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。     

微波消解-冷原子吸收光谱法测定食品中汞的讨论

采用微波消解技术处理食物样品,冷原子吸收光谱法测定样品中汞的含量,对样品前处理过程中氧化剂浸泡过程和氮氧化物处理进行讨论,确定了最佳实验方法.用确定的方法对各类样品进行检测,回收率达到94%-108%.     

近红外光谱定量检测腌腊肉制品品质的研究

以中国传统腌腊肉为对象,研究用近红外光谱分析技术快速准确检测肉制品品质的可行性。腊肉是富含脂肪的肉制品,其酸价是目前国标中必须检测的品质指标,它可以反映腊肉在加工储藏过程中脂肪氧化酸败的情况, 对腊肉的品质尤为重要。腊肉样品经过简单的粉碎后在BRUKER傅里叶变换近红外光谱仪上扫描,获得其近红外光谱参照国标法测定酸价和水分含量,采用附加散射校正光谱预处理方法,建立了腊肉酸价和水分含量的PLS回归模型。酸价模型预测集中样品的预测值与标准值的相关系数r2为0.98,预测标准差RMSECV为0.25;水分含量模型预测集中样品的预测值与标准值的r2为0.90,RMSECV为0.02。成对t检验统计结果表明近红外光谱分析技术可以用于腊肉制品品质的快速检测。     

近红外反射技术开放式检测棉籽中水分和油含量的研究

研究了近红外漫反射分析技术在棉籽,尤其是毛棉籽的水分和油含量检测中的应用。建立了毛棉籽水分和油含量的近红外分析模型,并随机抽样验证了检测模型的检验精度。水分的相关系数为0.965,含油的相关系数0.953,定标标准偏差分别为0.226和0.391。检测结果达到了代替传统检测方法的要求。另外利用部分样品建立了仁含油和仁出率的近红外检验模型,证明近红外方法也可以应用于其检测。     

粉末样品颗粒大小对花椒挥发油近红外光谱定量预测的影响研究

为了快速有效评定花椒质量等级,应用近红外光谱分析技术,采用偏最小二乘法,对141份花椒样品粉碎成八种不同颗粒大小的粉末,对近红外光谱分别建立挥发油含量预测模型,当粉末样品颗粒大小为40目时,建立的模型最优,交叉验证测定系数r2141为0.9364,交叉验证误差均方根RMSECV141为0.421。使用105份40目粉末样品近红外光谱所建立的模型对36份样品的预测集进行预测,光谱预处理采用Meancentering vector normalization,谱区在6100.1~5774.2cm-1及4601.6~4424.2cm-1,则预测测定系数r326为0.9862,预测集验证误差均方根RMSEP36为0.192,预测相对标准差RSD36为4.95%,预测相对分析误差RPD36为8.517。研究结果表明,对花椒进行近红外光谱扫描前,粉碎到40目时所建立的近红外光谱模型最佳,使用近红外光谱技术快速有效检测花椒挥发油含量是可行的。     

近红外光谱法测定蜂蜜中主要成分的可行性研究

以153个单植物源和混合植物源蜂蜜样品为研究对象,使用３种近红外光谱仪(FT型、CCD型、PDA型)采集蜂蜜的透反射和透射光谱,并应用近红外定量分析技术进行蜂蜜中主要成分(水分含量、果糖含量、葡萄糖含量)的检测研究。用偏最小二乘回归(partial least square repression, PLSR)方法分别建立了蜂蜜水分含量、果糖含量、葡萄糖含量的近红外定量分析模型。结果表明,水分含量、果糖含量、葡萄糖含量的相关系数(r)分别达到0.978 5, 0.931 1和0.890 7,预测误差均方根(RMSEP)分别为0.410 8(%), 1.914 4(%)和2.531 9(%)。研究表明基于近红外光谱的蜂蜜主要成分快速无损检测准确度高,具有很高的实用价值。     

用于ICP-MS多元素分析的致病菌前处理方法

细菌样品所含脂肪、蛋白质以及有机物含量较少,但元素含量低,因此相对于步骤繁复的微波消解前处理,相对简单方便的冷消化法更适合此类样品。本文建立了一种简化的冷消化方法,用于细菌样品中无机元素分析的前处理。此方法采用浓硝酸直接在盛放样品的容器中消化细胞样品,然后直接定量进样。这个方法简化了细胞样品预处理的实验步骤,降低了被测物质损失和污染的可能性。通过与微波消解方法比对试验的结果发现,冷消化与微波消解两种方式处理的元素含量经过统计学分析无显著性差别(p0.05)。同时浓硝酸冷消化样品检测浓度在微波消解样品测定值的±15%以内。加标回收率试验的回收率为91%~109%,精密度为0.4%~7.7%,方法符合检测要求,各项方法学指标均达到理想效果。     

