燕麦干草品质的近红外光谱定量分析

应用近红外漫反射光谱（NIRS）分析技术,采用偏最小二乘回归法(PLS),建立了适合不同品种类型和不同生长发育时期的NIRS测定燕麦全株干草的粗蛋白（Crude Protein,CP）、秸秆中性洗涤纤维(Neutral Detergent Fiber,NDF)和酸性洗涤纤维(Acid Detergent Fiber,ADF)含量的稳定校正模型。结果表明,采用二阶导数（2st Deriv）+平滑处理（Norris）、多元散射校正（MSC）+二阶导数（2st Deriv）+平滑处理（Norris）、多元散射校正（MSC）,分析谱区为9 668～4 518,9 550～5 543,8 943～4 042 cm-1建立粗蛋白、中性洗涤纤维和酸性洗涤纤维的校正模型,其校正和预测效果最佳。其中CP与NDF的建标决定系数（r2_cal）和交叉检验的决定系数（R2_cv）均在0.95以上,各项误差均小于3%,RPD值均大于3,逼近了化学分析的精确度,具有较好的预测效果。ADF的建模效果较CP与NDF差,其建标决定系数和交叉检验决定系数分别为0.912 0,0.855 3,建标误差（RMSEC）和检验误差（RMSECV）分别为2.33%,2.62%,接近了化学分析的精确度,且RPD值大于2.5,说明所建的ADF模型也可用于近红外预测。     

基于NIRS快速测定苜蓿青干草品质成分

品质性状的化学测定操作繁琐且存在破坏性和耗时较长等不足的问题,光谱测定具有高效、快速、成本低等优点,但测定准确度受到不同仪器以及不同机型的影响。为了建立和优化快速测定苜蓿样品的粗蛋白(CP)、粗脂肪(EE)、酸性洗涤纤维(ADF)和中性洗涤纤维(NDF)近红外漫反射光谱的模型,更好的测定苜蓿品质性状。选取了25份苜蓿材料147份试验样品,采用傅里叶变换近红外光谱技术(NIRS)扫描,获得扫描光谱范围4 000～10 000cm^-1的光谱值,软件TQ Analyst v9选用偏最小二乘法(PLS)和OPUS7.0选用定量2方法建立定量模型并优化,并进一步交叉验证和外部检验评估模型效果。结果表明利用2种软件建立的模型都能很好的预测CP的含量,建模决定系数(R²_cal)分别达到0.999 9和0.984 8,交叉验证的均方根误差(RMSECV)分别为2.121和0.471,外部验证决定系数(R²)都大于0.97,残留预测偏差(RPD)值大于6.0。EE应用TQ Analyst v9所建立的模型效果更好,R...     

近红外光谱法快速测定原油密度的应用研究

建立近红外光谱法快速测定原油20℃密度的方法,在市售原油光谱数据库的基础上,添加广西石化常炼原油品种,采用拓扑法建立分析模型。用该方法和标准方法对炼厂原油密度进行了三个月的对比测试,115个实际样品的预测标准偏差为0.0024g/cm3。近红外光谱法测定原油密度具有分析速度快,测定方法简便,重复性好等特点,能够满足炼厂对原油密度快速测定的要求。     

近红外光谱法快速测定啤酒的主要品质参数

文章分别在空气背景和蒸馏水背景下使用不同光程样品池(1,5 mm),选择不同光谱分辨率(8,16,32 cm-1)采集了83个不除气啤酒样品的近红外光谱,并应用偏最小二乘法(PLS)和逐步多元线性回归(SMLR)方法,对啤酒的真实浓度、原麦汁浓度以及酒精度三种主要成分进行了回归分析,并建立了相应的定标与预测模型。结果发现：不同背景、不同分辨率、不同光程条件下的定标预测结果相近,逐步多元线性回归方法定标预测结果好于偏最小二乘法。在实验室实现了应用近红外光谱对不除气的少量啤酒样品(约2 mL)同时快速无损检测啤酒的三个重要指标。文章的结果为应用和进一步开发啤酒成分近红外在线分析仪奠定了基础。     

