近红外光谱技术在牛奶及其制品品质检测中的应用

牛奶及其制品作为一类营养全面的理想食品,已成为人们日常生活中不可或缺的一部分。但与此同时人们也越来越关注乳制品的质量和品质,实时、快速、准确地检测牛奶及其制品成分和其他物质含量是提高乳制品质量,进行牛奶及其制品质量控制的首要条件。近红外光谱技术作为一种新型的分析检测技术,由于其快速、准确、无损的特点在乳及其制品产品检测和生产监控中有着巨大的应用潜力和前景。文章介绍了近红外光谱技术的原理、优点以及在牛奶及其制品营养成分含量测定、质量评定、在线检测等方面的研究进展,综合阐述了近红外光谱技术在牛奶及其制品品质检测中的应用现状,并对其前景进行了展望。证明近红外光谱技术可以有效地对乳及其制品的营养成分含量以及掺假物、残留物和防腐剂等进行快速、准确、无损的测定,从而实现对牛奶及其制品质量的检测和评定,以及生产过程的有效控制。随着近红外技术的不断发展,近红外检测技术将更加广泛地应用于牛奶及其制品的品质检测。     

近红外光谱技术在肉品检测中的应用和研究进展

近红外光谱(NIRS)作为新型光学检测技术在食品行业中得到广泛应用。该技术能实现肉品在线、快速、无损检测,是肉和肉制品品质分析的重要技术之一。文章综述了近红外光谱技术在肉类行业中的重要应用以及近年来的研究进展,主要包括蛋白质、脂肪及水分等影响肉类品质的化学组成成分分析,肉品感官品质如嫩度、保水性、肉色及新鲜度等指标的评价以及肉品的产地、品种等方面的鉴定。同时列举了近红外光谱技术在几种常见肉制品品质检测中的应用实例,并针对目前发展趋势展望了该技术的前景：近红外光谱技术在进一步深入研究提高肉品检测精度的基础上,通过与机器视觉技术等新型无损检测技术的融合以实现全面评价肉类品质的目标。     

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。     

葡萄品质无损检测技术的研究进展

葡萄营养物质丰富且具有食疗功效,是消费者青睐的水果之一。葡萄在生长、采摘和贮藏过程中易受到损害而品质下降,从而严重影响消费者的购买欲望和葡萄的销售价格,因此检测葡萄品质对于提高葡萄商业价值具有至关重要的作用。传统的检测方法具有破坏样品、耗时耗力、成本高等缺点,而以机器视觉技术、近红外光谱技术和高光谱成像技术为主要检测手段的无损检测方法,因其无损、快速、准确的优势而发展迅速,形成了比较完善的方法体系,目前在葡萄内外部品质检测中得到广泛的应用。综述了利用机器视觉、近红外光谱和高光谱成像技术对葡萄外部品质(果粒大小、表面颜色和果穗尺寸)和内部品质(品种、糖度、可滴定酸、花色苷、总酚、病害和农药残留等)的国内外最新研究进展,总结分析了其在葡萄品质检测中存在的问题,并对葡萄品质无损检测研究方向作了展望,为葡萄品质无损检测技术的发展和相关研究人员的研究工作提供参考。     

基于可见-近红外反射光谱技术的葡萄品种鉴别方法的研究

提出一种利用可见-近红外反射光谱技术快速无损鉴别葡萄品种的新方法.采用主成分分析法对三个葡萄品种的光谱进行聚类分析.结果表明, 黑提葡萄能够被区分.进一步采用人工神经网络技术对马奶子和木拉格两种葡萄进行品种鉴别.以前10个主成分作为神经网络的输入, 品种类型作为神经网络的输出, 建立三层BP神经网络模型.结果显示, 这两个品种的识别准确率达到98.28 %, 结果优于簇类独立软模式(SIMCA).同时提出葡萄品种鉴别的四个敏感波段: 452、493、542和668 nm.基于敏感波段光谱的BP神经网络预测准确率为97.41%.说明采用可见-近红外光谱分析技术结合主成分分析和人工神经网络的方法能够快速无损鉴别葡萄的品种, 为葡萄品种的鉴别提供了一种新方法.     

