近红外漫反射光谱法测定黄连浸膏粉中生物碱含量

采用近红外漫反射光谱法对黄连浸膏粉中小檗碱、巴马亭、药根碱和总生物碱含量进行快速无损检测。以HPLC分析值作参比,采用偏最小二乘回归算法建立二阶导数光谱信息与各组分含量间的定量校正模型,并对未知样品中各组分含量进行预测。小檗碱、巴马亭、药根碱和总生物碱的预测均方差(RMSEP)分别为0．184、0．109、0．054和0．325;加样回收率分别为97．67％～99．59％、96．63％～100．70％、95．15％～101．15％和97．41％～99．89％,重现性实验相对标准偏差(RSD)分别为0．3％、0．6％、1．8％和0．3％。该方法结果准确可靠,重现性、稳定性均良好,适用于工业现场的原位和在线检测。     

近红外光谱法测定黄芩提取物中黄芩苷含量

近红外光谱技术(NIR)是近年来快速发展的一种新型光谱分析技术,具有快速、高效、无污染、非破坏性以及实时分析等优点~([1]),已在农业、烟草、石油化工、医药等多领域得到广泛应用.尤其在药物分析方面,体现出近红外光谱分析的巨大潜力~([2]).     

近红外光谱法快速测定推进剂中N-甲基对硝基苯胺

采用近红外光谱法快速测定固体推进剂中N-甲基对硝基苯胺(MNA)的含量。评价了滤波平滑、一阶导数、二阶导数、多元散射校正(MSC)和标准正态变量校正(SNV)这5种不同光谱预处理方法的优化效果,基于建模参数优化结果建立了MNA定量模型,并对模型进行了准确性和重复性验证。结果表明,光谱最佳预处理方式是SNV,模型最佳主因子数为7,模型校正决定系数(R_C²)和验证决定系数(R_P²)分别为0.998 6和0.987 2,交互验证均方根误差(RMSECV)和预测均方根误差(RMSEP)分别为0.012 0和0.009 8,重复性极差和绝对误差均低于0.2%。近红外光谱法与液相色谱法测定结果相比相对偏差在6%以内,经t检验,两种方法测定结果无显著性差异。近红外光谱法快速、准确,可用于推进剂老化进程监控。     

近红外光谱法快速测定肼-70纯度

利用重量法精确配制不同肼质量分数的肼-70样品集,采用偏最小二乘法建立了肼质量分数的近红外光谱模型,以快速测定肼-70的纯度。样品恒温时间为5 min,光谱最佳预处理方式:均值中心化,一阶导数,21点平滑,模型最佳主因子数为4。近红外光谱法与碘酸钾直接滴定法测定结果相比相对偏差绝对值小于0.13%,经t检验,两种方法测定结果无显著性差异。近红外光谱法快速、准确,可用于肼-70产品的质量控制。     

近红外光谱法快速测定涂料固化剂中游离甲苯二异氰酸酯含量

用气相色谱分析值为参照,采用近红外透射光谱（NIR）技术采集相应样品的NIR光谱,研究了涂料固化剂中游离甲苯二异氰酸酯（TDI）含量的快速测定分析方法。 并从120个固化剂样品中挑选出109个代表性的样品建模,选择7320~7250 cm-1和8485~8370 cm-1波段区间,用偏最小二乘法(PLS)和完全交互验证方式建立TDI含量的预测模型。 结果表明,固化剂中游离甲苯二异氰酸酯含量和近红外光谱之间存在较好的相关性,其预测模型的校正集均方差（RMSEC）为0.0815,验证集均方差（RMSEP）为0.0715,模型性能良好。 近红外光谱法可快速准确测定游离甲苯二异氰酸酯（TDI）含量,用于固化剂样品快速分析。     