FT-NIR光谱法测定紫花苜蓿青干草的6项品质指标

紫花苜蓿青干草营养价值非常高,能够为家畜提供大量优质的蛋白质饲料,也是目前我国最主要的草产品类型之一。文章应用傅里叶变换近红外(FT-NIR)光谱技术,使用偏最小二乘法首次建立了国内紫花苜蓿青干草粗蛋白、粗灰分、中性洗涤纤维、酸性洗涤纤维和酸性洗涤木质素以及体外干物质消化率等6项品质指标的预测模型,并对模型进行了交互验证和外部验证。结果表明： 该试验所建立的紫花苜蓿青干草6项主要品质指标的近红外模型具有良好的准确性和预测能力,交互验证相关系数r_val为0.953 88～0.990 19,交互验证均方根RMSECV分别为0.345％～1.980％,外部验证的相关系数为0.963～0.990。该方法快速、准确,无需化学试剂,对我国紫花苜蓿草产品的质量检测,以及科研中紫花苜蓿草产品品质分析、种质资源评价、育种世代的鉴定和筛选都有非常重要的意义。     

近红外光谱法快速评定牛肉品质

应用近红外反射光谱技术(NIRS),采用偏最小二乘法(PLS),建立了牛肉理化特性的近红外预测模型。从屠宰加工厂选取经48 h排酸后的里脊、眼肉、腿肉、臀肉、外脊等部位的牛肉样品114份,采用多元散射校正(MSC)、一阶导数、标准正态变量(SNV)预处理方法,谱区为950～1 650 nm,建立牛肉水分、脂肪、蛋白质3个化学参数以及pH、肉色(CEI L*,a*, b*)和剪切力(WBSF)3个物理参数的校正模型。其校正相关系数(R2)分别为0.947 2(水分),0.924 5(脂肪),0.934 6(蛋白质),0.620 2(pH),0.820 3(L*),0.864 6(a*),0.753 0(b*),0.475 9(WBSF)。校正标准差(RMSEC)分别为0.313 3(水分), 0.221 0(脂肪), 1.243 2(蛋白), 0.744 6(pH),1.778 3(L*),1.394 2(a*),1.763 9(b*),1.074 3(WBSF)。应用所建立的模型对30个实际牛肉样品的理化参数进行预测,并对预测值与实测值进行t检验,检验结果显示预测值与实测值差异不显著,说明模型适合于快速评价牛肉的品质。从预测的准确度看,化学指标预测的精确度明显高于物理指标。     

近红外反射光谱法测定苜蓿干草主要纤维成分的研究

采集不同生育期、不同品种和不同干燥方式（烘干、阴干、晒干）的苜蓿干草样品60份,研究了利用近红外反射光谱法分析苜蓿干草中纤维素、半纤维素和木质素含量的可行性。实验结果显示,纤维素的交互验证相关系数（R_CV）、外部验证决定系数（r2）以及验证集样品标准差（SD）与预测残差均方根（RMSEP）的比值（RPD）分别为0.97,0.97,4.44,木质素为0.94,0.94,4.08,表明利用NIRS技术可以准确分析苜蓿干草中纤维素和木质素的含量。半纤维素的R_CV,r2,RPD分别为0.29,0.12,1.09,说明该模型不能进行半纤维素的实际预测。利用近红外反射光谱法准确测定纤维素和木质素含量的结果,对苜蓿生产加工中的质量评价,以及苜蓿育种等研究中纤维品质的快速分析都具有重要意义。     

近红外光谱法田间快速估测新鲜紫花苜蓿品质

田间快速估测苜蓿品质对于适时刈割具有重要意义。试验共采集来自不同地域、不同品种、不同生育期和不同茬次的新鲜紫花苜蓿样170份,经便携式近红外光谱仪(1 100～1 800 nm)扫描得到近红外光谱,利用偏最小二乘法(PLS)在国内首次建立基于紫花苜蓿新鲜样品的干物质(DM)、粗蛋白(CP)、中性洗涤纤维(NDF)、酸性洗涤纤维(ADF)化学分析值的近红外校正模型,探讨利用近红外漫反射光谱技术(NIRS)在田间快速估测紫花苜蓿品质的可行性,摸索设备选择和制样方法。四项指标所建模型的交互验证决定系数(R2CV)分别为0.831 4,0.597 9,0.803 6和0.786 1;交互验证均方根误差(RMSECV)为1.241 1,0.261 4,0.990 3和0.830 6;外部验证决定系数(R2_V)为0.815 0,0.401 1,0.784 9和0.752 1,外部预测均方根误差(RMSEP)分别为1.06, 0.31, 0.95和0.80。对于苜蓿鲜样来说,DM,NDF和ADF的近红外模型可以进行粗略的定量分析,CP的建模效果较差,但因苜蓿中的粗蛋白含量一般都能满足家畜需求,DM,NDF和ADF是在适时刈割中最关键的估测指标,DM,NDF和ADF模型可以满足田间快速估测苜蓿品质的要求。     

