近红外光谱法快速检测烟草中总多酚含量

应用傅立叶变换近红外漫反射光谱仪,采集340个样品光谱图,经优化挑选出具代表性的244个烟草样品建立了近红外光谱与烟草中的多酚含量间的数学模型,用建立的模型对20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标准偏差为0.10;且近红外预测值与化学法不存在显著性差异,可用近红外光谱快速检测烟草中的多酚含量,具有简便、快速、低成本、无污染以及样品的非破坏性等优点.     

近红外光谱法预测云南香料烟中总糖、还原糖和总氮

应用近红外光谱法预测云南香料烟的总糖、还原糖和总氮。250份样品作为建模样品,41份作为验证样品,结果表明:总糖、还原糖和总氮的近红外预测值与化学测定值之间的最大绝对误差分别为1.07%、0.90%、0.10%;两测定值配对t检验结果显示近红外光谱法(预测值)与行标法(实测值)之间差异不显著;从验证样品中选择一个样品,进行总糖、还原糖和总氮含量的重复性测定,RSD均小于1%,所建模型能进行香料烟中总糖、还原糖和总氮含量的快速测定并可作为实验室质量控制的一种方式。     

近红外光谱法快速测定植物油中脂肪酸含量

应用近红外光谱技术建立了快速测定植物油中4种脂肪酸含量的方法。应用气相色谱法测定52个植物油样品中棕榈酸(C16：0)、硬脂酸(C18：0)、油酸(C18：1)和亚油酸(C18：2)的含量作为其化学值(真值)。建模集样品数为41,检验集样品数为11,通过对模型的优化,结果表明建模样品集脂肪酸的化学值(真值)与近红外预测值的相关系数r分别为：r(C16：0)=0.891,r(C18：0)=0.837,r(C18：1)=0.982,r(C18：2)=0.971。检验样品集脂肪酸的化学值与近红外预测值的相关系数分别为0.921,0.891,0.946和0.949。实验结果表明气相色谱法测得的植物油中四种脂肪酸含量与近红外预测值之间存在较好的线性关系。应用近红外光谱法测定植物油中主要脂肪酸的含量是可行的。该方法既快速、方便,又可进行同一样品的多组分分析,有很好的应用前景。     

基于优选波长的复合肥总氮含量可见/近红外光谱分析

利用可见/近红外光谱分析仪得到复合肥的原始光谱,经过MSC和一阶导数预处理后,建立了复合肥中总氮含量的PLS模型,实现了复合肥中总氮含量的快速准确无损测量。通过选取不同范围波长建模,取得了预测决定系数（R²）、预测标准差（S_RMSEP）、相对分析误差（K_RPD）最好的基础波段。在基础波段的基础上,采用优选波长算法,获得了加入波长后的模型的预测决定系数和预测标准差图。通过分析,最终确定加入42个优选波长。实验结果表明,加入优选波长后的模型的预测决定系数由不加优选波长模型的0.760 4提高到了0.991 1,S_RMSEP降低为原来的1/5,K_RPD提高到原来的5倍。     

近红外光谱法预测烟草的pH值

用近红外(NIR)光谱技术直接扫描烟叶粉末,通过一阶导数+附加散射校正和偏最小二乘法(PLS)的处理,建立了预测烟草pH值的数学模型。该模型的内部验证决定系数(r~2)为0.8333,预测标准差(RMSECV)为0.0603;外部验证决定系数(r~2)为0.804,预测标准差(RMSEP)为0.0926;PLS模型的因子数为7。通过配对-t检验,该方法与标准方法测定的结果无显著性差异。该方法精密度高,可用于烟草pH值的快速预测,为烟草行业节省大量资金和显著提高工作效率。     

