近红外光谱分析技术在肥料成分分析中的应用及前景

近红外光谱是一种快速、无损、可实现多组分同时测定的分析技术.本文简要介绍了近红外光谱的发展、测量原理、技术特点,并对近年来近红外光谱技术在肥料成分分析中的应用及前景进行了总结.近红外光谱在肥料成分分析中的应用范围比较狭窄,主要集中在两个方面:一是利用近红外反射光谱(NIRs)分析技术快速测定各种畜禽粪便主要肥料成分含量;二是应用近红外光谱技术在土壤及土壤肥料学科中的应用;只有极少量的关于混合(复合)肥料的研究.随着近红外光谱技术的不断成熟.除了应用范围将不断拓宽之外,相信对于目前较为空白的应用机理的研究也将越来越深入、细致及严谨.     

近红外光谱快速分析技术及其在动物饲料和产品品质检测中的应用

近红外光谱是近年来发展最快、最引人注目的光谱学技术。主要介绍了近红外光谱技术的基本原理和发展, 包括近红外光谱预处理技术如微分处理、信号平滑等技术的发展和近红外光谱分析模型如多元线性回归、主成分分析、偏最小二乘法和人工神经网络等的发展。综述了国内外近几年来此技术在动物饲料和产品品质检测中的应用。文献调查显示, 近红外光谱分析技术以其快速、无损、不污染环境等诸多优点在国内外饲料和动物产品检测方面得到广泛应用。在饲料分析方面,近红外不仅能用于其常量成分干物质、粗蛋白、粗纤维、粗脂肪等的测定,而且能用于微量成分、有毒有害成分的测定。在动物产品分析方面,该技术已用于禽蛋、牛肉、羊肉、猪肉等的各种物理和化学指标的测定。文中详细给出了已经报道的利用近红外光谱技术测定饲料和动物产品测定指标和光谱处理以及模型建立的情况, 并讨论了近红外光谱快速检测技术的在饲料分析和动物产品分析领域的应用新趋势和局限性。     

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。     

近红外光谱分析技术在水果品质无损检测上的应用

近红外光谱分析技术具有快速、非破坏性、低成本及同时测定多种成分等特点,在很多领域得到广泛应用。本文简介了近红外光谱技术的检测原理,指出其检测优点和不足。综述了国内外将近红外光谱技术应用于水果品质无损检测方面的研究进展,并对利用近红外光谱技术进行水果品质无损检测的研究前景进行了展望。     

近红外光谱技术检测植物木质素纤维素研究进展

近红外光谱技术可用来检测植物木质素、纤维素及半纤维素含量,与传统的湿化学方法相比具有快速、操作简单、准确、无损等优点,是一种新型的测定方法,近年来在检测木本植物及草本植物木质纤维素组成成分中被广泛应用。综述了国内外利用近红外光谱技术快速检测木本植物(用作造纸原料的木材、竹材以及潜在的可用作生物质能源的木材)及草本植物(饲草及草类能源植物)木质素、纤维素、半纤维素含量的研究进展,并从样品前处理、光谱预处理及波长选取方法、化学计量学方法三个方面对利用近红外光谱技术快速检测植物木质素、纤维素方法研究上的进展进行了总结,并结合国内木材、牧草及能源草行业发展现状提出了四点展望: 建立适用性更强的模型;建立全面的草产品品质指标近红外光谱数据库;建立能源植物能用品质指标相关模型并对建模方法进行进一步的探索和完善;推动应用近红外光谱技术检测植物木质纤维素的方法从实验阶段走向实际应用。随着对近红外光谱检测植物木质纤维素方法的不断成熟和完善,它必将对造纸、饲草及能源草行业的发展产生巨大的推动作用。     

