近红外光谱技术的花生产毒霉菌侵染快速检测

为了能够快速、无损地评价花生的质量,确保储藏与食用安全,开发了一种基于近红外光谱技术的花生产毒霉菌污染程度的定性定量分析方法。首先对经过Co-60强辐射杀菌后的新鲜花生样品分别接种谷物中五种常见产毒霉菌(黄曲霉3.17、黄曲霉3.3950、寄生曲霉3.395、寄生曲霉3.0124、赭曲霉3.6486),并于适宜条件下(26 ℃、RH 80%)储藏9 d。其次,利用近红外光谱仪采集了不同时期花生样品在12 000～4 000 cm-1波段范围内的漫反射光谱,运用主成分分析(PCA)、判别分析(DA)和偏最小二乘回归(PLSR)建立了分析模型。结果显示,接种不同霉菌的样品随着储藏时间的延长均能得到有效区分,DA模型对储藏0,3,6与9 d花生的感染单一霉菌和多种霉菌的总体判别正确率分别达到100%和99.17%,PLSR模型对样品中的菌落总数的预测结果为：有效决定系数(R2_P)为0.874 1、交互验证均方根误差(RMSECV)为0.276 Log CFU·g-1,剩余预测偏差(RPD)为1.92。结果表明,近红外光谱技术可以作为一种可靠的分析方法对花生受霉菌侵染的状况进行快速分析,从而确保贮藏期间花生的质量安全。     

可见-近红外光谱的土壤养分快速检测

在测定土壤养分中,可见-近红外光谱技术具有很大的应用空间。该研究探讨了基于可见-近红外光谱(250~950nm)离线、快速测定土壤总氮(TN)、总磷(TP)、总钾(TK)、总碳(TC)等土壤养分的方法及应用。采集青岛三个不同地区土壤样品(异质性较高的山地土壤与河畔土壤)各60份,总计180份,并测定其TN,TP,TK,TC含量及其可见-近红外反射光谱,利用Kennard-Stone法按2∶1比例划分校正集和检验集,采用遗传算法分别提取TN,TP,TK,TC特征波长,以偏最小二乘法建立定量分析模型。TN,TP,TK,TC含量所建光谱模型的相关系数分别为0.970,0.964,0.680和0.967,检验集的相关系数分别为0.980,0.937,0.717和0.972,检验集的RPD值分别为4.570,2.424,1.411和4.135。结果表明,该方法能够对土壤TN,TP,TC含量进行精确预测,对土壤TK含量进行粗略预测。该研究主要依靠可见光波段,较好的预测了异质性较高的土壤的氮磷钾等养分含量,有望降低未来土壤养分速测的成本。此外,该研究还提供了青岛土壤养分的光谱库,为我国土壤大数据库的建立提供技术支撑。     

基于近红外光谱技术的小麦条锈病菌潜伏侵染的检测

为实现对受到小麦条锈病菌侵染而尚未表现明显症状的小麦叶片进行早期检测,利用近红外光谱技术结合定性偏最小二乘法建立了小麦条锈病潜育期叶片定性识别模型。获取健康叶片30片、条锈病潜育期叶片330片(每天取30片,共11天)和发病叶片30片,扫描获得其近红外光谱曲线。采用内部交叉验证法建模,研究了不同谱区、建模比(建模集∶检验集)、光谱预处理方法和主成分数对建模识别效果的影响。在5 400~6 600和7 600~8 900cm-1组合谱区内,建模比为4∶1、预处理方法为"散射校正"和主成分数为14时,所建模型识别效果较理想,建模集的识别准确率、错误率和混淆率分别为95.51%,1.28%和3.21%;检验集的识别准确率、错误率和混淆率分别为100.00%,0.00%和0.00%。结果表明,利用近红外光谱技术可在接种1天后(即提前11天)识别出健康小麦叶片和受到条锈病菌侵染的小麦叶片,并且可以识别不同潜育期天数的叶片。因此,利用近红外光谱技术对条锈病菌潜伏侵染检测是可行的,为该病早期诊断提供了一种新途径。     

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。     

稻谷新陈度近红外快速无损检测的研究

利用近红外技术结合化学计量学的方法建立了稻谷新陈度近红外光谱定量模型。对90个稻谷样本,通过近红外光谱仪扫描获得了从950～1 650 nm的光谱信息。运用UNSCRAMBLER9.7软件进行计算,选择全谱区,结合偏最小二乘法(PLS)算法,得到光谱最佳预处理方法为一阶导加Savizky-Golay平滑,最佳主成分数为7。进行内部交叉验证,决定系数r2为0.967 9,预测误差为54.51,且预测结果与真实值通过t检验,说明模型是可行的。为稻谷新陈度的快速无损检测提供了一种新的方法。     

