近红外漫反射光谱技术快速预测蒸汽压片玉米常规成分含量的研究

应用近红外漫反射光谱分析技术(NIDRS),采用偏最小二乘法,建立了蒸汽压片玉米4个常规成分的近红外定量预测校正模型。研究中选用62个品种玉米的蒸汽压片为样本,光谱扫描范围为950～1650nm,采用中心化+导数+多元散射校正的预处理方法。研究得出粗蛋白(CP)、中性洗涤纤维(NDF)、酸性洗涤纤维(ADF)和粗脂肪(EE)的校正模型交叉验证决定系数(R2VAL)分别为0.9511,0.9032,0.7143,0.9082,交叉验证误差(SECV)分别为1.53,1.89,2.45,0.50。本研究建立的模型可以用来准确、快速地预测蒸汽压片玉米的CP,NDF和EE的含量,为蒸汽压片饲料工业提供了一种快速、经济和绿色的质量检测技术。     

近红外光谱法测定紫花苜蓿青贮鲜样的营养价值

应用近红外光谱技术(NIRS)直接分析新鲜饲草的营养价值,如饲草中干物质(DM),粗蛋白(CP),中性洗涤纤维(NDF),酸性洗涤纤维(ADF)含量,对畜牧业生产具有重要意义。鲜草中由于含有较多的水分,不易制备均一的样品和进行光谱中有用信息的提取,因此难于进行近红外光谱分析。本试验应用偏最小二乘回归法(PLS)、傅里叶变换近红外光谱技术和液氮冷冻制样技术,建立了适合于不同品种,不同生育期,不同茬次和不同青贮方法即时测定青贮苜蓿鲜样中DM,CP,NDF,ADF的模型,以期对NIRS在测定紫花苜蓿青贮鲜样品这些成分测定的可行性进行分析。所建DM,CP,NDF和ADF模型的交叉检验决定系数(R2_cv)为0.884 6～0.989 8,交叉检验标准误(RMSECV)为3.9～9.7 g·kg-1鲜重。用50个样品对模型进行外部检验,预测相关系数(r)为0.939 7～0.994 9,预测标准误为1.9～8.3 g·kg-1鲜重。结果表明： 采用适当的样品处理方法和光谱分析技术可以实现近红外光谱技术对苜蓿青贮鲜样的营养价值评定。     

近红外光谱法田间快速估测新鲜紫花苜蓿品质

田间快速估测苜蓿品质对于适时刈割具有重要意义。试验共采集来自不同地域、不同品种、不同生育期和不同茬次的新鲜紫花苜蓿样170份,经便携式近红外光谱仪(1 100～1 800 nm)扫描得到近红外光谱,利用偏最小二乘法(PLS)在国内首次建立基于紫花苜蓿新鲜样品的干物质(DM)、粗蛋白(CP)、中性洗涤纤维(NDF)、酸性洗涤纤维(ADF)化学分析值的近红外校正模型,探讨利用近红外漫反射光谱技术(NIRS)在田间快速估测紫花苜蓿品质的可行性,摸索设备选择和制样方法。四项指标所建模型的交互验证决定系数(R2CV)分别为0.831 4,0.597 9,0.803 6和0.786 1;交互验证均方根误差(RMSECV)为1.241 1,0.261 4,0.990 3和0.830 6;外部验证决定系数(R2_V)为0.815 0,0.401 1,0.784 9和0.752 1,外部预测均方根误差(RMSEP)分别为1.06, 0.31, 0.95和0.80。对于苜蓿鲜样来说,DM,NDF和ADF的近红外模型可以进行粗略的定量分析,CP的建模效果较差,但因苜蓿中的粗蛋白含量一般都能满足家畜需求,DM,NDF和ADF是在适时刈割中最关键的估测指标,DM,NDF和ADF模型可以满足田间快速估测苜蓿品质的要求。     

