虫草氨基酸的人工神经网络-近红外光谱快速测定方法

提出了用近红外漫反射光谱技术快速检测发酵冬虫夏草中氨基酸含量的新方法。采用比色法测定虫草菌粉中氨基酸含量。用BP神经网络建立了近红外光谱数据与氨基酸、精氨酸和总氨酸含量间的定量关联模型。通过比较不同的光谱预处理方法及光谱范围, 得到最优模型,即在7 501.7～6 097.8,5 453.7～4 246.5 cm-1区域内,近红外光谱的一阶微分光谱与其氨基酸含量之间建立模型。甘氨酸、精氨酸和总氨基酸的预测标准偏差分别为0.08,0.07和0.36,均优于主成分回归(PCR)和偏最小二乘回归(PLS)等线性模型的处理结果。结果表明,该方法是一种有效实用的非线性校正方法。为近红外光谱快速测定中药组分含量提供了一条新途径。     

近红外分析技术在食品氨基酸检测中应用的研究进展

综述了近红外分析技术在农作物生长及食品加工处理过程中氨基酸检测的应用情况,及其研究进展。对近红外分析食品氨基酸应用中涉及的化学值HPLC检测以及化学计量学方法进行总结,对相关原始文献中的数据、资料和主要观点进行整理和归纳。对氨基酸的HPLC、化学计量学分析方法及其在农作物品质监测、茶叶中氨基酸和茶多酚含量的同时测定、饲料品质鉴定、奶酪火腿肉制品中氨基酸及其他化学成分含量的测定情况进行了综述,分析了方法的优缺点并对近红外分析技术在食品氨基酸检测中应用进行了展望。近红外光谱在氨基酸检测中应用的发展需基于氨基酸高效液相色谱检测的化学值来建立相应的模型,模型传递的问题是目前制约其大范围推广的主要原因。在线分析可以监测从原料到产品的整个反应变化过程,满足食品从生产到销售等领域中品质实时监控的需求,将是今后重要的发展方向。     

近红外光谱和人工神经网络的金苦荞氨基酸快速测定

荞麦籽粒中富含谷类作物比较缺乏的赖氨酸,使其不同于其他作物,具有较高经济价值。传统氨基酸测定费时且昂贵,为满足金苦荞育种工作的需要,选用近红外光谱技术结合人工神经网络的算法建立快速检测金苦荞叶片中氨基酸含量的近红外模型。使用氨基酸含量差异较大的样品255个,扫描光谱后测定其化学值。研究发现样品苏氨酸(Thr)含量范围是5.307~14.374 mg·g-1;缬氨酸(Val)含量范围是6.137~16.204 mg·g-1;甲硫氨酸(Met)含量范围是0.308~3.049 mg·g-1;异亮氨酸(Ile)含量范围是5.259~14.134 mg·g-1;亮氨酸(Leu)含量范围是9.730~26.061 mg·g-1;苯丙氨酸(Phe)含量范围是5.936~17.223 mg·g-1;赖氨酸(Lys)含量范围是6.640~17.280 mg·g-1;谷氨酸(Glu)含量范围是10.984~27.740 mg·g-1;天冬氨酸(Asp)含量范围是6.437~17.280 mg·g-1;丝氨酸(Ser)含量范围是3.467~8.312 mg·g-1;精氨酸(Arg)含量范围是4.937~14.772 mg·g-1;丙氨酸(Ala)含量范围是3.329~6.885 mg·g-1;组氨酸(His)含量范围是1.946~4.798 mg·g-1;甘氨酸(Gly)含量范围是4.196~9.264 mg·g-1;脯氨酸(Pro)含量范围是1.024~5.672 mg·g-1;酪氨酸(Tyr)含量范围是0.176~1.173 mg·g-1;半胱氨酸(Cys)含量范围是0.422~1.926 mg·g-1。每次随机选取50个样品建设模型,以4∶1的比例随机分为训练集和测试集。数据进行归一化处理后,使用神经网络结构1102-9-1进行模型建设。利用多次学习的方式建立了较优模型,其中Arg和Asp近红外模型的仿真测试结果最好,预测值与真实值的相关系数(R2)均大于0.97,平均相对误差(RSD)也小于10%;另外Leu,Val,Tyr,Ile,Ser,Ala,Thr,His,Phe,Gly和Lys模型的R2均大于0.90,模型仿真测试数据的RSD小于10%,模型均可用;Met与Cys的模型进行仿真测试时,其预测值与真实值的R2均大于0.78,但RSD大于10%,模型不可用。结果表明,金苦荞叶片的氨基酸含量高,有极高应用价值,近红外光谱技术结合人工神经网络的分析方法可应用于金苦荞氨基酸含量的预测,为高品质荞麦育种工作提供了便利。     

