量控制.     

支持向量回归-同步荧光光谱法预测鸭肉中克百威残留

为了满足鸭肉中克百威残留分析及快速检测的要求,基于克百威水解物在巯基乙醇存在的条件下能与邻苯二甲醛反应产生具有强荧光性衍生物的方法,建立了应用同步荧光光谱法测定鸭肉中克百威残留量的预测模型。对含有克百威鸭肉样品的三维同步荧光光谱进行分析,确定其最佳波长差Δλ为120 nm;利用遗传算法(GA)结合交互验证均方根误差(RMSECV)从240～450 nm光谱中筛选出19个波长作为定量分析模型的输入特征变量;对SVR、PCR、PLS 3种回归模型的性能进行比较,实验发现SVR模型的预测结果最好,其预测集的决定系数(r2)和预测均方根误差(RMSEP)分别为0.999 4和0.878 7。研究结果表明,采用同步荧光光谱法结合支持向量回归算法测定鸭肉中克百威的残留量,具有快速、预测精度高等特点,可为检测鸭肉中的克百威残留量提供一种可行的方法。     

基于可见/近红外透射光谱的番茄红素含量无损检测方法研究

针对番茄内外部结构特征,搭建了可见/近红外透射检测系统,利用完整番茄透射光谱信息,对番茄红素含量进行无损伤快速检测研究。采集的原始光谱曲线经去趋势(DT)、标准正态变量变换(SNV)、多元散射校正(MSC)、归一化(NOR)、一阶导数(FD)预处理后分别用偏最小二乘(PLS)进行建模分析。其中SNV预处理后的模型效果最好,校正集和验证集相关系数分别为0.9771和0.9504,校正集和验证集均方根误差为0.9711和1.0496 mg/kg。为进一步提高模型的精度和稳定性,采用无信息变量消除法(UVE)、连续投影算法(SPA)、竞争性自适应重加权算法(CARS)3种方法单独或联合处理(UVE-SPA,UVE-CARS),对全光谱进行变量优选。经UVE-CARS处理后番茄红素预测模型效果最好,其校正集和验证集相关系数分别提高至0.9830和0.9741,均方根误差分别降低至0.6919和0.7680 mg/kg。最后,选用25个番茄样品对所建立模型进行了外部验证,UVE-CARS-PLS模型的预测集相关系数为0.9812,预测集均方根误差为0.7071 mg/kg,平均相对误差为4.3%。而作为比较的PLS模型的预测集相关系数为0.951,均方根误差为1.0610 mg/kg,平均相对误差6.0%,相比于全光谱PLS模型,UVE-CARS可以很大程度地简化模型,提高模型精度,降低检测的误差限。结果表明,基于自行搭建的番茄可见/近红外透射检测系统结合光谱处理方法,可以实现对生鲜番茄中番茄红素含量的快速、无损检测,为番茄红素定量检测提供了新方法。     

用人工神经网络-近红外光谱法测定冬虫夏草中的甘露醇

提出了用近红外漫反射光谱技术快速分析发酵冬虫夏草菌粉中甘露醇含量的新方法。采用比色法测定样品中的甘露醇，其含量范围为8．082％-14．548％。在7501．7-6097．8cm^-1与5453．7-4246．5cm^-1波段，分别采用PCR、PLSR和BP神经网络方法建立了样品近红外光谱的一阶微分光谱与其甘露醇含量之间的相关模型。BP神经网络模型的内部交叉验证误差均方根为0．475，预测误差均方根为0．608，均优于PCR和PLSR的处理结果。这表明，BP神经网络法对非线性检测对象具有较好的建模效果，可用于中药近红外光谱分析的非线性校正。