近红外光谱法同时定量测定复配乳油农药中的三种活性成分

本文采集了40个复配乳油农药的近红外光谱,用偏最小二乘回归建立并优化了辛硫磷、高效氯氰菊酯和灭多威三种活性成分的定量分析模型。最优模型结果如下:辛硫磷模型的R2、RMSEC和RMSECV分别为99.53%、0.20和0.26;高效氯氰菊酯模型的R2、RMSEC和RMSECV分别为99.83%、0.06和0.07;灭多威模型的R2、RMSEC和RMSECV分别为99.76%、0.03和0.04。对三种成分进行了外部检验,辛硫磷、高效氯氰菊酯和灭多威的外部预测误差均方根(RMSEP)分别为0.31、0.12和0.08。结果表明,近红外光谱法可以用于复配乳油农药的活性成分含量的定量分析和质量控制,预测精度可以满足实际生产需要。     

近红外光谱快速测定红花逆流提取过程中羟基红花黄色素A的含量

采用近红外光谱(NIRS)透射法对红花罐组式逆流提取过程中羟基红花黄色素A(Hydroxysafflor yellow A,HSYA)的含量进行快速无损的测定.在红花逆流提取过程中,以高效液相色谱法(HPLC)为对照分析方法,测定提取液中羟基红花黄色素A的含量,运用偏最小二乘(PLS)法建立NIR光谱与羟基红花黄色素A的HPLC分析值之间多元校正模型,并对逆流提取过程的未知样本进行含量预测.校正模型相关系数达到0.982,预测相关系数达到0.965,RMSEC和RMSEP分别为0.053和0.075,RSEC和RSEP分别为3.96%和5.25%.结果表明,NIRS可以作为一种准确、快速、无损的检测方法用于检测中药逆流提取过程有效成分含量变化规律.     

基于BP-神经网络的航空煤油总酸值近红外光谱快速检测

针对航空煤油中总酸值量较小,在近红外定量分析时有用信息易被干扰的问题,采用误差反向传播神经网络(BP-ANN)建立航空煤油总酸值近红外光谱分析模型.根据模型校正集预测偏差最小原则,确定了隐含层神经元个数、学习效率等参数.用建立的网络模型预测了验证集样品总酸值,预测的相关系数R2为0.9778,预测标准偏差(RMSEP)...     

近红外光谱技术定量分析连作滁菊土壤中的阿魏酸含量

应用近红外光谱(NIRS)技术定量分析连作滁菊土壤样品中阿魏酸的含量.通过标准杠杆值、学生残差和马氏距离判断异常光谱,经二阶导数和Norris平滑滤噪预处理后,在6000~4000 cm-1范围,最佳因子数为7,采用偏最小二乘法(PLS)构建数学模型.结果表明,模型校正集和验证集与高效液相色谱仪(HPLC)测定的参考值之间均呈现良好相关关系,校正相关系数Rc为0.9914,交叉验证相关系数Rcv为0.9935,校正集误差均方根(RMSEC)为0.484,预测误差均方根(RMSEP)为0.539,交叉验证误差均方根(RMSECV)为0.615.研究结果表明,NIRS分析技术能够实现连作土壤中阿魏酸的快速检测,结果准确可靠.     

