近红外光谱法定性定量检测蜂蜜中掺入甜菜糖浆的可行性研究

为进一步检验近红外光谱技术(NIRS)快速检测蜂蜜掺假的能力,利用近红外光谱结合化学计量学方法对蜂蜜中掺入甜菜糖浆进行了定性和定量检测。偏最小二乘-判别分析法(PLS-DA)对真假蜂蜜预测集的判别总正确率为90.2%;不同判别方法对掺假量等级预测集的判别总正确率都低于33.3%;PLS回归只对同一蜂蜜样本掺假的定量分析结果满意：预测集真实值与预测值的相关系数(r)为0.982 9,预测均方差(RMSEP)为1.394 2,而对不同植物来源和同一植物来源的不同样本的掺假量的定量分析结果不满意。研究表明,蜂蜜中掺入甜菜糖浆后,NIRS可实现真假蜂蜜的快速鉴别,而不能实现掺假量等级的鉴别及掺假量的定量分析。     

近红外光谱法测定蜂蜜中主要成分的可行性研究

以153个单植物源和混合植物源蜂蜜样品为研究对象,使用３种近红外光谱仪(FT型、CCD型、PDA型)采集蜂蜜的透反射和透射光谱,并应用近红外定量分析技术进行蜂蜜中主要成分(水分含量、果糖含量、葡萄糖含量)的检测研究。用偏最小二乘回归(partial least square repression, PLSR)方法分别建立了蜂蜜水分含量、果糖含量、葡萄糖含量的近红外定量分析模型。结果表明,水分含量、果糖含量、葡萄糖含量的相关系数(r)分别达到0.978 5, 0.931 1和0.890 7,预测误差均方根(RMSEP)分别为0.410 8(%), 1.914 4(%)和2.531 9(%)。研究表明基于近红外光谱的蜂蜜主要成分快速无损检测准确度高,具有很高的实用价值。     

红外光谱监测糖化酶发酵过程

傅里叶变换红外光谱用于监测糖化酶发酵过程,培养液的红外光谱反映了培养过程中碳源和氮源的变化。针对培养过程中普遍使用复合培养基,标准混合溶液难以反映培养液的状态,．用偏最小二乘法建立了培养液的红外光谱数据与常规离线化学分析结果的相关关系,成功地用于糖化发酵过程培养液中总糖、还原糖和氨氮的预测,测定结果与离线化学分析方法的相关性分别为０．９９９,０．９９０和０．９７４。工业生产过程的菌种、培养基和工艺     

蜂蜜真伪的近红外光谱鉴别研究

如何有效鉴别蜂蜜真伪是目前我国蜂产品质量控制的难题之一。提出了一种用傅里叶变换近红外光谱结合判别偏最小二乘法(DPLS)快速鉴别蜂蜜真伪的新方法。首先采集了71个商品蜜样品的近红外光谱数据,其中包括27个纯蜂蜜和44个掺假蜂蜜,然后5次随机划分建模集样本和验证集样本,并对建模样本进行不同光谱预处理,选择并优化不同波段范围和主成分数,用DPLS法建立了5组蜂蜜样本的真伪鉴别模型,外部交叉验证法预测模型。通过对结果进行比较分析,5组校正模型中真蜂蜜和掺假蜂蜜的总体识别准确率分别为91.49%,94.68%,92.98%,93.86%,94.87%;预测样本的识别准确率为86.96%～93.75%,其中模型2,3,4中掺假蜜的识别准确率达100%。研究结果表明,该方法可作为鉴别商品蜜真伪的一种快速筛选技术,在我国蜂蜜质量监控中具有重要意义。     

基于小波变换的红外光谱分析

利用傅里叶变换红外光谱仪,借助OMNI采样器直接、快速、准确地测定了土茯苓及其三种伪品木质部的FTIR谱,采用小波变换分析法对样品进行了详细研究。结果表明：小波变换可以去除噪声和压缩变量,具有运算速度快、分析精度高以及无需去噪后处理等优点, 在红外光谱分析中具有很好的应用前景。     