基于近红外光谱技术的水稻种子成分分析模型的建立

对单粒种子样品成分进行快速无损检测,对于作物遗传育种研究有着重要意义。本文采用近红外光谱技术(NIR)和偏最小二乘回归法(PLSR),研究了水稻种子的近红外光谱特性及其与直链淀粉、蛋白质含量的关系,建立了基于NIR的水稻种子成分快速检测模型。通过比较几种不同的光谱预处理方法对于单粒和群体样品模型的效果,对模型进行了优化。结果显示,多元散射校正(MSC)对单粒样品模型的优化作用显著,而一阶导数对单粒和群体样品模型改善都有明显的效果。模型评价参数显示,预测效果良好,为基于NIR的水稻单粒种子成分分析提供技术支撑。     

模糊线性判别QR分析的茶叶近红外光谱鉴别分析

不同品种茶叶因其所含的有机化学成分不同,其效果也会有差别。所以,寻找出一种能准确迅速的鉴别茶叶品种的技术方法是非常重要的。近红外光谱(NIR)分析是一种无损检测技术,能很好的鉴别茶叶品种。使用NIR光谱仪采集茶叶的NIR数据。为了对包含噪声信号的茶叶近红外光谱进行准确鉴别,提出了一种模糊线性判别QR分析的新方法,可以对茶叶近红外光谱进行准确分类。通过使用模糊线性判别分析(FLDA)将由主成分分析(PCA)压缩的茶叶近红外光谱数据进行降维,由模糊线性判别分析得出的特征向量构建鉴别向量矩阵,对鉴别向量矩阵进行矩阵的QR分解,得到新的鉴别向量矩阵。经过模糊线性判别QR分析后使用K近邻算法进行分类,具有准确率高等优点。以岳西翠兰、六安瓜片、施集毛峰和黄山毛峰四种茶叶为研究样本,每类65个,茶叶样本总数为260个。采集茶叶近红外光谱数据的仪器为AntarisⅡ型傅里叶近红外光谱仪对光谱数据进行预处理,采用多元散射校正,由于采集到的茶叶光谱数据存在散射干扰。以此得到的近红外光谱数据的维数为1557维,通过主成分分析压缩数据集的维数,使得光谱数据集的维数达到7维。经压缩过后的光谱数据集中的鉴别信息再...     

基于Vis/NIR光谱技术的酿酒葡萄成熟期间SSC预测研究

酿酒葡萄成熟度是确定葡萄采收期的重要品质指标,针对酿酒葡萄大田中成熟度检测难度大的问题,利用可见/近红外（Vis/NIR）光谱技术和化学计量学,研究了酿酒葡萄可溶性固形物含量（SSC）与光谱数据之间的内在联系。采用USB2000+光谱仪获取5种酿酒葡萄及其叶片在不同成熟时期的Vis/NIR光谱数据,通过OMNIC 8.0软件提取光谱数据,将化学值与光谱吸收率值通过TQ Analyst8.0软件建立模型。选取信噪比高的450~1 000 nm波段,利用PCA剔除异常光谱数据,将一阶导数（FD）、Savitzky-Golay卷积平滑（S-G）、多元散射校正（MSC）、标准正态变换（SNV）分别组合共4种方法用于光谱数据预处理。利用偏最小二乘（PLS）法分别建立了5种葡萄基于酿酒葡萄光谱数据的SSC预测模型,建立了5种葡萄基于冠层叶片光谱数据的SSC预测模型,对比了不同方式预处理后的建模效果,并选择最优预处理方式建模。最后用外部样本分别验证了SSC预测模型。结果表明,采用S-G平滑+FD+MSC的预处理方法时大多数预测模型性能达到最好。5种葡萄浆果校正集和验证集的R分别达到0.93和0.86以上,最高均方根误差分别为0.30和0.48,5种葡萄冠层叶片校正集和验证集的R分别达到0.73和0.65以上,最大均方根误差分别为0.95和0.75。5种葡萄浆果外部试验样本预测值与真实值间的平均RE最高为0.43%。基于酿酒葡萄浆果光谱的SSC预测模型具备良好的预测能力,优于基于酿酒葡萄冠层叶片光谱的SSC预测模型,SSC预测模型能够为酿酒葡萄成熟度评价研究提供理论参考。Vis/NIR光谱技术适用于在酿酒葡萄大田中快速、无损检测SSC。     