基于近红外光谱法建立的模型预测烟用料液中水溶性糖的含量北大核心CSCD

基于近红外光谱法建立了快速预测烟用料液中水溶性总糖和还原糖含量的模型,用以评价烟用料液配制质量的稳定性。以连续流动法为参比,测定5个不同品牌120个料液样品中总糖和还原糖的含量;以近红外光谱仪分析样品,采用二阶导数和Norris滤波平滑对原始近红外光谱进行预处理,在5 400~7 600 cm^(-1)和4 000~4 600 cm^(-1)波段内用偏最小二乘法建立总糖和还原糖的定量分析模型。结果显示:当主因子数为6时,总糖定量分析模型的校正相关系数(R_(c))为0.998 5、预测相关系数(R_(p))为0.998 1、交互验证相关系数(R_(cv))为0.998 8、校正均方根误差(RMSEC)为0.257、预测均方根误差(RMSEP)为0.261、交互验证均方根误差(RMSECV)为0.284;还原糖定量分析模型的R_(c)为0.999 0、R_(p)为0.998 7、R_(cv)为0.999 2、RMSEC为0.235、RMSEP为0.250、RMSECV为0.266。经配对T检验统计学分析,本法与连续流动法对料液样品中水溶性糖含量的测定不存在显著性差异。利用建立的模型对112个待检烟用料液样品中水溶性糖含量进行预测,运用统计过程控制技术中的3σ过程控制原理判断待检烟用料液配制质量的稳定性,并根据样品的理化指标来验证结果的准确度。结果表明,A品牌5,14,28号样品和C品牌21号样品均不属于正常样品,B、D和E品牌样品中水溶性糖含量均在质量控制范围内,说明样品配制质量的稳定性较好。     

原料乳中蛋白质与脂肪的近红外光谱快速定量研究

本文对快速无损检测原料乳中蛋白质与脂肪含量的近红外光谱(NIRS)技术进行了研究。对采集的250组蛋白质及脂肪含量不同的原料乳近红外光谱进行马氏距离(Mahalanobis Distance)剔除异常光谱,结合主成分分析(Principal Component Analysis,PCA),筛选出最佳建模光谱区间,采用反向传播神经网络(Back Propagation Neutral Network,BPNN)建立原料乳中蛋白含量与脂肪含量的定量模型,获得了较好的预测结果,预测模型R2分别为0.9883、0.9878,预测均方根差(RMSEP)分别为1.83%、1.85%。研究结果表明,通过合理选择光谱范围及建模方法,可得到预测精度与稳定性均较高的近红外光谱定量模型,适用于原料乳中蛋白质与脂肪含量的测定。     

木薯品质分析的近红外光谱模型建立及其应用研究

应用近红外光谱法(NIRS)建立木薯中淀粉、水分定量分析的近红外光谱数学模型,探讨了修正偏最小二乘法(MPLS)、偏最小二乘法(PLS)以及主成分回归法(PCR)等优化处理对定标模型的影响,确定了修正偏最小二乘法(MPLS)是建立模型最适合的数学方法。并对模型预测结果的准确性进行了评价。结果表明:验证集样品的化学值和近红外预测值拟合存在较好的线性关系,相关性显著。淀粉模型预测标准偏差(Sep)为0.850,系统偏差(Bias)为-0.095,相关系数(r)为0.971。水分模型预测标准偏差(Sep)为0.075,系统偏差(Bias)为0.007,相关系数(r)为0.980。淀粉、水分定量分析的NIRS数学模型具有较高的预测准确性,可应用于木薯批量收购中的品质等分析。     

多模型共识偏最小二乘法用于近红外光谱定量分析

将多模型共识偏最小二乘法用于近红外光谱定量分析。利用随机抽取的训练子集建立一系列偏最小二乘模型,选取其中性能较好的部分模型作为成员模型,用这些成员模型来预测未知样品。将该方法用于一组生物样本的近红外光谱与样品中人血清白蛋白、γ-球蛋白以及葡萄糖含量之间的建模研究,并与单模型偏最小二乘法了进行比较。结果 PLS对独立测试集中三种组分进行50次重复预测的平均RMSEP分别为0.1066,0.0853和0.1338,RMSEP的标准偏差分别为0.0174,0.0144和0.0416;而本方法重复预测的平均RMSEP分别为0.0715,0.0750和0.0781,RMSEP的标准偏差分别为0.0033,0.2729×10-4和0.0025。     

