玉米秸秆纤维素和半纤维素NIRS特征波长优选

预处理是提高玉米秸秆生物转化利用效率的有效途径。玉米秸秆经生物炼制转化为生物燃料时,转化率与其原料内的纤维素和半纤维素含量直接相关。为了实现对预处理后玉米秸秆的生物炼制过程的有效调控,提出使用近红外光谱(NIRS)对玉米秸秆的纤维素和半纤维素含量进行快速检测,解决传统化学方法测试速度慢、成本高的问题。为了提高NIRS检测的效率和精度,将遗传算法与模拟退火算法相结合构建遗传模拟退火算法(GSA)用于预处理后玉米秸秆纤维素和半纤维素含量NIRS特征波长优选。GSA算法以NIRS波长点数为码长进行二进制编码,以偏最小二乘法(PLS)回归模型的交叉验证均方根误差为目标函数,结合温度参数设计适应度函数,基于Metropolis判别准则实现扰动解的选择复制,能够在避免早熟的同时有效提高进化后期的搜索效率。采用碱预处理、生物预处理及其相结合的方法对采集的玉米秸秆进行预处理后制备样品120个,并测定其纤维素和半纤维素含量及NIRS。使用7点Savitzky-Golay平滑结合多元散射校正和标准正则变换对光谱进行预处理后,利用Kennard-Stone法按3∶1比例划分校正集和验证集。然后,使用GSA算法对NIRS全谱进行特征波长优选(记为Full-GSA)、对协同区间偏最小二乘法(SiPLS)优选后谱区进行特征波长优选(记为SiPLS-GSA)、对反向区间偏最小二乘法(BiPLS)优选后谱区进行特征波长优选(记为BiPLS-GSA),并使用PLS回归模型和验证集对特征波长优选结果进行评测。Full-GSA以全谱1 557个波长点为基因,执行16次算法,优选出118个纤维素特征波长点和164个半纤维素特征波长点。SiPLS-GSA经SiPLS优选的纤维素和半纤维素谱区波长点数分别为388个和160个,再经GSA进一步优选后得到157个纤维素特征波长点和148个半纤维素特征波长点。BiPLS-GSA经BiPLS优选的纤维素和半纤维素谱区波长点数分别为358个和180个,再经GSA进一步优选后得到130个纤维素特征波长点和153个半纤维素特征波长点。结果表明,通过波长优选,不仅参与建模的波长点数量显著减少,而且回归模型的性能显著优于全谱建模。其中,采用Full-GSA优选的纤维素特征光谱回归性能最佳,采用SiPLS-GSA优选的半纤维素特征光谱回归性能最佳。回归模型验证集的平均相对误差(MRE)分别为1.752 4%和2.020 8%,较全谱建模分别降低了13.636 6%和25.368 4%。基于结合温度参数设计适应度函数的策略构建的GSA具有良好的全局搜索性能,适用于玉米秸秆纤维素和半纤维素含量NIRS特征波长优选。GSA以全谱每个波长点为染色体基因的编码方案适用于NIRS全谱的特征波长优选。GSA同样适用于SiPLS和BiPLS优选后谱区的特征波长优选,能够有效实现优选后谱区的波长点优选。     

近红外漫反射光谱法测定玉米秸秆体外干物质消化率

以不同生态环境、不同年份,不同品种和自交系类型、不同生长发育时期以及不同部位的600个样品中选出161份玉米秸秆为材料,应用傅里叶变换近红外光谱技术,采用偏最小二乘回归法(PLS),通过比较不同光谱范围和光谱预处理方法,在6 101.7～5 773.8 cm-1和4 601.3～4 246.5 cm-1谱区内,建立了适合不同品种类型、不同生长发育时期和不同部位且适配范围广的近红外漫反射光谱(NIRS)测定玉米秸秆体外干物质消化率(in vitro dry matter digestion,IVDMD)的稳定校正模型。其交叉验证和外部验证决定系数(R2_cv,R2_val)分别为0.907 3和0.906 6,预测标准偏差为2.08%, 预测值与化学值间的相关系数(r)达0.956。结果表明, 近红外光谱技术可以用于快速、准确测定玉米秸秆IVDMD,该结果对青贮玉米育种过程中的秸秆材料快速鉴定和筛选具有重要的意义。     