红外光谱法测定感冒咳嗽颗粒中的蔗糖含量

以感冒咳嗽颗粒为原料,通过傅里叶变换红外光谱仪为检测手段,提出并建立一种简便、快速、不使用任何有机溶剂的蔗糖定量分析方法。准确称取蔗糖对照品,以铁氰化钾作为内标物,通过溴化钾压片制样,配制成标准系列,测定FT IR吸收光谱。选择蔗糖中不受干扰的特征吸收峰羰基峰和铁氰化钾中的特征吸收峰氰基峰,通过蔗糖特征峰吸光度与铁氰化钾特征峰的吸光度的峰高之比与其对应浓度进行线性回归分析,从而获得校准曲线。结果表明,方法的线性范围为0.04—34.56m g/g,其线性回归的相关系数r=0.9932,样品测定回收率为97.8%—101.6%,相对标准偏差小于5%。该方法准确,可靠,适合于其他蔗糖类物质的快速定量分析。     

基于太赫兹光谱的奶粉中葡萄糖及蔗糖定性定量检测方法

奶粉富含人体所需的五大营养物质,是婴幼儿主要的营养来源之一,奶粉中的营养成分对婴幼儿的生长发育具有重要影响,除乳糖外的糖类含量超标可能对婴幼儿健康产生不良影响。由于奶粉成分复杂,目前的色谱法和近红外光谱法检测技术都难以满足奶粉糖分快速无损检测的要求,因此亟须探索一种奶粉中葡萄糖、蔗糖含量快速无损检测方法。太赫兹波对不同大分子物质的吸收峰具有“指纹”特性,可利用该特性对不同的大分子物质进行识别。应用太赫兹时域光谱技术（THz-TDS）并结合化学计量学方法对奶粉中葡萄糖、蔗糖两种糖分的定性定量检测方法进行了研究。实验装置采用TAS7500TS太赫兹光谱系统,实验样品为不含糖的婴幼儿奶粉和纯度大于99%的葡萄糖、蔗糖晶体及不同梯度浓度的奶粉-葡萄糖、奶粉-蔗糖混合物,实验分别采集了3种纯品样品及15种不同梯度浓度的奶粉-葡萄糖、奶粉-蔗糖混合物样品的太赫兹时域信号,每个样品采集三次并取平均值作为其时域光谱信号,经快速傅里叶变换（FFT）得到各样品的太赫兹频域信号,再根据Dorney提出的光学参数提取公式计算得到各样品的吸收系数谱和折射率谱。最后分别基于两组混合物样品的吸收系数谱和折射率谱数据,采用偏最小二乘法（PLS）建立相应的定量分析模型,校正集和预测集样品比例为2∶1。实验结果表明,奶粉在太赫兹波段无明显特征吸收峰,葡萄糖和蔗糖分别在1.45,1.8,1.98,2.7 THz和1.5,1.9,2.6 THz频率处有较强的特征吸收峰,可根据两种物质的太赫兹指纹特征峰进行定性分析。不同梯度浓度的两组混合物的整体吸收峰位置与葡萄糖、蔗糖纯品太赫兹吸收峰位置基本一致,具有稳定的吸收特性。基于吸收系数谱和折射率谱数据建立偏最小二乘法模型,均可实现奶粉中葡萄糖和蔗糖的定量分析,且由折射率谱建立的葡萄糖、蔗糖定量回归模型效果均优于由吸收系数谱建立的模型效果,其中,奶粉-葡萄糖混合物中葡萄糖含量PLS模型的校正集相关系数（R_c）及均方根误差（RMSEC）分别为0.99和0.18%,预测集R_P及RMSEP分别为0.96和0.66%,奶粉-蔗糖混合物中蔗糖含量PLS模型的校正集R_c及RMSEC分别为0.96和0.55%,预测集R_P及RMSEP分别为0.99和0.25%,葡萄糖和蔗糖定量模型的预测效果均较为理想。研究结果表明THz-TDS技术可有效用于奶粉中葡萄糖和蔗糖定性定量分析,为运用THz-TDS技术开展奶粉掺假及品质快速检测方法研究提供参考。     

