近红外光谱技术在中草药分析中的应用

中草药分析与鉴定对中草药质量控制意义重大,传统分析方法由于过程复杂、需要丰富的经验等不利因素,无法满足快速分析和在线分析的要求。近红外光谱技术具有预处理简单、分析速度快、适用于固体漫反射技术和光纤技术等特点,已经在中草药有效组分的快速测定、在线质量控制、药材真伪鉴别、产地及质量鉴定等方面得到广泛应用。文章介绍了近红外光谱技术的基本原理和分析方法,综述了近红外光谱技术在中草药定量及定性分析方面的具体应用。     

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.     

近红外光谱技术在水果产业中的最新应用

综述了近红外光谱技术在水果产业中的最新应用,系统阐述了NIR在果树栽培调控、果实品质检测、果实贮藏三方面的最新研究进展,并对其发展前景提出了展望。     

近红外光谱技术在红砂岩文物风化研究中的应用

用现代近红外光谱分析技术研究红砂岩文物的风化机理,分别对六组红砂岩样品进行分析,结果表明近红外光谱技术能较好的分析红砂岩风化前后的物质组分,达到探究组分变化的目的,是一种快速有效的研究手段,且比其他研究技术更具测量样品用量少、速度快、无破坏、无污染的特点,这些优点表明近红外技术也能用于其他石质文物的研究,尤其对那些取样难、珍惜贵重、不能破坏的石质文物其作用更显得尤为重要.所以随着时代的进步近红外技术作为石质文物的研究手段将会越来越凸显其意义.     

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.     

显微拉曼光谱在宝石鉴定中的应用

探讨了用显微共焦拉曼光谱仪鉴定宝石的可行性、可靠性。结果表明,根据对宝石本体的拉曼测量很容易识别真假宝石。而用显微共焦系统对微小包裹的测量可提供宝石是天然或人造的信息,甚至可追踪天然宝石的产地。我们还注意到,与拉曼谱同时记录到的光荧光谱也是有关样品的珍贵信息,有时也可据此判明宝石是天然的还是人工合成的     

近红外光谱分析技术在茶叶鉴别中的应用研究

茶叶快速准确鉴别方法研究是当前茶叶行业亟待解决的一个重要课题。该研究采用近红外光谱结合主成分-马氏距离模式识别方法鉴别了龙井、碧螺春、毛峰和铁观音4种中国名茶。研究结果表明,在6 500～5 300 cm-1波数范围内的光谱,通过MSC预处理方法,用8个主成分建立的模型最好,模型对校正集样本和预测集样本的鉴别率分别达到98.75%和95%。该研究为快速准确鉴别茶叶提供了一种新思路。     

近红外光谱分析技术进展及其在烟草行业中的应用

对国内外近红外光谱的发展现状、分析技术特点、分析仪器、近红外光谱中常用的化学计量学方法以及近年来近红外光谱在烟草行业中的应用等几个方面进行了较详细地综述,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,具有十分广阔的应用前景.     

亚心形扁藻傅里叶变换近红外拉曼光谱

测定并研究了亚心形扁藻的傅里叶变换近红外拉曼光谱。结果表明,采用1 064 nm近红外激光激发,以亚心形扁藻藻液离心所获得的藻泥为测试样品,当激发光功率为360 mW,累加70次,可以获得较清晰的亚心形扁藻近红外拉曼光谱信号。其主要谱峰为：381～432, 552～556, 611～613, 710, 873, 953～964, 1 108～1 119, 1 457, 1 523～1 527, 2 986 cm-1,确认其归属主要为蛋白质、不饱和脂肪酸以及酯类等亚心形扁藻的主要组成物质。该研究为藻类分类以及环境胁迫下藻类的生理生化变化提供一种快速、实时、无损的检测方法。     

近红外光谱技术在水产品检测中的应用研究进展

水产品富含水分、蛋白质、不饱和脂肪酸与游离氨基酸等,是消费者喜爱的食品之一。然而,其在贮藏过程中由于温度波动或操作不当等因素会引起品质下降,引发一系列的食品安全问题。近红外光谱技术是一种利用物质对光的吸收、散射、反射和透射等特性来确定其成分含量的检测技术。该技术作为食品分析方法之一,在食品领域中应用广泛,可进行从气体到液体,从匀浆到粉末,从固体材料到生物组织等样品的快速精准与定性定量分析,具有快速无损,安全高效,多组分同时测定等特点。主要对常用无损检测技术的特点进行比较分析,对近红外光谱技术的主要工作原理予以说明,综述了该技术在水产品鲜度评价、掺伪分析、质量评估与货架期预测等方面的应用实例与最新研究进展,目前存在的主要问题,提出该技术应在进一步提升水产品检测精度的前提下,通过与各类理化指标的相关性分析、多种检测技术相融合等法来实现全面评价水产品品质的最终目标,以使其在水产品快速检测过程中得到更加广泛的应用。     