基于近红外光谱技术的秸秆工业分析

工业分析是生物质热化学工程技术中的一项常规应用分析。文章探讨了近红外光谱技术(NIRS)在秸秆工业组成分析上的应用,并利用近红外光谱技术预测了秸秆中挥发分和固定碳含量。利用Foss 6500光栅型近红外光谱仪在1 108～2 492 nm光谱范围内分别对直接切短秸秆样品中水分、灰分、挥发分和固定碳以及干燥粉碎样品中灰分、挥发分和固定碳的近红外光谱建立了预测模型。对于直接切短秸秆样品,水分、灰分、挥发分和固定碳校正模型外部验证的R2_V(SEP)分别为0.92(0.76%),0.94(0.84%),0.88(0.82%)和0.75(0.65%)。干燥粉碎样品中灰分、挥发分和固定碳的近红外光谱模型外部验证的R2_V(SEP)分别为0.98(0.54%),0.95(0.57%)和0.78(0.61%)。实验结果表明,近红外光谱技术能实现秸秆的快速分析和多组分同时测定, 从而可降低秸秆工业分析的成本。     

近红外漫反射光谱法测定玉米秸秆NDF与ADF含量

应用主成分空间和傅里叶变换近红外光谱技术,采用偏最小二乘回归法(PLS),在国内首次建立了适合不同品种类型、不同生长发育时期和不同部位且适配范围广的近红外漫反射光谱(NIRS)测定玉米秸秆中性洗涤纤维(NeutralDetergentFiber,NDF)和酸性洗涤纤维(AcidDetergentFiber,ADF)含量的稳定校正模型。结果表明,采用一阶导数 矢量归一化预处理和一阶导数 多元散射校正预处理,谱区均为7502～5450cm-1和4601～4247cm-1,所建立的NDF与ADF校正模型,其校正和预测效果最佳。其校正决定系数(R2cal)均大于094,交叉验证和外部验证决定系数(R2cv,R2val)为092～096,各项误差(RMSEE,RMSECV和RMSEP)为149%～181%。该结果对青贮玉米秸秆材料快速鉴定和筛选具有重要的意义。     

纤维素类芒属草本能源植物品质近红外光谱快速检测技术研究

我国生物质能源产业近年来得到快速发展,但对能源草的研究还处于初级阶段,如果能建立全面的能源植物木质素、纤维素、半纤维素的近红外预测模型数据库,将有助于优良品种的筛选、能源植物能用性能的评价及生物质能源产业在线控制。本研究采用傅里叶变换近红外光谱(FT-NIR)技术结合偏最小二乘法(PLSR)建立了荻、南荻、奇岗、芒四种芒属能源植物品质指标(纤维素,半纤维素,木质素和灰分)近红外预测模型,并在此基础上研究了样本粒度对模型的影响。研究结果表明：(1)四种芒属能源植物茎秆中纤维素,半纤维素和木质素含量误差均方根(RMSECV)分别为1.35％(R2=0.88),0.39%(R2=0.91)和0.35%(R2=0.80),叶片中纤维素,半纤维素和木质素含量误差均方根(RMSECV)分别为0.72%(R2=0.88),0.85%(R2=0.85)和0.44 (R2=0.87),所建的纤维素,半纤维素和木质素的近红外校准模型在预测未知样品含量时效果较好,但灰分含量预测效果不理想;(2)2和0.5 mm粒度样品所建近红外模型均满足样品检测精度要求,但考虑到时间和人工成本,建议在工厂对能源植物原料品质进行分析时,采用2 mm样品建模。     

玉米秸秆常压催化液化及产物分析

以玉米秸秆粉末为原料,浓磷酸为反应催化剂,选取多种有机溶剂为液化剂,170 ℃的条件下,在高压反应釜中制备秸秆生物质油。考察了三乙酸甘油酯复配碳酸乙烯酯、甘油复配碳酸乙烯酯以及聚乙二醇复配碳酸乙烯酯(均为6∶1ω/ω)三种不同的混合液化剂对液化得率和生物质油产品性能的影响。采用气质联用仪(GC-MS)分析秸秆生物质油的化学组成;傅里叶红外光谱仪(FTIR)分析原料和液化残渣的主要官能团。实验结果表明聚乙二醇与碳酸乙烯酯混合溶剂液化时,秸秆生物质油得率为97.84%,三乙酸甘油酯与碳酸乙烯酯混合液化时得率为80.20%,甘油与碳酸乙烯酯混合液化时得率为36.97%。FTIR分析结果表明,以聚乙二醇与碳酸乙烯酯混合溶剂为液化剂,秸秆中纤维素、半纤维素和木素的特征官能团几乎全部消失,液化效果最好。GC-MS分析结果表明,生物质油的成分复杂,主要包括有机酸和酮类、醇和醚类、芳香类、糖类和酯类等化合物。     

