漫反射近红外光谱法同时测定液体咖啡中的速溶咖啡、植脂末、糖含量

采用傅里叶变换近红外光谱仪结合积分球附件对20个液体咖啡样品以漫反射方式采集近红外光谱,分别针对速溶咖啡、植脂末、糖建立定量校正模型。结果表明,速溶咖啡、植脂末、糖的模型因子数分别为4,5和4;测定系数(R2)分别为98.97%,99.94%和99.18%;校正均方根误差(root mean square error ofcalibration,RMSEC)分别为1.62,0.42和1.58;交互验证均方根误差(root mean square error of cross vali-dation,RMSECV)分别为2.12,0.72和2.01;F检验结果表明,三个模型的预测值-化学值之间存在极显著的相关关系。研究表明,近红外光谱法可以快速、准确地对液体咖啡中的三种主要成分同时进行定量测定,可为液体咖啡质量控制以及液体配方食品中具有一定组成的混合物的定量测定提供一定的参考。     

PCA-SVR联用算法在近红外光谱分析烟草成分中的应用

由50份烟草样品的近红外漫反射光谱组成的光谱矩阵经过主成分分析降维,采用基于支持向量机回归(SVR)算法,以常规化学分析方法测定的总糖、还原糖、总氮、烟碱的含量为参考值,建立了烟草中主要成分近红外光谱定量分析定标模型,并采用留一法交叉验证(LOOCV)对模型进行验证。以内部交叉验证预测的RMSE值为判据,从核函数类型、惩罚因子C和不敏感函数ε取值等方面对定标模型进行优化,获得不同成分定标模型的优化参数。烟草总糖、还原糖、总氮、烟碱优化定标模型的RMSE值分别为1.581,1.412,0.117和0.313。同时建立了烟草以上成分的偏最小二乘回归(PLS)、多元线性回归(MLR)以及误差反向传播人工神经网络(BP-ANN)定标模型,通过内部交叉验证的RMSE值与SVR定标模型进行比较,结果表明SVR模型具有更好的预测效果。     

应用近红外光谱法预测白肋烟中总氮含量

应用傅里叶变换近红外光谱仪,从云南省各地抽取具有代表性的200份白肋烟样品作为建模样品,36份作为验证样品,结果表明,近红外预测值与化学测定值之间的最大绝对误差为0.15%,最小绝对误差为0.00,且将测定值和预测值用t检验,结果显示近红外光谱检测值与行标法实测值之间差异不显著,认为所建模型具有一定的实用价值。     

近红外光谱定量分析的新方法:半监督最小二乘支持向量回归机

在近红外光谱定量分析中,样品化学值测定的准确度是运用数学模型进行定量分析精确度的理论极限。但能够准确获取化学值的样品数量比较少,许多模型在建模时只考虑这部分样品数据,而不考虑大量的无化学值的样品数据。针对该问题,本文在LS-SVR的基础上,提出了可以同时利用有化学值(标签)和无化学值样品数据的半监督LS-SVR(S2LS-SVR)模型。类似于LS-SVR,该模型也只需求解一个线性方程组。最后,以烤烟样品数据集为实验材料,建立了四种样品成分(总糖、还原糖、总氮和烟碱)的定量分析模型。四种样品成分的预测值与实际值的平均误差分别为6.62%,7.56%,6.11%和8.20%,相关系数分别为0.974 1,0.973 3,0.923 0和0.948 6。经分析比较发现S2LS-SVR模型优于PLS和LS-SVR,从而验证了S2LS-SVR模型的可行性和有效性。     