多光谱技术在土壤成分含量检测中的研究进展

土壤是农业生产的基础,通过土壤成分含量的测定分析可了解土壤营养成分供应的丰缺情况,对农作物的生长有一定的影响,因此土壤成分含量的检测逐渐成为国内外的研究热点。多光谱技术利用物体的物理结构和化学成分的不同,在同一条件下利用不同光的反射对物体进行照射得到对应光谱带上的不同反射率,然后对获取的光谱数据进行分析,辨别目标。近年来,多光谱技术的应用为土壤成分含量检测提供了一个新思路,有助于土壤成分含量的精确检测,有助于实现无损实时在线检测和精准农业。综述了近6年来国内外多光谱技术在土壤成分指标土壤水、有机质、氮磷钾、重金属及土壤盐分含量检测领域应用的相关文献,分析了多光谱成像技术的特点,简述了多光谱技术对土壤成分含量的检测过程,重点阐述了多光谱技术在土壤成分含量检测中的研究进展,并展望了多光谱技术在土壤成分含量检测中的未来发展趋势,提出未来技术发展方向:机器学习算法的无监督和监督模型能够分析不同实际测量环境下的数据,减少土壤成分分布不均的光谱数据对建模结果的影响;多光谱图像与全色图像相结合获取多光谱全色波段,能够在多光谱土壤成分含量检测中提高预测模型的分析精度和准确度;多光谱数据预处理过程中采用两种及两种以上算法相结合将使光谱数据处理更加有效。     

基于近红外光谱技术的土壤参数BP神经网络预测

利用BP神经网络预测方法,建立了基于近红外光谱技术的土壤有机质含量和土壤全氮含量的分析模型。试验共测量了150个田间土壤样本的近红外光谱,首先采用局部加权散点图平滑滤波法对光谱曲线进行了平滑处理,然后根据对目标参数进行的聚类分析结果进一步平均了输入光谱,最后将反射光谱数据进行对数转换后与目标数据一起进行了归一化处理。对预处理后的光谱数据首先进行主成分分析,然后提取贡献率超过99.98%的主成分建立BP神经网络模型。对土壤有机质含量的分析结果：模型拟合精度为0.999,预测精度达到0.854。对于土壤全氮含量的分析结果：模型的拟合精度近似为1,预测精度达到了0.808。研究表明,基于近红外光谱技术的土壤参数BP神经网络预测模型具有较高的鲁棒性和较强的容错能力。     

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,通过比较传统模型建模方法与通用模型建模方法,分别就建立通用模型过程中样品信息的获取、模型的建立以及样品信息的预测三大建模步骤中使用的方法进行总结,并归纳了近红外光谱通用模型在建模步骤中的要点。近红外光谱通用型模型在农产品以及食品品质检测方面的研究尚处于发展阶段。也提出对于通用模型开发与研究的一些建议,并就近红外光谱通用模型预测方法在检测领域的发展趋势进行了进一步展望。     

近红外光谱检测技术在害虫检测中的应用

近红外光谱是20 世纪80 年代以来发展最快、最引人注目的光谱分析技术。以其快速、无损伤、操作简单、稳定性好、效率高等特点,在仓储害虫检测、种子害虫侵染检测和林草害虫危害检测中的应用已成为一个活跃的研究领域。而近红外光谱技术在我国害虫检测中的研究和应用则较少,处于刚刚起步阶段。因此,文章介绍了利用近红外光谱技术检测的基本原理, 综述了国内外利用近红外光谱技术检测农林业害虫的应用情况,并对近红外检测技术在害虫检测上的应用进行了展望,以期推动近红外光谱技术在我国害虫检测科技和生产中的应用。     

近红外光谱检测技术及其在林业中的应用

近红外光谱是20 世纪80 年代以来发展最快、最引人注目的光谱分析技术。文章介绍了近红外光谱技术的发展历程和在国外的应用概况,重点列举了近红外光谱在林业中的成功应用实例。资料表明, 近红外光谱以其快速、无损伤、操作简单、稳定性好、效率高等特点,在国外的水果品质检测、木材性质检测和林业育种中的应用已成为一个活跃的研究领域。而近红外光谱技术在我国林业上的研究和应用则刚刚起步,因此本文对国内外利用近红外光谱技术在林业上的应用作一综述,并对近红外检测技术在林业上的应用进行了展望,以推动近红外光谱技术在我国林业科技和生产中的应用。     

