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。     

玉米秸秆组分近红外漫反射光谱(NIRS)测定方法的建立

玉米秸秆是我国产量最大的秸秆生物质资源,但目前还没有快速高效的组分分析方法,本研究利用傅里叶变换近红外漫反射光谱(NIRS)技术,采用偏最小二乘法(PLS),在国内首次建立了NIRS测定玉米秸秆中灰分、半纤维素、纤维素、Klason木质素、酸不溶灰分和水分含量的校正模型,该模型稳定,适合不同地区、不同品种的玉米秸秆及其不同部位.实验结果表明,采用一阶导数 Karl Norris滤波预处理,谱区在4 100～7 500 cm-1,能得到理想的预测模型.该模型对玉米秸秆各组分的交叉验证均方差(RMSECV)范围为0.090 3～1.45,预测误差(RMSEP)范围为0.256 9%～2.581 9%,预测相关系数≥0.871 1.该研究对加速我国秸秆生物质的工业转化具有重要意义.     

菊苣体外干物质消化率近红外分析模型的建立

菊苣(Cichorium intybus L.)是一种新型的高产优质饲用牧草,具有极大的推广利用价值。体外干物质消化率(in vitro dry matter digestibility,IVDMD)是评价饲草营养价值的重要指标之一。建立菊苣体外干物质消化率的NIRS定量分析模型的研究,采集了72个品种、不同基因型、不同生长发育时期的204个菊苣地上部分为样品,应用傅里叶变换近红外漫反射光谱技术,通过采用不同的回归算法,比较不同的光谱范围和光谱预处理方法,建立了8个菊苣体外干物质消化率(IVDMD)的近红外漫反射光谱校正模型,从中选出最佳参数的校正模型。其校正决定系数(R2cal)和外部验证决定系数(R2val)分别为0.953 17和0.904 55,校正标准差(RMSEC)和预测标准差(RMSEP)分别为1.977 99%和2.008 82%,预测值与化学值间的相关系数(r)达0.951 08。结果表明,利用近红外漫反射光谱法来测定菊苣体外干物质消化率(IVDMD)是可行的,可为菊苣体外干物质消化率(IVDMD)的测定提供快速的分析测定方法。     

基于近红外光谱技术和人工神经网络的玉米品种鉴别方法研究

提出了一种采用近红外光谱技术结合人工神经网络对玉米品种进行鉴别的方法.在3 800～10 000cm-1(波长1 000～2 632 nm)范围内采集四种玉米单粒完整籽粒的近红外漫反射光谱,经Savitky-Golay平滑和多重散射校正预处理后,对数据进行主成分分析,再结合人工神经网络技术进行品种鉴别.主成分分析表明,前8个主成分的累积贡献率达到99.602%.以前8个主成分作为网络输入,品种类型作为输出,建立三层LMBP神经网络模型.每个品种各取30粒共120个样本用于建模,10粒共40个样本用于预测.模型对建模集120个样本鉴别率为100%,对预测集40个样本的鉴别率为95%.实验结果说明该方法能快速无损地鉴别玉米品种,为玉米的品种鉴别提供了一种新方法.     

基于近红外光谱和仿生模式识别玉米品种快速鉴别方法

文章提出了一种采用近红外光谱快速鉴别玉米品种的新方法,并对不同品种的玉米种子建立了相应的鉴别模型.对7个玉米品种共140个样本,通过近红外光谱仪扫描获得4 000～12 000 cm-1波段范围内的光谱数据.为了消除噪声、提高数据处理效率,对原始数据进行了归一化预处理,采用同定尺寸移动窗口渐进因子法(fix-sized moving window evolving factor antilysis)寻找特征波段,使用主成分分析(PCA)方法得到能反映玉米种子99.96%光谱信息的5个主成分,进而利用仿生模式识别(biomimetic pattern recognition)方法建立玉米品种的鉴别模型.对于每个品种中的20个样本,随机挑选10个样本作为训练样本,其余10个样本作为第一测试集,其他品种共120个样本作为第二测试集.在对第二测试集平均正确拒识率达到99.1%的情况下,对第一测试集中的样本取得了94.3%的平均正确识别率.该方法具有较高的鉴别准确度,可以作为一种快速无损的玉米品种鉴别方法.     

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R2v(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R2v(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.     

近红外漫反射光谱技术快速预测蒸汽压片玉米常规成分含量的研究

应用近红外漫反射光谱分析技术(NIDRS),采用偏最小二乘法,建立了蒸汽压片玉米4个常规成分的近红外定量预测校正模型。研究中选用62个品种玉米的蒸汽压片为样本,光谱扫描范围为950～1650nm,采用中心化+导数+多元散射校正的预处理方法。研究得出粗蛋白(CP)、中性洗涤纤维(NDF)、酸性洗涤纤维(ADF)和粗脂肪(EE)的校正模型交叉验证决定系数(R2VAL)分别为0.9511,0.9032,0.7143,0.9082,交叉验证误差(SECV)分别为1.53,1.89,2.45,0.50。本研究建立的模型可以用来准确、快速地预测蒸汽压片玉米的CP,NDF和EE的含量,为蒸汽压片饲料工业提供了一种快速、经济和绿色的质量检测技术。     