湿度对近红外光谱检测的影响

光谱的检测过程会受诸如温度等很多条件的影响。本课题的目的在于研究在近红外检测过程中,环境湿度的变化对苹果检测结果的影响。建立一个自制湿度可控箱,通过改变箱内小环境的湿度值,对每个水果在40%～80%的湿度范围内每隔10%进行光谱采集。每个最终光谱是由水果的扫描光谱减去背景光谱获得的,由于不确定湿度随水果和背景的分别影响,光谱试验分两组进行：在不同的湿度下均采集背景和水果的光谱值(组1)和仅在40%的湿度值下采集背景(组2)。由20个苹果的样品集组成40组平行试验数据,运用单因素方差分析和马氏距离等处理方法进行分析。结果显示,无论在不同的湿度值下采集光谱和背景还是仅采集一个背景,其湿度值对近红外光谱的影响都不显著。     

近红外光谱图像处理的霉变稻谷检测方法

稻谷在储藏和运输过程中,在适宜的温湿度环境下极易发生霉变,导致大量的粮食浪费和巨大的经济损失,进而影响粮食安全.为解决传统的稻谷霉变检测存在的繁琐且耗时较长等不足,提出了基于近红外光谱图像处理和神经网络的稻谷霉变程度检测方法.首先,通过农业多光谱相机(Sequoia)和固定光源等设备,构建了霉变稻谷近红外图像数据采集平...     

近红外光谱预测稻谷水分含量特征谱区选择及其效率分析

对364份水分含量在2.24%～32.66%之间的“冈优916”稻谷样品,经均值中心化、一阶微分、标准归一化和多元散射校正等预处理后,采用分段间隔法、组合分段法、滑动窗口法和反向分段法等进行特征谱区选择,分别使用偏最小二乘法(PLS)和主成分回归(PCR)两种定量分析方法,获得稻谷含水量近红外光谱预测模型最佳的特征谱区。首次给出了分段间隔法、组合分段法、滑动窗口法和反向分段法等传统的特征谱区选择方法的计算复杂度的计算公式,并对比分析了这几种特征谱区选择方法的程序运行效率。结果表明：采用PLS建模对稻谷含水量光谱的预测性能优于PCR建模,但PLS建模的效率低于PCR建模;在PLS建模中,采用反向分段法对稻谷光谱含水量的预测性能最好,其预测集的相关系数R_P为0.995 6,预测均方根偏差RMSEP为0.78%;其次是滑动窗口法,其R_P为0.994 3,RMSEP为0.89%;但这两种特征谱区选择方法的程序运行效率较低,反向分段法的平均运行时间为4.87 h,滑动窗口法的平均运行时间为29.82 h。该研究结果为今后在并行计算或分布式计算上开发近红外光谱预测模型的快速算法提供参考。     

基于近红外光谱特征的三文鱼品质多指标快速检测

三文鱼肉质鲜美、营养丰富,尽管价格昂贵,却深受广大消费者喜爱,2017年我国三文鱼进口额达3.5亿美元。近年来不法商贩为追求高额利润导致三文鱼消费市场“以假乱真”、“以次充好”的问题日益突出,主要表现为：(1)以价格低廉、外观相似的淡水虹鳟、大马哈鱼、太平洋鲑鱼等冒充价格高、消费者认可度高的挪威三文鱼;(2)将低成本、低品质的冰冻三文鱼(-18 ℃储运、保质期长、组织结构被冰晶破坏、口感风味破坏严重)化冻后冒充高成本、高品质的冰鲜三文鱼(0～4 ℃储运、保质期短、无冰晶产生、口感风味最大限度保持);(3)将次新鲜的三文鱼冒充新鲜三文鱼。针对三文鱼品质感官检测误差大、理化检测耗时费力的不足,拟研究一种基于近红外光谱(NIRs)特征的真品/伪品三文鱼、冰鲜/冻融三文鱼、新鲜/次新鲜三文鱼快速鉴别方法。首先采集真品(挪威三文鱼)/伪品(淡水虹鳟、大马哈鱼和太平洋鲑鱼)三文鱼、冰鲜(冰鲜1,3和5 d)/冻融(冰冻15,30和45 d并化冻)三文鱼和新鲜/次新鲜(冰鲜保藏0,2,4,6和8 d)三文鱼样品的NIRs信息,并将不同储藏天数的冰鲜三文鱼以国标法测定其TVB-N含量。原始光谱经标准正态变量变换(SNV)等方法预处理后,分别使用主成分分析(PCA)和遗传算法(GA)进行光谱数据降维及特征波长筛选。最后,结合K-最近邻法(KNN)和最小二乘支持向量机(LS-SVM)对真品/伪品三文鱼和冰鲜/冻融三文鱼构建识别模型;结合联合区间偏最小二乘法(Si-PLS)对新鲜/次新鲜三文鱼构建TVB-N预测模型。建模结果表明：真品/伪品三文鱼LS-SVM定性识别模型对应的测试集识别率达97.50%,冰鲜/冻融三文鱼LS-SVM定性识别模型对应的测试集识别率达98.89%;TVB-N对应的Si-PLS定量检测模型的预测集相关系数为0.864 1,基于TVB-N预测值建立的三文鱼新鲜度定性鉴别模型对应的测试集准确率为90.00%。研究结果表明,利用近红外光谱特征结合化学计量学方法能够快速、无损检测真品/伪品三文鱼、冰鲜/冻融三文鱼和新鲜/次新鲜三文鱼,实现三文鱼品质多指标快速检测。     

