茜草等对奶牛乳房炎致病菌的抑菌效果观察

提取茜草、紫花地丁、龙胆草、金银花、鱼腥草、黄连、蒲公英、瓜蒌等8味中药的浓缩浸提液,对从奶牛场分离出的奶牛乳房炎的主要致病菌进行培养和稀释,用8味中药的浓缩浸提液对乳房炎的主要致病菌进行抑菌实验。通过抑菌效果分析,筛选出对奶牛乳房炎致病菌敏感的中草药,从而为临床上用中药治疗奶牛乳房炎的组方提供理论依据和科学参考。     

基于近红外光谱分析的高丹草种子发芽率检测研究

高丹草中粗蛋白质以及碳水化合物的含量丰富,适合青贮处理.优质的高丹草种子是发展畜牧业十分重要的前提,发芽率是检验种子质量最常规的指标之一,播前种子发芽率检测与筛选十分必要.现阶段采用发芽试验法进行种子发芽率的检测,周期长、成本高.基于此,提出利用近红外光谱对高丹草种子进行发芽率的快速、无损检测.选择适量的高丹草种子样品...     

LDH参与的机械-光信号转换体系的吸收光谱研究

用紫外-可见分光光度法研究了乳酸脱氢酶(LDH)参与的,以NADH与DPIP.,O₂为主体的机械-光信号振荡转换体系。LDH的酶催化作用使此振荡体系的信号转换效率大大提高,在无乳酸情况下,当DPIP.和NADH的摩尔比为1∶4.5时的平均循环周期由108 min缩短为34 min;在乳酸存在下,此体系的平均循环周期由108 min缩短为29 min。推测LDH的促进作用主要是通过对NADH的活化实现的,其次是通过酶促乳酸脱氢作用补充体系中的NADH获得的。结果说明,酶的催化作用在某些双底物之一存在的反应情况下,也会明显表现出来。     

近红外光谱分析中异常值的判别与定量模型优化

介绍了利用马氏距离、Cook距离、光谱特征异常值、光谱残差比、化学值绝对误差等指标结合数理统计检验来判断光谱和化学值的异常 ,并利用这些方法进行近红外光谱定量分析中模型优化 ,取得了很好的效果     

PLS-BP法近外光谱同时检测饲料组分的研究

建立了用偏最小二乘(partial least squares,PLS)与人工神经网络(artificial neural networks,ANN)联用对饲料样品同时测定水分、灰分、蛋白质、磷含量的预测校正模型.光谱数据用二阶微分及标准归一化处理(SNV),用PLS法将原始数据压缩提取前10个主成分与2个特征峰值作为12个输入向量,采用单隐层的反向传播人工神经网络(Back-Propagation Network,BP),确定中间层的神经元个数为23,初始训练迭代次数为1 000.PLS-BP模型对样品四个组分含量的预测决定系数(r2)分别为:0.995 0,0.998 0,0.999 0和0.967 0;样品平行扫描光谱预测值的标准偏差分别为:0.027 74,0.048 53,0.032 92和0.022 04.     

近红外光谱分析青贮玉米NDF中判别异常光谱的研究

对近红外光谱分析青贮玉米中性洗涤纤维(NDF)中异常光谱的判别进行了研究。该试验通过将马氏距离阈值分别设定为3(固定值)、2倍马氏距离平均值和马氏距离平均值+2倍马氏距离标准差三种不同值,分别判别和剔出建模过程中的异常光谱,比较不同的阈值设定对模型效果的影响。结果表明,当马氏距离阈值设为3(固定值)时,异常光谱剔出不收敛,可靠性不高。当马氏距离阈值设为2倍马氏距离平均值时,剔出后模型的相关系数、标准差、决定系数及综合得分均低于剔出前,可靠性不高。只有当马氏距离阈值设定为马氏距离平均值+2倍马氏距离标准差时,预测模型的最高相关系数ｒ达到0.97,标准差为2.456,模型预测效果最佳。因此,将马氏距离阈值设定为马氏距离平均值+2倍马氏距离标准差对近红外光谱分析青贮玉米NDF中异常光谱判别的可行性较高,在这种情况下剔出异常光谱后模型效果最佳。     

