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.     

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.     

利用近红外光谱快速检测牛奶中三聚氰胺的可行性研究

采集了22个合格液态牛奶样品,并制备了50个掺入不同含量三聚氰胺(0.1～1 500 mg·kg-1)的牛奶样品,应用近红外光谱仪扫描其透射光谱,研究利用近红外光谱快速检测牛奶中三聚氰胺的可行性.采用偏最小二乘法建立近红外光谱与牛奶中三聚氰胺含量之间的定量模型,结果表明近红外光谱受检测限的限制,难以准确预测牛奶中掺入的三聚氰胺的含量.而应用近红外光谱,结合判别偏最小二乘法建立定性模型,则可以实现对合格牛奶及掺入三聚氰胺的牛奶的定性鉴别,正确识别率达100%.因此,基于近红外光谱的检测方法可以初步判断牛奶中是否含有三聚氰胺,作为高效液相色谱法的补充,为定量检测做初步的筛查,可大大提高检测效率.     

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.     

苹果品质检测的可见-近红外激光漫反射光谱图像法的方法研究

利用可见-近红外激光漫反射光谱图像法及化学计量学方法检测了苹果的可溶性固形物含量和硬度。为了消除苹果形状对品质检测的影响,分析了5个不同波长的激光(680,780,880,940和980 nm)照射在富士苹果果面形成的光斑图像,并通过一系列图像处理方法得出了的苹果形状修正算法。分别利用修正前后的光谱图像参数建立苹果可溶性固形物含量和硬度的偏最小二乘回归(PLSR)模型,模型预测值和真实值之间的相关系数从0.78和0.80分别提高到0.87和0.89。为了消除果面镜面反射对苹果内部品质检测的影响,文章提出了象素强度频率检测法,并比较了利用果面光斑图像中光强均值和不同强度对应的象素强度频率建立的苹果硬度和可溶性固形物含量的PLSR模型效果,得出象素强度频率的模型效果更好。苹果可溶性固形物含量和硬度PLSR模型中预测均方根误差(RMSEP)分别从1.28°Brix和8.23 N.cm-2降低到0.84°Brix和6.17 N.cm-2。