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。     

紫苏种子品质的近红外光谱分析

为加快紫苏优质育种进程,采用近红外光谱(NIRS)技术,结合线性偏最小二乘法(PLS),以250份全国范围内收集的紫苏资源为研究材料,分别较好的建立其种子中含油量,棕榈酸(C16∶0),硬脂酸(C18∶0),油酸(C18∶1),亚油酸(C18∶2),a-亚麻酸(C18∶3)含量的六个近红外光谱校正模型。结果显示,六个模型的校正决定系数(RSQ1)分别为：0.98,0.91,0.92,0.92,0.85,0.93;交叉验证决定系数(1-VR)分别为：0.97,0.89,0.89,0.91,0.85和0.91;外部验证相关系数(RSQ)分别为：0.98,0.91,0.89,0.90,0.80和0.89,且定标标准误差(SEC)分别为0.99,0.21,0.1,0.94,0.81,0.92;交叉验证标准误差(SECV)分别为1.16,0.23,0.11,1.05,0.92,1.02和预测标准误差(SEP)分别为0.97,0.21,0.11,1.12,0.99,1.14。结果表明,此六个校正模型质量均较高。这些首次建立的快速无损的近红外分析模型,可为紫苏资源开发提供指导,对紫苏油分品质育种具有重要意义。     

近红外光谱测定猪眼肌肌内脂肪中脂肪酸含量

为了快速无损测定猪眼肌肌内脂肪中脂肪酸含量,提出了近红外光谱技术检测的新方法。选用气相色谱法作为猪眼肌肌内脂肪中脂肪酸测定的标定方法,采用漫反射光纤探头采集由低密度聚乙烯塑料袋包装的猪眼肌样品的光谱,来测定眼肌内脂肪中脂肪酸的含量。利用光谱专用分析软件Unscrambler9.6, 对采集的光谱用平滑,二阶微分法进行预处理, 用偏最小二乘法(PLS)建立其定量检测模型。用于本实验的样本总数为82,将异常点除去后,将样品分为校正集和检验集。用校正集的样品来建立定标方程,再用它来预测检验集样品的值。结果表明,脂肪酸C14∶0,C15∶1,C16∶0,C16∶1,C18∶0,C18∶1,C18∶2,C18∶3,C20∶1,C20∶4,SFA,MUFA和PUFA校正模型的相关系数分别为0.57,0.76,0.71,0.77,0.62,0.81,0.86,0.91,0.85,0.91,0.67,0.81和0.95。可见, 用该方法测定肌内脂肪中脂肪酸有较高的测定精度,因此,应用近红外光谱对猪眼肌肌内脂肪中脂肪酸含量的快速无损检测具有可行性。     

紫花苜蓿粗蛋白和粗纤维近红外分析模型的建立

采用近红外漫反射光谱技术,结合偏最小二乘法(PLS),以152个来源不同的紫花苜蓿样品建立了粗蛋白和粗纤维含量的近红外定量分析校正模型。在近红外光谱范围内(950～1 650 nm)对紫花苜蓿样品采集光谱数据时,分别设置了粗磨样、细磨样两种样品的状态和1,2,5 nm三种光谱扫描间隔,对建立的模型进行准确性和重复性的验证,比较其优劣。结果显示：光谱扫描时样品为细磨样,光谱扫描间隔为2 nm时所建立的粗蛋白和粗纤维含量的校正模型最佳,其相关系数(R2_cal)分别是0.97和0.94,最佳因素数时的定标标准差(SECV)分别是0.42和0.78。所建近红外定量分析模型对独立检验集样品粗蛋白和粗纤维含量的预测值与化学值的相关系数(R2_val)分别为0.96和0.92,预测标准差(SEP)分别为0.43和0.79。该研究结果表明：利用近红外漫反射光谱法测定紫花苜蓿内在主要品质性状是可行的,为紫花苜蓿粗蛋白和粗纤维含量的检验提供了新的方法模式。     

近红外光谱分析测定鱼丸中的水分和淀粉含量

用近红外光谱技术分析了草鱼鱼丸中水分和淀粉的含量,并建立了数学模型.以定标集和验证集的相关系数(rc,rv)及预测标准误差(SEC,SEP)作为模型优劣的判定依据.结果表明,采用偏最小二乘法(PLS)建立的数学模型效果最佳,具有较高的相关系数和较低的预测标准误差.水分和淀粉模型中,定标集样本的相关系数rc分别为0.9834,0.9634;预测标准误差分别为0.6293,0.8875;验证集样本的相关系数rv为0.9841,0.9699;预测标准误差分别为0.6358,0.8850.该研究说明利用近红外光谱分析技术测定鱼丸中水分和淀粉的含量是可行的.     