基于点、面光谱技术的生鱼片品质检测

鱼生作是消费者钟爱的菜式之一,其品质主要受蛋白质、脂肪、含水率指标影响。传统品质检测操作繁琐、检测时间长、专业要求高,无法满足产业品质快速监管需求。因此,以草鱼生鱼片为研究对象,用点光谱(光纤光谱)、面光谱(高光谱成像)技术作为研究手段进行对比,探究一种快速、高效的生鱼片蛋白质、脂肪、含水率检测方法。研究发现：点光谱技术在鱼生鱼片品质无损检测上比面光谱技术更优,其光谱数据经卷积平滑法(SG)+标准正态变量变换(SNV)+竞争性自适应加权算法(CARS)+偏最小二乘(PLSR)建模后,蛋白质的指标训练集决定系数(R²)为0.995 7,均方根误差(RMSE)为0.000 6,验证集决定系数(R²)为0.941 9,均方根误差(RMSE)为0.002 4;脂肪指标训练集R²为0.999 3, RMSE为0.000 6,验证集R²为0.997 6, RMSE为0.001 7;含水率训练集R²为0.999 2, RMSE为0.001 7,验证集R²为0.094 1...     

基于近红外光谱的玉米籽粒CNCPS组分分析及预测研究

试验旨在研究应用近红外光谱技术快速测定玉米籽粒粉末CNCPS组分的可行性。65个样品来自黑龙江省,选用偏最小二乘法(PLS)为建模方法,采用二阶导数和Norris导数滤波法处理光谱数据后,建立了玉米籽粒粉末中干物质(DM)、粗蛋白质(CP)、粗脂肪(Fat)、粗灰分(Ash)、淀粉(Starch)、中性洗涤纤维(NDF)、酸性洗涤纤维(ADF)、可溶性蛋白(SP)、酸性洗涤不溶蛋白(ADIP)和中性洗涤不溶蛋白(NDIP)等的近红外预测模型。其中DM,CP,Fat,Ash,Starch,NDF和ADF的决定系数分别为0.974 3,0.968 3,0.947 8,0.909 8,0.977 7,0.935 4和0.926 9,标准差(SD)与预测均方根(RMSEP)的比值(SD/RMSEP)值分别为3.96,4.78,3.75,4.25,4.13,3.88和3.12。SP的决定系数为0.857 5,SD/RMSEP值为3.06。ADIP和NDIP的决定系数分别为0.531 9和0.683 3,SD/RMSEP值分别为5.50和2.85。试验结果表明,近红外技术可以用于玉米籽粒粉末CNCPS组分的快速测定,但降低ADIP和NDIP测定误差有待进一步研究。     

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。     

近红外漫反射光谱法预测紫花苜蓿草颗粒营养价值

研究旨在探讨利用紫花苜蓿草颗粒样品的近红外漫反射光谱信息,建立能够预测其营养价值的校正模型。采集22份全株草颗粒、19份茎颗粒、19份叶颗粒共60份紫花苜蓿草颗粒样品,其中建模样品45份,检验样品15份。利用傅里叶变换近红外漫反射光谱技术(FT-NIRS)采集各实验样品的近红外漫反射光谱,运用偏最小二乘法(PLS)建立了紫花苜蓿草颗粒粗蛋白(CP)、中性洗涤纤维(NDF)和酸性洗涤纤维(ADF)含量的预测模型。3个预测模型的校正模型建模效果均较好,其交叉检验相关系数(R_CV)为0.964 10～0.968 87,交互验证的残差均方根(RMSECV)为0.80%～2.59%。用15个检验样品对模型进行外部检验,预测相关系数(r)为0.966 9～0.974 3,外部验证的残差均方根(RMSEP)为0.85%～2.07%。所建模型的交叉检验和外部检验RPD均大于3,表明近红外光谱分析技术可以准确地预测紫花苜蓿草颗粒的营养价值。     

