近红外光谱技术定量测定杨梅汁可溶性固形物

采用近红外光谱分析技术对浙江省不同产地的杨梅汁进行了光谱测定和定量分析,通过计算样品的杠杆值、学生残差和马氏距离来判别异常样品,采用偏最小二乘法(PLS)对杨梅汁的可溶性固形物进行建模分析,选取不同的分辨率和波段范围对光谱进行有效的信息提取和分析,确定了最佳的回归因子数和用于定量分析的最优波段范围.结果显示:杨梅汁样品中有一个为异常样品,在建模时予以剔除;用于杨梅汁可溶性固形物检测的最佳分辨率和最优波段分别是4 cm-1和4 000～12 267.46 cm-1,最佳的回归因子数是8,该PLS模型的相关系数为0.957 85,校正均方根误差(RMSEC)、预测均方根误差(RMSEP)和交互验证标准偏差(RMSECV)分别是0.431,0.925和1.07°Brix.研究表明近红外光谱检测技术能用于杨梅汁可溶性固形物的定量分析.     

短波近红外光谱的整粒小麦蛋白质PLS方法的定量分析

利用漫反射法获得的整粒小麦短波近红外光谱(833～1111nm),采用化学计量学中的偏最小二乘法(PLS)方法,选取不同的波长范围对光谱进行信息提取和分析,给出了不同因子数时PLS方法进行蛋白质分析的结果及其因子数与预测标准偏差平方和(PRESS)关系曲线,确定了最佳回归因子数。并通过选取最佳回归因子和不同波段,对整粒小麦的蛋白质成分进行了定量分析,比较了不同波长范围对分析的影响,并从中获得了较好的预测结果,实验表明,合理选择光谱范围可减少非主要信息的干扰,并以此来提高成分分析精度的方法是切实可行的,在实际应用中有一定的参考价值。     

可见光光谱检测赣南脐橙糖度的研究

利用透射光谱测定法获取赣南脐橙的可见光光谱(400～800 nm),采用多种校正算法,选取不同的波段范围对透射光谱进行有效信息提取和分析,对比研究了不同因子数时不同校正方法进行糖度快速检测的影响,确定了最佳参比、最佳的波段范围、最佳光谱处理方法和用于快速检测分析的最佳校正方法.实验结果表明:偏最小二乘法校正模型的预测精度在450～770 nm波段范围内,因子数为7时其糖度的预测精度最好,其预测集的相关系数达到了0.857,预测标准偏差为0.562.     

近红外漫反射光谱检测赣南脐橙可溶性固形物的研究

研究了应用可见-近红外漫反射光谱技术快速检测赣南脐橙可溶性固形物的方法.以40个赣南脐橙为标准样本,利用漫反射光谱测定法获取完整赣南脐橙的可见-近红外光光谱(350～2 500 nm),采用多种光谱校正算法,选取不同的光谱波段范围对水果样本的漫反射二阶光谱进行有效信息的提取和分析,并结合偏最小二乘法和主成分回归等定量校正方法,建立了赣南脐橙可溶性固形物的定量数学模型.实验结果为:在361～2 488 nm波段范围内,偏最小二乘法校正模型的预测精度最好,校正模型的相关系数为0.929,校正标准偏差和预测标准偏差分别为0.517,0.592,其预测集样本的预测值与真实值的相关系数为0.791.实验结果表明:应用近红外漫反射技术对赣南脐橙可溶性固形物的快速无损检测具有可行性.     

近红外漫反射光谱检测梨内部指标可溶性固性物的研究

旨在建立近红外漫反射光谱与梨水果内部可溶性固形物之间的关系,以评价近红外漫反射光谱在测量梨水果内部指标可溶性固形物的应用价值。应用近红外光谱(350～1800nm),采用多元线性回归(MLR)、主成分回归(PCR)和偏最小二乘法(PLS)三种不同的数学校正方法对梨水果的可溶性固形物(SSC)进行了定量分析,并且对梨水果不同位置的吸光度原始光谱,一阶微分和二阶微分三种不同预处理情况下的模型进行了最优化分析。在梨水果赤道部位预测结果较为理想,采用一阶微分预处理方法下应用PLS方法。研究结果为预测集的相关系数为0.8517,预测样本均方根误差为0.8793。研究表明,近红外漫反射光谱可以作为一种准确、可靠和无损的检测方法用于评价梨水果内部指标可溶性固形物。     