桂林西瓜霜系列产品的红外光谱分析

采用红外光谱法、二阶导数红外光谱法和二维相关红外光谱法,对桂林西瓜霜系列产品进行了快速无损比对分析研究。结果表明,同一生产厂家不同品种的西瓜霜在红外光谱上差异较显著,所添加辅料的类型和含量有所不同。在一维红外谱图上,西瓜霜喷剂﹑西瓜霜胶囊在638和616 cm-1处有明显的硫酸钠的特征峰;西瓜霜清咽含片﹑西瓜霜喉宝含片和西瓜霜润喉片的红外光谱中,能明显地看到蔗糖、糊精等辅料的特征峰,其中西瓜霜润喉片的红外谱图与蔗糖的红外谱图非常相似,说明西瓜霜润喉片中所添加的蔗糖较多。而在二维红外谱图上,由于五种西瓜霜的自动峰及相关峰峰簇的位置和数量和峰的相对强度的不同,其差别体现得更为明显和直观。应用红外光谱、二阶导数红外光谱和二维相关红外光谱技术,不仅可以提供西瓜霜系列产品主要化学成分的相关信息,还可以对各产品所添加的辅料类型和含量进行分析和指认。因此,红外光谱法是考察中药资源的一种简便、快速、直观、有效的方法。     

近红外光谱结合化学计量学的常见中国蜂蜜掺杂糖浆鉴别

目前我国蜂蜜市场掺假现象严重,研究一种快速、准确的方法用于市场流通领域掺假蜂蜜的鉴别具有重要的现实意义。采用近红外光谱（NIR）结合化学计量学方法对常见的天然蜂蜜以及掺假（掺杂常见糖浆）蜂蜜进行建模识别,并比较偏最小二乘-判别分析（PLS-DA）及支持向量机（SVM）对糖浆掺假蜂蜜鉴别模型的影响。首先,采集来自中国10个省份、20种常见蜂蜜的112个天然纯蜂蜜样品,以及6种常见糖浆样品按不同糖浆含量（10%,20%,30%,40%,50%,60%）配制的112个掺假蜂蜜样品,共计224个样品;通过近红外光仪器扫描获得所有样品的近红外光谱数据（波长范围400~2 500 nm）;然后,分别采用一阶导数（FD)、二阶导数（SD）、多元散射校正（MSC)、标准正态变化(SNVT)四种方式对原始光谱进行预处理;再结合PLS-DA和SVM建立天然蜂蜜和糖浆掺假蜂蜜的鉴别模型,比较不同预处理方法对两种不同建模算法建立的蜂蜜掺假鉴别模型效果。其中SVM算法的惩罚参数c和核函数参数g通过网格搜索法（GS）、遗传算法（GA）、粒子群算法（PSO）三种寻优算法进行优化。分析结果表明：光谱数据进行预处理后所建立的模型准确率均有明显提升,而对于SVM模型,惩罚参数c和核函数参数g对模型准确率的提升效果要比光谱预处理带来的提升效果更明显。在PLS-DA算法中,经FD光谱预处理后建立的模型效果最好,最佳PLS-DA模型准确率为87.50%;在SVM算法中,经MSC预处理后,再通过GS寻优,获得惩罚参数c为3.0314,核函数参数g为0.3298的条件下所建立的模型效果最好,最佳SVM模型准确率为94.64%。由此可见,非线性的SVM算法结合NIR光谱数据所建立的天然蜂蜜与糖浆掺假蜂蜜鉴别模型要优于线性的PLS-DA模型,同时表明NIR光谱结合化学计量学方法对常见糖浆掺杂的中国蜂蜜鉴别是可行的。     