砂岩的近红外光谱特征及其含水量反演

沉积岩石的强度往往会受到水的影响,含水量不同其影响程度也不相同。因此,沉积岩石的含水量测定对于后续评估其物理力学特性具有重要的价值。在岩石含水量测定方面,传统的方法往往费时、费力,而且破坏了工程结构的完整性。近红外光谱分析技术是一种非常有潜力的方法,具有实时、无损等优点。基于近红外光谱分析技术对砂岩的光谱特征以及含水量的反演进行了研究。首先,通过室内试验获取了砂岩试样不同饱和度的近红外光谱曲线;然后,对原始光谱曲线进行了异常曲线剔除以及一阶导数预处理,消除噪声、环境等因素的影响;其次,对R1（1 400 nm）和R2（1 900 nm）附近的两个吸收峰进行光谱特征变量提取以及归一化处理,消除量纲和域值的影响;接着,基于最大信息系数对提取的光谱特征变量进行分析和筛选;最后,基于筛选后的光谱特征变量采用自行搭建的BP神经网分类器对砂岩的含水量进行了反演。结果表明：（1）含水砂岩的近红外光谱吸收曲线在1 400和1 900 nm附近有着明显的吸收峰,位于1 400 nm附近的吸收峰,谱带比较宽缓,位于1 900 nm附近的吸收峰,谱带比较尖锐;随着含水量的增加,近红外光谱曲线在1 400和1 900 nm附近吸收峰的吸收强度也在增加,具有明显的正相关性,可作为砂岩含水量分析、反演的主要谱段。（2）根据计算的最大信息系数值,1 400 nm附近的峰高与含水量的相关性最强,同样1 900 nm附近的峰高与含水量的相关性最强;1 400 nm附近的峰面积、峰高和1 900 nm附近的峰高、峰面积、半高宽、右肩宽,共6个光谱特征变量,其最大信息系数值＞0.9,可作为BP神经网络反演砂岩含水量的特征变量。（3）利用最大信息系数筛选出1 400和1 900 nm附近两个吸收峰的特征变量进行BP神经网络建模,所建立的砂岩含水量反演模型训练集准确率为90.3%,测试集的准确率为83.9%,说明基于近红外光谱分析技术砂石含水量的反演方法是可行的。     

纺织品近红外光谱定性分析的一种新方法

近红外光谱分析技术可用于对样本的快速无损检测,在人们的生产和生活中发挥着越来越重要的作用。支持向量机是建立定性分析模型的常用方法,可通过寻找最优分类超平面将两类样本分开。在小样本情况下,支持向量机方法有其独特的优势。主成分分析是常用的数据降维方法,可将数据降维之后作为支持向量机方法的输入变量,简化模型并提高模型识别的准确性。因此,基于主成分分析的支持向量机(简称PCA-SVM)适合用于建立近红外光谱定性分析模型。多模型方法是人们使用较少的建模方法,用该方法建立的模型一般具有较好的稳定性。将多模型方法与PCA-SVM方法成功结合形成了新方法。以棉锦混合、棉涤混合纺织品为例,用新方法建立了这两类纺织品样本的近红外光谱定性分析模型。建模时将光谱数据按照波长分为4组,用每组光谱数据建立一个子模型,将子模型的输出值进行加权平均便得到最终的预测结果。这样可以更充分地使用光谱数据中所包含的信息。为了便于对比不同的方法,仍使用上述校正集和验证集,又用PCA-SVM方法建立了这两类纺织品样本的近红外光谱定性分析模型。对预测结果做交叉验证,用新方法所建模型判别的正确率的平均值为85.49%,正确率的标准差为0.066 7, 用PCA-SVM方法所建模型判别的正确率的平均值为83.34%,正确率的标准差为0.109 6。研究结果表明用新方法所建模型的分类效果好于用PCA-SVM方法所建模型的分类效果;用新方法建立的模型的稳定性明显高于用PCA-SVM方法建立的模型的稳定性。用PCA-SVM方法所建模型的预测效果受校正集构成情况的影响较大,而用新方法所建模型的预测效果则相对稳定。对废旧纺织品进行分类回收可大量节约纺织原材料,但采用人工分拣方式效率低且成本高。采用近红外光谱分析方法对纺织品进行分类,为废旧纺织品的大规模精细分拣和分级奠定了一定的基础。该新方法有望用于某些其他类型样本的分类。     