近红外漫反射光谱法快速测定畜禽粪便堆肥多组分含量

以我国22个省、市120个不同种类的畜禽粪便堆肥样品为研究对象,利用傅里叶变换近红外漫反射光谱技术和偏最小二乘回归法建立了我国畜禽粪便堆肥中水分、挥发性固体、总有机碳、总氮含量、碳氮比、酸碱度和电导率的近红外定量分析校正模型。各参数校正模型的决定系数R2分别为0.981 6,0.901 5,0.961 0,0.987 4,0.741 0,0.788 0和0.870 4;验证集决定系数R2_v分别为0.983 2,0.938 1,0.912 8,0.973 5,0.830 8,0.615 8和0.895 3。研究发现,除酸碱度近红外模型相对分析误差RPD(SD/SEP)值小于2.0外,水分、挥发性固体、总有机碳、总氮含量和电导率近红外模型的相对分析误差RPD值均大于3.0;碳氮比近红外模型相对分析误差RPD值介于2.0到2.5之间。结果表明,近红外漫反射光谱法可以快速测定畜禽粪便堆肥中水分、挥发性固体、总有机碳、总氮含量和电导率,对碳氮比的测定精度有待于进一步提高,对酸碱度的预测效果不理想。     

连续流动分析法同时测定乳制品中的总糖和还原糖

以20g/L氯化钠-5%乙酸水溶液作溶剂,振摇萃取30min,静置3min后过滤,除去蛋白质沉淀。用连续流动分析法同时测定12种含乳饮料及6种奶粉中总糖和还原糖的含量。结果表明,总糖和还原糖的回收率在94.57%—98.10%之间,RSD均为1.01%。该方法操作简便,准确性高,重复性好,可用于批量乳制品中总糖和还原糖含量的快速分析。     

近红外光谱法快速测定植物油中脂肪酸含量

应用近红外光谱技术建立了快速测定植物油中4种脂肪酸含量的方法。应用气相色谱法测定52个植物油样品中棕榈酸(C16：0)、硬脂酸(C18：0)、油酸(C18：1)和亚油酸(C18：2)的含量作为其化学值(真值)。建模集样品数为41,检验集样品数为11,通过对模型的优化,结果表明建模样品集脂肪酸的化学值(真值)与近红外预测值的相关系数r分别为：r(C16：0)=0.891,r(C18：0)=0.837,r(C18：1)=0.982,r(C18：2)=0.971。检验样品集脂肪酸的化学值与近红外预测值的相关系数分别为0.921,0.891,0.946和0.949。实验结果表明气相色谱法测得的植物油中四种脂肪酸含量与近红外预测值之间存在较好的线性关系。应用近红外光谱法测定植物油中主要脂肪酸的含量是可行的。该方法既快速、方便,又可进行同一样品的多组分分析,有很好的应用前景。     

鸡粪工厂化堆肥主要营养成分含量近红外光谱分析研究

目前,堆肥化是解决畜禽粪便污染环境和造成社会经济问题、实现其无害化和资源化利用的简便易行的重要途径。鸡粪中含有大量的氮磷钾等营养成分。文章以鸡粪和菊花渣工厂化高温堆肥发酵过程氮、磷和钾主要营养成分为研究对象,探讨利用近红外光谱法进行无损速测分析的可行性。在鸡粪工厂化堆肥不同发酵阶段进行多点取样,利用美国Nicolet公司生产的傅里叶变换型近红外光谱仪采集在10 000～4 000 cm-1范围内原始样品光谱,并结合多种光谱数据处理方法和偏最小二乘回归法建立了总氮、总磷和总钾的近红外模型并进行了验证分析。根据环境类样品近红外模型评价标准,近红外光谱法测定鸡粪堆肥过程主要营养成分含量具有较好的可行性。其中,所建总氮含量模型验证决定系数(R2)大于0.80,验证相对分析误差(RPD)大于2.0; 所建总磷和总钾模型的R2和RPD值分别大于0.90和3.0。     