酸洗处理对生物质炭表面吸附特性及光谱特性的影响

生物质炭表面灰分的存在会严重影响生物质炭的表面结构特性及吸附能力。采用HCl-HF对400和600 ℃两种温度制备的玉米秸秆生物质炭进行酸洗处理,去除生物质炭表面的灰分。通过对比酸洗前后玉米秸秆生物质炭的元素含量、比表面积、孔径分布、红外光谱分析图和吸附平衡试验结果探究酸洗处理对生物质炭表面吸附特性和光谱特性的影响。结果表明：酸洗处理能有效去除生物质炭表面存在的无机盐、焦油等一系列副产物,显著改变生物质炭的表面结构特性,提高生物质炭的吸附性能。(1)酸洗后生物质炭的碳含量相对增加,疏水性及芳香官能团含量增加,极性降低;(2)酸洗处理显著增加了生物质炭的比表面积,处理后炭比表面积分别增加了3.46倍和6.75倍;酸洗还显著提高了生物质炭的孔容及介孔含量,从而大大增加了生物质炭的吸附能力;(3)两种生物质炭酸洗前后的红外光谱上关键官能团峰强差异显著,尤其在3 398～3 447,2 924～3 056,1 378～1 439 cm-1范围内,酸洗后生物质炭的振动峰强度显著减小,表明生物质炭在酸洗后其表面脂肪结构和羟基减少。(4)酸洗前后的吸附试验表明,酸洗处理能够去除炭表面的灰分,增加生物质炭的吸附位点,进而提高其对2,4-D的吸附量。     

近红外光谱法同时快速测定五种抗结核药物的主成分含量

20世纪80年代以来,全球的结核病形势急剧恶化,利福平片、异烟肼片、吡嗪酰胺片、异福片和异福酰胺片是目前比较有效的抗结核药物.文章采用近红外光谱技术(NIRS)结合偏最小二乘法(PLS)建立了同时测定上述五种抗结核药物中的利福平(RMP)、异烟肼(INH)和吡嗪酰胺(PZA)含量的定量分析模型.实验结果表明,采用原始光谱建立模型测定以上抗结核药物中各组分含量时,测定RMP含量的最有效的波长范围为1 981～2 195啪,测定INH含量的最有效波长范围分别是1 540～1 717nm和2 086～2 197 nm,测定PZA含量的最有效波长范围分别是1 460～1 537 nm,1 956～2 022 nm和2 268～2 393 nm,最优模型测定RMP,INH和PZA含量的交互验证均方根误差(RMSECV)分别为0.049 4,0.025 7和0.030 7,模型对预测集样品中的RMP,INH和PZA含量预测,预测均方根误差(RMSEP)分别为0.034 9,0.016 6和0.013 4,预测相关系数(rp)分别达到0.986 4,0.998 9和0.999 3,表明模型预测准确可靠,该研究对抗结核药物生产中质量检验和在线检测有重要的意义.     

基于工业分析/元素分析和可见-近红外光谱预测农作物秸秆高位热值

越来越多的农作物秸秆用于生产生物质成型燃料(生物质颗粒),作为民用和工业锅炉的生物质燃料。高位热值是衡量生物质燃料燃烧性能的主要参数之一,反映了生物质可用能含量,但利用传统的氧弹分析法测试高位热值费时费力,急需一种快速准确的方法评估农作物秸秆的高位热值,以制备高质量的生物质颗粒燃料。基于工业分析/元素分析和可见-近红外光谱分析,对比分析了五种农作物秸秆(稻秸、麦秸、棉秆、油菜秆和玉米秆)的高位热值预测模型。首先,利用多元线性回归(MLR)、逐步回归(SWR)和反向传播人工神经网络(BPNN)模型,在基于五种农作物秸秆工业分析和元素分析基础上,提出了高位热值预测模型并进行验证。MLR模型具有较好的相关系数(R2),预测均方根误差(RMSEP)和预测标准差与参比标准差比值(RPD),分别为0.921 1,0.135 1和3.49。此外,利用可见-近红外光谱分析了农作物秸秆,发现对光谱数据作最小二乘法回归(PLR),可建立高位热值预测模型,预测R2和RMSEP分别为0.881 2和0.412 9。研究结果表明MLR模型和PLR模型分别适用于基于工业分析/元素分析和可见-近红外光谱建模,对农作物秸秆的高位热值快速检测设备研发能提供基础模型支持。     