可见/近红外光谱的油茶籽油三元体系掺假检测模型优化

采用可见/近红外光谱技术结合化学计量学方法对油茶籽油三元体系掺假进行定量检测研究。将菜籽油和花生油按不同比例掺入纯油茶籽油中,获得掺假样本。采集纯油茶籽油及掺假样本在350~1 800 nm范围内的可见/近红外光谱数据,随机分为校正集和预测集,并从不同建模波段、预处理方法及建模方法角度对掺假预测模型进行优化。研究结果表明,菜籽油、花生油和总掺伪量的最优建模波段及预处理方法分别为750~1 770,900~1 770 ,870~1 770 nm和多元散射校正(MSC)、标准归一化处理(SNV)和二阶微分,而最优的建模方法均为最小二乘支持向量机(LSSVM)。对于最优掺假模型,菜籽油、花生油和总掺伪量的预测集相关系数(R_p)和预测均方根误差(RMSEP)分别为0.963,0.982,0.993和2.1%,1.5%,1.8%。由此可见,可见/近红外光谱技术结合化学计量学方法可以用于油茶籽油的三元体系掺假定量检测。     

落叶松树皮原花青素生产过程的红外光谱分析

为了评价现有的落叶松树皮原花青素中试生产过程，了解生产过程中各工艺流程对产品组分含量的影响，将各工艺处理后所得样品进行了一维红外光谱(fourier transform infrared spectroscopy，FTIR)、二阶导数光谱(second derivative infrared spectroscopy，SD-IR)及二维相关光谱(two-dimensional correlation infrared spectroscopy，2D-IR)三级鉴定研究。实验结果表明，一维红外光谱中各样品光谱峰形较为相似，一些物质的特征峰消失或者偏移反映出样品组分含量的变化。随着生产工艺的进行，样品纯度、结构越来越接近原花青素标准品，但是仍含有少量其他物质。通过二阶导数谱进行分析，验证了一维光谱分析的结果，而且随着进一步提高谱图分辨率，将一维谱图中没有显现出来的差异直观的表现出来。在波数为830～1 310 cm-1的二维相关光谱中，各过程样品自动峰出现的位置、个数以及强度有了更为显著的差异。通过红外三级光谱鉴定可以得出：随着生产过程的进行，样品中所含原花青素纯度越来越高，最终得到的样品结构与原花青素标准品极为相似，但是产品中仍然含有少量杂质。     

红外光谱技术在蜂蜜质量检测中的研究进展

蜂蜜的品质检测和掺假判别对于保证产品质量、保障其食用安全性具有重要意义。传统的化学分析、抽样检测方法限于成本较高、操作复杂等原因,已不能满足生产实践中大范围检测的需求。近年来,蜂蜜检测技术正向快速化、高通量方向发展。光谱分析技术具有快速、非接触测量的优点,已在石化领域获得了广泛应用,在蜂蜜品质检测方面具有较大的应用潜力。并综述了近红外光谱分析技术和中红外光谱分析技术在蜂蜜定量和定性检测研究中的进展。主要包括这两种光谱分析技术在蜂蜜产品的品质检测、掺假判别、植物源判别、产地判别等方面的研究进展,通过这几方面的介绍,对红外光谱技术在蜂蜜分析检测中的检测原理、技术路线、准确度、影响因素及发展方向进行了综合分析。     

常见野生蘑菇的红外光谱及其二维相关红外光谱的鉴别

采用傅里叶变换红外光谱结合相关性分析、二阶导数谱和二维相关谱对13种常见野生蘑菇进行鉴别研究。结果显示13种野生蘑菇的红外光谱光谱特征相似,主要由蛋白质、多糖的吸收组成,13种样品的相关系数最小为0.779,最大值为0.960。在1 700~1 400和1 400~800 cm-1范围的二阶导数光谱中,各样品吸收峰的强度、位置和形状均有明显差异。二维相关红外光谱在1 380~1 680 cm-1范围的强自动峰整体相近,但自动峰和交叉峰位置、形状存在差异;在920~1 230 cm-1的范围,各样品的自动峰和交叉峰的数量、强度和位置差异明显。结果表明傅里叶变换红外光谱结合相关性分析、二阶导数谱和二维相关谱有望发展为区分不同种类蘑菇的快速方法。     