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。     

基于特征区域下凸点提取的藻类荧光光谱波长选择方法

藻华现象的频繁发生严重影响了海洋环境和人类的生产活动,因此对水体浮游植物的监测十分重要。三维荧光光谱被广泛应用于水体浮游植物中藻类的群落组成分析和浓度定量分析,然而三维荧光光谱数据中的信息冗余给藻类定性定量分析带来了一定的影响。针对光谱信息冗余问题,提出了特征区域积分与凸点提取相结合的三维荧光光谱波长选择方法。以抑食金球藻、细长聚球藻、小球藻为研究对象,采用Savitzky-Golay卷积平滑法对三维荧光光谱进行预处理,解决了因外界因素造成的光谱噪声问题,采用马氏距离法剔除三维荧光光谱数据集中的异常光谱样本,运用浓度残差法剔除三维荧光光谱数据集中的异常浓度值样本,然后通过偏最小二乘回归模型的内部交叉验证均方根误差衡量不同特征区域下凸点的可靠性进行波长变量的选择。为验证波长筛选方法的有效性,对三种藻类建立偏最小二乘回归模型,以内部交叉验证决定系数(R²)、内部交叉验证均方根误差(RMSECV)作为模型评价指标。与全光谱数据建立的回归模型进行了比较,抑食金球藻、小球藻、细长聚球藻的波长变量由全谱的1071个分别减少到77个、 75个、 67个,R²     

近红外光谱法测定老芒麦营养价值

老芒麦(Elymus sibiricus L.)是青藏高原地区主要禾本科牧草,对该区畜牧业具有重要作用。粗蛋白(CP)、酸性洗涤纤维(ADF)、中性洗涤纤维(NDF)和体外干物质消化率(IVDMD)是影响牧草营养价值高低的主要参数。基于近红外光谱技术(NIRS)结合偏最小二乘法建立了老芒麦CP,ADF,NDF和IVDMD的近红外预测模型。所建CP,ADF,NDF和IVDMD模型校正决定系数(R2cal)分别为0.994 5,0.949 9,0.9133和0.982 2,校正标准差(SEC,%DM)分别为0.329 9,0.779 9,1.343 0和1.376 2;验证决定系数(R2val)分别为0.993 8,0.944 9,0.890 7和0.979 0,验证标准差(SEP,%DM)分别为0.362 1,0.787 8,1.385 2和1.430 3。预测相关系数(r)大于0.943 8,相对分析误差(RPD)为3.02~12.63,表明NIRS能够对老芒麦CP,ADF,NDF和IVDMD进行准确分析。     

近红外光谱技术测定紫花苜蓿青贮鲜样的发酵品质

及时了解青贮饲草的发酵品质,如青贮饲草中氨态氮(NH₃-N),乳酸(LA), 乙酸(AA),丁酸(BA)含量,对畜牧业生产具有重要意义。应用偏最小二乘回归法(PLS)、傅里叶变换近红外光谱技术和液氮冷冻制样技术,建立了适合不同品种,不同生育期,不同茬次和不同青贮方法即时测定青贮苜蓿鲜样中氨态氮,乳酸,乙酸,丁酸的近红外校正模型,以期对NIRS在测定紫花苜蓿青贮样品中这些物质的可行性进行分析。所建模型的交叉检验决定系数(R2_CV)为0.602 4～0.949 7,交叉检验标准误(RMSECV)为0.559～3.78 g·kg-1鲜重。用检验集样品对模型进行外部检验,预测相关系数(r)为0.882 6～0.985 3,预测标准误为0.571～3.15 g·kg-1鲜重。结果表明,采用适当的样品处理方法和光谱分析技术可以实现近红外光谱技术对苜蓿青贮样品发酵品质的评定。     

稻米淀粉崩解值的近红外透射光谱法测定

以203份稻米为样品,近红外透射光谱分析仪,对样品进行光谱扫描,并用快速粘度分析仪测定稻米淀粉崩解值.采用改进的偏最小二乘法进行定标模型的建立,得到了稻米淀粉崩解值测定的近红外分析模型的定标标准偏差(SEC)、交叉检验标准误差(SECV)和定标决定系数(RSQ)分别为:10.62、10.8和0.984,内部交叉验证的经校正的工作标准差(SEP)、检验偏差(BIAS)和交叉检验相关系数(1-VR)分别为:6.139、-0.362和0.939,相关性达极显著水平.内部交又验证和外部验证结果表明近红外定量分析崩解值有很高的准确度.近红外透射光谱技术为快速准确无损测定黏滞特性指标提供了一条新途径.     