基于工业分析/元素分析和可见-近红外光谱预测农作物秸秆高位热值（英文）

越来越多的农作物秸秆用于生产生物质成型燃料(生物质颗粒),作为民用和工业锅炉的生物质燃料。高位热值是衡量生物质燃料燃烧性能的主要参数之一,反映了生物质可用能含量,但利用传统的氧弹分析法测试高位热值费时费力,急需一种快速准确的方法评估农作物秸秆的高位热值,以制备高质量的生物质颗粒燃料。基于工业分析/元素分析和可见-近红外光谱分析,对比分析了五种农作物秸秆(稻秸、麦秸、棉秆、油菜秆和玉米秆)的高位热值预测模型。首先,利用多元线性回归(MLR)、逐步回归(SWR)和反向传播人工神经网络(BPNN)模型,在基于五种农作物秸秆工业分析和元素分析基础上,提出了高位热值预测模型并进行验证。MLR模型具有较好的相关系数(R2),预测均方根误差(RMSEP)和预测标准差与参比标准差比值(RPD),分别为0.921 1,0.135 1和3.49。此外,利用可见-近红外光谱分析了农作物秸秆,发现对光谱数据作最小二乘法回归(PLR),可建立高位热值预测模型,预测R2和RMSEP分别为0.881 2和0.412 9。研究结果表明MLR模型和PLR模型分别适用于基于工业分析/元素分析和可见-近红外光谱建模,对农作物秸秆的高位热值快速检测设备研发能提供基础模型支持。     

燕麦干草品质的近红外光谱定量分析

应用近红外漫反射光谱（NIRS）分析技术,采用偏最小二乘回归法(PLS),建立了适合不同品种类型和不同生长发育时期的NIRS测定燕麦全株干草的粗蛋白（Crude Protein,CP）、秸秆中性洗涤纤维(Neutral Detergent Fiber,NDF)和酸性洗涤纤维(Acid Detergent Fiber,ADF)含量的稳定校正模型。结果表明,采用二阶导数（2st Deriv）+平滑处理（Norris）、多元散射校正（MSC）+二阶导数（2st Deriv）+平滑处理（Norris）、多元散射校正（MSC）,分析谱区为9 668～4 518,9 550～5 543,8 943～4 042 cm-1建立粗蛋白、中性洗涤纤维和酸性洗涤纤维的校正模型,其校正和预测效果最佳。其中CP与NDF的建标决定系数（r2_cal）和交叉检验的决定系数（R2_cv）均在0.95以上,各项误差均小于3%,RPD值均大于3,逼近了化学分析的精确度,具有较好的预测效果。ADF的建模效果较CP与NDF差,其建标决定系数和交叉检验决定系数分别为0.912 0,0.855 3,建标误差（RMSEC）和检验误差（RMSECV）分别为2.33%,2.62%,接近了化学分析的精确度,且RPD值大于2.5,说明所建的ADF模型也可用于近红外预测。     

近红外光谱检测蜂蜜中可溶性固形物含量和水分的应用研究

提出了一种利用近红外光谱技术定量分析蜂蜜中可溶性同形物含量(SSC)的新方法,同时对蜂蜜中的水分也进行了研究.在不同光谱范围内,通过对原始光谱的不同预处理,用偏最小二乘法分别建立了SSC和水分的近红外透反射光谱校正模型,所有模型都有高的的预测精度和水分的最优模型都为在全谱范围内,光谱预处理采用Norris平滑+一阶微分+多元信号校正,SSC模型的交互验证决定系数(RCV2)、交互验证误差均方根(RMSECV)、验证集决定系数(RP2)、验证误差均方根(RMSEP).SSC模型分别为0.998 6,0.190,0.998 5和0.127,水分模型分别为0.998 4,0.187.0.998 6和0.125.近红外光谱能实现蜂蜜中SSC和水分的准确测定.水分模型预测结果略好于相关文献的报道.     