黄酒糖度预测的可见-近红外光谱方法研究

提出了用可见近红外光谱结合不同化学计量学方法预测黄酒糖度的新方法。用240个黄酒样本建模,60个样本进行预测。通过对光谱数据进行平滑、变量标准化及一阶导数等预处理,建立并比较了偏最小二乘法,小波变换与偏最小二乘法相结合,主成分分析与人工神经网络相结合以及主成分分析与最小二乘支持向量机相结合四种不同建模方法的预测精度,以相关系数r、预测标准差、偏差等为评判标准,得到黄酒糖度预测的最优模型为最小二乘支持向量机模型。该模型对黄酒糖度预测的相关系数为0.962、预测标准差为0.021、偏差为-0.001,获得了理想的预测精度。结果表明应用可见近红外光谱对黄酒糖度进行预测是可行的,且最小二乘支持向量机模型能得到最优的预测结果。     

乳菇和红菇的红外光谱及其二维相关红外光谱的分析与鉴别

采用傅里叶变换红外光谱原始谱、二阶导数光谱以及二维相关谱的三级鉴定方法,对红菇属和乳菇属六种蘑菇进行了鉴别分析。六种样品的原始光谱吸收峰非常相似,主要为蛋白质和碳水化合物的吸收组成,但在各样品吸收峰强度、峰形和峰位上仍有微小差异。对其进行二阶导数分析,在二阶导数谱中,1 800～1 400和1 200～800 cm-1范围内的吸收峰强度、位置、峰形状显示出明显差异。二维相关红外光谱提高了光谱的分辨率;对六种蘑菇样品进行二维相关红外光谱分析,发现在1 690～1 420 cm-1范围内,三种乳菇出现了3个明显的自动峰,另外三种红菇出现了4个自动峰,而且自动峰和交叉峰位置、强度均不同;在1 110～920 cm-1二维光谱范围内,六种蘑菇的自动峰和交叉峰的数量、位置和强度也都不同;说明不同样品中蛋白质和糖类化合物的显著不同。结果表明：应用红外光谱、二阶导数谱和二维相关红外光谱三级鉴定的技术可以快速有效地分析和鉴别辣乳菇、绒白乳菇、香乳菇、稀褶红菇、变绿红菇和近似酒红菇。该多级鉴定的方法对于分类鉴别蘑菇是一种快速、准确、有效的方法。     

七种牛肝菌的红外光谱鉴别

运用傅里叶变换红外光谱、二维相关谱及主成分分析对7种同属牛肝菌进行分析鉴别。结果显示：7种牛肝菌的原始光谱总体特征相似,主要由蛋白质、多糖等的吸收峰组成,但在吸收峰强度、位置仍存在差异。对样品进行二维相关红外光谱分析,在二维相关红外光谱1 680～1 300 cm-1范围内,茶褐牛肝菌和双色牛肝菌出现了6个明显的自动峰;小美牛肝菌出现了5个明显的自动峰;灰褐牛肝菌和美柄牛肝菌出现4个明显自动峰;美味牛肝菌和铜色牛肝菌自动峰相对较少,只出现了3个明显的自动峰;而且自动峰和交叉峰的强度、位置也存在较大差异。同样在二维相关红外光谱1 150～920 cm-1范围内,不同牛肝菌的同步谱中自动峰和交叉峰的数量、强度和位置也不同。对光谱1 800～800 cm-1范围内的二阶导数进行主成分分析,所有样品均区分开,其分类正确率达100%。结果表明,傅里叶变换红外光谱结合二维相关红外光谱或者主成分分析可以有效地区分茶褐牛肝菌、小美牛肝菌、双色牛肝菌、灰褐牛肝菌、美柄牛肝菌、美味牛肝菌和铜色牛肝菌。该方法对于分类鉴别蘑菇是一种快速、准确、有效的方法。     