样品年份、化学值分布参数对近红外检测结果的影响

以云南优质烤烟为实验材料,在国产光栅漫反射型近红外仪器上,比较研究了不同年份样品建模、不同化学值分布建模对近红外检测结果的影响。结果表明：总糖、尼古丁组分模型偏差受年份影响较大,总氮组分模型偏差与样品年份关系不明显。烤烟组分的不同化学值分布建模结果表明：用化学值按自然正态分布的样品建立模型的结果优于按均匀分布建模的结果。该研究对从大量天然产物样品中挑选代表性样品时所采用的挑选方法和原则具有指导性的参考价值。     

FT-NIR光谱分析技术测定烟草中总氮、总糖和烟碱

应用傅里叶变换近红外（FT－NIR）光谱分析技术测定近1000个具代表性的烤烟样品的近红外光谱数据，采用PLS1数学方法建立了测定烤烟中总氮、总糖和烟碱含量的数学模型。通过对模型进行数理统计检验，在显著性水平为5％的条件下，其测定结果与流动注射分析（FIA）技术测定的结果对比，两者不存在显著性差异。该分析技术已应用于现场快速测定烟草中总氮、总糖和烟碱的含量，结果令人满意。     

样品装样、测试条件等因素对近红外检测结果的影响与分析误差源比较研究

以云南优质烤烟为实验材料,在国产光栅漫反射型近红外仪器上,研究了样品装样、测试条件等因素对近红外检测结果的影响。并实现了通过建立全局模型应用自校正方法来降低分析误差。结果表明,在不考虑样品粒度、测试条件等因素的影响情况下,该仪器自身信噪比等性能指标引起的测试重复性误差、重装样误差、样品松紧度误差来源各占50%,30%,20%左右,通过压样措施可降低由样品松紧度产生的误差。当季节、温度等测试条件发生较大变化时,引起的测试准确性误差远大于所有测试重复性误差的总和。文章旨在从误差来源理论上解析各影响因素,为改进仪器提供基础理论数据;从理论上解析测试条件因素影响的重要性,并为近红外技术研究解决该问题给出了一种新思路。     

国产光栅近红外光谱仪扫描条件对检测结果的影响

以云南优质烤烟为实验材料,在国产光栅漫反射型近红外仪器上,研究了采集间隔、开机时长、背景测量频率等扫描条件对近红外检测结果的影响。研究结果表明：8,16 nm的光谱数据采集间隔对近红外烤烟定量分析的影响不大,为提高采集速度确定该仪器的采集间隔为16 nm;建立了包含开机时长因素在内的模型,提高模型的适应性;该仪器具有基线漂移提示功能,从而确定仪器背景采集的频率,可以降低分析误差,提高检测结果的准确度。     

近红外漫反射光谱信息分解的数量分析

近红外漫反射光谱分析中,一直认为近红外光可获取样品内部的物质信息,但近红外漫反射光谱包含样品内部信息量究竟是多少,一直未给出准确的数量描述。该研究以烤烟样品为实验材料设计样品,每个实验样品分别由表层片状烤烟与内部烤烟粉末两部分组合而成,测定样品近红外漫反射光谱,提取光谱主成分信息(principal component, PC),将所提取的各主成分的不同组合作为统计指标,对样品进行聚类分析,结合各主成分方差贡献率,初步给出了样品不同深度光谱信息分解量的描述。实验结果表明,近红外漫反射光谱第1和第2主成分包含的信息量约占总信息的98%,反映样品表层信息;第3和第4主成分约占1.5%,表征样品内部信息。这一结果将有助于我们对近红外光谱定性定量分析时主成分信息的选择有一个更深刻的理解。     

局部偏最小二乘回归建模参数对近红外检测结果的影响研究

报道了在局部加权(LWR)回归方法基础上,自主改进的更简单、实用的局部偏最小二乘回归(LPLS)的原理和方法。并以云南优质烤烟为实验材料,在国产光栅漫反射型近红外仪器上,研究了主成分数以及局部建模样品数对检测结果的影响。结果表明：应用交叉验证方法推荐的尼古丁组分模型主成分数并不是最优,通过适当降低主成分数可提高检测效果;局部建模样品数为30～50个时总糖、总氮、尼古丁预测准确度的提高幅度可分别达7%,14%,10%以上。该方法能有效提高近红外数学模型的预测准确度,是建立具有高度适应性近红外数学模型的有效方法。     