近红外光谱技术(NIRS)在草地生态学研究中的应用

近红外光谱技术(NIRS)是一种快速、高效、无损的现代检测技术,已经在许多领域广泛应用。文章阐述了NIRS应用于草地生态学研究的意义,介绍了NIRS用于测定牧草营养成分、矿物质、土壤养分含量,分析了牧草混合物的组成、动物对所采食牧草的反应、牧草病虫害抗性等一些复杂特性,以及进行生化标记、同位素鉴别研究。综合这些研究可以看出,NIRS能够作为一种整体研究工具应用于草地生态学的许多研究领域中,可以检测各种常规化学成分、分析草地生态系统的各种动态指标和系统运行的多项整体特性。希望通过本文的总结分析,推动NIRS在中国草地生态学研究中的应用,加速该领域研究手段的现代化。     

近红外光谱技术在高尔夫草坪管理中的应用

近红外光谱技术是近年来在草坪管理中兴起的一种新的分析方法,可以快速、便捷、无损伤地同时检测高尔夫草坪-土壤系统中多种要素。文章对近红外光谱技术应用于高尔夫草坪-土壤营养成分含量和水分含量的检测,确定适宜的施肥时间和施肥量、灌溉时间和灌溉量,草坪外观质量评价以及高尔夫球场中有害生物预测与防治等方面进行了总结,使用该技术可以及时获取草坪草生长及环境状态数据,有效提高高尔夫草坪管理决策管理水平。目前存在的问题是,利用近红外光谱技术建模需要的有关球场的各种基础化学分析数据还有待于积累。此外,怎样及时准确地预测草坪的地下生物量还有待于进一步的研究,当前能够应用于球场中实地检测的光谱仪器还不多,需要开发更多便携式、可在球场实时检测的仪器。     

田间行走式测定的红外光谱数据与土壤质地之间的相关性研究

近红外光谱是利用漫反射来分析物质的某些化学性质,已在农业及其他许多领域得到广泛应用。尽管在实验室条件下,研究证明可以应用近红外光谱分析技术来快速、方便地测定土壤参数,但在田间大范围内应用红外光谱快速测定来分析土壤性质,仍然缺乏研究;该研究以田间行走式设备获取的红外光谱数据为基础,分析和比较了不同数据处理技术下红外光谱信息与土壤质地之间的相关性,发现应用基于算术运算的波段组合技术可以明显地提高红外光谱信息与土壤质地之间的相关性,为田间光谱数据的分析处理与应用提供了依据。     

东北黑土不同组分有机碳的近红外光谱测定

不同颗粒组分的土壤有机碳(soil organic carbon,SOC)具有不同的化学组成且对不同农艺措施响应不同,因此了解其信息有助于深入理解SOC对土壤肥力的贡献。本研究旨在评价近红外光谱(near Infraredspectroscopy,NIRS)预测黑土不同颗粒组分SOC(水稳性团聚体结合碳、颗粒态有机碳及不同大小粒级有机碳)的潜力。土壤样品(n=136)采集于东北典型黑土带上,利用偏最小二乘法建立定量模型(n=100),并用独立样本对模型进行检验(n=36)。结果表明:NIRS可以在一定程度上预测水稳性团聚体结合碳含量(R2=0.69-0.82,RPD=1.2-1.8);对矿质结合态SOC(<53μm)(R2=0.97,RPD=5.4)及细粒级SOC(<20μm)(R2=0.93,RPD=3.8)预测结果较好,对颗粒态有机碳(>53μm)和粗粒级SOC(>20μm)预测结果不理想。NIRS在简化黑土不同颗粒组分SOC的测定,特别是矿质结合态(<53μm)SOC,具有很好的应用前景。     