近红外光谱法快速检测猪肉中挥发性盐基氮的含量

为了实现快速无损地检测猪肉新鲜度的目的,应用近红外光谱法测定猪肉新鲜度重要指标一挥发性盐基氮(TVB-N)的含量.猪肉原始光谱经标准偏差归一化方法(SNV)预处理后,用联合区间偏最小二乘法(siPLS)建立猪肉预处理后光谱和TVB-N含量的校正模型并与经典偏最小二乘法(PLS)模型、间隔偏最小二乘法(iPLS)模型作比较.试验结果表明,利用联合区间偏最小二乘法所建的预测模型最佳,其校正集相关系数(Rc)和交瓦验证均方根误差(fRv)分别为0.8332和3.75,预测集的相关系数(Rp)和预测均方根误差(fRP)分别为0.8238和4.17.研究结果表明利用近红外光谱和联合区间偏最小二乘法可以快速地测定猪肉中挥发性盐基氮的含量.     

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。     

近红外光谱法快速测定车用汽油中多种添加剂含量

为解决汽油中添加过量含氧化合物和未列入国家产品标准的添加剂化合物快速检测技术问题,提出了一种近红外光谱结合斜投影算法实现汽油中添加剂含量的快速分析方法。实验选用了四种不同种类的无氧汽油,包括调和汽油、FCC精制汽油、重整汽油和脱硫汽油,配制不同浓度、不同种类的添加剂化合物的系列汽油样品,使用傅里叶变换近红外光谱仪测定其近红外光谱,采用斜投影算法将被测添加化合物光谱信号从汽油光谱信号中分离出来,建立一元回归的标准工作曲线。预测分析中,根据分离的被测化合物光谱和标准工作曲线计算被测样本的添加化合物含量。此方法测定结果与真实含量之间绝对偏差小于0.8,相对偏差小于8%,用于实际汽油样本,此方法与气相色谱标准方法测定结果之间的绝对偏差小于0.85,相对偏差小于6.85%。本方法有效地解决了一般化学计量学多元校正方法建模维护工作量大,模型稳健性差的问题。对开发适合现场油品快速检测和有效加强我国汽油质量监管力度具有重要意义。     

近红外光谱技术实时测定土壤中总氮及磷含量的初步研究

及时、准确探测土壤中的氮、磷含量,有利于精准施肥决策,提高肥料利用率。研究表明近红外技术能够探测土壤的物理和养分状况。针对不同土地利用类型,在北京大兴地区采集85份土壤样品,测定土壤氮、磷养分及其近红外漫反射光谱,并利用傅里叶变换光谱技术和偏最小二乘回归法建立了土壤总氮(N)和总磷(P)的近红外光谱校正模型。所建模型的交叉检验决定系数(R2_CV)分别为0.862 6(N),0.668 5(P)。用未参与建模的10个样品对模型进行外部检验,总N、总P的预测相关系数(r)分别为0.969 8,0.830 7,预测标准误差(RMSEP)分别为0.009 5%(N),0.008 6%(P),RPD值(检验集样品化学测定值标准差/预测标准误差)分别为3.78(N),1.69(P)。结果表明,采用适当的光谱分析方法可以实现用近红外技术对土壤总N的精确探测及对土壤总P的粗略估测。     

近红外漫反射光谱法测定麦冬的多糖含量

采用近红外光谱分析技术对麦冬多糖进行定量分析.对麦冬的原始漫反射光谱采用了一阶导数、二阶导数、平滑、散射校正等多种光谱解析手段,初步选择了建模波段,并结合偏最小二乘回归法对麦冬多糖进行了定标建模分析.结果表明,光谱经过一阶导数+标准乘性散射校正(MSC)+SG平滑处理,选取4 000～4 900,5 100～6 900,7 050～10 000 cm-1波段建模得到的定标模型效果最佳,分析结果精度较高,R2,RMSEC,R2CV,RMSECV,主因子数分别为0.996,0.237,0.973,0.583,6.模型经过验证样品集检验,预测相关系数达到0.968 8.     