近红外漫反射光谱法测定川产黄柏中小檗碱含量

提出了用近红外光谱技术快速测定川产中药黄柏中指标成分小檗碱含量的方法.对小檗碱含量在2.155%～8.245%范围的不同来源的黄柏,根据其在12 500～3 600 cm-1的近红外吸收光谱,采用偏最小二乘算法(PLS)建立了校正模型,比较了光谱不同预处理方法对校正结果的影响.当采用二阶导数处理方法时能最有效地提取光谱的信息,此时校正集相关系数(r2)为0.922 1,校正集标准偏差(SEC)为0.337,预测集标准偏差(SEP)为0.251.该方法快速简便,适合于中药指标成分的快速分析.     

近红外漫反射光谱法测定川藏道地药材菥蓂子中黑芥子苷含量

提出了用近红外光谱技术快速测定川藏道地药材菥萁子中指标成分黑芥子苷含量的方法.对黑芥子苷含量在1.962%～3.917%范围的不同来源的菥蓂子,根据其在12 500～3 600 cm-1的近红外吸收光谱,采用偏最小二乘法(PLS)建立了校正模型,比较了光谱不同预处理方法对校正结果的影响.当采用最大最小归一化法时能最有效地提取光谱的信息,此时校正集相关系数(r)为0.989 8,校正集标准偏差(SEC)为0.023 3,预测集标准偏差(SPE)为0.111 2.该方法快速简便,适合于重要指标成分的快速分析.     

近红外漫反射光谱法测定黄芩中总黄酮及黄芩苷的含量

文章建立了近红外漫反射光谱技术快速测定中药黄芩中主要活性成分黄芩苷和总黄酮含量的方法.对黄芩苷含量在12.24%～21.34%,总黄酮含量在16.08%～26.52%范围内的61个不同产地的黄芩,选择在8 000～4 000 cm-1范围内的近红外吸收光谱,采用偏最小二乘算法(PLS)比较不同光谱预处理方法建市的校正模型,结果表明一阶导数和最小最大归一化的数据预处理方法分别为黄芩苷和总黄酮最优预处理建模方法.黄芩苷校正集相关系数(r)为0.902 4,校正集标准偏差(SEC)为1.01,预测集标准偏差(SEP)为0.876 4;总黄酮校正集相关系数(r)为0.952 7,校正集标准偏差(SEC)为0.785,预测集标准偏差(SEP)为0.521 1,该方法快速简便,适合于黄芩中主要活性成分的快速分析.     

梨可溶性固形物含量的在线近红外光谱检测

应用近红外透射检测技术在线检测梨的可溶性固形物(SSC)。在实验台上以0.5 m.s-1的速度,300 W的光照强度,采用半透射方式检测梨的光谱。实验采用的梨样品为187个,其中147个样品为校正集,40个样品为预测集,应用偏最小二乘回归(PLS)和主成分回归(PCR)建立梨可溶性固形物的在线预测模型。选取550～700 nm,700～850 nm,550～850 nm为建模波段范围,发现无论对于PLS还是PCR,都是550～850 nm波段的建模结果好。本实验还研究对比不同的光谱预处理方法(光谱平滑,一阶微分,二阶微分等)对预测模型性能的影响,其中5点S-G(Savitzky-Golay)光谱平滑能有效地提高光谱的信噪比,改善模型预测精度,而一阶微分、二阶微分对模型性能改善基本上没有影响;最好的预测模型相关系数r=0.948 8,校正标准差RMSEC=0.236,预测标准差RMSEP=0.548。结果表明:PLS模型预测性能较好,梨可溶性固形物的在线检测具有可行性。     