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。     

利用近红外光谱法分析玉米籽粒脂肪酸含量的研究

采用傅里叶近红外漫反射光谱技术,结合偏最小二乘法,以294份中选的普通和高油玉米自交系以及高油玉米重组自交系为样品建立了玉米籽粒四种主要脂肪酸(软脂酸、硬脂酸、油酸和亚油酸)含量和含油量的近红外光谱(NIRS)校正模型。其中,油酸、亚油酸和含油量的校正模型质量较高,交叉验证决定系数分别为0.89,0.88和0.91,外部验证决定系数分别为0.86,0.84和0.92,相对分析误差(RSP(C))均大于2.5。软脂酸和硬脂酸的校正模型不够精确,交叉验证决定系数和外部验证决定系数均小于0.80,相对分析误差(RSP(C))均小于2.5。通过实际预测进一步验证了油酸、亚油酸和含油量NIRS模型的准确性和可靠性。这些模型可应用于玉米籽粒脂肪酸含量及油分含量大批量快速测定,对玉米油分的品质育种具有重要意义。     

一种基于近红外光谱的天然产物抗氧化活性预测评价方法

提出了一种基于近红外(NIR)光谱的黄酮类提取物抗氧化活性计算预测新方法。采用1,1-二苯-2-苦肼基(DPPH)法测定28种黄酮类中药材提取物的抗氧化活性,并在4 000～10 000 cm-1范围扫描样品的红外光谱,采用偏最小二乘(PLS)算法建立了黄酮类组分近红外光谱与抗氧化活性之间的校正模型。建模过程中,以交叉验证相关系数(R2),交叉验证误差均方根(RMSECV)为指标,确定了用于建模的最优近红外波段和光谱预处理方法。校正模型的RSECV为9.50%,R2为 0.901 7,预测误差均方根(RMSEP)为14.8%。该方法快速无损、操作简便,可用于中药及天然产物提取物抗氧化活性的快速评价。     

甘薯黄酮含量近红外反射光谱分析模型的构建及其应用

以来自不同地点的126份薯块根样品为材料,应用近红外光谱技术(NIRS),建立甘薯黄酮含量近红外反射光谱分析数学模型,并对模型预测结果的准确性进行了评价.结果显示,甘薯块根黄酮含量的近红外光谱模型校正决定系数(RSQ)为0.903,校正标准误差(SEC)为0.172.交叉验证决定系数(RSQV)为0.851,交叉验证标准误差(SECV)为0.214.模型对样品NIRS的预测值与其相应的化学值有较好的相关性,此模型可用来预测甘薯黄酮含量,在甘薯优质育种和品质分析中具有应用价值.     

基于SG-CARS-IBP的圣女果可溶性固形物可见/近红外光谱无损检测

圣女果可溶性固形物(SSC)含量对圣女果内部品质影响至关重要,但基于高光谱成像及介电性质特征的SSC检测技术存在局限性,且目前鲜见圣女果SSC无损检测模型。为实现圣女果SSC的无损检测,提出基于圣女果可见/近红外光谱特征的SCC预测模型构建,及改进的BP神经网络算法研究,以期解决圣女果内部品质的快速无损检测。以圣女果为研究对象,试验样本188个,将其划分为训练集150个和测试集38个,采用可见/近红外光谱采集系统获取350～1 000 nm范围内的圣女果表面反射强度,经光谱校正得样本反射率,为增强信噪比,截取481.15～800.03 nm范围内的光谱波段作为有效波段进行分析。通过对比三种预处理模型,对有效波段进行SG平滑(Savitzky-Golay Smoothing)预处理,建立BP神经网络预测模型,测试集决定系数(R²)和均方根误差(RMSE)分别为0.578 5和0.563 9;在此基础上,对BP神经网络的网络结构进行改进,寻求BP神经网络最优预测结构,计算输出层与期望值间误差,调整网络结构参数,将隐含层学习率和神经元个数分别设置为0.01和5,建立改进...     