二维相关光谱分析在无创血糖检测特异性研究中的应用

主要利用二维相关光谱分析方法考察了血液中主要成分、测量过程中的系统漂移等因素对近红外光谱中的葡萄糖分子特异性的影响。首先测量了葡萄糖水溶液的近红外透射光谱,以葡萄糖浓度为外扰,计算二维相关同步谱及异步谱,通过对比分析确定了葡萄糖在合频和倍频区域的特征吸收峰位置。当葡萄糖水溶液中加入少量白蛋白后,其二维相关谱中葡萄糖的一级倍频吸收峰(1 590 nm)和二级倍频吸收峰(1 195 nm)出现了不同源的现象,表明白蛋白可能破坏了葡萄糖的特异性;进一步开展了人体口服葡萄糖耐量实验,测量了手掌部位的漫反射光谱,其二维相关谱中葡萄糖的同源性吸收也遭到破坏。另外,由于葡萄糖浓度变化引起的光谱变异信息较小,很容易被系统漂移掩盖,一般需要进行背景修正。在葡萄糖水溶液的透射实验和人体漫反射实验中,分别引入纯水样本和5%标准漫反射板作为参考,以时间为扰动的二维相关光谱分析的结果表明,经过参考样本的背景校正后,系统漂移在二维同步切线谱中引起的谱峰偏移变小,葡萄糖的特征吸收被增强。因此,在近红外光谱无创血糖检测中,应尽量避开与葡萄糖特征吸收不同源的波段,并有必要采取一定的参考测量方法以提高检测的特异性。     

构建整粒油菜籽脂肪酸成分近红外反射光谱分析模型的研究

选用具有多年份、多地点、变异大的497份油菜籽育种材料组成原始样品集,光谱经散射和数学预处理利用改良偏最小二乘法(MPLS)构建各脂肪酸近红外反射光谱(NIRS)校正模型,同时采用三种不同用量的样品杯进行NIRS建模分析。结果表明,以8 g样品校正建模效果最好,六种脂肪酸的校正决定系数为0.74～0.98。同时以3和0.6 g样品分别发展的校正模型效果也较好,两者分析效果相近。各项决定系数(RSQ1,1-VR)高,相应的各项误差(SEC,SECV)较低。该研究以完整油菜籽为样品所建立的脂肪酸NIRS模型,可直接用于育种材料选择、突变体筛选和种质资源的评价等研究。     

毛竹化学成分光谱分析的快速建模方法研究

研究了毛竹综纤维素和木质素含量近红外光谱定量分析方法的建立。选用不同竹龄、纵向和横向部位的54个竹材粉末样品,用湿化学方法测定其综纤维素和木质素含量。在综纤维素和木质素含量的分布范围内,从低值、中间值和高值中挑选11个代表性样品,11个样品按预定比例混合得到21个混合样品,混合样品的综纤维素和木质素含量计算得到,再挑选22个目标成分含量不同的样品组成54个样品的校正集。用偏最小二乘法分别建立样品综纤维素含量、木质素含量和近红外漫发射光谱之间的相关模型。结果表明,综纤维素含量的预测模型的相关系数(R_p)为0.92,标准偏差(SEP)为1.04％;木质素含量的预测模型的R_p为0.93,SEP为0.91％,与常规方法建立的模型预测精度相似。说明利用样品混合的方式可快速增加校正集样品的数量、改善校正集样品的分布状况,继而建立稳定可靠的近红外定量分析模型。     

猪肉pH值的可见近红外光谱在线检测研究

pH值是猪肉关键品质之一,实施在线检测对优化肉品加工工艺、保证产品质量、提高肉及肉制品的经济价值有重要意义。研究应用可见近红外光谱对新鲜猪肉pH值进行在线检测,实验时样品以0.25 m·s-1的速度运动,采集其可见近红外漫反射光谱(350～1 000 nm),进行反射距离校正后应用偏最小二乘回归法建立猪肉pH值在线检测模型。研究通过Kennard-stone算法划分样品校正集与预测集,对比了不同的光谱预处理方法(多元散射校正,微分等)对预测结果的影响,并对建模所用光谱变量进行优化。研究发现经过多元散射校正结合一阶微分预处理的模型效果最好,模型预测相关系数为0.905,预测均方根误差为0.051,经过优化的模型建模所用波长变量数减少一半,模型的预测相关系数提高到0.926,预测均方根误差下降至0.045。结果表明可见近红外光谱可用于新鲜猪肉pH值的在线检测。     