紫外光谱法预测烤烟烟叶中的全氮

利用紫外光谱法测量不同等级烤烟烟叶的光谱,对样品在190～1 100 nm波长范围进行扫描,比较其光谱之间的差异。并利用多元分析中的逐步回归法、主成分分析法和偏最小二乘法来建立烤烟烟叶全氮含量的光谱预测模型。结果表明:(１)用多元分析中的逐步回归法、主成分分析法适合建立全氮预测模型;(２)在230～290 nm波长范围内建立不同等级烤烟的全氮模型,且模型效果较好;(３)主成分分析法预测烤烟烟叶全氮模型的准确性比逐步回归法预测烤烟烟叶全氮模型的准确性要好得多,且用主成分分析法预测烤烟烟叶全氮模型的准确性为78%; (４)不同的数据处理方法,得出的预测模型是不同的;(５)通过选择恰当的全氮特征谱线可以提高预测模型的准确性。说明可以用紫外光谱来预测烤烟全氮的含量,且该模型稳定性好,可用来快速、准确、无污染地测量烟草中的全氮含量。     

近红外光谱法快速检测烟草中的石油醚提取物

为适应快速分析烟草中石油醚提取物含量的需要,建立了近红外光谱法预测烟草中石油醚提取物含量的方法,考察了光谱预处理方法、谱区范围对石油醚提取物含量预测值的影响。该方法具有简便、快速、低消耗、低成本、不破坏样品及重现性好等优点,且其预测值与烟草行业标准方法测定值较为接近,适用于大批量烟叶样品石油醚提取物含量的快速分析。     

基于可见-近红外光谱技术预测茶鲜叶全氮含量

为快速无损监测茶树氮素营养及其生长状况,基于可见-近红外光谱技术建立了茶鲜叶全氮含量的预测模型。以茶鲜叶为对象,田间试验使用便携式光谱仪采集叶片漫反射光谱信息,通过不同预处理和统计分析,建立茶鲜叶全氮含量预测的光谱模型。试验共采集111个样品,其中86个样品作校正集,25个样品作预测集。通过一阶导数与滑动平均滤波相结合的预处理方法,用7个主成分建立的偏最小二乘模型最好,其校正集均方根误差(RMSEC)为0.097 3,预测集的相关系数为0.888 1,预测均方根误差(RMSEP)为0.130 4,预测的平均相对误差为4.339%。研究结果表明,利用可见-近红外光谱技术可以很好地预测茶鲜叶全氮含量,对于快速实时监测茶树长势和施肥管理具有重要指导意义。     

FT-NIR光谱法测定烟草中绿原酸、芸香苷、莨菪亭及总多酚含量

研究应用傅里叶变换近红外光谱法快速测定烟草中绿原酸、芸香苷、莨菪亭及总多酚含量的可行性。使用偏最小二乘法(PLS)为建模方法, 选择7 500～4 000 cm-1谱段,采用二阶导数和Norris滤波法进行光谱预处理,建立了烟草中绿原酸、芸香苷、莨菪亭及总多酚的近红外预测模型。组分最佳PLS预测模型的相关系数r分别为0.976 6,0.941 9,0.957 1和0.966 6,SEP均小于1.2倍的SEC,验证集样本的标准偏差(SD)/SEP均大于2。交叉检验的均方差(RMSECV)分别为1.938 9,1.046 2,0.047 9和2.745 2。实验验证了模型偏差的显著性,将近红外光谱技术与常规标准检测方法相比较。结果表明:两种方法测得值在显著水平0.05时,不存在显著性差异,近红外光谱技术可以准确地定量分析烟草中绿原酸、芸香苷、莨菪亭及总多酚。     

生化废水COD的近红外光谱法测定

采用近红外光谱测定在紫外光谱区表现为弱吸收响应的生化废水的化学需氧量（COD）。通过主成分分析-欧氏空间距离类聚法筛选出具有代表性的样本,从系统独立变量数的角度判断了主成分数,结合变量标准化-基线扣除的预处理方法消除光谱信号背景干扰,建立了偏最小二乘校正模型。在系统主成分数为6时,水样的COD实测值与预测值之间的相关系数为0.9348,预测标准差（RM SEC）为61.89m g/L,模型有较好的预测能力。     

