白酒基酒中酮类物质的近红外光谱检测方法

应用近红外光谱技术建立了白酒基酒中2,3-丁二酮和3-羟基-2-丁酮的快速检测模型。从洛阳杜康酒厂选取182个白酒基酒样品为材料,运用气相色谱法测得两种物质的化学值,同时采集其在12 000~4 000 cm-1范围内的光谱数据,采用偏最小二乘法(PLS)结合内部交叉验证建立校正模型。通过对比不同光谱预处理下PLS模型效果对其进行优化,确定2,3-丁二酮和3-羟基-2 丁酮的最佳预处理方法分别为一阶导数+多元散射校正和二阶导数,最佳光谱区间分别为9 403.2~7 497.9 cm-1和9 403.2~7 497.9 cm-1+6 101.7~5 449.8 cm-1。优化后2,3-丁二酮和3 羟基-2-丁酮校正集样品的化学值和近红外预测值的决定系数(R2)分别为0.960 2和0.963 2,交叉验证均方根误差(RMSECV)分别为0.39、0.22 mg/100 mL;通过外部检验,验证集样品的R2分别为0.957 6和0.957 8,预测均方根误差(RMSEP)分别为0.40、0.24 mg/100 mL。结果表明,应用近红外光谱技术结合化学计量学方法所建立的模型有较高的准确度,能够满足白酒生产中酮类物质的快速检测需要。     

基于主成分分析和小波神经网络的近红外多组分建模研究

将小麦叶片原始光谱经过预处理后,采用主成分分析(PCA)对数据进行降维,取前3个主成分输入小波神经网络,建立了基于主成分分析和小波神经网络的近红外多组分预测模型(WNN);进一步研究了小波基函数个数的选取(WNN隐层节点数)对小波神经网络模型性能的影响,并将WNN模型与偏最小二乘法(PLS)和传统的反向传播神经网络(BPNN)模型进行了比较.结果表明,所建立的WNN模型能用于同时预测小麦叶片全氮和可溶性总糖两种组分含量,其预测均方根误差(RMSEP)分别为0.101%和0.089%,预测相关系数(R)分别为0.980和0.967.另外,在收敛速度和预测精度上,WNN模型明显优于BPNN和PLS模型,从而为将小波神经网络用于近红外光谱的多组分定量分析奠定了基础.     

独立分量分析预处理法提高苹果糖度模型预测精度研究

为了提高苹果近红外光谱糖度预测模型精度,利用独立分量分析方法(ICA)对苹果近红外光谱进行了预处理,并且建立了糖度的偏最小二乘(PLS)预测模型。结果表明,独立分量分析不但能分离出噪声信号,而且所分离出来的光谱信号也比原始光谱信号光滑。在预处理后的最佳PLS糖度模型校正时的相关系数rc和标准偏差SEC分别为0.9549和0.3361,用于预测时的相关系数rp和标准偏差SEP分别为0.9071和0.4355。与普通的平均处理法的PLS模型相比,其精度有所提高,且模型更加简洁。     

近红外光谱法测定卷烟纸中钙和镁

应用傅里叶变换近红外(FT-NIR)光谱分析技术结合偏最小二乘法(PLS),建立了卷烟纸中钙和镁含量的数学预测模型。结果表明:钙和镁模型的相关系数分别为0.9870和0.9851,内部交叉验证均方差为0.462和0.0082,近红外光谱法预测值与原子吸收光谱法测定值的平均相对偏差各为3.1%和7.4%。该方法简便、快速、不破坏样品,可用于大批量卷烟纸样品中钙和镁的快速测定。     

近红外光谱法同时测定黄芪精口服液中黄芪多糖和黄芪甲苷的含量

应用傅立叶变换近红外光谱仪透射光谱技术对黄芪精口服液中黄芪多糖(APS)和黄芪甲苷(AGS)的含量进行检测分析,采用偏最小二乘回归法(PLS)建立了黄芪精口服液中APS和AGS含量近红外数学校正模型.通过内部交叉验证,确定了模型的最佳变量数,得到了建立模型的最佳参数,并通过预测集对模型进行了外部验证.黄芪多糖的相关系数...     

分光光度法快速测定玉米叶片中的叶绿素

以玉米叶片为材料,利用双波长双光束紫外可见分光光度计,用最大决定系数增量回归算法,研究了叶片叶绿素a、b及SPAD值同时、快速测量方法.结果表明,用3个波长点建立的模型可以达到良好的预测效果,预测叶绿素a、b及SPAD值的相关系数分别为0.9919、0.9816和0.9757;标准差分别为1.52、0.43和1.96;预测相对标准差分别为4.64%、5.50%和4.88%.同时研究了仪器波长误差和带宽变化对测定结果的影响, 发现波长偏移超过0.2 nm,误差快速增大,且波长向长波方向偏移时对测量的影响要大于向短波方向偏移的影响;仪器带宽变大,预测误差也就越大.     

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。     

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。     

导数分光光度法同时测定叶绿素a和叶绿素b

1 引言 本文采用一阶导数分光光度法同时测定叶绿素(Chl)a和b,检测下限分别为14.3ng/ml和37.8ng/ml,测定范围分别为0.5～20μg/ml和0.5～10μg/ml,相对标准偏差分别为1.01%和1.44％。 2 方法要点 取适量Chl a或Chl b的90％丙酮溶液,在美国Beckman DU-7HS型分光光度计上以600nm/min的扫描速度绘制吸收光谱,并转换成一阶导数谱图(△λ=4)。由该谱图可知,Chl b在467.0nm处有一个导数     

近红外光谱用于注射用曲克芦丁质量控制研究

运用近红外光谱(NIRS)分析技术建立注射用曲克芦丁的定量分析预测模型,并进行相关验证。近红外积分球漫反射光谱法对73个批次样品进行采集得到NIRS图,根据高效液相色谱法(HPLC)测定样品的有效成分含量并测得样品pH值,使用TQ Analyst光谱分析软件运用偏最小二乘法(PLS)建立定量分析方法模型。模型结果显示,含量预测模型的线性相关系数(R)为0.99239,校正标准偏差(RMSEC)和预测标准偏差(RMSEP)分别为0.1790和0.5460,pH值预测模型R为0.81575,RMSEC和RMSEP分别为0.0749和0.0704。验证结果显示,含量与pH值预测模型外部验证结果的平均误差率分别为0.46%和1.57%,且t检验无显著性差异(P>0.05)。NIRS分析技术可快速稳定的对产品含量和pH值进行预测,对产品质量控制提供了新的方法依据。