基于近红外光谱技术的秸秆工业分析

工业分析是生物质热化学工程技术中的一项常规应用分析。文章探讨了近红外光谱技术(NIRS)在秸秆工业组成分析上的应用,并利用近红外光谱技术预测了秸秆中挥发分和固定碳含量。利用Foss 6500光栅型近红外光谱仪在1 108～2 492 nm光谱范围内分别对直接切短秸秆样品中水分、灰分、挥发分和固定碳以及干燥粉碎样品中灰分、挥发分和固定碳的近红外光谱建立了预测模型。对于直接切短秸秆样品,水分、灰分、挥发分和固定碳校正模型外部验证的R2_V(SEP)分别为0.92(0.76%),0.94(0.84%),0.88(0.82%)和0.75(0.65%)。干燥粉碎样品中灰分、挥发分和固定碳的近红外光谱模型外部验证的R2_V(SEP)分别为0.98(0.54%),0.95(0.57%)和0.78(0.61%)。实验结果表明,近红外光谱技术能实现秸秆的快速分析和多组分同时测定, 从而可降低秸秆工业分析的成本。     

近红外光谱分析技术

介绍了近红外光谱分析技术的工作原理,阐述了其数学模型的建立及分析过程,总结了现有常用的化学计量学方法及各自的优点,最后简单的概括了近红外光谱分析技术的应用,尤其是在制药方面的应用.     

近红外光谱法预测烟草的PH值

用近红外(NIR)光谱技术直接扫描烟叶粉末,通过一阶导数+附加散射校正和偏最小二乘法(PLS)的处理,建立了预测烟草pH值的数学模型。该模型的内部验证决定系数(r~2)为0.8333,预测标准差(RMSECV)为0.0603;外部验证决定系数(r~2)为0.804,预测标准差(RMSEP)为0.0926;PLS模型的因子数为7。通过配对-t检验,该方法与标准方法测定的结果无显著性差异。该方法精密度高,可用于烟草pH值的快速预测,为烟草行业节省大量资金和显著提高工作效率。     

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。     

基于近红外光谱的玉米籽粒CNCPS组分分析及预测研究

试验旨在研究应用近红外光谱技术快速测定玉米籽粒粉末CNCPS组分的可行性。65个样品来自黑龙江省,选用偏最小二乘法(PLS)为建模方法,采用二阶导数和Norris导数滤波法处理光谱数据后,建立了玉米籽粒粉末中干物质(DM)、粗蛋白质(CP)、粗脂肪(Fat)、粗灰分(Ash)、淀粉(Starch)、中性洗涤纤维(NDF)、酸性洗涤纤维(ADF)、可溶性蛋白(SP)、酸性洗涤不溶蛋白(ADIP)和中性洗涤不溶蛋白(NDIP)等的近红外预测模型。其中DM,CP,Fat,Ash,Starch,NDF和ADF的决定系数分别为0.974 3,0.968 3,0.947 8,0.909 8,0.977 7,0.935 4和0.926 9,标准差(SD)与预测均方根(RMSEP)的比值(SD/RMSEP)值分别为3.96,4.78,3.75,4.25,4.13,3.88和3.12。SP的决定系数为0.857 5,SD/RMSEP值为3.06。ADIP和NDIP的决定系数分别为0.531 9和0.683 3,SD/RMSEP值分别为5.50和2.85。试验结果表明,近红外技术可以用于玉米籽粒粉末CNCPS组分的快速测定,但降低ADIP和NDIP测定误差有待进一步研究。     

化学计量学在近红外光谱定性分析中的应用

近红外光谱的多元特性使得它特别适合于应用化学计量学技术进行物质的分析。本文讨论了判别分析技术在近红外光谱定性分析中的应用,结果表明应用相关的化学计量学方法采用近红外光谱进行物质的定性分析是可行的。     