近红外光谱法测定汽油中的烯烃含量

近红外光谱法测定汽油中的烯烃含量;汽油;烯烃;近红外光谱;偏最小二乘回归     

近红外光谱法快速测定溶剂型木器涂料中甲苯、乙苯和二甲苯

建立了使用近红外光谱法(NIR)快速测定溶剂型木器涂料中甲苯、乙苯和二甲苯的方法。收集涂料样品,使用气相色谱法(GC)测定苯系物含量。采用聚乙烯密实袋封装聚氨酯类、硝基类或醇酸类涂料,应用积分球透漫射采样方式采集清漆和漫射采样方式采集色漆的近红外光谱。采用偏最小二乘法,分别建立清漆和色漆的近红外光谱与苯系物线性关系模型。校正集均方差在0.43%~1.32%之间、相关系数R在0.9046~0.9766之间。验证集均方差在0.591%~1.73%之间。对未知样品预测,清漆样品预测值相对偏差<15%;色漆样品预测值相对偏差<20%。两个定量模型预测效果良好。该2个NIR定量方法适用于对溶剂型木器涂料中甲苯、乙苯和二甲苯含量进行快速测定。     

基于谱区优选的近红外光谱快速预测玉米秸秆中木质纤维素含量的研究

在生物燃气生产过程中,玉米秸秆中的木质纤维素(纤维素、半纤维素和木质素)成分含量对厌氧发酵性能具有重要影响。针对传统方法测定本质纤维素的耗时、成本高等问题,本研究分析了近红外光谱(NIRS)结合化学计量学进行玉米秸秆中木质纤维素含量快速检测的可行性。为提高NIRS模型的检测精度和效率,将遗传模拟退火算法(GSA)、区间偏最小二乘法(iPLS)和支持向量机(SVM)相结合,构建遗传模拟退火区间支持向量机(GSA-iSVM)进行NIRS特征谱区和SVM参数的同步优化,并与反向区间偏最小二乘法(BiPLS)、遗传模拟退火区间偏最小二乘法(GSA-iPLS)的优选特征谱区的建模性能进行对比,确定基于GSA-iSVM建立的纤维素和木质素校正模型性能最佳,基于GSA-iPLS建立的半纤维素校正模型性能最佳。纤维素、半纤维素和木质素最佳校正模型验证集的预测决定系数(R_p²)分别为0.910、 0.990和0.939,预测均方根误差(RMSEP)分别为0.881%、 0.707%和0.249%,剩余预测偏差(RPD)分别为3.283、 10.235和4.27...     

近红外光谱法测定5-羟基色氨酸的含量

本文利用近红外光谱法建立了5-羟基色氨酸的偏最小二乘(PLS)定量模型。采用相关数法选择波段以及二阶导数、Norris derivative平滑滤波进行数据预处理,所建校正模型的R为0.99907,RMSEC为0.0638,RMSEP为0.0675。经验证模型的预测性能良好,为5-HTP的快速测定提供了一种方法。     

近红外光谱法最小二乘双胞胎支持向量机的应用研究

依据中药大黄的近红外光谱信息,采用最小二乘双胞胎支持向量机( LSTSVM)算法,通过MATLAB软件编程,建立参数可优化识别模型,实现了对中药大黄的真伪鉴别.将实验材料98个大黄样品随机划分为训练集和测试集,对于训练集60个样品采用留1/5法交叉验证优化模型参数,以所选最优化参数结合训练集样品的近红外光谱建立最优识别模型,对测试集的38个样品的真伪迸行识别,识别率可达97.4％.结果表明,LSTSVM算法是一种有效的识别方法,可依据中药大黄的近红外光谱对其真伪进行快速识别.同时,本研究将大黄样品6次随机划分为训练集和测试集,建模预测平均识别率为93.4％,表明采用LSTSVM算法建立识别模型具有较好的稳健性.     