近红外光谱法快速测定植物油中脂肪酸含量

应用近红外光谱技术建立了快速测定植物油中4种脂肪酸含量的方法。应用气相色谱法测定52个植物油样品中棕榈酸(C16：0)、硬脂酸(C18：0)、油酸(C18：1)和亚油酸(C18：2)的含量作为其化学值(真值)。建模集样品数为41,检验集样品数为11,通过对模型的优化,结果表明建模样品集脂肪酸的化学值(真值)与近红外预测值的相关系数r分别为：r(C16：0)=0.891,r(C18：0)=0.837,r(C18：1)=0.982,r(C18：2)=0.971。检验样品集脂肪酸的化学值与近红外预测值的相关系数分别为0.921,0.891,0.946和0.949。实验结果表明气相色谱法测得的植物油中四种脂肪酸含量与近红外预测值之间存在较好的线性关系。应用近红外光谱法测定植物油中主要脂肪酸的含量是可行的。该方法既快速、方便,又可进行同一样品的多组分分析,有很好的应用前景。     

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。     

应用近红外漫反射光谱对猪肉肉糜进行定性定量检测研究

利用傅里叶变换近红外漫反射光谱结合不同数学建模算法对不同部位取样的猪肉肉糜进行定性判别建模,并建立猪肉肉糜品质指标脂肪、蛋白质和水分含量的定量检测模型。结果表明:不同部位取样猪肉肉糜判别分析PLSDA模型性能良好,最优模型校正集判别正确率为100%,预测集判别正确率为96%;比较两种方法结合,不同光谱预处理建立各品质指标的定量模型,LS-SVM模型性能优于PLSR模型,脂肪和水分含量最佳预测模型校正及预测相关系数r均高于0.9,蛋白质含量最优模型校正及预测相关系数r,RMSEC,RMSEP和RMSECV分别为0.722,0.593,1.595,1.550和1.888,模型精度需进一步提高。研究表明利用傅里叶变换近红外漫反射光谱快速判别不同部位猪肉肉糜的方法是可行的,脂肪和水分含量定量分析模型从预测精度、稳定性及适应性考虑均具一定的通用性,具有良好的市场应用前景。     

近红外光谱法测定PDA中残留丙烯酰胺含量

选取38份实验室自制二甲基二烯丙基氯化铵与丙烯酰胺的共聚物(PDA)为样品,用紫外光谱法对PDA中残留丙烯酰胺(AM)含量进行测定,并进行近红外光谱扫描,在图谱中选取七个波段,将每个波段的特征峰作为自变量,吸收峰作为因变量,采用偏最小二乘法(PLS)的数学转换方法建立近红外反射光谱(NIRS)定标模型,采用小波分析对光谱进行降噪处理,建立PDA中残留AM含量的近红外预测模型,并将预测值与紫外光谱法测定值进行比较,其外部验证决定系数达到0.99,预测分布趋势良好,对预测值与实测值进行t检验,结果显示预测值与实测值差异不显著。试验结果表明,采用近红外光谱数据建立的定标模型预测PDA中残留AM单体含量具有较高可行性。     

近红外反射光谱法测定PDA阳离子度的研究

以37份实验室自制二甲基二烯丙基氯化铵与丙烯酰胺的共聚物(PDA)为样品,用沉淀滴定法对PDA阳离子度进行测定,并进行近红外光谱扫描,分别采用特征峰和全波谱段作为输入层神经元,采用RBF神经网络的数学转换方法建立近红外反射光谱(NIRS)定标模型,采用小波分析对光谱进行降噪预处理,建立PDA阳离子度的近红外预测模型,并将预测值与沉淀滴定法测定值进行比较,其外部验证决定系数大于0.90,预测分布趋势良好,对预测值与实测值进行t检验,结果显示预测值与实测值差异不显著。结果表明,采用近红外光谱数据建立的定标模型预测PDA阳离子度具有较高可行性。     

牛肉化学成分的近红外光谱检测方法的研究

通过对整块牛肉和肉馅样品进行扫谱,测定其脂肪、蛋白和水分含量,采用国产 SupNIR-1000 近红外光谱仪,运用人工神经网络(ANN)分别建立肉馅和整块牛肉的脂肪、蛋白和水分的模型.肉馅样品的脂肪模型校正相关系数为0.971、预测相关系数为0.972;蛋白的校正相关系数为0.952、预测相关系数为0.949;水分的校...     