红外光谱法测定聚(乳酸-苯丙氨酸)共聚物的含量

分别以苯丙氨酸和乳酸为原料合成了3-苯甲基-2,5-吗啉二酮(PMD)与丙交酯(LA),以PMD和LA作为聚合单体经开环聚合分别得到PMD均聚物(PPMD)、丙交酯均聚物(PLA)及聚(乳酸-苯丙氨酸)共聚物。对合成的均聚物进行红外分析,确定1 671.53和870.82 cm-1处的吸收峰分别为PPMD和PLA的特征峰。根据以上两种特征吸收峰并以朗伯-比耳定律为理论依据,建立了利用红外光谱法测定聚(乳酸-苯丙氨酸)共聚物含量的方法。实验测定的标准工作曲线为y=0.055 67x+0.1091,r=0.999 3。利用该标准工作曲线定量测定了共聚物组分含量,其结果与1H NMR测定值一致,相对误差在2％以内,证明红外光谱法可方便、快捷地测定聚(乳酸-苯丙氨酸)共聚物组分含量,且适用于其他聚(乳酸-氨基酸)共聚物的含量测定,具有一定的实用性及推广性。     

近红外光谱用于盐酸左氧氟沙星针剂的定量分析

目前常用的盐酸左氧氟沙星注射液含量的测定方法是高效液相色谱法,但此法不能应用于在线分析。文章利用近红外光谱分析技术分别与偏最小二乘(PLS)以及人工神经网络(ANN)的方法相结合,对同一厂家的35个不同批号的针剂样品分别建立了定量校正模型,并对随机抽取的12个样品进行了预测。首先,利用PLS的方法建立模型,得出模型的决定系数 (R2)和预测集样本的标准偏差(RMSEP)分别为0.964和0.242 8,同时利用小波变换技术对光谱变量进行了高效的压缩,并利用了前馈神经网络建立了盐酸左氧氟沙星针剂的定量分析模型, 利用该模型所得的R2和RMSEP分别为0.944和0.572 2。文章详细比较了两种方法的建模过程,相关参数选取的优化方法,实验结果令人满意,从比较结果来看,PLS方法略优于ANN方法,可以快速准确的给出该针剂的含量,具有无损,简单,快捷的特点,为近红外光谱技术应用于针剂的定量检测提供了一个新的有效方法。     

紫苏种子品质的近红外光谱分析

为加快紫苏优质育种进程,采用近红外光谱(NIRS)技术,结合线性偏最小二乘法(PLS),以250份全国范围内收集的紫苏资源为研究材料,分别较好的建立其种子中含油量,棕榈酸(C16∶0),硬脂酸(C18∶0),油酸(C18∶1),亚油酸(C18∶2),a-亚麻酸(C18∶3)含量的六个近红外光谱校正模型。结果显示,六个模型的校正决定系数(RSQ1)分别为：0.98,0.91,0.92,0.92,0.85,0.93;交叉验证决定系数(1-VR)分别为：0.97,0.89,0.89,0.91,0.85和0.91;外部验证相关系数(RSQ)分别为：0.98,0.91,0.89,0.90,0.80和0.89,且定标标准误差(SEC)分别为0.99,0.21,0.1,0.94,0.81,0.92;交叉验证标准误差(SECV)分别为1.16,0.23,0.11,1.05,0.92,1.02和预测标准误差(SEP)分别为0.97,0.21,0.11,1.12,0.99,1.14。结果表明,此六个校正模型质量均较高。这些首次建立的快速无损的近红外分析模型,可为紫苏资源开发提供指导,对紫苏油分品质育种具有重要意义。     

茶叶定性和定量近红外光谱分析方法研究

分别采集了茉莉花茶、苦丁茶、龙井和铁观音4个种类茶叶共120个样本,利用NIRSystems6500型近红外光谱分析仪对样本进行光谱测量,应用近红外光谱分析技术对茶叶进行定性和定量分析。采用主成分分析法,结合聚类分析法,对4种类别的茶叶进行定性鉴别,通过对不同光谱数据预处理方式和不确定因子系数进行比较,确立了最优定性判别定标模型。同时,采用修正的偏最小二乘法,比较不同光谱预处理方法对定标模型的影响,建立了茶叶中水分、茶多酚和咖啡碱含量的定量分析模型,并对未知样本进行预测。定性分析模型的种类识别准确率达到100％,定量分析模型的决定系数均大于0.91,相对分析误差RPD均大于3。结果表明,利用NIRS分析技术可以快速定性和定量分析鉴别茶叶的类别和成分含量。