基于卷积神经网络和近红外光谱的太平猴魁茶产地鉴别分析

太平猴魁茶因其特有的“喉韵”深受广大消费者喜爱,不同产地太平猴魁茶市场价格相差较大,如何实现产地精准鉴别是目前促进绿茶产业发展的关键因素。依赖于人工经验的感官评审方法主观性强、稳定性差,无法应用于实际生产检测过程。作为目前主要的检测分析方法,化学分析方法周期长、检测成本高,而且目前没有用于茶叶产地鉴别的统一标准。近红外光谱（NIR）作为一种无损检测分析方法,具有快速、非破坏性、无污染等特点,但是不同产地太平猴魁茶主要内含成分及其含量基本相同,不同产地样本光谱特征峰分布相似,导致常规分析方法无法有效选择特征变量。卷积神经网络（CNN）作为经典深度学习网络模型之一,具有强特征提取和模型表达能力。采用太平猴魁茶产地光谱特征分析,利用一维卷积神经网络模型（1-D CNN）提取太平猴魁茶NIR特征,提出一种基于1-D CNN和NIR的太平猴魁茶产地鉴别分析方法。试验以6个不同产地共120个样本为研究对象,分析10 000~4 000 cm-1范围内的光谱信息;将样本随机划分为训练集（84,占70%）和测试集（36,占30%）,分别讨论不同间隔采样、网络结构、卷积核大小及激活函数对产地鉴别结果的影响,并引入Dropout方法对比分析模型过拟合现象;最终建立一个具有9层结构的1-D CNN模型。蒙特卡罗试验结果表明,相比于基于原始光谱数据（40.57%,7.06）和PCA方法（31.93%,6.96）的太平猴魁茶产地预测模型准确率和标准差,基于1-D CNN的太平猴魁茶产地鉴别模型预测精度和稳定性更高,其测试集预测准确率平均值和标准差分别为97.73%和3.47。因此,1-D CNN可有效提取太平猴魁茶不同产地NIR特征,提高太平猴魁茶产地鉴别精度,为太平猴魁茶精准产地鉴别及溯源分析提供参考。     

基于NIR的鲜食葡萄物流过程安全系统

针对鲜食葡萄物流过程中的实际模式及通常会使用SO₂保鲜剂的情况,研究了4种温度及定量SO₂胁迫条件下,基于近红外光谱和质构变化的鲜食葡萄货架期预测方法,结合信息技术设计了基于货架期预测的物流过程安全系统,以期减少鲜食葡萄物流过程中的损失。质构变化是鲜食葡萄采后到达货架期终点的重要原因,研究使用SO₂浓度传感器控制电磁阀,通过SO₂自动补偿获得设定SO₂浓度,研究了不同浓度SO₂胁迫条件下鲜食葡萄的质构变化规律及温度的影响。对比了多元散射校正和一阶S-G求导预处理方法对原始光谱的预处理效果,采用偏最小二乘回归方法建立了基于近红外光谱的鲜食葡萄质构无损检测模型,模型决定系数为0.93,均方根误差为1.70,通过交叉验证,模型预测准确度为0.81,均方根误差为2.91。研究表明,近红外快速无损检测可结合品质变化建模和信息技术用于提高果蔬采后物流过程安全管理效率。     

A Review of the State of the Art,Limitations, and Perspectives of Infrared Spectroscopy for the Analysis of Wine Grapes,Must, and Grapevine Tissue

Abstract

As a fast and easy-to-operate technique, infrared (IR) spectroscopy has gained wide industrial acceptance for routine wine analysis. Considering the continuing improvements in hardware and software design and the analytical requirements of real-time or multiparametric analysis by the modern grape and wine industry, it is anticipated that in the near future IR spectroscopy will progressively become a routine method for process monitoring and process control in different stages of grape and wine production. This review highlights recent developments and applications of IR spectroscopy (near- and mid-infrared) to measure compositional parameters in wine grapes, grape juice, and grapevine tissues (e.g., leaves, stems, grapevine wood). In addition, some critical aspects and limitations in instrument availability, type of application, and overall understanding of the technology, which can be barriers for adoption of IR technologies by the grape and wine industry, will be discussed.     