近红外光谱法测定30%TBP/正十二烷中硝酸含量

核燃料后处理工艺控制分析中,有机相中硝酸含量是一项重要的控制参数。通过研究TBP/正十二烷介质中硝酸的近红外光谱,将有机相样品的傅立叶变换近红外光谱与偏最小二乘回归法相结合,建立了含铀后处理有机相样品中硝酸浓度的测量方法。建立的定量校正模型的最佳校正标准偏差(RMSEC)、预测标准偏差(RMSEP)以及相关系数(r)分别为0.011,0.014,0.999。方法检出限为0.05 mol/L,测量结果的相对标准偏差不大于4%(n=6)。采用近红外分析法与滴定法对模拟样品进行测量,对测量结果进行t检验,结果表明两种方法的测定结果无显著性差异。所建方法无需样品预处理,可直接测量,分析速度快,结果准确,具有一定的实用性。     

近红外光谱分析原油中水分和硫含量模型的建立及验证

取原油样品120个,分别按照GB/T 11133-2015和GB/T 17040-2008中所述方法测定了上述原油样品中的水分和硫的含量。通过优化的近红外光谱(NIRS)条件采集了上述原油样品的NIR光谱图。采用杠杆值算法剔除4个异常样品。在建立水分含量分析模型时,采用的条件为:用Savitzky-Golay法对光谱进行滤波预处理,建模光谱区间为6 200～8 200cm-1,主成分数为6,用偏最小二乘回归法(PLS)交叉验证建立分析模型。硫含量分析模型的建立条件为:采用二阶导数-Norris Derivative对光谱进行预处理,建模光谱区间为4 400～4 700cm-1,主成分数为6,用PLS交叉验证建立分析模型。水分和硫含量模型的预测值与测定值的相关性较好。水分模型的决定系数(R2c)为0.989 9,校正标准偏差(RMSEC)为0.084 2,说明其预测效果较好,可用于原油中水分含量的预测。硫含量模型的R2c为0.996 3,RESEC为0.069 6,说明此模型的预测效果也较好,可用原油中硫含量的预测。应用所建立的两个模型对10个未知原油样品中水分和硫含量进行了预测,并与其测定值比较,结果表明两者之间的相对偏差均小于10%。     

近红外光谱法应用于奥美拉唑含量分析

基于近红外光谱分析技术建立奥美拉唑定量分析方法.以高效液相色谱法作为参考方法,采用偏最小二乘法(PLS)对同一厂家不同批号的奥美拉唑肠溶胶囊建立校正模型,所建模型相关系数(R)为0.978,校正均方差(RMSEC)为0.0899,交叉验证均方差(RMSECV)为0.182,校正模型的预测均方差(RMSEP)为0.161...     

近红外光谱法快速测定柴胡提取过程中的药效成分

利用近红外光谱(NIRS)技术对柴胡提取过程中的药效成分进行快速定量分析。共收集126个柴胡提取液样品,采用紫外-可见分光光度法测定总黄酮和多糖的含量,高效液相色谱法(HPLC)测定柴胡皂苷A及柴胡皂苷D的含量,以透射模式采集提取液的近红外光谱,运用偏最小二乘法(PLS)分别建立了近红外光谱与4种药效指标参考值之间的定量校正模型,并采用不同的预处理方法、光谱波段和主因子数对模型进行优化。结果表明,总黄酮、多糖、柴胡皂苷A和柴胡皂苷D 4种定量模型的近红外预测值与参考值之间的拟合性良好,模型预测精度较高,其中预测集相关系数(RP)均大于0.9;预测集误差均方根(RMSEP)分别为3.46 μg/mL、0.743 mg/mL、1.53 μg/mL、0.406 μg/mL;预测集相对偏差(RSEP)分别为1.65%、8.28%、5.74%、7.52%。该研究证实了NIRS结合PLS可成功应用于监测柴胡提取液中药效成分的含量变化,且方法具有快速、准确、无损和环保的特点。     