近红外光纤光谱技术检测西红柿果浆总酸及可溶性糖的研究

为了探索一种简捷、快速、高效的西红柿品质检测方法,应用近红外光谱技术与光纤传感技术相结合的新方法,快速测量西红柿果浆样品中营养成分的含量。实验所用的主要仪器为近红外光纤光谱仪,波长范围为900～2 500 nm。以164个西红柿样品为标准样品,进行了光谱采集及相应的化学值测定。实验数据采用偏最小二乘法(PLS)进行回归,建立西红柿果浆中总酸及可溶性糖含量的数学模型,并对回归方法进行统计分析。结果为：西红柿果浆中总酸验证集的决定系数(R2)为0.967,均方根误差(RMSEC)为0.133,预测均方根误差(RMSEP)为0.103;总糖验证集的决定系数(R2)为0.976,均方根误差(RMSEC)为0.463,预测均方根误差(RMSEP)为0.460。均达到了较好的预测结果,表明该方法对定量分析西红柿果浆中多组分含量是可行的。基于该方法快速、简便及可对同一样品多组分含量同时分析的优点,它是一种极具发展前途的传感器,正在逐渐成为国际传感器领域的研究热点。     

不同种皮颜色花生糖含量近红外模型的构建

花生籽仁中的糖含量是影响食味品质的重要指标,建立快速测定糖含量的方法可有效提高食用型花生的检测效率。样品外观颜色是影响近红外分析的重要因素之一,按样品外观颜色分类定标（校正）更有利于提高模型的预测性能。研究选择不同糖含量的花生种质332个,采用色差仪将花生种质按种皮颜色分成黑紫色、红色和粉色三大类。采用3,5-二硝基水杨酸法、蒽酮乙酸乙酯法、蔗糖酶法分别测定籽粒中的总糖、可溶性糖及蔗糖含量。总糖含量分别在6.42%～39.53%（黑紫色籽粒）、9.66%～39.71%（红色籽粒）和8.52%～38.84%（粉色籽粒）之间;可溶性糖含量分别在2.4%～14.32%（黑紫色籽粒）、2.94%～13.75%（红色籽粒）和2.19%～14.53%（粉色籽粒）之间;蔗糖含量分别在0.92%～7.53%（黑紫色籽粒）、1.05%～7.23%（红色籽粒）和0.95%～7.99%（粉色籽粒）之间,变异系数均在33%以上。采用瑞典波通DA7250型近红外分析仪（950～1 650 nm）采集籽粒的近红外光谱值,选用基于全波段的偏最小二乘回归法（PLSR）,通过对比单一和复合预处理方法,对比模型的相关系数和误差确定最佳预测模型。分别建立了黑紫色、红色、粉色花生籽仁的总糖含量、可溶性糖含量和蔗糖含量的近红外光谱定标模型,共计9个模型,预测相关系数（R_c）在0.883～0.925之间,预测均方根误差（RMSEC）在0.370～1.988之间。对总糖含量所建立的模型中,粉色种皮花生的预测相关系数R_c可达0.925,RMSEC为1.705;对可溶性糖含量所建模型中,黑紫色种皮花生的预测相关系数R_c可达0.921,RMSEC为0.667;对蔗糖含量所建的模型中,粉色种皮花生的预测相关系数R_c可达0.914,RMSEC为0.435。并分别用15份种质进行外部验证,9个模型的预测相关系数R_p在0.892～0.967之间,预测均方根误差RMSEP在0.327～2.177之间。本研究建立的近红外光谱模型可同步、快速地检测花生籽粒中的多种糖含量,为高糖含量的鲜食花生育种提供了技术支持。     

灰度关联分析结合支持向量机用于近红外光谱研究

灰度关联分析是通过关联度的计算来理清系统中各因素之间的主次关系,找出影响较大的因素。简述了灰度关联分析的基本原理,并利用其对180个烟草样品的近红外谱进行了谱区优化,选取其中120个样品用于建模,另外60个样品用于模型检验。进一步利用偏最小二乘法和径向基支持向量机法分别建立了烟草样品的总糖、还原糖、烟碱及总氮的定量分析模型。结果表明,将灰度关联分析与支持向量机法联合用于烟草近红外光谱四个组分的定量分析,其模型的泛化能力和预测精度均有较明显的提高,从而能够有效地提高建模效率。     

