稻谷有害霉菌侵染的近红外光谱快速检测

稻谷是我国主要储粮品种。为快速、准确鉴定稻谷霉变状态,建立了一种基于近红外光谱的稻谷霉菌污染定性、定量分析方法。首先,将四种谷物中常见有害霉菌(黄曲霉3.17、黄曲霉3.3950、寄生曲霉3.3950、灰绿曲霉3.0100)分别接种在灭菌稻谷样品上。其次,将接种霉菌样品进行人工模拟储藏(28 ℃、RH 80%),并采集不同储藏时间(0,2,4,7和10 d)稻谷的近红外漫反射光谱信号。最后,利用主成分分析(PCA)、判别分析(DA)和偏最小二乘回归(PLSR)方法建立稻谷霉菌污染的快速分析模型。结果显示,近红外光谱可有效区分感染不同霉菌的稻谷样品,平均判别正确率达87.5%。稻谷霉变随储藏时间逐渐加深,近红外光谱对感染单一霉菌稻谷样品霉变状态的判别正确率达92.5%,多种霉菌的判别正确率达87.5%。稻谷中的菌落总数的PLSR模型定量结果为：有效决定系数(R2_P)为0.882 3、验证均方根误差(RMSEP)为0.339 Lg CFU·g-1,相对标准偏差(RPD)为2.93。结果表明,近红外光谱法可以作为一种快速、无损的分析方法来判定稻谷霉菌侵染状况,确保稻谷储运安全。     

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。     

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。     

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。     

畜禽肉化学成分近红外光谱检测技术研究进展

和传统的肉品化学成分检测方法相比,近红外光谱分析是一种能够快速、简单、安全和可同时测定多种化学成分的肉品检测方法。论述了近年来猪、鸡、牛、羊四种动物肉中粗蛋白质、肌间脂肪、脂肪酸、水分、灰分、肌红蛋白和胶原蛋白七种化学成分的近红外光谱分析检测研究进展,并探讨了目前研究中存在的问题及其原因。从已发表的研究结果可以看出,近红外光谱分析具有替代耗时成本高的现有肉品化学检测方法的巨大潜力,特别是用于商业上同步检测多种化学成分。研究大多采用主成分分析法进行特征光谱筛选,偏最小二乘和修正偏最小二乘法建立校正模型,交互验证进行预测结果评价。目前研究热点集中在肉中脂肪酸含量预测模型和应用近红外高光谱图像和多元回归预测肉中化学成分。近红外光谱预测结果差异性较大,这与样品集选择、光谱预处理和建模方法都有很密切的关系。样品选择对近红外预测精度具有重要的意义,非均质肉样影响了近红外化学成分预测精度。总的来说,肌间脂肪、脂肪酸与水分指标预测效果较好,粗蛋白质和肌红蛋白指标预测效果次之,灰分和胶原蛋白指标预测结果较差。     

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。     

近红外光谱技术在微生物检测中的应用进展

近红外光谱作为一种无损检测技术被广泛应用于农业、制药、食品等领域的多组分品质快速监测。微生物的快速准确检测,在临床诊断、制药和食品加工等领域一直是一个难题。微生物菌体细胞壁、细胞膜及细胞内生物大分子和水的近红外光谱具有高度特异性,因此可以使用近红外光谱快速识别和分类不同的微生物。通过对相关文献的归纳整理与分析提炼,对近红外光谱技术在微生物检测中的研究进展做综述。对微生物的基本知识和近红外光谱技术鉴定微生物的基本原理进行了介绍,并重点综述了近红外光谱技术在微生物分类、食源性微生物检测和成像微生物检测等方面的国内外研究进展,最后对近红外光谱技术目前存在的问题和未来的应用前景进行了展望,以期为今后在微生物检测领域更好地利用近红外光谱提供参考。     

近红外吸收光谱技术快速检测奶制品中添加三聚氰胺

对奶制品中添加三聚氰胺的近红外吸收光谱快速检测技术进行了可行性研究。实验分别配置了8组不同三聚氰胺含量的纯牛奶样品,用FTIR光谱仪测量其吸收谱,并偏最小二乘法建立数学模型。研究结果表明,应用近红外吸收光谱技术可以对奶制品中添加三聚氰胺进行快速检测。     

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。     

声光可调近红外光谱技术快速检测再造烟叶的厚度

厚度是衡量再造烟叶品质及稳定性的一项重要指标,目前再造烟叶厚度测定方法存在读数不稳定、测量准确性受样品特性影响,不利于检测和控制.本文应用声光可调滤光器近红外光谱仪建立再造烟叶厚度检测方法模型,能准确预测再造烟叶厚度指标,具有准确性好,精密度高的特点,符合再造烟叶厚度检测的需要.     

