近红外光谱法快速检测烟草中部分香气物的应用研究

应用傅立叶变换近红外漫反射光谱仪,从500个样品中按高、中、低含量挑选出具代表性的150～172个烟草样品建立了近红外光谱与烟草中的苹果酸、柠檬酸和石油醚提取物成分含量间的数学模型,用建立的模型对36个样品进行预测,结果表明,各成分近红外预测值与实测值之间的平均偏差:苹果酸为0.090,柠檬酸为0.040,石油醚提取物为0.124;且近红外预测值与化学法不存在显著性差异,近红外光谱分析技术可初步用于烟草部分香气成分的快速定量分析.     

近红外反射光谱技术在动物营养研究中的应用进展

介绍了近红外反射光谱(NIRS)技术的基本原理,着重评述了其在动物营养研究中的评价动物饲料及日粮的营养价值、估测动物采食量及消化性能、估测动物的营养健康状况等方面的应用进展(引用文献37篇)。     

烟草组分的近红外光谱和支持向量机分析

测定了120个产自福建、安徽和云南烟草样品的近红外光谱. 在利用支持向量机(SVM)技术建立其定量、定性分析模型之前, 用小波变换技术对光谱变量进行了有效的压缩, 然后采用径向基核函数建立了75个烟草样品的分类模型, 同时建立了总糖、还原糖、烟碱和总氮4个组分的定量分析模型, 并利用45个烟草样品对模型进行了检验. 仿真实验表明, 建立的SVM分类模型分类准确率达到100%, 而4个组分的定量分析模型的预测决定系数(R2)、预测均方差(RMSEP)和平均相对误差(RME)3个指标值显示其模型泛化能力非常强, 预测效果良好, 可见这是一种有效的近红外光谱的建模分析方法.     

茶多酚中总儿茶素的近红外光谱分析

采用近红外光谱分析技术对茶多酚中儿茶素进行了光谱分析,结果表明该技术能够解析出儿茶素中各主要基团在近红外波段的吸收特性,并且结合定标过程定量快速检测总儿茶素在茶多酚中的含量,分析结果在很大的样品浓度范围内给出了很高的精度,SEC=2．15％,相关系数(r)为0．9947。     

花生油中过氧化物的近红外光谱分析

研究了采用近红外光谱测定花生油中过氧化物含量的方法.在9 214～4 559 cm-1波长范围内,应用傅里叶变换红外光谱仪,利用偏最小二乘法建立了预测过氧化物含量的数学分析模型,通过交互检验得到的主因子数为9,交互验证均方根误差(RMSECV)为6.88×10-4g/mL,模型预测花生油样品得校正值与预测值的相关系数为0.991,标准偏差为1.10×10-4g/mL.根据模型分析8种未知样品得到的分析结果与用国家标准方法测得的结果其平均相对误差为1.77%.     

烟草灰分、总挥发酸和总挥发碱的近红外光谱分析

应用偏最小二乘法(PLS)结合近红外光谱(NIR)对烟草灰分(ash)、总挥发酸(TVA)和总挥发碱(TVB)建立校正模型。烟草灰分、总挥发酸和总挥发碱模型相关系数分别为0.97312、0.96220和0.98050;均方预测残差(RMSECV)分别为0.41227、0.00688和0.09790;预测范围分别为1.74~31.31、0.0570~0.2336和0.042~1.136;通过对模型进行t-检验,在显著性水平大于0.05的条件下,其预测结果与行业标准方法的测定结果对比,结果令人满意。     

遗传算法在绿茶叶近红外光谱分析中波长选择的应用

利用遗传算法提取茶叶的近红外吸收特征波长,研究建立了绿茶水分和氨基酸的近红外光谱分析模型,并对波长选择前后模型进行了比较分析.结果表明:经遗传算法波长选择后,简化了分析模型,有效地减小了不相关或非线性变量的干扰,模型的稳健性增强.     