一种基于近红外光谱的天然产物抗氧化活性预测评价方法

提出了一种基于近红外(NIR)光谱的黄酮类提取物抗氧化活性计算预测新方法.采用1,1-二苯一2-苦肼基(DPPH)法测定28种黄酮类中药材提取物的抗氧化活性,并在4 000～10 000 cm-1范围扫描样品的红外光谱,采用偏最小二乘(PLS)算法建立了黄酮类组分近红外光谱与抗氧化活性之间的校正模型.建模过程中,以交叉验证相关系数(R2),交叉验证误差均方根(RMSECV)为指标,确定了用于建模的最优近红外波段和光谱预处理方法.校正模型的RSECV为9.50%,R2为0.901 7,预测误差均方根(RMSEP)为14.8%.该方法快速无损、操作简便,可用于中药及天然产物提取物抗氧化活性的快速评价.     

基于近红外光谱的商品玉米品种快速鉴别方法

现有的玉米种子品种鉴别方法检测时间长,费用高,不易大批量快速鉴别。提出了一种基于近红外光谱数据快速鉴别商品玉米品种的新方法。先使用傅里叶变换近红外光谱仪获得从4000到12000cm-1波段范围的37个商品玉米品种籽粒的漫反射光谱数据。对原始光谱进行矢量归一化预处理以消除噪声干扰,为了找到玉米品种籽粒的光谱特征波段,提出一种基于标准差的方法,进而对寻找到的玉米籽粒特征波段光谱做主成分分析(PCA),取能反映玉米品种99.98%光谱信息的前10个主成分。最后使用仿生模式识别(BPR)方法建立了37个玉米品种鉴别模型,对于每个品种的25个样本,随机挑选15个样本作为训练样本,其余10个样本作为第一测试集,其他品种共900个样本作为第二测试集。该鉴别模型对于37个玉米品种的平均正确识别率为94.3%。该方法的进一步研究有利于建立以近红外光谱为基础的物理指纹品种鉴别技术。     

虫草氨基酸的人工神经网络-近红外光谱快速测定方法

提出了用近红外漫反射光谱技术快速检测发酵冬虫夏草中氨基酸含量的新方法。采用比色法测定虫草菌粉中氨基酸含量。用BP神经网络建立了近红外光谱数据与氨基酸、精氨酸和总氨酸含量间的定量关联模型。通过比较不同的光谱预处理方法及光谱范围 ,得到最优模型 ,即在 75 0 1 7～ 6 0 97 8,5 4 5 3 7～ 42 4 6 5cm- 1 区域内 ,近红外光谱的一阶微分光谱与其氨基酸含量之间建立模型。甘氨酸、精氨酸和总氨基酸的预测标准偏差分别为 0 0 8,0 0 7和 0 36 ,均优于主成分回归 (PCR)和偏最小二乘回归 (PLS)等线性模型的处理结果。结果表明 ,该方法是一种有效实用的非线性校正方法。为近红外光谱快速测定中药组分含量提供了一条新途径     

利用近红外光谱法分析玉米籽粒脂肪酸含量的研究

采用傅里叶近红外漫反射光谱技术,结合偏最小二乘法,以294份中选的普通和高油玉米自交系以及高油玉米重组自交系为样品建立了玉米籽粒四种主要脂肪酸(软脂酸、硬脂酸、油酸和亚油酸)含量和含油量的近红外光谱(NIRS)校正模型.其中,油酸、亚油酸和含油量的校JF模型质量较高,交叉验证决定系数分别为0.89,0.88和0.91,外部验证决定系数分别为0.86,0.84和0.92,相对分析误差(RSP(C))均大于2.5.软脂酸和硬脂酸的校正模型不够精确,交叉验证决定系数和外部验证决定系数均小于0.80,相对分析误差(RSP(C))均小于2.5.通过实际预测进一步验证了油酸、亚油酸和含油量NIFRS模型的准确性和可靠性.这些模型可应用于玉米籽粒脂肪酸含量及油分含量大批量快速测定,对玉米油分的品质育种具有重要意义.     

近红外光谱测定茶叶中茶多酚和茶多糖的人工神经网络模型研究

为了建立近红外光谱测定茶叶中茶多酚和茶多糖的模型,应用了人工神经网络方法,选择了7432．3～6155．7cm^-1和5484．6～4192．5cm^-1特征光谱范围,以网络结构参数的输入层、隐层、输出层神经元数目分别为（8,4,1）和（7,5,1）来建立茶多酚和茶多糖的测定模型,模型的结果表明建模的茶多酚和茶多糖的r,RMSECV,RSECV分别为0．9847,0．460,0．123和0．9470,0．136,0．224;预测集的r,RMSEP,RSEP则分别为0．9804,0．529,0．017和0．9682,0．111,0．030。由此说明建立的近红外光谱一人工神经网络模型可用于预测茶叶中茶多酚和茶多糖的含量。     