近红外漫反射光谱法对益母草颗粒的定量和定性分析

利用近红外光谱结合偏最小二乘法建立了快速测定益母草颗粒的盐酸水苏碱的定量分析模型,模型的决定系数为0.9622,内部交叉验证均方差为0.0576;然后用10个预测集样本对模型的性能进行验证,决定系数为0.9495,预测集标准偏差为0.0547,相对分析误差为4.45,表明该方法能应用于生产实践。最后选取样品的近红外光谱的6502.8—3999.6cm-1波段建立9个厂家的益母草颗粒聚类分析模型,结果不同厂家的样品能很好地进行分类,然后使用预测集样品对该模型进行检验,结果表明该方法准确快速。     

近红外光谱的水稻抗性淀粉含量测定研究

用化学法测定水稻抗性淀粉含量耗时长、成本高,为此,探索了基于近红外光谱技术(NIRS)的水稻抗性淀粉含量测定新途径。首先,采集了62份抗性淀粉含量差异较大的水稻的光谱数据,将光谱数据和已测定的化学值数据导入化学计量学软件,采用偏最小二乘法(PLS)建立了抗性淀粉含量的近红外定标模型,对不同预处理得到的预测模型进行了内部验证和外部验证。结果如下：内部交叉验证方面,未处理、MSC+1thD预处理、1thD +SNV预处理的决定系数(R2)分别为0.920 2,0.967 0,0.976 7,预测均方根误差(RMSEP)分别为1.533 7,1.011 2,0.837 1。外部验证方面,未处理、MSC+1thD预处理和1thD +SNV预处理的决定系数(R2)分别为0.805,0.976,0.992,绝对误差平均值分别为1.456,0.818,0.515,预测值和化学值之间没有显著差异(Turkey法多重比较),说明以近红外光谱分析法代替化学测定法是有可能的。在不同预处理方法之中,1thD+SNV的预处理方法无论内部验证还是外部验证都具有较高的决定系数和较低的误差值,定标模型精度更高,误差更小。     

近红外光谱结合改进鲸鱼算法优化模型BAS-WOA-SVR检测藤椒油掺伪

鉴于藤椒油市场良莠不齐,以近红外光谱技术为基础,藤椒油为研究对象,展开对藤椒油掺伪检测研究。首先将纯藤椒油作为基底油,按比例配置掺入大豆油、玉米油、葵花籽油得到油样,采集藤椒油掺伪样品的近红外光谱数据;光谱数据经归一化处理后采用标准正态变换(SNV)、多元散射矫正(MSC)进行预处理,然后采用竞争性自适应重加权算法(CARS)、连续投影算法(SPA)进行特征数据提取,组合不同预处理算法与特征数据提取算法,通过支持向量机回归(SVR)建立藤椒油掺伪预测模型。结果表明：MSC-CARS-SVR模型校正集和预测集的决定系数(R²)最高,校正集R²达到了0.756 1,预测集R²达到0.705 2;均方根误差(RMSE)最小,校正集RMSE达到0.743,预测集RMSE达到0.794。为了提高模型的准确性,采用鲸鱼算法(WOA)和改进鲸鱼算法(BAS-WOA)优化SVR模型,改进的鲸鱼算法以每一次鲸鱼群的最优鲸鱼作为当前天牛须的出发位置,分别探索左右须前进,计算前进后的目标函数,如果目标函数优于当前最优鲸鱼的值,则用前进后的天牛...