棉籽17种氨基酸含量的NIRS定标模型构建与测定方法研究

选用氨基酸含量差异较大的多年份、多品种、多地点种植的445份棉花种子为材料,分别对其进行近红外光谱扫描。用一阶导数的数学处理(1,4,4,1)、标准正态变换和去趋势(SNV+D)最佳组合的预处理方法,结合改良的偏最小二乘法(MPLS)构建棉籽17种氨基酸成分的近红外定标模型。定标结果表明,天冬氨酸、苏氨酸、谷氨酸、甘氨酸、丙氨酸、缬氨酸、异亮氨酸、亮氨酸、苯丙氨酸、赖氨酸、组氨酸和精氨酸等12种氨基酸含量的定标模型较好,其RPDc为3.735~7.132,外部检验r2为0.910~0.979,近红外光谱分析完全可以替代化学测定;而丝氨酸、蛋氨酸、酪氨酸和脯氨酸等四种氨基酸的定标模型次之,其RP-Dc为2.205~2.814,外部检验r2为0.800~0.830,近红外分析技术虽不能完全替代化学测定的结果,但仍可用于大量样品的筛选。半胱氨酸定标方程的RPDc较小(RPDc=1.358),因此,棉籽中半胱氨酸含量不能用近红外分析方法进行检测。     

氯化钠近红外光谱检测技术研究

氯化钠(NaCl)近红外光谱分析在生物医学上有着重要的意义。钠离子(Na+)是人体血液中电解质的主要成分,而电解质有助于维持身体的酸碱平衡。采用近红外光谱技术测量氯化钠浓度,在分析钠离子近红外光谱检测机理的基础上,选定波长建立了NaCl浓度线性回归预测模型,同时为了减小温度对水吸收的扰动,使用选定光谱区建立偏最小二乘(PLS)非线性回归模型。结果表明所建立的非线性校正模型决定系数(R2)=99.82%,交叉验证均方误差(RMSECV)=14.5,剩余预测偏差(RPD)=23.7。完全满足日常生化检测精度要求,该技术可以应用于医院实验室钠离子浓度定量分析。     

稻米色氨酸含量近红外反射光谱全局和局部飞速定标技术研究

色氨酸是人类一种必需氨基酸,也是稻米中一种重要的限制性氨基酸。从4年份1256份材料中选择出272份有代表性的样品,采用碱水解-分光光度法测定了其色氨酸含量。比较不同定标方法的预测结果发现,运用改良的偏最小二乘法(modified partial least square,MPLS)的全局(Global)定标方法和局部(Lo-cal)飞速定标方法的预测效果较佳,基于精米粉光谱建立的方程的预测标准误差均为0.007%,外部验证决定系数分别为87.1%和87.4%,可用于定量分析;而基于糙米光谱建立的定标方程的预测效果略差,但仍具有良好的预测能力。研究结果表明,近红外光谱技术可作为水稻育种中间材料的快速筛选和食品工业中稻米原料的品质监控手段。     

近红外漫反射光谱技术快速预测蒸汽压片玉米常规成分含量的研究

应用近红外漫反射光谱分析技术(NIDRS),采用偏最小二乘法,建立了蒸汽压片玉米4个常规成分的近红外定量预测校正模型。研究中选用62个品种玉米的蒸汽压片为样本,光谱扫描范围为950～1650nm,采用中心化+导数+多元散射校正的预处理方法。研究得出粗蛋白(CP)、中性洗涤纤维(NDF)、酸性洗涤纤维(ADF)和粗脂肪(EE)的校正模型交叉验证决定系数(R2VAL)分别为0.9511,0.9032,0.7143,0.9082,交叉验证误差(SECV)分别为1.53,1.89,2.45,0.50。本研究建立的模型可以用来准确、快速地预测蒸汽压片玉米的CP,NDF和EE的含量,为蒸汽压片饲料工业提供了一种快速、经济和绿色的质量检测技术。     

基于近红外光谱的孵前种蛋检测

利用近红外漫反射光谱分析技术对种蛋中的无精蛋和受精蛋进行检测。通过不同波段范围、不同主成分因子数和不同光谱预处理方法对种蛋类型检测结果的比较分析,建立了种蛋的定性检测模型。结果表明:选取光谱范围为4 119.20～9 881.46cm-1,19个主成分因子数,原始光谱经过SNV+一阶导数+Norris微分过滤的预处理方法,利用马氏距离建立种蛋定性检测模型,校正集正确率达到92.50%,验证集正确率达到91.67%。该研究为上孵前无精蛋和受精蛋的无损检测提供了新的途径。