近红外光谱的数据预处理研究

进行了小麦样品近红外光谱数据的预处理研究,一般仪器记录的样品近红外光谱数据中包含有一系列噪声和干扰信号,因此适当的预处理是进行后续光谱定标、建模及模型传递的基础,对可靠地获得准确分析结果具有很重要的作用。结合小麦样品蛋白质含量近红外光谱分析工作,对由近红外光栅光谱仪和傅里叶变换近红外光谱分别记录的66种小麦样品光谱数据,采用高斯一阶、二阶导数小波变换方法进行了预处理。对比常用的一阶差分预处理,证明高斯函数导数小波变换方法是十分有效、实用的,预处理后光谱曲线非常光滑、噪声消除效果明显,富含有用光谱分析信息的区域更加清晰显示,因而非常有助于后续的光谱定标、建模和模型传递工作。     

三种氨基酸荧光光谱的量子化学研究

氨基酸荧光光谱的量子化学计算为氨基酸荧光分析方法的设计与选择提供了一定的理论依据。本文采用量子化学半经验方法AM1对三种氨基酸的荧光光谱进行了理论研究。对三种化合物的结构进行优化后 ,从其结构参数可知分子具有刚性平面结构 ,具有大的离域π键。并对优化后的构型作振动分析 ,均未出现虚频率 ,证明该结构是稳定构型。在此基础上 ,采用单激发态组态相互作用 (CIS)方法计算其荧光激发波长及强度 ,并给出了三种化合物荧光光谱的波长与CIS组态数之间的关系。所得计算结果与实验值基本吻合。     

近红外光谱分析技术及其在烟草行业中的应用

简要介绍了近红外光谱分析技术的特点和仪器,对近年来近红外技术在烟草行业中的应用和发展进行了较详细的综述,认为近红外光谱分析技术在烟草行业中正扮演着越来越重要的角色,而且具有十分广阔的应用前景.     

氨基酸的太赫兹光谱温度相关性研究

采用可调温太赫兹时域光谱(TDS-THz)系统,测量了脂肪族L-天冬酰胺、L-半胱氨酸、L-丙氨酸和芳香族L-酪氨酸四种氨基酸在低温下的温度特性,实验中,分别在降温和升温过程中选取了以下温度节点：常温,250,200,150,100,70,40,10以及4.5 K等,观察样品对太赫兹吸收光谱的异同;结合傅里叶变换红外光谱仪(FTIR)对室温下上述四种氨基酸在低频段(0.5～2 THz)范围内的吸收峰进行了验证,同时采用拉曼光谱仪测试了高频段(3～6 THz)范围内的这四种氨基酸在常温下的拉曼强度,以此来验证了实验的准确性。结果表明：脂肪族和芳香族氨基酸太赫兹光谱对温度变化的响应存在差异,随着温度降低,两类氨基酸的吸收峰位置均发生蓝移现象, 同时部分氨基酸出现新的吸收峰,但是吸收峰线宽的变化略有不同。最后,采用量子化学Gaussian 09软件包,分别选取一种脂肪族氨基酸和一种芳香族氨基酸,通过密度泛函理论对其单分子和晶胞结构进行了计算,对比测试结果可以得出两种氨基酸的振动模式是由分子间作用力形成的。     

近红外光谱分析技术

介绍了近红外光谱分析技术的工作原理,阐述了其数学模型的建立及分析过程,总结了现有常用的化学计量学方法及各自的优点,最后简单的概括了近红外光谱分析技术的应用,尤其是在制药方面的应用.     

近红外光谱法测定苜蓿中的叶含量

叶含量是一项对苜蓿的营养价值和家畜采食量、消化率都很重要的指标,目前常用的手工茎叶分离后测定叶含量的方法非常费时费力。利用近红外光谱分析技术(NIRS)对人工配制叶含量为15%～55%的41个苜蓿样品, 建立了苜蓿中叶含量的预测模型。用15,25, 35个定标样品分别建立的3个模型的RMSEP分别为1.02, 1.97, 0.51,RPD依次为5.50,2.85,25.93,外部验证的决定系数r2为0.978 9,0.984 4,0.998 9。结果表明,15个定标样品已经能够建立准确测定苜蓿叶含量的近红外预测模型,且模型的准确性随着数量增加而升高。     