基于可见/近红外光谱的水稻品种快速鉴别研究

提出了一种应用可见/近红外光谱技术与化学计量学相结合的快速、无损鉴别稻谷品种的新方法。收集了5个品种水稻共150个样本作为实验样本,通过可见/近红外光谱仪扫描这些样本获得了从350 nm到1 075 nm波长范围的光谱信息。将样本的光谱信息进行小波分解以消除高频噪声。将去噪声后的光谱数据经主成分分析压缩成数目较少的新变量(主成分),压缩得到的前4个主成分能够解释99.891%的原始光谱信息。将前4个主成分作为BP神经网络的输入,不同水稻品种值的二进制代码值作为BP神经网络的输出,建立稻谷品种的模式识别模型。模型的预测误差阈值是0.2,模型是3层网络结构,各层的节点分别是4,9和3。150个样本被随机的分成包含100个样本的建模集和50个样本的预测集。结果表明,预测未知的50个样本的正确率达到96%。说明该方法具有较高的鉴别准确度,为稻谷品种的快速无损鉴别提供了一种新的方法。     

基于近红外技术快速测定不同鲜肉中脂肪含量

随着畜禽肉和肉制品食用量的迅速增长,人们对肉品质量提出了更高的要求;对于肉制品,消费者最为关心是肉品质量, 当前中国对肉品品质在线检测方面的研究和应用则相对较少,尚无针对肉品品质在线无损检测开发的设备。也没能真正投入到肉品的生产加工过程。研究不同肉品脂肪的近红外快速检测模型。并采用标准化学方法进行差异分析。通过近红外技术对猪肉、牛肉、羊肉进行扫描,采用国标法(索氏提取法)对鲜肉脂肪含量进行化学值的测定,以PLS(偏最小二乘法)作为建模方法,并通过不同的光谱预处理手段分别建立了猪牛羊肉的近红外光谱参数与样品的脂肪含量之间的对应关系模型。结果表明,对于猪肉来说,选择4 260～6 014 cm-1波段+一阶导+Norris所建的模型效果最好,其校正相关系数和预测相关系数分别为0.955 6和0.961 6;对于牛肉来说,选择5 226～7 343 cm-1波段+一阶导+S-G所建的模型效果最好, 其校正相关系数和预测相关系数分别为0.923 5和0.942 7;对于羊肉来说,选择5 207～7 362 cm-1波段+一阶导+Norris所建的模型效果最好,其校正相关系数和预测相关系数分别为0.915 7和0.939 6;对于鲜肉来说,选选用波段为5 156～6 065 cm-1+二阶导+S-G所建模型效果最好,其校正相关系数和预测相关系数分别为0.916 3和0.919 4。以上所有模型的校正相关系数均大于0.91,模型都具有较高的精密度,符合不同肉制品在实际生产的需求,具有分析速度快、检测成本低、分辨率高、无损的优点。     

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。     

木材不同切面的近红外光谱信息与密度快速预测

用近红外光谱对木材密度进行了研究。发现木材三个不同切面(横切面、径切面、弦切面)的近红外光谱有较大的差异;结合偏最小二乘法(PLS),根据三个切面采集到的光谱数据与木材密度建立了校正模型,横切面预测集的相关系数r为0.94,径切面和弦切面分别为0.85和0.81。结果表明,从横切面采集到的光谱建立的预测模型效果最好。用该模型对随机抽取、未参与建模的15个样品的密度进行了预测,r2=0.977, 标准偏差：STDEV=0.006。     