基于无人机近地面多光谱图像的蛇龙珠葡萄成熟度判别

酿酒葡萄一般批量采收,采收期对其品质有较大影响。传统方法主要依靠对样本的酚、糖等各组分含量进行实验室理化指标检测,判定采收成熟度。如果对多个地块进行采摘前的连续监测,则批量大、成本高、采样与分析工作量繁重,且时效性差,难以保证果品的收获品质。以蛇龙珠品种为对象,提出一种利用近地面多光谱图像对种植区葡萄成熟度和批量采收期判别的方法。通过DJI Phantom四旋翼无人机搭载ADC Micro多光谱相机,以S型采样路线直接拍摄9个采样点的蛇龙珠田间原位图像,并采集葡萄果粒样本;利用PixelWrench2 x64软件进行图像处理,得到每张图像的红色（R）分量、绿色（G）分量、近红外（NIR）分量值;将葡萄果粒榨汁,依据检测时长、成本和代表性程度,选取总糖含量为成熟度判定指标,采用PAL-1手持式糖度仪检测葡萄汁总糖含量;分别分析R,G,NIR分量与日期的显著性关系,发现叶片集中区域（局部）的R分量与日期为最显著关系（p-value=5.314 44×10-4,调整后R2=0.815）,可作为建模的成熟度参数;按照模型集与验证集为4∶1的原则构建“总糖含量-局部R分量”线性回归与对数回归模型,结果显示：相比于线性模型,总糖含量与局部R分量呈非常显著的对数关系（p-value=5.124 07×10-10,调整后R2=0.970 62）,且该模型的平均预测误差≤1.388%、最大预测误差≤4.6%、采收前预测误差±0.46%,证明该对数模型具有较高的检测精度。实际采收前,利用上述方式在近采收期采集蛇龙珠葡萄田间原位多光谱图像,将得出的局部R分量值带入对数模型,可对总糖含量进行预测,并以22%±0.46%的总糖含量为标准研判蛇龙珠葡萄是否成熟。结果表明：采用区块光谱图像进行酿酒葡萄的批量采收品质和采收时间预测具有便利性与可行性,为光谱图像在农业实际生产中的应用提供了新思路。     

近、中红外光谱法融合判定葡萄酒产地

葡萄酒带有浓厚的葡萄原产地地域特点与个性,快速准确地判别葡萄酒原产地具有重要意义,感官评定的方法存在一定的局限性。提出用贝叶斯信息融合技术将葡萄酒样品的近红外透射光谱及中红外衰减全反射光谱联立进行葡萄酒原产地判别的方法。分别用近、中红外光谱仪采集来自中国四个不同葡萄主栽产地(河北怀来、山东烟台、甘肃、河北昌黎)的153个葡萄酒样品的近红外透射光谱和中红外衰减全反射光谱,然后用偏最小二乘判别分析法(PLS-DA)分别建立基于近红外光谱和中红外光谱的葡萄酒产区判别模型;该模型输出的节点值归一化后作为所有样品分属每一类别的先验概率,代入Bayes判别公式得到后验概率,根据此概率判断样品的新类别属性,即用贝叶斯信息融合技术实现了两种判别结果的修正决策。近红外和中红外融合后的模型结果为：十次随机划分建模集和检验集,四产区葡萄酒判别模型建模集的平均准确率由78.21%(近红外)和82.57%(中红外)变为融合后的87.11%,检验集平均准确率由82.50%(近红外)和81.98%(中红外)变为融合后的90.87%,均优于单独采用一种光谱技术的判别结果。实验结果表明：信息融合技术有助于模型判别效果的提高,采用近、中红外光谱的贝叶斯信息融合技术对葡萄酒原产地进行快速识别是可行的。     

Preparation of resveratrol-enriched grape juice from ultrasonication treated grape fruits

Grape (Vitis spp.) is a major source of resveratrol that can be eaten directly or after making jam, jelly, wine and juice. Resveratrol (3,5,4′-trihydroxystilbene) has a profound positive influence on human health, including anti-carcinogenic, anti-cancer, anti-inflammatory, and anti-ageing effects and the ability to lower blood sugar. During industrial production of grape juice, resveratrol is lost because of the use of clarifying agents and filtration; therefore, commercial grape juice contains very low amounts of resveratrol. In this study, we investigated the accumulation of resveratrol in grape juice prepared from three varieties of grape, viz. Campbell Early, Muscat Bailey A (MBA) and Kyoho, following post-harvest ultrasonication cleaning for 5 min and 6 h of incubation in the dark at 25 °C. This process resulted in the amounts of resveratrol increasing by 1.53, 1.15 and 1.24 times in juice prepared from Campbell Early, MBA and Kyoho, respectively, without changing the amounts of total soluble solids. Overall, our results indicate that ultrasonication treatment of post-harvested grape fruits can be an effective method for producing resveratrol-enriched grape juice as well as cleaning grapes thoroughly.     