骨关节炎软骨的近红外光谱学研究及分期诊断

骨关节炎是一种威胁中老年人群公共健康和生活质量的重大医学疾病。骨关节炎的早期病变主要表现在细胞外基质成分含量的变化,患者自身很难发现,现有的临床方法和实验方法也不能较准确地识别骨关节炎的早期病变。近年来,傅里叶变换近红外（FTNIR）光谱技术因为其分析速度快、成本低、易于穿透组织获得样本的光谱信息等特点已被用于手术导航、无损检测和疾病诊断等各个领域。基于以上优势,采用FTNIR技术对不同深度分区（表层区、过渡区、深层区）的健康和骨关节炎的关节软骨进行NIR光谱采集和预处理,结合主成分分析（PCA）和Fisher判别（FDA）分别研究不同的预处理方式对判别结果的影响、不同深度下基质成分含量的变化以及骨关节炎分期识别。比较其他2种（基线校正、二阶导数3次多项式25点Savitzky-Golay平滑）预处理方式,同分区中一阶导数2次多项式21点Savitzky-Golay平滑预处理的判别结果最优,其中表层区的识别率高达95%（初始案例）和90%（交互验证案例）;表层区的判别结果优于过渡区,更优于深层区,恰可证明骨关节炎的早期病变主要发生在表层区。在骨关节炎分期识别中,经数据优化后模型的初始案例识别率为100%,交互验证识别率为93.3%,预测集的识别率为87.5%。结果表明：NIR光谱的一阶导数预处理结合PCA-FDA方法能有效地鉴别关节软骨病变与否并进行骨关节炎的分期诊断,对骨关节炎监测和早期诊断研究具有重要意义,并有潜力应用于骨关节炎的原位分期和早期临床诊断。     

近红外光谱的北方寒地土壤含水率预测模型研究

我国北方寒地温差大,土壤温差对近红外光谱测量土壤墒情有较大影响。针对这一问题,以北方寒地土壤为研究对象,探究大范围温度胁迫下（-20～40 ℃）土壤的近红外光谱与土壤不同含水率之间的关系预测模型方法。选取黑龙江八一农垦大学农学院试验基地中的黑土,经烘干、过筛等操作处理后配置含水率范围在15%～50%内八种不同湿度的土壤样品,建立北方寒地土壤大范围温度胁迫下土壤的近红外光谱信息与含水率之间的定量预测模型。在全波段光谱数据的基础上,结合五种不同光谱信号预处理方法,采用BP神经网络算法、优化支持向量机算法（SVM）、高斯过程算法（GP）三种智能算法建立北方寒地土壤近红外光谱与含水率的预测模型并验证模型的效果。利用69组数据进行训练建模, BP神经网络相关参数设置为学习速率0.05,最大训练次数设置为5 000,隐层单元数确定为20;SVM采用径向基函数,并利用leave-one-out cross validation确定了最佳惩罚参数为0.87,使模型预测的准确性提高;高斯过程算法内部采用马顿核。模型的定量评估采用决定系数(R2)和均方根误差（RMSE）。结果表明,在建立的全部BP神经网络模型中,效果最佳的为S_G-BP神经网络模型,模型的R2为0.960 9,RMSE为2.379 7;在SVM模型中SNV-SVM模型的效果最好,模型的R2为0.991 1,RMSE为1.081 5;在GP模型中S_G-GP模型的效果最好,模型的R2为0.928,RMSE为3.258 1,综上基于SNV预处理的SVM模型训练效果最优。利用剩余的35组光谱数据作为预测集验证模型性能,经模型对比分析发现基于SVM算法的预测模型效果优于其他两种算法,其中基于S_G的SVM模型效果最优,其预测模型的R2和差RMSE分别为0.992 1和0.736 9。综合建模集与预测集的参数最终确定基于S_G的SVM模型为最佳模型。此模型可以作为大范围温度胁迫条件下（寒地）的土壤含水率有效预测方法,为设计优化适宜寒地便携式近红外土壤含水率快速测量仪提供科学依据。     

近红外水分稳健分析模型研究

样品水分含量差异对近红外光谱分析模型的稳健性影响最为严重。文章以全籽粒小麦蛋白质含量为研究对象,分析了光谱预处理、有效波数区间的选取和全局校正模型应用对建立近红外水分稳健分析模型的可行性。结果表明,仅通过光谱预处理方法不能减少样品水分差异对预测结果的影响;选择有效波数区间和建立全局校正模型对消除水分的影响均有效,建立全局校正模型的效果最佳。并从理论上初步分析了各种方法的作用机理。     

傅里叶变换近红外光谱仪扫描条件对数学模型预测精度的影响

以小麦粉状样品为例 ,研究了傅里叶变换近红外光谱仪在不同分辨率 ,不同的激光频率下扫描样品对近红外光谱用于分析小麦样品蛋白质含量的影响。结果表明 :以 4 ,8,16cm- 1 的分辨率扫描样品或当激光频率改变幅度在 1cm- 1 以内时对小麦蛋白模型的影响不显著 ,样品粒度对模型影响较大