短瓣金莲花指标成分的红外光谱快速分析

将现代红外光谱分析技术与化学计量学方法相结合,建立利用红外光谱对短瓣金莲花药材的指标成分进行快速定量分析的方法。 以高效液相色谱法获得短瓣金莲花指标成分（荭草苷、牡荆苷）的含量作为参考数据,以傅里叶变换红外光谱技术获取其红外光谱图,在此基础上利用化学计量学方法将指标成分与红外光谱图数据关联,构建指标成分的快速预测模型。 以不同比例甲醇-水作为溶剂,采用室温浸提、加热回流、超声辅助工艺提取获得36个短瓣金莲花药材提取物。利用高效液相色谱法测试短瓣金莲花提取物的荭草苷和牡荆苷含量,并以傅里叶变换红外光谱仪辅以水平衰减全反射附件测试各样品的红外光谱图。分别选取29个提取物样品作为检验集,其余为校正集,采用TQ Analyst EZ Edition软件进行建模。以交叉验证相关系数（R2）和交叉验证误差均方根（RMSEC）为指标选择光谱预处理方法、定量分析方法和建模波段,用预测误差均方根（RMSEP）考核模型的预测效果。通过筛选得到优化的光谱预处理方法为标准正态分布校正（SNV）和二阶导数（13点平滑）,定量分析方法为偏最小二乘（PLS）方法,荭草苷和牡荆苷的最佳波段分别为2 050~650和1 900~650 cm-1。以PLS法构建的荭草苷和牡荆苷模型的相关系数分别为0.919 8和0.970 8,模型预测结果的相对偏差分别在-2.0%~3.2%和-3.4%~4.7%之间。鉴于红外光谱技术所具有的测试迅速、微观宏观指纹特性、定性定量皆可分析、对环境无污染等特点,利用红外光谱法可对中药提取物的指标成分进行快速、准确、环保、高效的分析,为中药的质量控制提供了新的思路和解决方案。     

基于漫透射光谱技术的番茄可溶性固形物及总糖含量的无损检测

为了满足果蔬品质快速安全无损检测,基于可见-近红外漫透射原理,设计了番茄专用环形光源,自行搭建了番茄可见-近红外漫透射多品质检测系统,并以可溶性固形物含量(SSC)和总糖(TS)作为内部品质指标,对58个番茄样品进行了快速无损检测研究。基于自主搭建的系统对每个番茄进行四点的光谱采集,对平均后的光谱分别用15点SG卷积平滑(SG-Smooth)、标准正态变量变换(SNV)、多元散射校正(MSC)、一阶导数(FD)等方法进行了预处理,分别建立了SSC及TS的偏最小二乘预测模型,并对该模型进行了验证。结果表明：采用15点SG平滑预处理后的SSC预测模型校正集和预测集相关系数分别为0.995 6和0.976 0,均方根误差分别为0.052 4°Brix和0.082 3°Brix。采用SG平滑后一阶导数预处理的TS预测模型校正集和预测集相关系数分别为0.969 1和0.972 9,均方根误差分别为0.423 8%和0.454 9%。模型验证结果显示,番茄SSC和TS模型预测结果与标准理化值相关系数分别为0.985 5和0.944 9,均方根误差分别为0.066 3°Brix和0.571 5%。利用自行搭建的可见-近红外漫透射光谱检测系统完全可以实现番茄可溶性固形物及总糖含量的快速无损预测,为番茄内部品质的评价提供了实时、无损、快速的检测方法,为其在线分级提供理论基础。     