光谱采集方式对AOTF-近红外光谱技术分析烟草主要化学成分的影响

初步探讨了不同光谱采集方式对AOTF-近红外光谱技术检测烟草主要化学成分及建模的影响。结果表明,以旋转方式采集光谱可以得到更多的样品信息,所建立的模型精度较高。从模型的各项指标来看,总糖、还原糖和总烟碱的相关系数很高,说明化学成分含量数据和光谱数据间有较好的相关性。实验结果表明AOTF-近红外光谱技术可用于烟草样品主要化学成分的常规分析。     

用于近红外光谱分析的化学计量学方法研究与应用进展

分析模型的建立是近红外光谱分析的核心技术之一,本文综述了近些年在近红外光谱分析方法中出现的一些新算法和模型建立策略,如基于核函数的非线性校正方法、集成(或共识)的建模策略、多维分辨和校正方法、基于局部样本的建模策略以及二维相关光谱等,并给出了一些方法的具体算法。     

近五年我国近红外光谱分析技术研究与应用进展

评述了近五年来(2014～2018)我国近红外光谱分析技术的研究与应用进展,内容涉及方法研究、软硬件研发、应用特点和趋势等方面,并对今后我国近红外光谱技术的发展方向进行了展望。引用文献97篇。     

Prediction of Rheological and Chemical Properties of Different Starches Used in the Paper Industry by Near Infrared Spectroscopy (NIRS)

Starch is one of the most abundant biopolymers, consisting of the polysaccharides amylose and amylopectin and other minor but characteristic constituents depending on the origin. Potatoes, maize, wheat, rice and tapioca are the sources of commercial interest with a large variety of applications both in food and non food areas. The measurements of over hundred starch samples were accomplished over a range of 4000–10000 cm⁻¹ in diffuse reflectance and transmission mode. Quantitative prediction models, based on a partial least squares (PLS) algorithm for the determination of fat content, the main fatty acids, water content, tendency to retrogradation and viscosity were developed. All models are characterized by high correlation coefficients (R² > 0,98). Principal components analysis (PCA) was applied successfully to distinguish starches regarding their source, provenience and their degree of modification. Both quantitative and qualitative models are cross validated.     

近红外光谱法快速测定柴胡提取过程中的药效成分

利用近红外光谱(NIRS)技术对柴胡提取过程中的药效成分进行快速定量分析。共收集126个柴胡提取液样品,采用紫外-可见分光光度法测定总黄酮和多糖的含量,高效液相色谱法(HPLC)测定柴胡皂苷A及柴胡皂苷D的含量,以透射模式采集提取液的近红外光谱,运用偏最小二乘法(PLS)分别建立了近红外光谱与4种药效指标参考值之间的定量校正模型,并采用不同的预处理方法、光谱波段和主因子数对模型进行优化。结果表明,总黄酮、多糖、柴胡皂苷A和柴胡皂苷D 4种定量模型的近红外预测值与参考值之间的拟合性良好,模型预测精度较高,其中预测集相关系数(R_P)均大于0.9;预测集误差均方根(RMSEP)分别为3.46μg/mL、0.743 mg/mL、1.53μg/mL、0.406μg/mL;预测集相对偏差(RSEP)分别为1.65%、8.28%、5.74%、7.52%。该研究证实了NIRS结合PLS可成功应用于监测柴胡提取液中药效成分的含量变化,且方法具有快速、准确、无损和环保的特点。     

近红外光谱快检技术在口岸安全监管领域的应用展望

近红外快速检测技术在全球范围内作为一项新兴的快速检测手段,已在农业、食品、饮料、石油、材料、制药、医学、动植物检疫及其工业化过程等领域得到了广泛应用。该文结合近红外光谱快速检测原理及其应用现状,针对口岸安全监管中的商品智能归类、材料成分快速鉴定、动植物产品快速检疫鉴定、商品装卸载过程的在线监测等需求,提出引入近红外光谱检测技术应用于口岸安全监管领域的设想,力求为实现口岸贸易安全与贸易便利化双重目标奠定科技基础,并给出了近红外在口岸安全监管研究方面的应用展望。     

我国油料产品品质的近红外光谱快速检测技术研究进展

近红外光谱技术是一种快速无损检测技术,具有操作简单、检测成本低、无需化学试剂、绿色环保,以及可实现多品质参数同步检测等优点。该文综述了我国油料和食用植物油品质的近红外光谱速测技术研究进展,包括油料含油量、粗蛋白含量、脂肪酸含量等品质指标,食用油的理化指标,以及脂肪酸和食用油的真实性鉴别,并对油料产品品质的近红外光谱速测技术的发展前景进行了展望。     