分辨率对近红外光谱和定量分析的影响研究

近红外光谱分析技术是近年来发展最快的定性和定量分析技术之一,在较多领域得到了广泛应用。文章利用近红外光谱技术建立了杨梅汁酸度的定量分析模型,研究了不同分辨率对杨梅汁光谱和定量模型的影响。结果显示,分辨率对杨梅汁近红外光谱和其酸度的定量分析结果有较大的影响。高分辨率采集的光谱比低分辨率采集的光谱粗糙,扫描的速度较慢,所需的数据存储空间较大;不同分辨率下光谱的均方根噪声和平均吸光度在α＝0.05水平上差异显著;分辨率为4 cm-1时所建立的杨梅汁酸度模型的精度最高,模型的相关系数达到了0.994 04,校正均方根误差(RMSEC)和交互验证均方根误差(RMSECV)分别为0.023 3和0.153。但是考虑到扫描速度和数据存储空间,在不丢失样品信息的前提下采集光谱时建议将分辨率设为8 cm-1。     

Sugar Determination in Grapes Using NIR Technology

In the last years, the interest in near infrared (NIR) technology is growing. Among the advantages offered by NIR spectroscopy are: speed, low cost, high repeatability, high reproducibility, and nondestructive. The purpose of this paper is to study the possibility of using NIR reflectance spectroscopy for correlation with sugar contents in grapes of the following varieties: Garnacha and Viura. These procedures were performance: fruits were hand-harvested and 30 grapes of each variety were selected. Mass, sugar and NIR (800-2500 nm) reflectance spectra of all the samples were obtained. The harvesting lasted long to obtain a wide range of the sugar content. Data were analysed using SPSS and SAS. It is possible a correlationship between NIR spectra and sugar (°Brix) so we can predict °Brix of grape with NIR technology. Multilinear Regressions were obtained. So, Viura multilinear regression used 33 variables (R² = 0,925; standard error of estimate = 1,0446) and Garnacha, 63 variables (R² = 0,89; standard error of estimate = 1,0508).     

近红外光谱和电子鼻技术用于葡萄酒发酵过程中酒精度的定量分析

采用近红外光谱和电子鼻对葡萄酒的酒精发酵过程进行了动态采样检测,通过主成分回归和偏最小二乘回归对酒精度变化进行了监控和预测研究。分别建立了近红外光谱、电子鼻以及二者融合数据对酒精度定量分析的主成分回归和偏最小二乘回归模型。结果表明,近红外光谱数据和电子鼻数据的主成分回归和偏最小二乘回归模型的相关系数(r)均大于0.99,但校正均方根误差(RMSEC)和预测均方根误差(RMSEP)较大。近红外光谱和电子鼻数据融合后,模型质量得到提高,建立的偏最小二乘模型r为0.999 2,RMSEC和RMSEP分别降低为0.206%和0.205%(v/v),定量精度较高。近红外光谱和电子鼻均适用于红酒发酵过程中对酒精度的定量分析,且二者结合应用能提高定量精度。     

基于PCA和LS-SVM的傅里叶变换近红外光谱的黄酒酒龄的鉴别模型

利用傅里叶变换近红外光谱技术,对黄酒酒龄鉴别的模型进行研究。对绍兴黄酒样本光谱主成分进行提取与分析,并发现前3个主成分具有较明显的聚类特征。其次,利用LS-SVM模型对不同主成分数进行分类和寻优,发现当主成分数为6时达到判别的正确率是100%,此时模型的两个参数γ和2σ分别为61.890和1.769。研究表明,利用傅里叶变换近红外光谱技术并结合主成分分析(PCA)和最小二乘法支持向量机(LS-SVM)可作为一种可靠、准确、快速的检测方法用于黄酒酒龄定性鉴别分析。