蜂蜜中果糖和葡萄糖近红外检测的差异性分析及优化研究

采集了来自全国20种单植物源和其它多植物源的101份的蜂蜜样品,分别运用傅立叶型近红外光谱仪采用光纤透反射(800～2500nm,2mm光程)和透射(800～1370nm,20mm光程)采集方式获得近红外光谱,来预测蜂蜜中结构和含量都很相近的果糖和葡萄糖含量。结果发现,两种测量方式下果糖、葡萄糖的预测准确度存在着较大的差异。为了分析这种差异产生的原因,采用支持向量机分析其非线性信息,采用遗传算法分析其特征波长,结果表明:这种差异主要来自两种糖分特征波长分布不同所导致。通过对两种糖分的检测方案进行优化,得出在利用近红外光谱技术检测蜂蜜中葡萄糖成分含量时应尽量采集短波区、长光程的光谱,或者对全谱区、短光程的光谱,进行特征波长的提取,避开水分的干扰,从而提高其预测精度;而对于果糖,则应尽量采集全谱区、短光程的光谱;采用常用线性定量建模方法PLSR就可以得到很好的预测模型,非线性的支持向量机模型未能明显提升模型性能。     

近红外光谱法测定蜂蜜中主要成分的可行性研究

以153个单植物源和混合植物源蜂蜜样品为研究对象,使用3种近红外光谱仪(FT型、CCD型、PDA型)采集蜂蜜的透反射和透射光谱,并应用近红外定量分析技术进行蜂蜜中主要成分(水分含量、果糖含最、葡萄糖含量)的检测研究.用偏最小二乘回归(partial least square repression,PLSR)方法分别建立了蜂蜜水分含量、果糖含量、葡萄糖含量的近红外定量分析模型.结果表明,水分含量、果糖含量、葡萄糖含量的相关系数(r)分别达到0.978 5,0.931 1和0.890 7,预测误差均方根(RMSEP)分别为0.410 8(%),1.914 4(%)和2.531 9(%).研究表明基于近红外光谱的蜂蜜主要成分快速无损检测准确度高,具有很高的实用价值.     

基于遗传算法和间隔偏最小二乘的苹果硬度特征波长分析研究

利用傅里叶近红外光谱(FT-NIRS)测定了苹果的硬度.通过使用几种基于遗传算法和间隔偏最小二乘法的特征波长选取方法,包括动态向后间隔偏最小二乘(dynamic backward version of interval PLS,dynamic biPLS)、动态向后间隔偏最小二乘结合遗传算法(dynarmic biPLS & GA-PLS)和反复的遗传算法(iterative GA-PLS),分析了苹果硬度的特征波长.结果表明,运用遗传算法和间隔偏最小二乘选择特征波长后,不但可以降低模型的复杂度,同时能够达到提高模型预测精度的效果.在此基础上,研究分析了苹果硬度特征波长的物理化学意义.由于果胶是在苹果成熟过程中一种和硬度有很大关联的物质,通过比较苹果硬度的特征波长和果胶的特征吸收峰,发现两者具有有很好的一致性.因此,采用遗传算法和间隔偏最小二乘法得到的苹果硬度的特征波长能够反映果胶的吸收信息,从而解释了近红外技术检测苹果硬度的机理.