傅立叶变换近红外光谱法测定腐乳中总酸、蛋白质和水分

应用傅立叶变换近红外光谱技术,建立了腐乳中总酸、蛋白质和水分的分析模型。测定32份腐乳的近红外光谱数据,得到原始光谱信息,通过光谱预处理方法消除原始光谱噪声,最后采用偏最小二乘法建立回归方程。最终得到总酸、蛋白质和水分近红外光谱分析模型的决定系数(R2)依次为99.37%、99.70%、99.73%,交叉验证均方根差(RMSECV)依次为0.00871、0.11、0.0714。用该模型对11个未知腐乳样品进行外部验证,其总酸、蛋白质和水分外部验证的决定系数(R2)依次为98.74%、99.38%、99.48%,预测标准偏差(RMSEP)依次为0.00862、0.113、0.0683。内部交叉验证和外部验证均证明,近红外定量分析有较高的准确度,能满足腐乳生产中总酸、蛋白质和水分的检测精度要求。     

基于近红外光谱的食用植物油中反式脂肪酸含量快速定量检测及模型优化研究

利用近红外光谱技术对食用植物油中反式脂肪酸(Trans fatty acids,TFA)含量进行快速定量检测,并通过波段选择、预处理方法、变量筛选及建模方法对TFA含量预测模型进行优化.采用AntarisⅡ傅里叶变换近红外光谱仪在4000~10000 cm-1光谱范围采集98个食用植物油样本的近红外透射光谱,然后采用气相色谱法测定TFA的真实含量.首先,对样本原始光谱进行波段、预处理方法优选;在此基础上,采用竞争自适应重加权法(Competitive adaptive reweighted sampling,CARS)筛选TFA相关的重要变量,最后应用主成分回归、偏最小二乘和最小二乘支持向量机方法分别建立食用植物油中TFA含量的预测模型.研究结果表明,近红外光谱技术检测食用植物油中的TFA含量是可行的,优化后的最佳预测模型的校正集和预测集R2分别为0.992和0.989,RMSEC和RMSEP分别为0.071%和0.075%.最佳预测模型所用的变量仅26个,占全波段变量的0.854%.此外,与全波段偏最小二乘预测模型相比,其预测集R2由0.904上升为0.989,RMSEP由0.230%下降为0.075%.由此表明,模型优化非常必要,CARS能有效筛选TFA相关的重要变量,极大减少建模变量数,从而简化预测模型,并较大提高预测模型的精度和稳定性.     

近红外光谱法快速测定涂料固化剂中游离甲苯二异氰酸酯含量

用气相色谱分析值为参照,采用近红外透射光谱（NIR）技术采集相应样品的NIR光谱,研究了涂料固化剂中游离甲苯二异氰酸酯（TDI）含量的快速测定分析方法。 并从120个固化剂样品中挑选出109个代表性的样品建模,选择7320~7250 cm-1和8485~8370 cm-1波段区间,用偏最小二乘法(PLS)和完全交互验证方式建立TDI含量的预测模型。 结果表明,固化剂中游离甲苯二异氰酸酯含量和近红外光谱之间存在较好的相关性,其预测模型的校正集均方差（RMSEC）为0.0815,验证集均方差（RMSEP）为0.0715,模型性能良好。 近红外光谱法可快速准确测定游离甲苯二异氰酸酯（TDI）含量,用于固化剂样品快速分析。     

基于近红外光谱技术的亚麻纤维化学成分含量快速测定

在推进亚麻纤维的纺纱及其产业化生产过程中,快速、准确的定量分析纤维的化学成分是重要趋势。该研究利用近红外光谱技术分析亚麻纤维化学成分,以化学分析法测定值为对照,采用偏最小二乘法(PLS)建立亚麻纤维化学成分的近红外模型,从而实现了其化学成分的高效、快速定量分析。结果表明,建立的亚麻纤维纤维素、半纤维素、木质素和果胶近红外模型的校正相关系数(R_C)与验证相关系数(R_(CV))均在0.9以上,校正均方根误差(RMSEC)小于预测均方根误差(RMSEP)且均小于1。外部验证和双尾t检验表明模型预测结果较为准确,预测值与化学分析法得到的实测值无显著性差异,故该模型可用于相关化学成分含量的快速预测。     