小波变换在近红外光谱分析中的应用进展

小波变换(WT)具有很好的时频分离特征,信息处理能力强,已广泛用于分析化学领域;本文就小波变换在近红外光谱领域的应用进行简述。小波变换用于近红外预处理,提取有用信息,消除背景干扰,可以提高近红外的分析精度和模型稳健性;用于数据压缩可以减少数据库存储空间,提高建模速度;小波系数用于模型传递,具有传递速度快,稳健性强,所需标样少等特点;小波变换可以与神经网络、遗传算法等结合,在近红外分析领域呈现出良好的发展前景。     

蚁群算法在近红外光谱定量分析中的应用研究

蚁群算法是新近发展的基于群体智能的仿生优化算法,它模拟蚂蚁的觅食行为来解决复杂的组合优化问题。蚁群算法的优点是智能搜索、全局优化、鲁棒性、分布式计算和容易与其他算法相结合等。近红外光谱定量分析技术在很多领域得到广泛的应用,而其关键技术环节之一是建立近红外光谱测量数据的多元校正模型。文章将蚁群算法应用于近红外光谱定量分析中,建立了谷物样品的傅里叶变换近红外漫反射光谱和谷物中蛋白质含量的定量分析模型,得到了较好的结果。校准集的相关系数与相对标准偏差分别为0.943和3.41％,预测集的相关系数与相对标准偏差分别为0.913和4.67%。     

近红外光谱定性分析中的特征波长筛选研究

提出了一种以样品光谱类间相关系数之和最小为准则进行光谱波长逐步筛选的方法(stepwise selection basing on minimum sum of correlation coefficients, SMCC),以类间距离与类内距离和的比值最大化(符合分析者主观预期目标)作为定性分析中特征波长筛选效果的评价依据,并使用红塔集团提供的2012年17种不同类型工业分级烟叶作为试验样品,以验证筛选方法的有效性。研究表明,采用CO1分级烟叶光谱作为参照类别,筛选出10个特征波长点：采用特征波长计算得到的类内欧氏距离的平均值为采用全部波长计算得到的平均值的1.69倍,采用特征波长计算得到的类间欧氏距离的平均值为采用全部波长计算得到的平均值的3.70倍,采用特征波长计算得到的类间欧氏距离与类内欧氏距离和的比值的平均值为采用全部波长计算得到的平均值的2.21倍。特征波长的类间与类内欧氏距离和的比值增大,说明筛选出来的特征波长能更加有效的表达不同类间的远近关系以及同一类内的离散度,SMCC算法是一种有效的、可应用于近红外光谱定性分析中的特征波长筛选方法。     

基于近红外光谱的腐乳白坯硬度检测研究

考察了硬度与腐乳白坯中水分含量和蛋白质含量的相关关系,探讨了利用近红外光谱技术检测白坯硬度的可行性。通过水分以及蛋白质的相关吸收峰建立预测白坯硬度的数学模型;在建模过程中重点讨论了多元散射校正(MSC)、一阶求导和波段选择等优化处理对建模的影响,利用偏最小二乘法得到的最优模型的建模相关系数r=0.935,建模标准差RMSEC＝0.019 3,预测标准差RMSEP=0.023 6,其分级正确率达到94.72%;利用主成分分析法结合判别分析法建立的定性判别模型,分级正确率也达到了90.12%。上述分级结果均好于感观评价的方法,表明近红外技术可以实现白坯硬度的快速无损检测。     

利用近红外光谱进行玉米杂种优势类群划分的可行性研究

准确地划分玉米杂种优势群,可有效地指导种质的改良、杂种优势模式的构建和新品种的选育。目前主要利用系谱法、配合力测定、同工酶和分子标记等进行玉米杂种优势类群的划分,这些划分方法成本高,操作复杂,甚至有的方法还需破坏种子。本文探索了利用近红外光谱技术(NIRS)快速、无损地划分玉米杂种优势群的可行性。使用MPA型傅里叶变换近红外光谱仪漫反射模式采集整粒玉米种子的光谱,用滑动平均窗口平滑、一阶差分导数、矢量归一化对光谱进行预处理。将光谱用主成分分析方法降维到低维空间,使用层次聚类法对A组6个中国的骨干自交系和B组的6个优良自选系共12个材料进行杂种优势群划分,结果将A组6个自交系划分为3类,A1(郑58)和A2(掖478)为一类,A3(昌7-2)和A4(黄早四)为一类,A5(Mo17)和A6(四F1)为一类,这与系谱法分析结果高度吻合。对B组6个自选系,将B1和B2,B3和B4,B5和B6分别划分为一类,与SSR标记的类群划分结果一致。由此可见,利用NIRS划分玉米杂种优势类群是简便、快速、高效、可行的方法。     