近红外光谱技术结合教与学算法优化极限学习机实现烤烟等级判定

该研究基于近红外光谱（NIRs）技术,以2016～2018年来自13个省份的937个烟叶样本为研究对象,比较了竞争性自适应重加权采样方法（CARS）、蒙特卡洛无信息变量消除法（MC－UVE）以及随机青蛙算法（RF）3种变量筛选方法的极限学习机（ELM）模型效果,与常规判别方法偏最小二乘判别分析（PLS－DA）比较,验证了ELM模型的优势。并通过教与学优化（TLBO）算法对ELM模型进行优化,建立烤烟样本的等级判定模型。结果表明,验证集的分类正确率达到90.16%,测试集的外部验证表现良好,TLBO－ELM模型收敛速度快,泛化能力强,可应用于烤烟等级判定。近红外光谱技术结合教与学算法优化极限学习机为智能化实现烟叶等级判定提供了一种新方法。     

近红外光谱法快速鉴定油菜杂交种的纯度

建立近红外光谱技术测定油菜杂交种纯度的方法。考察了样品杯类型、光谱预处理方法和波长范围对近红外模型预测性能的影响。结果发现,由不同样品杯采集近红外光谱所建立的校正模型,其预测性能存在较大的差异,旋转杯明显优于安瓿瓶;采用消除常数偏移量对光谱进行预处理能有效地提取光谱信息,选择5 000~8 000 cm–1波数范围作为建模谱区,其包含的有效信息率最高。在最佳条件下建立油菜杂交种纯度的校正模型,其决定系数(R2)为0.980 0,交互验证均方根误差(RMSECV)为0.008 59。利用该模型对预测集进行测定,预期均方根误差(RMSEP)为0.007 59,表明该模型具有很好的预测性能,近红外光谱法用于杂交种纯度的鉴定是可行的。     

近红外光谱法快速测定附子中6个生物碱的含量

应用近红外光谱(NIRS)技术结合偏最小二乘(PLS)和最小二乘支持向量机(LS-SVM)建立了附子中多指标成分的快速无损检测方法.选取38批样品建立了同时测定附子样品中6种成分含量的高效液相色谱(HPLC)方法;通过采集附子样品的NIRS图,分别采用PLS和LS-SVM建立了各个成分HPLC测定值与NIRS图的定量校...     

In‐Line Monitoring of Vinyl Chloride Suspension Polymerization with Near Infrared Spectroscopy, 2 ‐ Design of an Advanced Control Strategy

Near infrared spectroscopy (NIRS) may constitute a powerful tool for in‐line monitoring of morphological properties of PVC particles in suspension polymerizations. It is shown that dynamic trajectories of morphological properties, as predicted with NIR‐based calibration models, change smoothly along the batch; thus, these trajectories can be used as references for process monitoring and control. It is also shown that modification of operation variables during the batch leads to modification of the final morphological properties of the powder. This indicates that the morphology of PVC grains can be manipulated along the batch and that advanced NIR‐based control procedures can be implemented for control of the morphological properties of PVC resins, as illustrated through simulation.

     

声光可调-近红外光谱技术分析烟草主要化学成分

建立了声光可调-近红外光谱方法(AOTF-NIR)检测烟草主要化学成分的方法。应用AOTF-NIR光谱仪测定了不同地区、不同等级烟草样品的近红外光谱,用Unscrambler(定量分析软件将光谱与对应的化学成分值相关联,建立了烟草中总糖、还原糖、总烟碱和钾的回归模型。用这些模型对未知样品进行了预测。总糖、还原糖、总烟碱和钾模型预测的平均相对标准偏差分别为2.71%、3.13%、4.04%和6.42%。     

基于OSC–WT–PLS近红外光谱法测定烟草中芸香苷

采用正交信号校正(OSC)结合小波变换(WT)对烟草光谱进行光谱预处理,将预处理后的烟草光谱结合偏最小二乘法(PLS)建立了烟草光谱对芸香苷的预测模型。利用OSC滤除光谱中与芸香苷含量无关的光谱信息,确定OSC提取的最佳主成分数为7,再选择WT中的最佳小波基函数bior1.1对OSC预处理后的光谱进行压缩及进一步滤噪,然后进行PLS建模,OSC–WT–PLS所建模型决定系数r~2=0.874,校正标准偏差RMSEC=0.85,预测均方根误差RMSEP=0.743,交互验证系数Q_(ext)~2=0.887。结果表明,用OSC–WT–PLS可滤除光谱信息中与待测样品含量无关的信息、减少光谱数据量,降低建立模型的复杂度、提高建模速度及模型的预测能力、准确度。