近红外漫反射用于检测苹果糖度及有效酸度的研究

提出了应用近红外漫反射光谱技术并结合光纤传感技术快速检测苹果糖度和有效酸度的新方法。以傅里叶变换光谱仪(12 500～4 000 cm-1)为试验仪器,以120个红富士苹果为标准样品并结合偏最小二乘法,建立了苹果糖度、有效酸度的定量预测数学模型。试验结果为：样品预测值和真实值之间的相关系数分别为0.970,0.906,标准校正误差(SEC)分别为0.261,0.0562,标准预测误差(SEP)分别为0.272,0.0562,偏差(Bias)分别为0.011,0.0115。通过本研究表明：应用近红外光谱漫反射技术在10 341～5 461 cm-1光谱波长范围内对苹果糖度的无损检测和在10 341～3 818 cm-1有效光谱范围内对有效酸度的无损检测具有可行性。     

短瓣金莲花指标成分的红外光谱快速分析

将现代红外光谱分析技术与化学计量学方法相结合,建立利用红外光谱对短瓣金莲花药材的指标成分进行快速定量分析的方法。 以高效液相色谱法获得短瓣金莲花指标成分（荭草苷、牡荆苷）的含量作为参考数据,以傅里叶变换红外光谱技术获取其红外光谱图,在此基础上利用化学计量学方法将指标成分与红外光谱图数据关联,构建指标成分的快速预测模型。 以不同比例甲醇-水作为溶剂,采用室温浸提、加热回流、超声辅助工艺提取获得36个短瓣金莲花药材提取物。利用高效液相色谱法测试短瓣金莲花提取物的荭草苷和牡荆苷含量,并以傅里叶变换红外光谱仪辅以水平衰减全反射附件测试各样品的红外光谱图。分别选取29个提取物样品作为检验集,其余为校正集,采用TQ Analyst EZ Edition软件进行建模。以交叉验证相关系数（R2）和交叉验证误差均方根（RMSEC）为指标选择光谱预处理方法、定量分析方法和建模波段,用预测误差均方根（RMSEP）考核模型的预测效果。通过筛选得到优化的光谱预处理方法为标准正态分布校正（SNV）和二阶导数（13点平滑）,定量分析方法为偏最小二乘（PLS）方法,荭草苷和牡荆苷的最佳波段分别为2 050~650和1 900~650 cm-1。以PLS法构建的荭草苷和牡荆苷模型的相关系数分别为0.919 8和0.970 8,模型预测结果的相对偏差分别在-2.0%~3.2%和-3.4%~4.7%之间。鉴于红外光谱技术所具有的测试迅速、微观宏观指纹特性、定性定量皆可分析、对环境无污染等特点,利用红外光谱法可对中药提取物的指标成分进行快速、准确、环保、高效的分析,为中药的质量控制提供了新的思路和解决方案。     

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%。     

新鲜苹果汁可溶性固形物含量的傅里叶变换近红外光谱检测

用傅里叶变换近红外(FTNIR)光谱透射方式对新鲜苹果汁溶性固形物含量(SSC)进行了快速定量分析。实验共测定了60个果汁样品的SSC,并采集了样品的近红外光谱数据。42个样品用来建模,剩下的18个用来验证模型的性能。对实验室测得的SSC与FTNIR光谱数据进行相关性分析,以TQ 6.2.1定量分析软件中集成的主成分回归法(PCR)和偏最小二乘回归法(PLS)建立了检测模型。该研究对比了不同光谱范围内建立的检测模型的性能。根据预测平方根误差(RMSEP)和相关系数(r2)进行不同模型的预测性能,最好的新鲜苹果汁SSC预测模型的RMSEP＝0.603 0Brix,r2＝0.997。结果表明FT-NIR可以作为一种可靠、准确、快速的无损检测方法来评价新鲜果汁的可溶性固形物含量。