大米拉曼光谱不同预处理方法的相近产地鉴别研究

用相近产地的大米代替独有的地理因素形成的地域品牌大米,消费者难以辨别。基于拉曼光谱技术,试验对比不同预处理方法包括一阶导数+平移平滑、二阶导数+平移平滑,小波变换+去除基线三种常用的预处理方法,另外提出一种改进的分段多项式拟合+去除基线共四种预处理方法,分别结合偏最小二乘法实现相近产地大米的鉴别分析,提出一种最佳的鉴别相近产地大米的预处理方法。首先用拉曼光谱仪采集了黑龙江省依安县3个相近产地大米的150个拉曼位移为200～3 100 cm-1的大米光谱样本,再对原始拉曼光谱分别用一阶导数+平移平滑、二阶导数+平移平滑、小波变换+去除基线、分段多项式拟合+去除基线进行光谱预处理。分别从每个产地选取33个样本进行训练,并对未知的51个样本建立了基于偏最小二乘法的鉴别分析模型,在训练集中一阶导数+平移平滑的预处理方法相关系数值最大、均方误差和均方根误差最小,小波变换+去除基线的预处理方法相关系数值最小、均方误差和均方根误差最大;在测试集中采用3点2次拟合+去除基线的预处理方法的相关系数值最大、均方误差和均方根误差最小,二阶导数+平移平滑的预处理方法最差。最后再通过PLS建模结果得知,在训练集中,采用四类九种预处理的方法对三个产地大米的总识别率均为100%;在测试集中,采用3点2次拟合+去除基线对三个产地大米总识别率为100%,采用5点2次拟合+去除基线对三个产地大米总识别率为52.9%,其他分段多项式拟合介于二者之间;采用一阶导数+平移平滑、二阶导数+平移平滑和小波变换的总识别率分别为88.2%,86.2%和96.1%;从中发现,分段式多项式拟合中的3点2次拟合+去除基线的优势明显,与其相关系数、均方误差、均方根误差结果吻合,总体识别率高,鉴别效果稳定。     

Main Components of Xinjiang Lavender Essential Oil Determined by Partial Least Squares and Near Infrared SpectroscopySCIEI北大核心CSCD

This work was undertaken to establish a quantitative analysis model which can rapid determinate the content of linalool, linalyl acetate of Xinjiang lavender essential oil. Totally 165 lavender essential oil samples were measured by using near infrared absorption spectrum(NIR), after analyzing the near infrared spectral absorption peaks of all samples, lavender essential oil have abundant chemical information and the interference of random noise may be relatively low on the spectral intervals of 7100-4 500 cm(-1). Thus, the PLS models was constructed by using this interval for further analysis. 8 abnormal samples were eliminated. Through the clustering method, 157 lavender essential oil samples were divided into 105 calibration set samples and 52 validation set samples. Gas chromatography mass spectrometry (GC-MS) was used as a tool to determine the content of linalool and linalyl acetate in lavender essential oil. Then the matrix was established with the GC-MS raw data of two compounds in combination with the original NIR data. In order to optimize the model, different pretreatment methods were used to preprocess the raw NIR spectral to contrast the spectral filtering effect, after analysizing the quantitative model results of linalool and linalyl acetate, the root mean square error prediction(RMSEP) of orthogonal signal transformation (OSC) was 0.226, 0.558, spectrally, it was the optimum pretreatment method. In addition, forward interval partial least squares (FiPLS) method was used to exclude the wavelength points which has nothing to do with determination composition or present nonlinear correlation, finally 8 spectral intervals totally 160 wavelength points were obtained as the dataset. Combining the data sets which have optimized by OSC-FiPLS with partial least squares(PLS) to establish a rapid quantitative analysis model for determining the content of linalool and linalyl acetate in Xinjiang lavender essential oil, numbers of hidden variables of two components were 8 in the model. The performance of the model was evaluated according to root mean square error of cross-validation (RMSECV) 9 root mean square error of prediction (RMSEP). In the model, RESECV of linalool and linalyl acetate were 0.170 and 0.416, respectively; RMSEP were 0.188 and 0.364. The results indicated that raw data was pretreated by OSC and FiPLS, the NIR-PLS quantitative analysis model with good robustness, high measurement precision; it could quickly determine the content of linalool and linalyl acetate in lavender essential oil. In addition, the model has a favorable prediction ability. The study also provide a new effective method which could rapid quantitative analysis the major components of Xinjiang lavender essential oil.     

