现代近红外光谱技术及应用进展

简要介绍了现代近红外光谱的发展、技术特点和测量原理 ,对近年来近红外光谱仪器、化学计量学方法及软件和应用的进展情况及我们在这几个方面开展的工作进行了简要介绍  

近红外光谱检测技术在农业和食品分析上的应用

近红外光谱是 2 0世纪 90年代以来发展最快、最引人注目的光谱分析技术。阐述了近红外光谱的原理、技术特点 ,介绍了近红外光谱仪、光谱预处理方法以及化学计量学研究的发展过程 ,重点列举了近红外光谱在农业和食品分析中的成功应用实例。资料表明 ,近红外光谱以其速度快、不破坏样品、操作简单、稳定性好、效率高等特点 ,已广泛应用于各个领域。特别是在欧美及日本等发达国家 ,很多近红外光谱分析法被列为标准方法。而我国近红外光谱的应用研究起步较晚 ,虽然某些方面已具国际领先水平 ,但就总体来看与国际水平还有大的差距。文章首次提出了集中优势资源 ,包括人力资源和设备资源 ,利用现代网络技术 ,建立终端用户和中心数据库资源共享的模式 ,以推动近红外光谱技术在我国农业科技和生产中的应用。  

基于主成分分析和神经网络的近红外光谱苹果品种鉴别方法研究

提出了一种用近红外光谱技术快速鉴别苹果品种的新方法,首先用主成分分析法对苹果品种进行聚类分析并获取苹果的近红外指纹图谱,再结合人工神经网络技术进行品种鉴别.主成分分析表明,主成缮分1和主成分2的累积可信度已达98%,以主成分1和2对所有建模样本的得分值做出的得分图,对不同种类苹果具有很好的聚类作用.利用主成分分析得到的载荷图可以得到对于苹果品种敏感的特征波段,用特征波段图谱作为神经网络的输入建立三层BP人工神经网络模型.每个品种各25个苹果共75个用来建立神经网络模型,余下的共15个用于预测.对未知的15个样本进行预测,品种识别准确率达到100%.说明文章提出的方法具有很好的分类和鉴别作用,为苹果的品种鉴别提供了一种新方法.  

苯甲酸稀土(Eu,La)配合物的红外和荧光光谱研究

用氯化稀土与苯甲酸铵在水溶液中反应，合成了苯甲酸稀土（Ｅｕ，Ｌａ）三元固体系列配合物，其化学组成式为（Ｅｕ１－ｘＬａｘ）Ｌ３（其中Ｌ为Ｃ６Ｈ５ＣＯＯ－，ｘ＝０．０～１．０）。研究了它们的红外光谱和荧光光谱。由红外光谱数据表明，配合物中羧基的对称和反对称伸缩振动吸收峰发生了分裂，而且羧基伸缩振动随着Ｌａ３＋离子含量的增加发生了规律性的变化。荧光光谱实验结果表明，用不发光的Ｌａ３＋离子取代苯甲酸铕中部分Ｅｕ３＋离子可以提高Ｅｕ３＋离子的特征荧光发射强度。  

近红外光谱与烟草样品总糖含量的非线性模型研究

针对烟草样品的近红外 (NIR)光谱与其总糖含量非线性相关的特点 ,提出了一种混合算法用于建立近红外光谱的非线性模型。该算法结合了偏最小二乘法 (PartialLeastSquare ,PLS)算法和人工神经网络(ArtificialNeuralNetwork ,ANN) ,把模型分成两个部分 :线性部分与非线性部分 ,并分别进行建模。与传统的多元校正算法PLS ,主成分回归 (PrincipleComponentRegression ,PCR) ,非线性PLS(NonlinearPLS ,NPLS)等相比 ,该混合算法所建的非线性参数模型的预测结果有明显的改善 ,从而为建立非线性模型提供了一种快速、准确的算法 ,可用于烟草样品总糖含量的定量分析。  

金属酞菁配合物结构研究的一些谱学方法

本文介绍了近年来在研究金属酞菁配合物结构方面的一些谱学方法及其结果，首先简要概述了金属酞菁配合物的红外、紫外可见光谱性质，着重讨论了配合物中环周边取代基的类型、位置、数目以及配合物在溶液中处于不同聚集态时，对紫外可见光谱的影响。另外还对四取代金属酞菁配合物的异构体的NMR谱表征作了简介。  

近红外光谱分析技术在农产品/食品品质在线无损检测中的应用研究进展

农产品/食品品质问题一直受到人们的广泛关注,而由品质问题引起的农产品/食品安全事故越来越多,所以急需对农产品/食品品质进行快速无损检测.目前常用的快速检测方法有化学比色分析法、近红外光谱法、免疫学分析法、生物传感器技术、生物芯片检测法以及生物学发光检测法等.近红外光谱分析技术因具有分析时间短、无需样品预处理、非破坏性、无污染以及成本低等特点,已成为一种快速的现代分析技术,广泛应用于农产品/食品领域的品质检测.国内外许多学者对其进行了深人的研究,并且从实验室的静态研究向在线检测研究方向发展.文章概述了近红外光谱分析技术在水果、鱼类、畜肉类、牛奶、谷物以及奶酪酒精发酵上的在线品质检测/监控应用上的研究进展,指出了近红外光谱分析技术尚存在的问题,并对今后的近红外光谱分析技术作了展望.提出近红外光谱分析技术将会与网络技术相结合,实现近红外分析模型的在线更新与升级,指出光谱成像技术将成为21世纪近红外光谱分析技术的发展趋势.  

近红外光谱分析中异常值的判别与定量模型优化

介绍了利用马氏距离、Cook距离、光谱特征异常值、光谱残差比、化学值绝对误差等指标结合数理统计检验来判断光谱和化学值的异常 ,并利用这些方法进行近红外光谱定量分析中模型优化 ,取得了很好的效果  

一种基于可见-近红外光谱快速鉴别茶叶品种的新方法

提出了一种用可见-近红外光谱技术快速无损鉴别茶叶品种的新方法.应用可见-近红外光谱仪测定5个品种茶叶的光谱曲线,用主成分分析法对不同品种茶叶进行聚类分析并获得茶叶的可见-近红外光谱数据的主成分,再结合人工神经网络技术建立模型进行品种鉴别.主成分分析表明,以主成分1和2对所有建模样本的得分值做出的得分图,对不同种类茶叶具有较好的聚类作用,可以定性分析茶叶种类.把主成分分析得到的前6个主成分作为神经网络的输入,茶叶品种值作为神经网络的输出,通过5个茶叶品种共125个样本的训练和学习,建立了茶叶品种鉴别的3层BP人工神经网络模型,对未知的25个样本进行鉴别,品种识别准确率达到100%.说明本文提出的方法具有很好的分类和鉴别作用,为茶叶的品种快速鉴别提供了一种新方法.  

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。