木材表面光泽度的近红外漫反射光谱技术快速测定研究

表面光泽度是天然高分子材料(如木材)及其制品的重要视觉参数之一,实现天然高分子材料及其制品表面光泽度的快速测定对其表面质量的在线控制与评价具有重要意义。为了实现近红外光谱技术对木材表面光泽度的快速测定以及拓宽近红外光谱技术在高分子材料表面质量控制领域的应用,本研究利用近红外光谱技术结合偏最小二乘法对天然高分子材料木材表面光泽度的模型预测值与实测值的相关性进行研究,探讨了近红外漫反射光谱技术快速测定天然高分子材料木材表面光泽度的可行性。结果表明:(1)木材表面光泽度与其近红外漫反射光谱密切相关,说明木材表面近红外光谱特征中包含表面光泽度的信息;(2)通过偏最小二乘法建立木材表面光泽度的近红外光谱预测模型,模型对木材表面光泽度的预测值与实测值的相关系数可达0.90;(3)通过改变采谱光纤与木材样品表面的夹角获得不同的漫反射光谱数据,分别建立不同的木材表面光泽度预测模型发现,采集光谱的光纤与样品表面的角度变化对结果影响不显著,光纤与样品表面夹角为90°时的结果相对较好。     

近红外光谱的河蟹新鲜度快速检测研究

河蟹的新鲜度是大多数消费者在购买时所考虑的最重要的因素,挥发性盐基氮(TVB-N)是当前国际通用的评价肉类新鲜度的指标,但其检测工序繁琐、耗费时间长,无法满足当前市场对河蟹新鲜度评价的迫切需求。因此,建立一种快速检测河蟹新鲜度的方法是当前急需解决的一大难题。将购于水产市场的河蟹,采用聚乙烯充氧袋快速运至实验室,样本数共126只。在洁净的工作台上处理后,将螃蟹分为42个实验样品,每个样品3只鲜活螃蟹;42个实验样品放在低温4℃的恒温生化培养箱中贮藏,每天从培养箱中按时取出6个螃蟹样品进行光谱数据采集及新鲜度指标TVB-N的测定,历时7 d。采用近红外光谱(NIRS)对贮藏在不同时间下的河蟹新鲜度进行评价,使用挥发性盐基氮(TVB-N)作为评价河蟹新鲜度的指标,首先通过比较经五折交叉验证(5-fold CrossValidation)算法、 kennard-stone(KS)算法、光谱-理化值共生距离(SPXY)算法三种样本划分方法处理后所建模型的预测效果确定最优样本划分方法,最终采用五折交叉验证(5-fold CrossValidation)算法对样本进行划分。其中的32个样品被划分为训练集进行模型构建,其余的10个样品被划分为测试集用于模型检验。然后在经过五折交叉验证法对样本进行划分的基础上,分别采用小波变换(WT)、 Savitzky-Golay平滑、一阶导数法(Db1)、二阶导数法(Db2)这4种单一算法以及小波变换(WT)与Savitzky-Golay平滑相结合的算法进行预处理,通过比较预处理后所建模型的预测效果,确定了小波变换(WT)预处理为最优光谱预处理方法,从而消除了光谱中的无用信息并提高了信噪比。再次,在WT预处理的基础上,分别采用主成分分析(PCA)法和连续投影(SPA)算法提取光谱特征波段,通过建模比较确定主成分分析(PCA)法为最优波长选择方法,以所选的16个特征波长作为模型的输入,不仅提高了模型的运行速度还可以提高模型的稳定性。最后,在经过PCA特征提取后,分别采用偏最小二乘回归(PLSR)算法和多元线性回归(MLR)算法构建TVB-N定量预测模型,通过比较两种模型的预测效果,确定了偏最小二乘回归(PLSR)模型为最优建模方法,最终确定的最优模型为基于WT-PCA-PLSR建立的模型,模型预测决定系数R^2为0.89,预测均方根误差RMSEP为3.00。综上所述,所建立的预测模型具有较高的精度,可以实现对河蟹新鲜度的快速检测,具有较好的市场应用前景。     

