近红外光谱技术快速无损测定带鱼糜及其制品中磷酸盐含量

通过拟合带鱼糜及其鱼糕制品的近红外漫反射光谱与建立近红外的定量模型,用于带鱼糜及其鱼糕制品中磷酸盐含量的快速无损检测。以定标集和验证集的相关系数(r_C, r_V)及标准误差(SEC, SEP)作为评价模型优劣的根据。结果表明,采用偏最小二乘法(PLS)所建立的模型效果最佳,带鱼糜及其鱼糕制品的定标模型的相关系数分别为0.983和0.960,预测标准误差分别为0.032和0.101;验证集的相关系数分别为0.951和0.954,预测标准误差分别为0.058和0.097。利用近红外光谱技术快速无损测定带鱼糜及其鱼糕制品中的磷酸盐含量是可行的。     

应用近红外光谱技术评价冰鲜大黄鱼新鲜度的研究

水产品的新鲜程度是评价其品质优劣的重要指标,传统的评价方法费时、费力,无法满足实际的需求。本实验采用近红外光谱分析技术(NIRS)对冰鲜大黄鱼(Pseudosciaena crocea)不同贮藏时间下的新鲜度进行评价,以挥发性盐基氮(TVB-N)作为新鲜度的评价指标,比较了不同预处理方法单独或联合使用、不同建模方法以及不同波数范围所建模型定标集与验证集的相关系数与标准偏差,构建了最优市售冰鲜大黄鱼TVB-N定量模型,以期快速预测其新鲜度。研究表明,使用趋近归一化结合一阶导数(Ncl+Db1)和单位长度归一化结合一阶导数(Nle+Db1)作为光谱预处理方法,偏最小二乘法(PLS)作为建模方法以及选择波数范围5 000~7 144cm~(-1)7 404~10 000 cm~(-1)时可以达到最佳建模效果,其定标集相关系数为0.992,校正标准偏差(SEC)为1.045,验证集相关系数为0.999,预测标准偏差(SEP)为0.990。本试验尝试将多种光谱预处理方法结合起来使用并对波数范围进行了筛选,得到的模型效果良好,在大黄鱼新鲜度检测及品质评价方面具有较好的市场应用前景。     

基于SVM算法的近红外光谱技术在鱼糜水分和蛋白质检测中的应用

采用支持向量机(support vector machine,SVM)建立了鱼糜样品中水分和蛋白质含量的近红外光谱校正模型,并采用独立样本集进行了预测。光谱数据经间隔两点一阶导数(DB1G2)、标准正态变换(SNV)、多元散射校正(MSC)相结合的方法预处理后,用偏最小二乘(PLS)降维处理,取前15个投影变量为自变量。获得水分模型的校正相关系数R_c、预测相关系数R_v、定标标准差SEE、预测标准差SEP; 蛋白质模型的校正相关系数R_c、预测相关系数R_v、定标标准差SEE、预测标准差SEP,有较好的预测准确性。基于SVM算法的近红外光谱技术可用于鱼糜水分和蛋白质含量的快速检测。