稻米淀粉崩解值的近红外透射光谱法测定

以203份稻米为样品,近红外透射光谱分析仪,对样品进行光谱扫描,并用快速粘度分析仪测定稻米淀粉崩解值.采用改进的偏最小二乘法进行定标模型的建立,得到了稻米淀粉崩解值测定的近红外分析模型的定标标准偏差(SEC)、交叉检验标准误差(SECV)和定标决定系数(RSQ)分别为:10.62、10.8和0.984,内部交叉验证的经校正的工作标准差(SEP)、检验偏差(BIAS)和交叉检验相关系数(1-VR)分别为:6.139、-0.362和0.939,相关性达极显著水平.内部交又验证和外部验证结果表明近红外定量分析崩解值有很高的准确度.近红外透射光谱技术为快速准确无损测定黏滞特性指标提供了一条新途径.     

近红外光谱法快速分析葛根中的有效成分

本文应用近红外光谱技术建立了快速检测葛根中有效成分的方法。研究了优化分析葛根总异黄酮、葛根素和大豆苷含量数学模型的各种条件，包括建模样品集的选择、化学值的定标、测量的方法及条件等，结果表明：建模样品集的化学值（又称真值）与近红外预测值的相关系数分别为：葛根总异黄酮r=0.975，葛根素r=0.984，大豆苷r=0.966；检验样品集的化学值与近红外预测值的相关系数分别为：0.982,0.975和0．981。说明所建模型具有实际应用价值。     

近红外光谱技术快速无损测定带鱼糜及其制品中磷酸盐含量

通过拟合带鱼糜及其鱼糕制品的近红外漫反射光谱与建立近红外的定量模型,用于带鱼糜及其鱼糕制品中磷酸盐含量的快速无损检测。以定标集和验证集的相关系数(r_C, r_V)及标准误差(SEC, SEP)作为评价模型优劣的根据。结果表明,采用偏最小二乘法(PLS)所建立的模型效果最佳,带鱼糜及其鱼糕制品的定标模型的相关系数分别为0.983和0.960,预测标准误差分别为0.032和0.101;验证集的相关系数分别为0.951和0.954,预测标准误差分别为0.058和0.097。利用近红外光谱技术快速无损测定带鱼糜及其鱼糕制品中的磷酸盐含量是可行的。     

甘薯黄酮含量近红外反射光谱分析模型的构建及其应用

以来自不同地点的126份薯块根样品为材料,应用近红外光谱技术(NIRS),建立甘薯黄酮含量近红外反射光谱分析数学模型,并对模型预测结果的准确性进行了评价.结果显示,甘薯块根黄酮含量的近红外光谱模型校正决定系数(RSQ)为0.903,校正标准误差(SEC)为0.172.交叉验证决定系数(RSQV)为0.851,交叉验证标准误差(SECV)为0.214.模型对样品NIRS的预测值与其相应的化学值有较好的相关性,此模型可用来预测甘薯黄酮含量,在甘薯优质育种和品质分析中具有应用价值.     

近红外光谱技术快速预测泡桐活立木年轮密度

应用近红外光谱分析技术主要对兰考泡桐活立木年轮密度进行了研究。取样时采用无损的方式,即不伐木,只从样木胸径处钻取直径为5 mm的木芯;用近红外光谱仪采用自动进级式采集样品光谱,波谱范围为350～2 500 nm;密度值采用水银体积仪测量;校正模型和预测模型建立与分析采用偏最小二乘和完全交互验证法。研究结果表明,中径级和大径级泡桐所选年轮数与近红外光谱值之间均存在很好的相关关系,预测模型相关系数分别达0.88和0.91;中径极的泡桐年轮密度与近红外光谱的校正模型和预测模型相关系数分别达到0.90和0.83,校正标准误差(SEC)和预测标准误差(SEP)分别为0.012和0.016。由此可见,该法可简单、快速、无损的预测中径级即接近采伐龄泡桐活立木的年轮密度。     