红外热成像与近红外光谱结合快速检测潜育期番茄花叶病

现有的番茄花叶病无损检测方法无法在潜育期内,即显症之前进行早期识别导致施药不及时或者盲目过度施药。设计与试制了红外热成像信息采集系统,主要包括：光箱、红外热成像仪、温度及升降控制器、加热板和升降载物台。该系统能够根据温度起止节点的要求,人为调节拍摄温度。在江苏大学现代农业装备与技术省部共建重点实验室Venlo型温室中进行非抗病性番茄品种辽宁农科院L-402的培育。采用叶面摩擦接种花叶病毒(Tobacccco mosaic virus, ToMV),分为轻度感染组(LI),重度感染组(SI);LI组为磷酸缓冲液稀释500倍后的病毒液接种,SI组为病毒原液接种。对照组(CG)喷施等量磷酸缓冲液。接种10 d后叶片开始出现病斑,证明接种后9 d为番茄花叶病的潜育期。使用红外热成像系统采集了三个组共计144个样本的红外热成像图,计算叶表最大温差(MTD) 以表征潜育期内连续9 d内的叶面温度变化情况。CG组叶片的MTD值差异极小,而接种后叶片MTD值随着病毒侵染时间的推进发生了显著的变化。接种6 d后MTD值差异最大可达1.63 ℃,第7 d开始差异逐步缩小,表明病毒的扩散范围增大导致病叶越来越多的区域被侵染使得整体叶温上升。光谱采集采用两种方法进行,一种是根据热像图的MTD值计算判别出温度突变区域后采集光谱,记为热像采集法(TCM);另一种是不考虑病灶位置,在叶尖、叶中、叶基三个区域分别随机选择一个点采集光谱后求平均值,记为随机采集法(RCM)。TCM确定三个光谱采集点的选择原则是：LI组接种后3,6和9 d的温度突变区域平均MTD值比CG组温度分别高出0.3,0.7和0.5 ℃。SI组接种后3,6和9 d的温度突变区域平均MTD值比CG组温度分别高出0.5,1.2,0.8 ℃。差值达到此标准的病灶位置才定为TCM的可选区域。对所有样本采用支持向量机(SVM)算法建立识别模型。采用主成分分析对2 151个波长点的光谱信息进行压缩,前6个主成分所对应的累积方差贡献率已到达99%。分别对感病3,6和9 d的样本按照2∶1的比例划分校正集和预测集,对预测集样本的病害程度进行识别。两种方法所建立的模型的总识别率分别为92.59%和99.77%。采用TCM建立的光谱识别模型中仅有接种后3 d的一个LI组样本未能识别出来,被误判成CG组样本外,其余组识别率均达到了100%。结果表明近红外光谱法识别番茄花叶病是可行的。采用红外热成像结合近红外光谱法能够建立识别率更高的番茄花叶病潜育期识别模型,克服点源采样随机性,对后续管控流程和突破作物早期精准用药的关键技术探索,建立更为精准的温室智能施药系统提供了新的思路。     

不同光程对山茶油掺假近红外检测精度的影响

利用近红外光谱在不同光程下对山茶油中掺杂大豆油的掺伪量进行定量检测研究,着重分析光程对掺伪量检测精度的影响。将大豆油按一定质量分数掺入山茶油获取实验样本,掺伪质量分数范围为1%～50%。利用QualitySpec型光谱仪采集样本在不同光程(1,2,4,10 mm)下的透射光谱,通过对比不同建模方法、预处理方法及建模波段范围所建立的掺伪量定量预测模型,分析光程对掺伪量检测精度的影响。研究结果表明,光程由1 mm增加到4 mm时,掺伪量定量预测模型性能随着光程的增加而逐渐变好,检测精度逐步提高;光程由 4 mm增加到10 mm时,掺伪量定量预测模型性能变差,检测精度下降,4 mm为较优的光程。在1,2,4和10 mm下所建立的较优掺伪量定量预测模型的预测集决定系数 (R2_P)和预测均方根误差(RMSEP)分别为0.923, 0.977, 0.989, 0.962和4.58%, 2.54%, 1.72%, 3.20%。     

近红外光谱分析技术在农产品/食品品质在线无损检测中的应用研究进展

农产品/食品品质问题一直受到人们的广泛关注,而由品质问题引起的农产品/食品安全事故越来越多,所以急需对农产品/食品品质进行快速无损检测。目前常用的快速检测方法有化学比色分析法、近红外光谱法、免疫学分析法、生物传感器技术、生物芯片检测法以及生物学发光检测法等。近红外光谱分析技术因具有分析时间短、无需样品预处理、非破坏性、无污染以及成本低等特点, 已成为一种快速的现代分析技术, 广泛应用于农产品/食品领域的品质检测。国内外许多学者对其进行了深入的研究,并且从实验室的静态研究向在线检测研究方向发展。文章概述了近红外光谱分析技术在水果、鱼类、畜肉类、牛奶、谷物以及奶酪酒精发酵上的在线品质检测/监控应用上的研究进展,指出了近红外光谱分析技术尚存在的问题,并对今后的近红外光谱分析技术作了展望。提出近红外光谱分析技术将会与网络技术相结合,实现近红外分析模型的在线更新与升级, 指出光谱成像技术将成为21世纪近红外光谱分析技术的发展趋势。