水果糖度可见-近红外光谱手持式检测装置开发与试验

基于可见-近红外光谱分析技术开发了手持式水果糖度检测装置,并用于水果糖度的现场实时分析。硬件系统主要包括微型光谱仪、卤素灯、OLED显示屏、单片机及驱动电路等。采用Keil 5开发工具,用C语言开发单片机程序。配合上位机以LabView编写的光谱采集程序,实现光谱信息的采集。以苹果和大桃作为检测对象,对装置的检测精度和模型在2台装置（主机、从机）间的传递效果进行了探讨。在实验室和果园环境下,分别获取了苹果、大桃样本在600～950 nm范围的可见-近红外光谱。对实验室条件下采集的主机校正集光谱进行分析,经过平滑、最大值归一化、二阶导数等预处理后,利用偏最小二乘算法分别建立了苹果、大桃的糖度检测模型。模型导入主机装置后,对预测集样本进行检验。对苹果、大桃的预测集相关系数和预测均方根误差分别为0.925,0.587%和0.821,0.613%。采用分段直接校正和基于典型相关分析算法的模型传递方法将模型由主机传递到从机。对比后发现,基于典型相关分析算法取得了更好的模型传递结果。从机对苹果、大桃糖度的预测集相关系数和预测均方根误差分别为0.883,0.641%和0.805,0.626%。将实验室条件下建立的模型用于树上采集到的水果光谱数据分析,得到预测集相关系数和预测均方根误差分别为0.866,0.741%和0.816,0.627%。整体检测结果表明,该装置可以满足对苹果、大桃糖度的有效检测,借助模型传递算法,实现了模型在不同装置间的共享和有效传递,且实验室环境下采集的数据建立的模型可以用于树上水果糖度的有效检测,该装置具有较大的经济价值和应用前景。     

近红外光谱分析杨木-桉木混合纸浆原料

近年来,随着林纸一体化战略的推进,多使用混合原料制浆。而混合原料比例及成分含量的快速分析难以实现已成为制约制浆工业发展的瓶颈。为解决此问题,以广泛使用的杨木-桉木混合原料为研究对象,用傅里叶近红外光谱仪采集了131个不同比例的杨木-桉木混合样品和30个单一杨木、桉木样品的近红外光谱;用化学法测定其综纤维素、聚戊糖及Klason木素含量。因主要化学成分含量的近红外光谱信息集中于7 600～4 000 cm-1区间,对该区间的光谱数据进行平滑、标准正态变换和一阶导数的预处理,运用LASSO算法建立了杨木含量与聚戊糖含量模型;对该区间数据进行平滑、标准正态变换和二阶导数预处理后结合LASSO算法建立了综纤维素含量模型;对该区间数据进行平滑、多元信号校正和二阶导数预处理后结合LASSO算法建立了Klason木素含量模型。杨木含量、综纤维素、聚戊糖、Klason 木素含量模型的预测均方根误差分别为1.82%,0.52%,0.67%和0.59%;绝对偏差范围分别为-3.01%～2.94%,-0.91%～0.83%,-0.91%～1.07%,-0.79%～0.92%。4种模型的性能总体上略优于传统偏最小二乘法所建的模型且满足实际需求,可以用于工业生产。     

祁门红茶加工中氨基酸和儿茶素快速检测模型建立

氨基酸与儿茶素是茶叶品质的重要组成成分。祁门红茶在加工过程中,氨基酸与儿茶素含量发生了显著的变化,而且不同加工阶段差异性很大,但目前在生产中缺乏快速在线检测方法。为了实现对祁门红茶加工过程中氨基酸和儿茶素含量快速测定,试验以鲜叶、萎凋叶、揉捻叶、发酵叶和干燥后毛茶为原料,获取近红外光谱并利用化学方法检测氨基酸和儿茶素含量。对采集的原始光谱进行标准正态变量变换(SNVT)预处理,利用联合区间偏最小二乘回归法(Si-PLS)构建氨基酸和儿茶素含量近红外回归模型,相关系数与交互验证均方根误差作为评价模型的有效指标。结果表明,利用Si-PLS方法建立氨基酸含量的模型最优组合包含20个光谱区间并联合4个子区间和9个主成分因子,校正集的相关系数、校正均方根误差分别为0.955 8和1.768;预测集的相关系数、预测均方根误差分别为0.949 5和2.16。儿茶素含量的模型最优组合包含20个光谱区间并联合3个子区间和10个主成分因子,校正集的相关系数、校正均方根误差分别为0.940 1和1.22;预测集的相关系数、预测均方根误差分别为0.938 5和1.17。所建立模型准确性较好,这为茶叶加工过程中茶叶品质的在线监控提供了理论依据。