近红外光谱技术实时测定土壤中总氮及磷含量的初步研究

及时、准确探测土壤中的氮、磷含量,有利于精准施肥决策,提高肥料利用率。研究表明近红外技术能够探测土壤的物理和养分状况。针对不同土地利用类型,在北京大兴地区采集85份土壤样品,测定土壤氮、磷养分及其近红外漫反射光谱,并利用傅里叶变换光谱技术和偏最小二乘回归法建立了土壤总氮(N)和总磷(P)的近红外光谱校正模型。所建模型的交叉检验决定系数(R2CV)分别为0.8626(N),0.6685(P)。用未参与建模的10个样品对模型进行外部检验,总N、总P的预测相关系数(r)分别为0.9698,0.8307,预测标准误差(RMSEP)分别为0.0095%(N),0.0086%(P),RPD值(检验集样品化学测定值标准差/预测标准误差)分别为3.78(N),1.69(P)。结果表明,采用适当的光谱分析方法可以实现用近红外技术对土壤总N的精确探测及对土壤总P的粗略估测。     

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(Neu-tral Detergent Fibet,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9668～4 518,9 550～5 543,8 943～4 042 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(r2cal)和交叉检验的决定系数(Rk)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.     

近红外光谱法测定紫花苜蓿青贮鲜样的营养价值

应用近红外光谱技术(NIRS)直接分析新鲜饲草的营养价值,如饲草中干物质(DM),粗蛋白(CP),中性洗涤纤维(NDF),酸性洗涤纤维(ADF)含量,对畜牧业生产具有重要意义.鲜草中由于含有较多的水分,不易制备均一的样品和进行光谱中有用信息的提取,因此难于进行近红外光谱分析.本试验应用偏最小二乘回归法(PLS)、傅里叶变换近红外光谱技术和液氮冷冻制样技术,建立了适合于不同品种,不同生育期,不同茬次和不同青贮方法即时测定青贮苜蓿鲜样中DM,CP,NDF,ADF的模型,以期对NIRS在测定紫花苜蓿青贮鲜样品这些成分测定的可行性进行分析.所建DM,CP,NDF和ADF模型的交叉检验决定系数(R2cv)为0.884 6～0.989 8,交叉检验标准误(RMSECV)为3.9～9.7 g·kg-1鲜重.用50个样品对模型进行外部检验,预测相关系数(r)为0.939 7～0.994 9,预测标准误为1.9～8.3 g·kg-1鲜重.结果表明:采用适当的样品处理方法和光谱分析技术可以实现近红外光谱技术对苜蓿青贮鲜样的营养价值评定.     

秸秆热值近红外光谱模型的外部验证结果间的统计比较分析

从全国24个省(市)收集到222个秸秆样品,包括172个稻秸样品和50个麦秸样品.采用近红外光谱技术,结合主成分回归、偏最小二乘回归和改进的偏最小二乘回归建立了秸秆热值的定量分析校正模型.近红外光谱模型的建立与优化过程中使用了不同的散射校正方法和光谱导数处理来帮助改善模型精度.对得到的54个模型采用统计学的方法分析外部验证的结果,通过比较外部验证的系统偏差(Bias)和Bias校正的预测标准差(SEP(C)),考察了不同光谱预处理和回归方法对秸秆热值的近红外模型预测性能的影响.结果表明:近红外光谱技术能够快速、准确地分析秸秆的热值,模型的SEP(C)在134～178 J·g-1之间;对外部验证结果的统计分析,能够有效地选择较好的建模方法,确定较优模型.     

子宫内膜癌组织近红外光谱预处理与波段选择研究

应用近红外光谱技术对子宫内膜组织病理切片进行快速无损检测。收集了154样品光谱,其中正常样本的个数36个,增生的60个,癌变的58个。由于原始光谱中包含大量干扰信息,所以光谱预处理方法和波段选取的方法在近红外光谱分析中占有非常重要的地。利用多种预处理方法,包括一阶导数、多元散射校正、多项式最小二乘拟合求导、标准归一化、平滑、移动窗口中值滤波,对样品光谱进行了预处理。利用标准偏差谱来选取最优波段,选取的最优波段范围为4 000~6 000 cm-1。然后用处理后的光谱数据进行主成分分析,分类准确率达到100%。研究结果表明近红外光谱技术结合化学计量学方法可以作为一种癌症快速诊断的新技术,对于癌症的早期诊断和癌症组织的恶化过程研究具有重要的意义。     

近红外光谱法测定缓释制剂中冰片释放量

利用近红外光谱技术与化学计量学方法建立了冰片缓释样品近红外光谱与冰片浓度之间的定量模型,以实现冰片释放量的快速测定.配制与缓释制剂具有相同物质体系的的冰片醇水溶液,获取其近红外光谱,采用偏最小二乘法(PLS)建立冰片含量预测模型并考察了图谱类型、建模样品浓度及建模区间对校正模型和预测结果的影响.结果表明采用原始近红外光谱,在5 314～7 032cm-1区间,将样品按照中高浓度、低浓度范围建模可以获得最佳校正结果与预测结果.最后采用所建的中高浓度区模型测定了冰片包合物在醇水体系中冰片含量,实现了对缓释制剂冰片累加释放量的快速测定,可为冰片缓释制剂的研发快速提供评价数据.