近红外光谱的结球甘蓝可溶性糖含量测定

结球甘蓝是一种富含碳水化合物的常见蔬菜,可溶性糖含量是决定其品质的重要参数。可溶性糖易溶于水,是蔬菜和水果口味的有效调节剂。作为碳水化合物,可溶性糖由三种元素C,H和O组成,其分子吸收光谱主要由被检测材料的分子中C-H,O-H和CO等基团的组合频率吸收和倍频吸收组成,包含丰富的有机物信息。因此,采用近红外光谱和化学计量学方法,探索结球甘蓝可溶性糖含量的快速检测方法。用德国布鲁克公司的MATRIX-Ⅰ型傅里叶变换近红外光谱仪采集161份结球甘蓝样本光谱数据。波数范围：12 800～4 000 cm-1(780～2 500 nm)。蒽酮比色法测量样本的可溶性糖。综合应用马氏距离法(MD)和蒙特卡洛交叉验证法(MCCV)剔除异常样本,采用Kennard-Stone(K-S)法将样本按照给定比例划分为校正集和验证集。分别使用Savitzky-Golay卷积平滑(S-G),一阶导数(FD),二阶导数(SD),多元散射校正(MSC)和变量标准化(SNV)及它们的组合共12种方法对样本进行光谱预处理,获得最佳预处理方法,提高光谱数据的信噪比。采用竞争性自适应重加权采样法(CARS)筛选偏最小二乘回归(PLS)模型中回归系数绝对值大的波数点,去掉回归系数绝对值小的波数点,以有效选择与所测特性值相关的最优波数组合,获得具有良好鲁棒性和强预测能力的校正模型。使用模型决定系数R2、交互验证均方根误差(RMSECV)、预测均方根误差(RMSEP)作为模型精度评价指标。根据蒙特卡洛交叉验证法和马氏距离剔除异常样本的原理,共剔除10个光谱或者化学值异常的样本。最终参与建模分析的样本个数为151。异常样本剔除后,通过K-S法将样本按照3∶1被分成校正集(110个样本)和验证集(41个样本)。使用原始光谱数据,预处理后的光谱数据和对应于优选波数的光谱数据,建立PLS模型。结果表明,利用MSC+FD光谱预处理可以提高建模精度,校正集R2从处理前的0.68增长到0.93,MSC+FD是本研究中理想的光谱数据预处理方法。利用CARS法共优选了84个建模波数。在12 000~10 000 cm-1波数区域内,有O-H键2级和C-H键3级倍频伸缩振动吸收,此区域主要的背景信息为水和其他含氢基团,在此区域内共包含了36个选定的波数。在8 500~6 000 cm-1区域,存在糖类和水的O-H键的1级倍频伸缩振动吸收,葡萄糖的O-H键的1级倍频伸缩振动吸收,该区域是包含反映可溶性糖成分的主要光谱区间,背景影响较小,CARS方法在此区域共选择了15个建模波数。5 800~4 000 cm-1区域与12 000~10 000 cm-1区域相似,包含的选定波数多,CARS方法在此区域选择了33个建模波数。利用CARS对参与建模的波数进行优选,减少了无关信息,降低了模型的复杂度,选择的波数不但引入了表征待测组分的光谱,同时还引入了代表背景信息的光谱,使得校正模型适应性增强。建立了结球甘蓝可溶性糖的全谱PLS模型,根据CARS波数优选结果,建立了结球甘蓝可溶性糖的CARS-PLS模型。对于全谱PLS定量模型,校正集的决定系数R2为0.93,RMSECV为0.157 2%,RMSEP为0.132 8%。对于CARS-PLS模型,校正集的决定系数R2为0.96,RMSECV为0.076 8%,RMSEP为0.059 4%。数据表明,两种模型具有相当的R2,但CARS-PLS模型的RMSECV是全谱PLS模型的1/2。RMSEP也接近1/2,CARS-PLS模型比全谱PLS定量模型所用建模变量少,模型得到简化,精度更优。用CARS-PLS模型对验证集41个样本进行预测,预测集决定系数R2为0.86,预测标准误差为0.059 4%。提供了一种工作效率较高的结球甘蓝质量无损检测方法。