不同产地亚麻籽矿物质元素及脂肪酸组成的主成分分析

亚麻籽是一种具有食用与药用价值的生物质,富含多种营养物质与矿物质元素。我国是亚麻籽的主要产地之一,为探讨不同产地亚麻籽中矿物质元素与脂肪酸组成的主要特征成分,采用电感耦合等离子体质谱法(ICP-MS)分析了10个产地亚麻籽中的17种矿物质元素,利用气相色谱-质谱联用法(GC-MS)分析了于相同条件下提取的10个产地亚麻籽油脂中的脂肪酸组成。采用主成分分析法对10个产地亚麻籽中的矿物质元素及脂肪酸组成进行了分析,探讨了不同产地亚麻籽矿物质元素及脂肪酸组成的差异,分析了矿物质元素及脂肪酸的主要特征成分。结果表明,K,Sr,Mg,Ni,Co,Cr,Cd,Se,Zn和Cu是亚麻籽的主要特征矿物质元素,C16∶0,C18∶0,C18∶2,C18∶3,C20∶0,C20∶1是亚麻籽油脂的主要特征脂肪酸。ICP-MS和GC-MS结合主成分分析,可有效揭示不同产地亚麻籽中矿物质元素与脂肪酸组成的特征与差异,进而为亚麻籽的合理、有效利用提供重要的理论依据。     

近红外光谱结合化学计量学对五元调和油中单组分油的定量分析

有关调和油快速准确定量检测的研究对于调和油质量控制具有重要意义。以往对调和油定量分析的研究大多集中于二元、三元和四元调和油,对更高元数调和油的研究很少,难以满足调和油检测需求。该研究的目的是探讨近红外光谱结合化学计量学对五元调和油中各单组分油进行定量分析的可行性。由玉米油、大豆油、稻米油、葵花油和芝麻油配制成51个五元调和油样品,并采集各样品12 000～4 000 cm-1范围内的近红外透射光谱。首先,采用光谱-理化值共生距离（SPXY）算法将调和油样品划分为38个校正集和13个预测集样品。其次,考察了主成分回归（PCR）、偏最小二乘（PLS）、支持向量回归（SVR）、人工神经网络（ANN）、极限学习机（ELM）等五种多元校正方法对五元调和油各组分定量分析的建模效果。然后,在最佳建模方法的基础上比较了SG平滑、标准正态变量（SNV）、多元散射校正（MSC）、一阶导数（1st Der）、二阶导数（2nd Der）和连续小波变换（CWT）六种光谱预处理方法,并讨论了预处理方法有效地原因。最后,在最佳预处理方法的基础上进一步利用竞争自适应重加权采样（CARS）和蒙特卡罗无信息变量消除法（MCUVE）筛选与预测组分相关的变量。结果显示,在五种建模方法中,PLS是最佳的建模方法,对玉米油、大豆油、稻米油、葵花油和芝麻油五种组分的预测均方根误差（RMSEP）分别为5.564 4,5.559 2,3.592 6,7.421 8和4.193 0。经过光谱预处理-变量选择,再建立PLS模型,对五种组分的RMSEP分别降低至1.955 3,0.562 4,1.145 0,1.619 0和1.067 1,预测相关系数（R_p）均高于0.98,表明采用合适的光谱预处理和变量选择方法,可以明显提高五元调和油中各单组分油定量分析的预测准确度。该研究为多组分调和油的快速无损定量检测提供了一种参考。     

小波变换去噪用于食用油脂酸价近红外光谱分析

以三级大豆油脂酸价检测为研究对象,采用db4小波对36个油脂样品的近红外光谱进行预处理,选择出最佳的小波分解层数及阈值选取方式,并对原始光谱和经小波去噪后的光谱利用偏最小二乘回归建模,以决定系数、交互验证误差均方根和相对误差均值3个统计量来评价回归模型性能.结果表明原始光谱决定系数0.8668、交互验证误差均方根0.0...     

基于卡尔曼滤波的近红外光谱特征波长变量优选方法

将经典的卡尔曼滤波器与近红外光谱分析技术相结合,提出了一种新的特征波长变量选择方法——卡尔曼滤波法。分析了卡尔曼滤波器用于波长优选的原理,设计了波长选择算法并将其应用到大豆油脂酸价的近红外光谱检测中。首先利用偏最小二乘法(PLS)对油脂不同吸收波段建模,初步筛选出4 472～5 000 cm-1油脂酸价特征波段共132个波长点,然后进一步利用卡尔曼滤波器进行特征波长选择,从中优选出22个特征波长变量建立PLS校正模型,预测集决定系数R2、预测误差均方根RMSEP分别为0.970 8和0.125 4,与利用132个波长点建立的校正模型预测结果相当,而波长变量数减少到原来的16.67%。该波长变量选择算法是一种确定性的迭代过程,无复杂的参数设置和变量选择的随机性,物理意义明确。优选出少数对模型影响较大的特征波长变量以代替全谱建模,在简化模型的同时提高了模型的稳健性,为开发专用油脂近红外光谱分析仪器提供了重要参考依据。     