RP-HPLC法测定黑顺片中6种酯型生物碱的含量

建立黑顺片中6种酯型生物碱含量的高效液相测定方法。采用岛津C18色谱柱(250 mm×4.6 mm,5μm),以乙腈–四氢呋喃(体积比为25∶15)为流动相A,以0.1 mol/L乙酸铵溶液(每1 000 m L加冰乙酸0.5 m L)为流动相B梯度洗脱,流量为1.0 ml/min,检测波长为235 nm,柱温为35℃。苯甲酰新乌头原碱、苯甲酰乌头原碱、苯甲酰次乌头原碱、新乌头碱、次乌头碱、乌头碱进样量分别在0.222~4.430,0.060~1.119,0.144~2.878,0.015~0.297,0.025~0.496,0.011~0.229μg范围内与色谱峰面积线性呈良好的线性关系,相关系数r均大于0.999 5,检出限分别为2.10,2.70,2.20,2.60,1.60,3.10 ng,样品在12 h内稳定。苯甲酰新乌头原碱、苯甲酰乌头原碱、苯甲酰次乌头原碱、新乌头碱、次乌头碱、乌头碱的加标回收率分别为98.7%~102.2%,98.6%~102.3%,99.0%~101.9%,102.0%~97.3%,102.1%~98.3%,95.7%~103.5%,测定结果的相对标准偏差分别为2.5%,2.5%,2.2%,2.3%,2.2%,1.7%(n=6)。该方法简便,测定结果准确、可靠,可为黑顺片的质量评价和质量控制提供参考。     

近红外光谱法快速测定柴胡提取过程中的药效成分

利用近红外光谱(NIRS)技术对柴胡提取过程中的药效成分进行快速定量分析。共收集126个柴胡提取液样品,采用紫外-可见分光光度法测定总黄酮和多糖的含量,高效液相色谱法(HPLC)测定柴胡皂苷A及柴胡皂苷D的含量,以透射模式采集提取液的近红外光谱,运用偏最小二乘法(PLS)分别建立了近红外光谱与4种药效指标参考值之间的定量校正模型,并采用不同的预处理方法、光谱波段和主因子数对模型进行优化。结果表明,总黄酮、多糖、柴胡皂苷A和柴胡皂苷D 4种定量模型的近红外预测值与参考值之间的拟合性良好,模型预测精度较高,其中预测集相关系数(R_P)均大于0.9;预测集误差均方根(RMSEP)分别为3.46μg/mL、0.743 mg/mL、1.53μg/mL、0.406μg/mL;预测集相对偏差(RSEP)分别为1.65%、8.28%、5.74%、7.52%。该研究证实了NIRS结合PLS可成功应用于监测柴胡提取液中药效成分的含量变化,且方法具有快速、准确、无损和环保的特点。     

基于灰狼算法的近红外光谱变量选择方法研究

基于群体智能的灰狼优化(GWO)算法具有参数少、结构简单、易于实现的优点,但在光谱领域的应用较少。该研究将GWO算法引入近红外光谱的变量筛选中,以玉米数据为例,考察了GWO算法中狼群性能、迭代次数、狼群数量及运算效率,并建立了偏最小二乘(PLS)模型对玉米样品中蛋白质、脂肪、水分以及淀粉含量的测定。结果显示,GWO算法运算效率很高,经过参数调优后建立PLS模型,其蛋白质、脂肪、水分及淀粉的保留变量数分别为19、19、14、34,预测均方根误差(RMSEP)从全波长PLS建模的0.245 8、0.122 4、0.339 8、1.105 8分别下降到0.147 7、0.080 1、0.176 2、0.739 8,分别下降了40%、35%、48%、33%,相关系数也相应地提高。因此,GWO算法不仅优化速度快,选择变量数少,还可以显著提高PLS模型的预测精度,是一种近红外光谱变量选择的有效方法。     

Detection and Quantification of Alprazolam Added to Long Drinks by Near Infrared Spectroscopy and Chemometrics