近红外光谱技术(NIRS)在检测牧草霉菌毒素中的应用

具有快速、高效、无损、在线等优势的近红外光谱技术(near infrared reflectance spectroscopy technique,NIRS)已经在农业、食品、化工、医学等领域获得广泛应用。牧草在加工贮藏过程中,受多种真菌的侵染,引起霉菌毒素在牧草中积累。霉菌毒素会通过动植物产品进入人畜的食物链,引起人畜中毒。牧草中霉菌毒素的常规检测不但需要粉碎、浸提、层析等繁琐的样品前处理过程,还需要酶联免疫吸附法、高效液相色谱法、溥层色谱法等后续检测过程。通过发展高精度、低检出限的光谱仪器,建立相应霉菌毒素检测的软件技术与校正模型,能够在牧草利用中达到快速准确检测霉菌毒素的含量和性质,从而为牧草的合理加工与利用提供依据,促进NIRS技术在健康畜产品生产领域的应用。     

近红外光谱技术(NIRS)在草地生态学研究中的应用

近红外光谱技术(NIRS)是一种快速、高效、无损的现代检测技术,已经在许多领域广泛应用。文章阐述了NIRS应用于草地生态学研究的意义,介绍了NIRS用于测定牧草营养成分、矿物质、土壤养分含量,分析了牧草混合物的组成、动物对所采食牧草的反应、牧草病虫害抗性等一些复杂特性,以及进行生化标记、同位素鉴别研究。综合这些研究可以看出,NIRS能够作为一种整体研究工具应用于草地生态学的许多研究领域中,可以检测各种常规化学成分、分析草地生态系统的各种动态指标和系统运行的多项整体特性。希望通过本文的总结分析,推动NIRS在中国草地生态学研究中的应用,加速该领域研究手段的现代化。     

畜禽肉化学成分近红外光谱检测技术研究进展

和传统的肉品化学成分检测方法相比,近红外光谱分析是一种能够快速、简单、安全和可同时测定多种化学成分的肉品检测方法。论述了近年来猪、鸡、牛、羊四种动物肉中粗蛋白质、肌间脂肪、脂肪酸、水分、灰分、肌红蛋白和胶原蛋白七种化学成分的近红外光谱分析检测研究进展,并探讨了目前研究中存在的问题及其原因。从已发表的研究结果可以看出,近红外光谱分析具有替代耗时成本高的现有肉品化学检测方法的巨大潜力,特别是用于商业上同步检测多种化学成分。研究大多采用主成分分析法进行特征光谱筛选,偏最小二乘和修正偏最小二乘法建立校正模型,交互验证进行预测结果评价。目前研究热点集中在肉中脂肪酸含量预测模型和应用近红外高光谱图像和多元回归预测肉中化学成分。近红外光谱预测结果差异性较大,这与样品集选择、光谱预处理和建模方法都有很密切的关系。样品选择对近红外预测精度具有重要的意义,非均质肉样影响了近红外化学成分预测精度。总的来说,肌间脂肪、脂肪酸与水分指标预测效果较好,粗蛋白质和肌红蛋白指标预测效果次之,灰分和胶原蛋白指标预测结果较差。     

近红外反射光谱法测定苜蓿干草主要纤维成分的研究

采集不同生育期、不同品种和不同干燥方式（烘干、阴干、晒干）的苜蓿干草样品60份,研究了利用近红外反射光谱法分析苜蓿干草中纤维素、半纤维素和木质素含量的可行性。实验结果显示,纤维素的交互验证相关系数（R_CV）、外部验证决定系数（r2）以及验证集样品标准差（SD）与预测残差均方根（RMSEP）的比值（RPD）分别为0.97,0.97,4.44,木质素为0.94,0.94,4.08,表明利用NIRS技术可以准确分析苜蓿干草中纤维素和木质素的含量。半纤维素的R_CV,r2,RPD分别为0.29,0.12,1.09,说明该模型不能进行半纤维素的实际预测。利用近红外反射光谱法准确测定纤维素和木质素含量的结果,对苜蓿生产加工中的质量评价,以及苜蓿育种等研究中纤维品质的快速分析都具有重要意义。     