中温煤沥青甲苯不溶物等4项指标的近红外预测模型的建立

采用仪器所配的积分球分析模块采集了中温煤沥青样品的近红外漫反射光谱图,采用一阶导数(SG1D)、标准正态变化(SNV)等方法对所得的原始光谱进行了预处理。分别采用GB/T2292-2018、GB/T 2293-2019、GB/T 2294-2019、GB/T 8727-2008测定了样品的甲苯不溶物(TI)含量、喹啉不溶物(QI)含量、软化点和结焦值等4项指标。以4项指标的光谱数据为自变量,测定值为因变量,采用偏最小二乘法(PLS)分别建立了测定值与光谱数据的预测模型。结果表明:4项指标的预测值和测定值的相关性较好,决定系数(R2)分别为0.82,0.79,0.71,0.96,校正均方根误差(RMSEC)分别为0.48%,0.35%,1.11℃,0.35%,预测均方根误差(RMSEP)分别为0.59%,0.45%,1.10℃,0.52%,模型具有较好的预测能力,可满足煤沥青制成过程质量控制的需求。     

主成分分析-近红外光谱法快速测定婴儿配方乳粉中必需脂肪酸

利用主成分分析法将婴儿乳粉的近红外光谱数据与必需脂肪酸含量建立校正模型,并采用交互验证和外部检验两种方式来考察模型的可靠性。得到模型校正相关系数(R2)0.8704,均方估计残差(RMSEC)和交互校验均方残差(RMSECV)分别为0.6275和0.8907,应用所建立的必需脂肪酸近红外模型对婴儿乳粉必需脂肪酸含量进行预测,并将预测值和化学测量值进行配对t检验,结果表明两者无显著差异。     

近红外光谱法测定涂料稀释剂中苯系物含量

建立使用近红外光谱法(NIR)快速测定溶剂型木器涂料稀释剂中甲苯、乙苯、对二甲苯、间二甲苯和邻二甲苯等苯系物含量方法。收集涂料稀释剂样品,使用气相色谱法(GC)测定苯系物含量,并采集其近红外光谱信息,采用偏最小二乘法(PLS)建立NIR光谱与苯系物含量的线性关系模型。苯系物校正均方差(RMSEC)在(0.47~1.40)%之间、相关系数(R2)在0.956~0.988之间;预测均方差(RMSEP)在(0.73~2.32)%之间、相关系数(R2)在0.951~0.986之间。NIR模型预测效果良好,定量方法快速、简单、准确,可在检测涂料的有毒有害物质中推广应用。     

基于近红外光谱法的定量分析模型快速预测蕨菜中总黄酮的含量

采用近红外光谱法结合偏最小二乘法构建蕨菜中总黄酮含量的快速无损测定方法。取蕨菜样品140份,采用傅里叶变换近红外光谱仪采集4 000～11 500 cm^-1波段内近红外光谱,以一阶导数预处理原始光谱,设置主因子数为10,在6 100～7 500 cm^-1和5 400～6 000 cm^-1波段内建模。结果表明：校正集定量分析模型的校正均方根误差(RMSEC)为0.078,交叉验证决定系数(R²)为0.991 9;验证集定量分析模型的预测均方根误差(RMSEP)为0.125,R²为0.984 1,说明所建模型性能较优。分别以定量分析模型和紫外-可见(UV-Vis)分光光度法分析完全外部验证集样品,预测回收率(预测值和测定值比值的百分数)接近100%,说明所建模型的预测准确度较高,可用于蕨菜中总黄酮的快速、准确测定。