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。     

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。     

近红外光谱在线测量技术在聚合物加工中的应用研究进展

聚合物材料制品的性能与成型加工过程有着密切的联系,因此在线监控加工过程中材料的状态至关重要。根据在线监控实时反馈的数据,能够实现加工工艺参数的及时调整,确保生产过程的稳定性,从而保证产品质量、减少能源浪费、提高生产效益。近红外光谱在线测量技术是一种成本低、实时性强,可以准确定量分析的技术,已在很多生产领域得到了应用,然而在聚合物加工领域仍处于研究阶段。本文从测量聚合物中的组分含量、熔融指数、熔体密度、填充物的分散性四个方面概述了近红外光谱在线测量技术在聚合物加工中的应用研究进展,指出了近红外光谱在线测量技术尚存在的问题,给出了几点建议,最后对近红外光谱在线测量技术未来的发展进行了展望。指出在未来几十年里,随着光纤光谱仪器科学、计算机科学以及化学计量学方法的发展,近红外光谱在线测量技术在原始数据稳定性、预处理方法、建模方法及模型的稳健性与准确性上将会有长足的进步,将会在更多的领域推广应用,产生巨大的经济与环保价值。     

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。     

基于互信息熵-近红外光谱的过程模式故障检测

近红外光谱分析在工业过程故障检测方面具有独特的优势,是一种准确且高效的方法。结合互信息熵和传统的主成分分析,对近红外光谱特征信息进行提取,通过构建过程的模式来刻画工业过程的运行状态。利用近红外光谱数据,从有机分子含氢基团振动信息中获取工业系统的过程模式,从微观分子层面探索提高工业过程故障检测准确率的有效方法,结合贝叶斯统计学习技术,提出了基于近红外光谱数据的工业过程故障检测技术。针对近红外光谱信息量丰富,谱带较宽,特征性不强的特点,首先对工业过程不同运行状态下的近红外光谱吸光度数据进行一阶导数预处理,采用主成分分析法（principal component analysis,PCA）压缩光谱数据量,扩大不同运行状态下光谱特征信息的差异性,提取光谱的内部特征信息。然后采用互信息熵（mutual information entropy,MIE）作为光谱特征信息相关性度量函数,基于最小冗余最大相关算法进一步减少光谱特征信息间的冗余并最大化光谱特征信息与类别的相关性,弥补了PCA无监督特征波长选择的不足,提出一种基于PCA-MIE的过程模式构建方法,获得的过程模式子集更紧凑更具类别表现力。再利用贝叶斯统计学习算法,根据后验概率对构建的模式子集进行决策,判别生产过程的正常状态和故障状态。由于过程模式子集结合了PCA浓聚方差的优势和互信息熵相关性测度的特征信息选择方法,蕴含了更多的近红外光谱的本质信息与内在规律,从而更能刻画工业过程的运行状态。接着,设置测试准确率TA作为评估标准,用以评价故障检测方法的性能效果。最后利用某化工厂提供的原油脱盐脱水过程近红外光谱数据对所提方法进行验证,并与传统近红外光谱特征信息提取方法PCA和MIE方法性能进行对比分析,结果表明基于PCA-MIE的过程模式故障检测方法几乎在所有维数子集上性能都优于其他两种方法,在特征维数为18维时获得最高的准确率94. 6%,证明了方法的优越性。     

近红外光谱法的甜菜糖度快速测定

为了实现甜菜依据含糖量定等分级,甜菜收购环节的按质论价,促进甜菜制糖行业的良好健康发展,应用近红外光谱技术对甜菜糖度的快速检测进行了系统研究,确定了一种快速、无损、准确的测量甜菜糖度的方法。采集具有代表性的28个甜菜品种,820个甜菜样品作为校正集,70个样品作为预测集,扫描得到甜菜校正集样品的近红外原始光谱,选择合适的光谱预处理方法,采用偏最小二乘法建立甜菜糖度的定量预测数学模型,以校正模型的内部交互验证均方根误差(RMSECV)、决定系数(R2)和外部预测标准误差(SEP)为指标对模型的性能进行评价,并对模型的预测效果进行了比较。采用一阶导数和标准正态变量变换对光谱进行预处理并结合偏最小二乘法所建立的定量预测数学模型的预测能力较好。甜菜糖度定量校正数学模型的模型决定系数为0.908 3,内部交互验证预测均方根误差为0.376 7。用此数学模型对预测集70个样品进行预测,预测值与实测值的相关系数达到0.921 4,预测标准误差为0.439,预测值和实测值之间不存在显著性差异(p＞0.05)。结果表明：近红外光谱法作为一种简单、快速、无损、环保的检测方法,能够良好的评价甜菜的糖度。建立的模型具有很高的精确性,可以满足甜菜糖含量测定的需要,该方法可以实现甜菜收购环节的定等分级和按质论价。