羊肉嫩度傅里叶变换近红外光谱偏最小二乘法定量分析研究

以从内蒙、宁夏、甘肃、新疆4个肉羊产区筛选的有代表性的98份羊肉样品为试材,应用傅里叶变换近红外光谱技术探讨了羊肉嫩度无损检测的方法。以模型决定系数(r2)、校正标准差(RMSECV)和预测标准差(RMSEP)为模型精度评价指标,采用偏最小二乘法(PLS)对近红外光谱信息与样品的质构仪剪切力值进行了拟合,确定了最佳的光谱预处理方法、主成分数和波段范围。结果表明:所选98个羊肉样品的剪切力值分布范围为1.673～6.631 kg,其中75%以上的样品剪切力值在2～5 kg,基本覆盖了我国现有的肉羊嫩度值分布;在11 995～5 446 cm-1和4 601～4 246 cm-1的波段范围内,最佳主成分数为10,光谱经矢量归一法处理后,建立的羊肉嫩度模型精度最高,r2达到86.2%,RMSECV为0.445;用此模型对预测集29个样品进行预测,预测值与实测值的相关系数r达到0.87,预测平均偏差为0.385,RMSEP为0.524。     

FT-NIR光谱仪测定烟草化学成分不同谱区范围对数学模型影响的研究

应用傅里叶近红外技术建立快速定量分析烟草化学成分的数学模型 ,使用BrukerOptics公司的MPA型傅里叶变换近红外光谱仪 ,谱区扫描范围 12 0 0 0～ 4 0 0 0cm- 1 ,选择不同的谱区范围对烟碱、总糖和总氮三种组分的数学模型进行优化 ,结果显示不同谱区范围对同一组分数学模型影响有明显的差异 ,而且不同组分所选择的最佳建模谱区范围是不一样的 ,说明在模型优化过程中选择最佳谱区范围是非常关键的 ,烟碱、总糖和总氮三种组分模型的最佳谱区范围分别是 95 0 0～ 4 2 31 2cm- 1 ,75 0 2 1～ 4 2 4 6 7cm- 1 ,75 0 2 1～4 5 97 7cm- 1 ,三种组分最佳模型交叉检验的均方差 (RMSECV)分别为 0 0 815 ,0 80 8,0 0 5 6。     

新鲜苹果汁可溶性固形物含量的傅里叶变换近红外光谱检测

用傅里叶变换近红外(FTNIR)光谱透射方式对新鲜苹果汁溶性固形物含量(SSC)进行了快速定量分析.实验共测定了60个果汁样品的SSC,并采集了样品的近红外光谱数据.42个样品用来建模,剩下的18个用来验证模型的性能.对实验室测得的SSC与FTNIR光谱数据进行相关性分析,以TQ 6.2.1定量分析软件中集成的主成分回归法(PCR)和偏最小二乘回归法(PLS)建立了检测模型.该研究对比了不同光谱范围内建立的检测模型的性能.根据预测平方根误差(RMSEP)和相关系数(r2)进行不同模型的预测性能,最好的新鲜苹果汁SSC预测模型的RMSEP=0.603°Brix,r2=0.997.结果表明FT-NIR可以作为一种可靠、准确、快速的无损检测方法来评价新鲜果汁的可溶性固形物含量.     

荧光相关光谱测定溶液中胭脂红的含量

使用FLS920P型荧光光谱仪测量了20个合成色素胭脂红溶液样本的荧光发射谱,实验表明:胭脂红的最佳激发波长为300nm,在此波长激发光下,荧光峰值波长为440nm。同时测量相同条件下超纯水的光谱数据作为参考光谱,进行与胭脂红溶液光谱数据的相关计算,构建以浓度为外扰的荧光相关光谱。采用sym8小波函数4尺度降噪,将降噪后的同步相关光谱数据、自相关光谱数据应用偏最小二乘回归(PLSR)算法进行预测,建立溶液中胭脂红含量的定量模型,结果表明:采用同步相关光谱建模的预测相关系数为99.863%,预测均方根误差为0.414μg·mL~(-1);而采用自相关光谱建模的预测相关系数为99.940%,预测均方根误差为0.303μg·mL~(-1)。对比可知,自相关光谱数据有效地避免了信息冗余,预测结果更为可靠。该方法无需样本处理,操作简单,为食品安全检测提供了一种新的思路。     