In the present work, a fast, relatively cheap, and green analytical strategy to identify and quantify the fraudulent (or voluntary) addition of a drug (alprazolam, the API of Xanax^®) to an alcoholic drink of large consumption, namely gin and tonic, was developed using coupling near-infrared spectroscopy (NIR) and chemometrics. The approach used was both qualitative and quantitative as models were built that would allow for highlighting the presence of alprazolam with high accuracy, and to quantify its concentration with, in many cases, an acceptable error. Classification models built using partial least squares discriminant analysis (PLS-DA) allowed for identifying whether a drink was spiked or not with the drug, with a prediction accuracy in the validation phase often higher than 90%. On the other hand, calibration models established through the use of partial least squares (PLS) regression allowed for quantifying the drug added with errors of the order of 2–5 mg/L.     

近红外光谱快速测定高浓度烟酰胺

利用烟酰胺在乙醇溶液中波段范围为9001-8060cm^-1和7443-7144cm^-1的近红外一阶导数吸收光谱，经过中心化、矢量归一化预处理，应用偏最小二乘法回归来消除溶剂乙醇的近红外吸收干扰，建立了快速高浓度烟酰胺的方法。54个样本作为校正集，PLS最佳回归因子数为4时，决定系数等于0.997；线性范围为0.13-0.70mol/L。本方法应用于9个待测样品，预测相对偏差小于2.9%，结果令人满意，同时还讨论了一些影响回归精度的因素。     

我国油料产品品质的近红外光谱快速检测技术研究进展

近红外光谱技术是一种快速无损检测技术,具有操作简单、检测成本低、无需化学试剂、绿色环保,以及可实现多品质参数同步检测等优点。该文综述了我国油料和食用植物油品质的近红外光谱速测技术研究进展,包括油料含油量、粗蛋白含量、脂肪酸含量等品质指标,食用油的理化指标,以及脂肪酸和食用油的真实性鉴别,并对油料产品品质的近红外光谱速测技术的发展前景进行了展望。     

应用光谱技术无损检测油菜叶片中乙酰乳酸合成酶

应用可见/近红外光谱技术实现了油菜叶片中乙酰乳酸合成酶(ALS)的快速无损检测.对99个油菜样本进行光谱扫描,经过平滑、变量标准化、一阶求导等预处理后,应用偏最小二乘法(PLS)建立了ALS的预测模型.同时提取有效特征变量,作为反向传输人工神经网络(BPNN)和最小二乘-支持向量机(LS-SVM)的输入值,并建立相应的模型.用66个样本建模,33个样本验证.结果表明,LS-SVM模型能够获得最优的预测结果,预测集样本的相关系数(r)、预测标准差(RMSEP)和偏差(Bias)分别为0.998、 0.715和0.079,获得了满意的预测精度.结果表明,应用可见/近红外光谱技术结合LS-SVM检测油菜中乙酰乳酸合成酶是可行的,并能获得满意的预测精度,为进一步应用光谱技术进行油菜生长状况的大田监测奠定了基础.     

Crude Oil Model Emulsion Characterised by means of Near Infrared Spectroscopy and Multivariate Techniques

Water-in-oil emulsions are investigated by means of multivariate analysis of near infrared (NIR) spectroscopic profiles in the range 1100 — 2250 nm. The oil phase is a paraffin-diluted crude oil from the Norwegian Continental Shelf. The influence of water absorption and light scattering of the water droplets are shown to be strong. Despite the strong influence of the water phase, the NIR technique is still capable of predicting the composition of the investigated oil phase.     

烟草近红外光谱分析网络化及其应用进展

该文回顾了近红外光谱(NIRS)分析技术的应用历程以及"近红外光谱分析+互联网"模式在烟草领域中的应用研究与实践,探讨了在近红外光谱分析网络化环境中,近红外光谱仪器设备存在的硬件差异以及常规化学计量学方法(算法)在建模、数据处理存在的不足对近红外光谱的深度应用产生的影响,并提出了近红外光谱分析云计算应用的解决思路。最后,对大数据时代近红外光谱分析网络化模式的应用前景进行了展望。