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。     

基于可见-近红外光谱技术预测茶鲜叶全氮含量

为快速无损监测茶树氮素营养及其生长状况,基于可见-近红外光谱技术建立了茶鲜叶全氮含量的预测模型。以茶鲜叶为对象,田间试验使用便携式光谱仪采集叶片漫反射光谱信息,通过不同预处理和统计分析,建立茶鲜叶全氮含量预测的光谱模型。试验共采集111个样品,其中86个样品作校正集,25个样品作预测集。通过一阶导数与滑动平均滤波相结合的预处理方法,用7个主成分建立的偏最小二乘模型最好,其校正集均方根误差(RMSEC)为0.097 3,预测集的相关系数为0.888 1,预测均方根误差(RMSEP)为0.130 4,预测的平均相对误差为4.339%。研究结果表明,利用可见-近红外光谱技术可以很好地预测茶鲜叶全氮含量,对于快速实时监测茶树长势和施肥管理具有重要指导意义。     

应用近红外光谱技术快速检测果醋糖度

为了对果醋糖度值进行快速准确检测,应用近红外光谱技术并结合最小二乘支持向量机分析方法建立了果醋糖度检测模型.应用近红外透射光谱获取五种类型共计300份果醋样本的光谱透射曲线,利用主成分分析方法对原始光谱数据进行降维处理,根据主成分的累计贡献率选取6个主成分.选取的主成分即作为光谱优化特征子集以替代原来复杂的光谱数据.随后将300份果醋样本数据随机分为定标集和预测集,利用最小二乘支持向量机在225个定标集样本数据基础上建立起果醋糖度预测模型,应用此模型对75个预测集样本进行糖度预测.根据预测均方根误差(RMSEP)和预测结果的相关系数(r)对预测模型进行评价,利用此模型得到的样本糖度预测值r=0.993 9,RMSEP=0.363,均达到了较好的预测效果.     

基于可见近红外光谱的糖类别快速鉴别研究

提出了一种用近红外光谱技术快速鉴别糖类别的新方法.采用近红外光谱获取白砂糖、木糖醇、双歧糖和葡萄糖等四种糖类别的光谱反射特征曲线,采用偏最小二乘法进行模式特征分析,经过交互验证法判别,确定最佳主成分数为11.完成特征提取后,将11种主成分作为神经网络的输入变量,建立了3层BP神经网络.四个类别的糖样本数均为40,共计160个样本,将其分成训练集样本120个和预测集样本40个,对40个未知样本进行预测,准确率为100%.说明所提出的方法对于糖类别具有很好的分类和鉴别能力.     

近红外光谱法的甜菜糖度快速测定

为了实现甜菜依据含糖量定等分级,甜菜收购环节的按质论价,促进甜菜制糖行业的良好健康发展,应用近红外光谱技术对甜菜糖度的快速检测进行了系统研究,确定了一种快速、无损、准确的测量甜菜糖度的方法。采集具有代表性的28个甜菜品种,820个甜菜样品作为校正集,70个样品作为预测集,扫描得到甜菜校正集样品的近红外原始光谱,选择合适的光谱预处理方法,采用偏最小二乘法建立甜菜糖度的定量预测数学模型,以校正模型的内部交互验证均方根误差(RMSECV)、决定系数(R2)和外部预测标准误差(SEP)为指标对模型的性能进行评价,并对模型的预测效果进行了比较。采用一阶导数和标准正态变量变换对光谱进行预处理并结合偏最小二乘法所建立的定量预测数学模型的预测能力较好。甜菜糖度定量校正数学模型的模型决定系数为0.908 3,内部交互验证预测均方根误差为0.376 7。用此数学模型对预测集70个样品进行预测,预测值与实测值的相关系数达到0.921 4,预测标准误差为0.439,预测值和实测值之间不存在显著性差异(p＞0.05)。结果表明：近红外光谱法作为一种简单、快速、无损、环保的检测方法,能够良好的评价甜菜的糖度。建立的模型具有很高的精确性,可以满足甜菜糖含量测定的需要,该方法可以实现甜菜收购环节的定等分级和按质论价。     