用近红外光谱分析法测定汽油辛烷值

用近红外光谱技术测定汽油辛烷值,在高精度分光光度计上测得１２个汽油标准样品和４个未知样品的近红外区吸收光谱,建立多元统计分析模型,用逐步回归法和偏最小二乘法对模型进行校准,并将其用于未知样品的预估分析,辛烷值的分析精度达到≤±１．０。     

Using Short Wave Visible–Near Infrared Reflectance Spectroscopy to Predict Soil Properties and Content

In this study, short wave visible–near infrared reflectance spectroscopy was evaluated for prediction of diverse soil properties related to four different soil series of several regions in Jiangxi, China. A total of 240 soil samples were collected for the calibration (n = 168) and prediction (n = 72) sets. The used wavelength range of short wave visible–near infrared reflectance spectroscopy is 325–1075 nm. Partial least squares regression and back propagation neural network were used to develop models for soil properties such as organic matter and extractable forms of calcium, magnesium, and potassium. Performance of these models was also compared and analyzed. The input of back propagation neural network was the first six principal components resulted from the principal component analysis and the optimal number of latent variables obtained from partial least squares regression. The overall results showed that the performance of partial least squares regression model was inferior to all back propagation neural network models. The best prediction was obtained with latent variables as input of back propagation neural network model for organic matter (determination coefficient = 0.84 and relative predictive determinant = 2.38), which was classified as very good model predictions. The prediction of calcium, magnesium, and potassium was classified as fair (determination coefficient = 0.56–0.68 and relative predictive determinant = 1.51–1.61), where quantitative predictions were considered possible. It is recommended to adopt latent variables as input for back propagation neural network model predicting soil properties with short wave visible–near infrared reflectance spectroscopy. In conclusion, short wave visible–near infrared reflectance spectroscopy was variably successful in estimating soil properties and showed potential for substituting laboratory analyses.     

光程对黄酒金属元素近红外透射光谱分析精度的影响

应用近红外透射光谱分析技术开展了不同光程对黄酒中金属元素(钾、钙、镁、锌和铁)分析结果影响的研究.实验采用傅里叶变换近红外光谱仪(800～2 500 nm)及不同光程(1,2,5,10 mm),石英比色皿以空气为参比进行了光谱采集,并采用偏最小二乘法进行了数据分析.金属含量采用原子吸收光谱分析法测定.分析结果表明,5 mm光程的分析结果最优,对于钾、钙、镁、锌和铁的相关系数(r2)分别为0.93,0.85,0.93,0.72,0.66,交互验证误差(RMSECV)分别为26.5,35.6,4.63,0.26,0.64 mg·L-1;而10 mm光程的光谱分析结果最差,其r2分别为0.61,0.65,0.63,0.09,0.25.通过实验说明,光程对近红外透射光谱分析的影响,不是光程越长或越短越好,需要通过测试及对比分析确定.     

应用GA-DOSC算法消除果皮影响近红外漫反射光谱分析苹果硬度的研究

通过偏最小二乘法(PLS)分别建立去皮前后苹果硬度的近红外回归模型.采用光谱附加散射校正(MSC)、微分处理(Derivative)、直接正交信号校正(DOSC)等预处理方法和基于遗传算法(GA)的有效波段选择方法来消除果皮对模型精度的影响.结果表明,苹果果皮对近红外光谱分析模型的预测能力有很大影响,但仅通过常规的光谱预处理方法(MSC、Derivative)很难有效消除.文章提出的遗传算法结合直接正交信号校正(GA-DOSC)方法能有效消除果皮的影响,不但使所建模型的波长点和最佳主因子数分别由1480和5降到36和1;其相关系数r由0.753提高到0.805,更重要的是模型的预测相对误差RSDp从16.71%显著下降到12.89%,并接近采用苹果果肉建模的预测性能(12.36%),达到了对苹果硬度的近红外无损检测要求.