基于ABC-SV R算法的拉曼光谱检测混合油脂肪酸含量

提出了一种基于激光拉曼光谱和人工蜂群智能优化支持向量回归机(ABC-SVR)算法的快速定量检测三组分混和油中3种脂肪酸含量的方法。该方法针对光谱数据信息与样本之间非线性、高维度的关系,建立了预测精度及建模效率均高于同类对比算法的数学模型,同时避免了气相色谱法、液相色谱法等对混合油脂肪酸含量的检测方式,根据纯种油中3种脂肪酸含量的国际标准,由油品配置体积得到脂肪酸质量,有效降低了检测成本与实验复杂程度,提高了检测工作的实用价值。首先根据一定梯度配置66组混合油检测样品,使用便携式拉曼光谱仪采集样本的拉曼光谱信息,扣除背景噪声;观察多组样本的拉曼光谱图可知,由于官能团浓度的差异,食用油的拉曼特征峰位移基本相同,特征峰的峰值明显不同,因此基于特征峰信息可以区分食用调和油的不同混合物;其次对拉曼光谱做背景扣除、光谱平滑、最大值谱线归一化三步预处理,以降低实验中不可控的外界因素及背景荧光的影响,准确提取光谱特征峰强度信息;然后根据纯种油中3种脂肪酸的国际标准含量,结合国家食品法典委员会标准CODEX STAN210-1999《指定的植物油法典标准》中规定的纯种油密度中值,由油品体积得到脂肪酸质量数;随机选取56组样本数据作为训练集,剩余10组样本数据作为预测集;以训练集光谱特征峰强度和脂肪酸质量分别作为回归模型的输入及输出值,建立SVR和PSO-SVR,ABC-SVR三种混合优化算法对比的定量分析模型,对测试集的3种脂肪酸含量分别进行预测;最后通过均方误差(MSE)、相关系数(r)及建模时间(Elapsed time)分别进行对比,建立数据表对模型精准度进行检验。实验结果表明,通过ABC-SVR定量分析模型效果最佳,3种脂肪酸含量预测值与真实值的均方差分别为0.88×10-4,16×10-4和8×10-4,均低于0.002;相关系数分别为93.43%,99.65%和99.43%,均高于93%;预测时间(Elapsed time)分别为1.26,2.42和2.14 s。因此,所提出的检测方法,具备较高的精确度、较快的建模时间,且在理论上的类似条件下可适用于其他样品检测工作,可为振动光谱学对食用油掺伪分析的进一步工作提供可行的理论依据。     

湿度对水泥生料近红外光谱检测的影响及补偿方法

近红外光谱检测已被应用于水泥生料成分的快速检测,但现场环境中的湿度等因素会对光谱产生干扰,从而降低检测精度。为了提高检测精度,在实验分析湿度对水泥生料近红外光谱检测影响的基础上研究了补偿方法。在水泥厂选取了24份水泥生料样本,其中18份作为校正集,6份作为验证集;水泥生料中的有效成分为SiO2,Al2O3,Fe2O3和CaCO3,各成分含量的标准值由X射线荧光光谱分析测出。首先,将校正集的18份样本每份重复装样测5次光谱,用得到的90个光谱建立模型Ⅰ;再每份样品制作5个湿度梯度样本,其获得过程为,先将样本放置在电加热平台上,用玻璃棒将样本摊平,180℃下加热30 min,再将样本放置在散热片上进行降温,待样品恢复室温后取出进行第一次光谱扫描,得到1个光谱,将测量后的样本放入搅拌器,使用装有去离子水的喷雾器对其喷雾两次,然后搅拌30 s混合均匀,测量混合后的样本得到下一个光谱,重复该过程,得到具有湿度梯度的5个光谱。所有样本均采用烘干法进行湿度测量,样本湿度变化区间在0.6%~2%以内。对每个湿度梯度的样本测量1次,用得到的这90个光谱建立模型Ⅱ。然后,将验证集的6份样本每份制作5个湿度梯度,获取方式与校正集相同,对每个湿度梯度的样本测量1次,得到30个光谱。所有光谱均采用多元散射校正预处理,拟合波段选择4000~5000 cm^-1,建模方法采用偏最小二乘法。比较同一份样本的5个湿度梯度,可以看到在5200 cm^-1处光谱差异最大,在其他位置也有肉眼可见的明显差异,因此,湿度变化对全波段光谱有明显的影响。最后,将这30个光谱输入模型Ⅰ与模型Ⅱ进行验证,并对比模型Ⅰ与模型Ⅱ的预测均方根误差RMSEP。模型Ⅱ中SiO2,Al2O3,Fe2O3和CaCO3的预测均方根误差RMSEP比模型Ⅰ分别减小了25%,31.3%,33.3%和25%。实验结果表明,水泥生料样本湿度对近红外光谱模型的预测结果具有一定的影响,采用具有湿度梯度的样本进行建模可有效降低湿度对预测结果的影响。     