近红外反射光谱法测定PDA阳离子度的研究

以37份实验室自制二甲基二烯丙基氯化铵与丙烯酰胺的共聚物(PDA)为样品,用沉淀滴定法对PDA阳离子度进行测定,并进行近红外光谱扫描,分别采用特征峰和全波谱段作为输入层神经元,采用RBF神经网络的数学转换方法建立近红外反射光谱(NIRS)定标模型,采用小波分析对光谱进行降噪预处理,建立PDA阳离子度的近红外预测模型,并将预测值与沉淀滴定法测定值进行比较,其外部验证决定系数大于0.90,预测分布趋势良好,对预测值与实测值进行t检验,结果显示预测值与实测值差异不显著。结果表明,采用近红外光谱数据建立的定标模型预测PDA阳离子度具有较高可行性。     

近红外光谱技术(NIRS)在牧草领域中的应用研究进展

牧草是草食动物最主要的营养来源。牧草品质的优劣不仅影响家畜的生长发育和生产效率,也决定着最终畜产品的产量与品质。牧草品质的优劣主要取决于牧草营养成分及其消化率、适口性、以及牧草中所含抗营养因子和真菌毒素、霉菌毒素的含量水平。近红外光谱技术(NIRS)是一种低成本、快速、简单、无损的定性、定量分析技术,已在许多领域广泛应用。该文简要介绍了NIRS的原理和特点,详细综述了NIRS在牧草品质分析、牧草育种、牧草品种鉴定和性状分类中的应用。通过较全面综述NIRS在牧草领域中的应用现状,以期有助于NIRS在我国牧草领域中的发展。     

近红外光谱技术实时测定土壤中总氮及磷含量的初步研究

及时、准确探测土壤中的氮、磷含量,有利于精准施肥决策,提高肥料利用率。研究表明近红外技术能够探测土壤的物理和养分状况。针对不同土地利用类型,在北京大兴地区采集85份土壤样品,测定土壤氮、磷养分及其近红外漫反射光谱,并利用傅里叶变换光谱技术和偏最小二乘回归法建立了土壤总氮(N)和总磷(P)的近红外光谱校正模型。所建模型的交叉检验决定系数(R2_CV)分别为0.862 6(N),0.668 5(P)。用未参与建模的10个样品对模型进行外部检验,总N、总P的预测相关系数(r)分别为0.969 8,0.830 7,预测标准误差(RMSEP)分别为0.009 5%(N),0.008 6%(P),RPD值(检验集样品化学测定值标准差/预测标准误差)分别为3.78(N),1.69(P)。结果表明,采用适当的光谱分析方法可以实现用近红外技术对土壤总N的精确探测及对土壤总P的粗略估测。     

近红外光谱法测定PDA中残留丙烯酰胺含量

选取38份实验室自制二甲基二烯丙基氯化铵与丙烯酰胺的共聚物(PDA)为样品,用紫外光谱法对PDA中残留丙烯酰胺(AM)含量进行测定,并进行近红外光谱扫描,在图谱中选取七个波段,将每个波段的特征峰作为自变量,吸收峰作为因变量,采用偏最小二乘法(PLS)的数学转换方法建立近红外反射光谱(NIRS)定标模型,采用小波分析对光谱进行降噪处理,建立PDA中残留AM含量的近红外预测模型,并将预测值与紫外光谱法测定值进行比较,其外部验证决定系数达到0.99,预测分布趋势良好,对预测值与实测值进行t检验,结果显示预测值与实测值差异不显著。试验结果表明,采用近红外光谱数据建立的定标模型预测PDA中残留AM单体含量具有较高可行性。     

S/B和DS算法校正土壤水分对土壤有机质近红外光谱预测的影响

土壤水分对近红外光谱表现出强烈的吸收和对土壤有机质含量的预测造成干扰。研究选择41个样本作为校正集和9个样本作为预测集,所有样本做不同含水率（5%,10%,15%和17%）的处理。采用S/B和DS算法分别对预测结果和全光谱进行校正,消除土壤水分的影响。结果得出预测结果偏差减小和模型预测性能得到改善,R_p高于0.89和RMSEP低于0.885%。研究表明S/B和DS算法能有效消除土壤水分的影响和提高土壤有机质预测的准确性。