近红外光谱与烟草样品总糖含量的非线性模型研究

针对烟草样品的近红外 (NIR)光谱与其总糖含量非线性相关的特点 ,提出了一种混合算法用于建立近红外光谱的非线性模型。该算法结合了偏最小二乘法 (PartialLeastSquare ,PLS)算法和人工神经网络(ArtificialNeuralNetwork ,ANN) ,把模型分成两个部分 :线性部分与非线性部分 ,并分别进行建模。与传统的多元校正算法PLS ,主成分回归 (PrincipleComponentRegression ,PCR) ,非线性PLS(NonlinearPLS ,NPLS)等相比 ,该混合算法所建的非线性参数模型的预测结果有明显的改善 ,从而为建立非线性模型提供了一种快速、准确的算法 ,可用于烟草样品总糖含量的定量分析。     

初烤完整烟叶总植物碱的近红外光谱测量方法研究

为了探讨近红外光谱分析技术检测完整烟叶化学成分的可行性,利用近红外光谱分析技术,对初烤完整烟叶的光谱采集方式及总植物碱定量分析建模方法进行了研究。以云南省昆明市不同乡镇、不同品种的初烤烟叶为研究对象,分别采用烟叶的叶尖、叶中、叶基光谱及其平均光谱建立初烤完整烟叶总植物碱近红外偏最小二乘法(PLS)定量分析模型以选择出代表完整烟叶信息的建模光谱;分别用KS和SPXY方法对样品的校正集进行选择,采用向后区间偏最小二乘法(BiPLS)、无信息变量消除法(UVE)、竞争适应性重加权采样法(CARS)等选择特征变量,对模型进一步优化。研究结果表明,采用叶尖、叶中、叶基3个部位的平均光谱建立的模型相比单独每个部位光谱所建立模型的预测精度提高了8.5%~9.5%,与全光谱建模相比,用KS-BiPLS建立模型能明显改善模型的预测能力,模型的预测精度约提高了10%,模型的校正集决定系数和均方根误差分别为0.917 4和0.226 1,检验集决定系数和预测均方根误差分别为0.902 0和0.200 7。本研究方法适用于完整的初烤烟叶,无需对样品进行预处理,对于大量的初烤烟叶,能够快速、无损测定烟叶总植物碱含量,可以节省大量的时间。同时,该研究为初烤烟叶分级、提高原料的品质提供技术支持,也将为卷烟生产的过程控制提供科学依据。     

紫外光谱法预测烤烟烟叶中的全氮

利用紫外光谱法测量不同等级烤烟烟叶的光谱,对样品在190～1 100 nm波长范围进行扫描,比较其光谱之间的差异。并利用多元分析中的逐步回归法、主成分分析法和偏最小二乘法来建立烤烟烟叶全氮含量的光谱预测模型。结果表明:(１)用多元分析中的逐步回归法、主成分分析法适合建立全氮预测模型;(２)在230～290 nm波长范围内建立不同等级烤烟的全氮模型,且模型效果较好;(３)主成分分析法预测烤烟烟叶全氮模型的准确性比逐步回归法预测烤烟烟叶全氮模型的准确性要好得多,且用主成分分析法预测烤烟烟叶全氮模型的准确性为78%; (４)不同的数据处理方法,得出的预测模型是不同的;(５)通过选择恰当的全氮特征谱线可以提高预测模型的准确性。说明可以用紫外光谱来预测烤烟全氮的含量,且该模型稳定性好,可用来快速、准确、无污染地测量烟草中的全氮含量。