近红外光谱技术(NIRS)在反刍动物营养研究中的应用现状

近红外光谱技术(NIRS)分析样品时以其方便、快捷和准确等诸多优点在动物营养研究中得到了广泛的应用。用NIRS技术预测家畜日粮中有机物消化率时所产生的标准偏差(SECV)在1.6%～2.8%之间,而预测干物质的消化率时所产生的SECV在1.6%～3.5%之间。NIRS能够准确地预测饲料中的化学成分和生物学组分以及反刍家畜十二指肠微生物蛋白的流量,但对于预测饲料在瘤胃降解率的动态特性时与实际相差很大。NIRS技术预测舍饲家畜采食量与体内法得到的结果相似,但在预测放牧家畜采食量时其预测误差为14%左右。上述结果表明,NIRS技术在预测反刍家畜消化代谢、日粮营养评价、采食量等方面已取得了很大的进展,并在反刍动物营养研究领域中有着广阔的应用空间。     

近红外光谱分析中的变量选择算法研究进展

随着人们对近红外光谱分析技术了解的深入,人们发现通过剔除近红外光谱中的冗余变量不仅可以简化近红外光谱分析模型,提高模型的可解读性,通常还可以提高模型的预测效果及稳健性。变量选择的有效性已经在各种近红外光谱应用体系中得到了广泛的验证,发展成为了近红外光谱分析建模过程中一个越来越重要的步骤。为此,化学计量学家们近些年来开发了大量原理不同的新型变量选择算法,基于各种原理的衍生算法也层出不穷。为了让近红外光谱分析研究人员能够较为迅速地对这些算法的特点有所认识,对目前常见的各种变量选择算法的算法原理和优缺点进行了梳理。根据各种算法依据的原理不同,将目前近红外光谱领域常见的变量选择算法大致分为基于偏最小二乘模型参数,基于智能优化算法,基于连续投影策略,基于模型集群分析策略和基于变量区间等五类。在梳理的过程中,我们发现变量选择算法的发展趋势目前主要集中在以下两点：第一,算法的复杂程度不断提高;第二,不同变量选择算法之间的联用开始逐渐增多。此外,作者结合自身在应用变量选择算法时的体会和思考,还总结了变量选择算法在应用层面上存在的一些问题。例如光谱预处理方法对变量选择算法使用效果的影响,以及部分算法存在的稳定性较差,选择变量的可靠性存疑等。     

近红外光谱温度修正定量分析模型的研究

以小麦粉末样品为实验材料,研究了环境温度对近红外光谱定量分析结果的影响。将环境温度作为外部变量,使用不同温度下的45个样品建立了测定小麦蛋白质含量的温度修正模型,预测不同温度下的小麦样品的蛋白质含量,结果同以22 ℃恒温下45个样品建立的模型进行了比较。分析结果表明：温度修正模型的预测标准差(SEP)平均为0.333,而恒温模型(22 ℃)的预测标准差随着环境温度与建模时温度差的增大而增大,当环境温度4 ℃时,SEP=0.601 6。温度修正模型可以有效的提高近红外光谱定量分析精度。     

土壤有机质近红外预测FIR模型传递算法研究

针对近红外光谱检测中存在的模型传递问题,即在某一测试环境或仪器上建立的定性定量预测模型不适用于其他检测环境或仪器所采集的数据,该研究以土壤有机质为研究对象,采用FIR算法开展了此方面的研究工作。首先,在山西境内不同地方采集了59个壤土土壤样本,选用ASD公司的FieldSpec3光谱检测仪,分两批次对土壤样本进行了近红外光谱检测。第一批测试土样称为“源机样本”为50个,第二批测试土样称为“目标机样本”为9个;然后,随机选取“源机样本”中的41个样本作为校正样本,其余9个样本作为预测样本,采用偏最小二乘(PLS)定量预测方法建立了土壤有机质的定量预测模型,预测样本的预测相关系数为0.961,预测样本标准差(RMSEP)为0.600%,预测样本标准偏差(SEP)为0.597%,说明采用该方法可以很好地预测“源机样本”。当采用上述模型对9个“目标机样本”进行预测时,发现其预测相关系数为负值,表明采用该模型直接对“目标机样本”进行预测是不可行的。最后,采用FIR模型传递算法对“目标机样本”进行了处理,当窗口大小为p=516时预测效果提高,预测相关系数为0.706,RMSEP为0.662%,SEP为0.430%,说明FIR可以实现不同测试条件下获得谱图的传递,实现模型的共享。     

近红外光谱分析技术在蔬菜品质无损检测中的应用研究进展

蔬菜的无损检测技术包括利用其电学特性、光学特性、声波振动特性以及核磁共振技术、机器视觉技术、电子鼻技术和撞击技术等,其中应用最广泛、最成功的检测方法是光学方法。近红外光谱分析技术因分析速度快、效率高、成本低、重现性好,无需样品备制,无污染等特点,已成为一种快速、无损的现代分析技术,在很多领域得到广泛应用。文章介绍了国内外运用近红外光谱分析技术进行蔬菜品质无损检测的研究情况,分析了该技术应用于蔬菜品质检测时尚存在的问题和今后的研究方向。提出因蔬菜多样性和易腐变性等特点,需要加快研制近红外自动分析设备,以提高蔬菜品质检测的速度。指出结合核磁共振技术、图像技术等进行蔬菜品质的无损检测是未来发展的趋势。