燕麦干草品质的近红外光谱定量分析

应用近红外漫反射光谱（NIRS）分析技术,采用偏最小二乘回归法(PLS),建立了适合不同品种类型和不同生长发育时期的NIRS测定燕麦全株干草的粗蛋白（Crude Protein,CP）、秸秆中性洗涤纤维(Neutral Detergent Fiber,NDF)和酸性洗涤纤维(Acid Detergent Fiber,ADF)含量的稳定校正模型。结果表明,采用二阶导数（2st Deriv）+平滑处理（Norris）、多元散射校正（MSC）+二阶导数（2st Deriv）+平滑处理（Norris）、多元散射校正（MSC）,分析谱区为9 668～4 518,9 550～5 543,8 943～4 042 cm-1建立粗蛋白、中性洗涤纤维和酸性洗涤纤维的校正模型,其校正和预测效果最佳。其中CP与NDF的建标决定系数（r2_cal）和交叉检验的决定系数（R2_cv）均在0.95以上,各项误差均小于3%,RPD值均大于3,逼近了化学分析的精确度,具有较好的预测效果。ADF的建模效果较CP与NDF差,其建标决定系数和交叉检验决定系数分别为0.912 0,0.855 3,建标误差（RMSEC）和检验误差（RMSECV）分别为2.33%,2.62%,接近了化学分析的精确度,且RPD值大于2.5,说明所建的ADF模型也可用于近红外预测。     

构建整粒油菜籽脂肪酸成分近红外反射光谱分析模型的研究

选用具有多年份、多地点、变异大的497份油菜籽育种材料组成原始样品集,光谱经散射和数学预处理利用改良偏最小二乘法(MPLS)构建各脂肪酸近红外反射光谱(NIRS)校正模型,同时采用三种不同用量的样品杯进行NIRS建模分析。结果表明,以8 g样品校正建模效果最好,六种脂肪酸的校正决定系数为0.74～0.98。同时以3和0.6 g样品分别发展的校正模型效果也较好,两者分析效果相近。各项决定系数(RSQ1,1-VR)高,相应的各项误差(SEC,SECV)较低。该研究以完整油菜籽为样品所建立的脂肪酸NIRS模型,可直接用于育种材料选择、突变体筛选和种质资源的评价等研究。     

基于近红外光谱技术的秸秆工业分析

工业分析是生物质热化学工程技术中的一项常规应用分析。文章探讨了近红外光谱技术(NIRS)在秸秆工业组成分析上的应用,并利用近红外光谱技术预测了秸秆中挥发分和固定碳含量。利用Foss 6500光栅型近红外光谱仪在1 108～2 492 nm光谱范围内分别对直接切短秸秆样品中水分、灰分、挥发分和固定碳以及干燥粉碎样品中灰分、挥发分和固定碳的近红外光谱建立了预测模型。对于直接切短秸秆样品,水分、灰分、挥发分和固定碳校正模型外部验证的R2_V(SEP)分别为0.92(0.76%),0.94(0.84%),0.88(0.82%)和0.75(0.65%)。干燥粉碎样品中灰分、挥发分和固定碳的近红外光谱模型外部验证的R2_V(SEP)分别为0.98(0.54%),0.95(0.57%)和0.78(0.61%)。实验结果表明,近红外光谱技术能实现秸秆的快速分析和多组分同时测定, 从而可降低秸秆工业分析的成本。     

近红外光谱技术(NIRS)在牧草领域中的应用研究进展

牧草是草食动物最主要的营养来源。牧草品质的优劣不仅影响家畜的生长发育和生产效率,也决定着最终畜产品的产量与品质。牧草品质的优劣主要取决于牧草营养成分及其消化率、适口性、以及牧草中所含抗营养因子和真菌毒素、霉菌毒素的含量水平。近红外光谱技术(NIRS)是一种低成本、快速、简单、无损的定性、定量分析技术,已在许多领域广泛应用。该文简要介绍了NIRS的原理和特点,详细综述了NIRS在牧草品质分析、牧草育种、牧草品种鉴定和性状分类中的应用。通过较全面综述NIRS在牧草领域中的应用现状,以期有助于NIRS在我国牧草领域中的发展。     

近红外漫反射光谱法测定玉米秸秆NDF与ADF含量

应用主成分空间和傅里叶变换近红外光谱技术,采用偏最小二乘回归法(PLS),在国内首次建立了适合不同品种类型、不同生长发育时期和不同部位且适配范围广的近红外漫反射光谱(NIRS)测定玉米秸秆中性洗涤纤维(NeutralDetergentFiber,NDF)和酸性洗涤纤维(AcidDetergentFiber,ADF)含量的稳定校正模型。结果表明,采用一阶导数 矢量归一化预处理和一阶导数 多元散射校正预处理,谱区均为7502～5450cm-1和4601～4247cm-1,所建立的NDF与ADF校正模型,其校正和预测效果最佳。其校正决定系数(R2cal)均大于094,交叉验证和外部验证决定系数(R2cv,R2val)为092～096,各项误差(RMSEE,RMSECV和RMSEP)为149%～181%。该结果对青贮玉米秸秆材料快速鉴定和筛选具有重要的意义。