基于紫外拉曼光谱的转基因大豆油快速识别方法研究

转基因技术对实现作物增产增质,降低农药使用量,降低生产成本等具有重要作用,但对生态环境也存在一定的潜在威胁。为了防止转基因大豆在食品化中的滥用,对转基因产品快速鉴别技术的研究尤为迫切。紫外拉曼光谱检测技术具备外场远距离无损遥测检测,简单高效,快速准确等优点,可有效用于物质遥测鉴别领域。基于紫外拉曼光谱的转基因/非转基因大豆油以及与其他类别食用油鉴别方法,采集了五种不同食用油(两种品牌转基因/非转基因大豆油各500组样本和一种稻米油100组样本,共2 100组样本)在3 500~400 cm-1(268~293 nm)范围内的日盲紫外拉曼光谱信息,为提高光谱数据的信噪比并保证分类识别的准确性,对上述光谱数据采用Savitzky-Golay滤波降噪、基于自适应迭代加权惩罚最小二乘法(airPLS)的基线校正以及多元散射校正(MSC)的光谱数据修正等预处理。根据大豆油的紫外拉曼指纹图谱,分析出主要化学成分包含脂肪类、蛋白质类、酰胺类。将每种大豆油样本按1∶1划分为训练集和测试集,输入训练集数据至支持向量机(SVM)进行训练,采用10折交叉验证建立最佳模型,识别准确率达99.81%,对转基因大豆油的判别效果显著;采用主成分分析法(PCA)进行数据降维处理,提取出8个主成分,累计贡献率为74.84%,可代表大部分原始数据特征。在此基础上,将预处理后的光谱数据按4∶1划分为训练集和测试集,采用偏最小二乘回归判别分析方法(PLS-DA),结合10折交叉验证法建立全谱的最佳PLS-DA模型(判别阈值设置为0.5),判别准确率达到70.95%。研究表明,紫外拉曼光谱分析方法可较为准确地鉴别非转基因/转基因大豆油,同时可鉴别大豆油与稻米油,实现对转基因大豆食品的快速无损鉴别,可望成为转基因大豆油及其食品的现场检测新的技术途径,对推动转基因产品遥测鉴别技术的发展具有进步意义。     

光谱数据对油页岩含油率近红外光谱分析PLS建模精度的影响

目前油页岩关键的评价参数——含油率的检测方法均无法实现原位测量,无法满足油页岩资源的勘查和开采中样品检测的要求。便携式近红外光谱分析技术,为实现油页岩含油率的原位检测提供了可能性。由于光谱数据的不同形式与样品的成分含量值之间有不同的相关关系,样品不同成分的吸收特性表现在不同的近红外波段上,因此利用合成样品,针对反射率、吸光度、K-M函数等三种不同的光谱数据表示形式和四种不同的建模区间,研究它们对油页岩含油率PLS模型精度的影响情况。结果表明：对于合成样品,进行PLS建模的最佳光谱数据形式是反射率,最佳建模区间是组合特征区间,即适当的光谱数据形式及建模区间可提高模型的精度。     

溶剂热-高温煅烧法制备纳米Gd2MoO6:Nd3+近红外发光材料

采用乙二醇-水的混合溶液作为溶剂,用溶剂热法制备了Gd2MoO6∶Nd3+的前驱体,然后对得到的样品在800℃下煅烧1 h。使用X射线衍射仪对样品的结构进行了表征,通过近红外和可见光区的发射光谱和激发光谱以及透射电子显微镜对样品的发光性质以及形貌进行了研究。探究了煅烧温度、Nd3+的掺杂浓度、pH值、乙二醇-水的配比对样品的近红外发光性能以及形貌的影响。实验结果表明,在乙二醇-水的配比为1∶1,Nd3+的掺杂摩尔分数为0.03,pH值为1.5,煅烧温度为800℃时,能得到分散性良好,并具有优良近红外发光性质的纳米粒子。