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。     

A Review of Online Real-Time Process Analyses of Melt-State Polymer Using the Near-Infrared Spectroscopy and Chemometrics

Abstract

This review describes the online process monitoring of the melt-state polymer by near-infrared (NIR) spectroscopy and chemometrics. The spectra of linear low-density polyethylene (LLDPE), random polypropylene (RPP), block polypropylene (BPP), and ethylene-vinylacetate (EVA) copolymer in melt states measured by an online monitoring system with a Fourier transform near-infrared spectrometer are discussed. The calibration models for the density of LLDPE, the content of ethylene copolymers in RPP and BPP, and vinylacetate concentration (VA) in EVA copolymers using partial least squares regression are reported. The continuous monitoring of the LLDPE density at the real plant is described as an example of online monitoring using NIR spectroscopy and chemometrics. For the precise prediction of VA in EVA, a combination method using regression and discrimination was inducted. Three compensation methods for the effect of the temperature change in the RPP and BPP samples are shown. Conventional calibration transfer methods are introduced, and a practical calibration transfer method using two samples and its performance are reported using BPP and RPP spectra. Moreover, the possibility of a calibration correction method using one sample for the realization of long-term traceability is indicated by the example of the relocation.     

光程对黄酒金属元素近红外透射光谱分析精度的影响

应用近红外透射光谱分析技术开展了不同光程对黄酒中金属元素(钾、钙、镁、锌和铁)分析结果影响的研究。实验采用傅里叶变换近红外光谱仪(800～2 500 nm)及不同光程(1,2,5,10 mm),石英比色皿以空气为参比进行了光谱采集,并采用偏最小二乘法进行了数据分析。金属含量采用原子吸收光谱分析法测定。分析结果表明, 5 mm光程的分析结果最优,对于钾、钙、镁、锌和铁的相关系数(r2)分别为0.93,0.85,0.93,0.72,0.66,交互验证误差(RMSECV)分别为26.5,35.6,4.63,0.26,0.64 mg·L-1;而10 mm光程的光谱分析结果最差,其r2分别为0.61,0.65,0.63,0.09,0.25。通过实验说明, 光程对近红外透射光谱分析的影响,不是光程越长或越短越好,需要通过测试及对比分析确定。     

Uses of Near-Infrared Spectroscopy in Pharmaceutical Analysis

Abstract

Near-infrared (near-IR, NIR) spectroscopy has been a regularly used technique in agriculture and textile manufacturing for some years [1–61. However, the pharmaceutical industry has been slow to accept near-JR as an everyday analytical process. One reason may be its lack of primary absorption bands. All NIR absorbances are overtones of bands originating in the midrange infrared spectrum (4000–17000 nm). In addition, most of the near-JR spectrum of organic compounds (800–3500 nm) is attributable to combinations of the aforementioned over-tones. These “shortcomings” are more than compensated for by the attributes of near-IR instrumentation. Several excellent reviews have recently been published on the theory and instrumentation involved in near-IR reflectance analysis (NIRA) [7–10].     

FT-NIR光谱法测定烟草中绿原酸、芸香苷、莨菪亭及总多酚含量

研究应用傅里叶变换近红外光谱法快速测定烟草中绿原酸、芸香苷、莨菪亭及总多酚含量的可行性。使用偏最小二乘法(PLS)为建模方法, 选择7 500～4 000 cm-1谱段,采用二阶导数和Norris滤波法进行光谱预处理,建立了烟草中绿原酸、芸香苷、莨菪亭及总多酚的近红外预测模型。组分最佳PLS预测模型的相关系数r分别为0.976 6,0.941 9,0.957 1和0.966 6,SEP均小于1.2倍的SEC,验证集样本的标准偏差(SD)/SEP均大于2。交叉检验的均方差(RMSECV)分别为1.938 9,1.046 2,0.047 9和2.745 2。实验验证了模型偏差的显著性,将近红外光谱技术与常规标准检测方法相比较。结果表明:两种方法测得值在显著水平0.05时,不存在显著性差异,近红外光谱技术可以准确地定量分析烟草中绿原酸、芸香苷、莨菪亭及总多酚。     

Broadband laser enhanced dual-beam interferometry

We demonstrate a dual-beam, balanced detector approach, compatible with commercial Fourier transform infrared spectrometers that provide a single modulated output. Implemented with a near-IR mode-locked fiber laser source and an external broadband polarizing beamsplitter, the dual-beam method provides relative intensity noise reduction and real-time baseline drift cancellation. Noise levels within a factor of three above the shot noise limit (using 0.6 mW of optical power) are demonstrated for the weak second overtone of CO. The method should be particularly well suited for applications like broadband spectroscopy using a large fraction of the supercontinuum generated in a highly nonlinear fiber, and attenuated reflection spectroscopy, for which extreme pathlength enhancement is challenging.     

近红外光谱波段优化选择在驴奶成分分析中的应用

近年来,驴奶引起了越来越多研究者的注意.与牛奶相比,驴奶的营养成分更接近母乳,且有着许多独特的优势.由于驴奶与牛奶成分差别较大,适用于牛奶的模型无法直接应用于驴奶的成分分析中.但目前还未见将近红外光谱分析技术应用到驴奶成分分析中的研究报道.文章采用傅里叶变换近红外光谱法,快速测定了新疆疆岳驴奶中脂肪、蛋白质、能量和灰分的含量.其含量分布范围分别为:1.15%～2.54%,0.34%～2.67%,355.87～565.17 cal·kg-1,0.28%～0.57%.光谱扫描区为3 899.6～12 493.4 cm-1,扫描间隔1 cm-1.采用PLS回归算法对光谱信息阵X提取主成分时附加约束,使X的主成分与待分析组分Y相关.并利用优化波段和不同预处理方法优化组合,建立了PLS回归预测模型,并与PLS全谱区建模预测进行了比较.结果表明波段优化组合建模分析效果整体优于全谱区建模结果,驴奶样品中脂肪、蛋白质、能量和灰分的近红外光谱定量分析模型预测值与化学分析实测值在水平α=0.05下显著相关,其含量分析模型的校验集(RMSEP)值分别为0.18,0.117,23.5,0.040 6,表明预测值有较好的精度.结果表明建立近红外光谱定量分析模型用于驴奶样品成分分析是可行的,波段优化选择与全谱建模分析效果比较表明,建立定量分析模型对波段优化组合选择是必要的,当模型中包含了与组分无关的信息时,对模型定量分析将起干扰的作用,会影响模型的分析效果.因此进行谱段信息选择建立相应组分分析模型是数据预处理的有效环节.样品各组分标准值的测定结果的准确度和精确度都影响近红外定量分析的准确度.以近红外光谱法进行定量建模分析时,扩大组分含量的分布范围,提高标准数据的分析精度和准确度都是很必要的.     

Application of Fourier Transform Infrared Spectrophotometry in Pharmaceutical Drugs Analysis

This review provides some background to infrared spectroscopy including Fourier transform infrared spectroscopy. It is not meant to be complete or exhaustive but to provide the reader with sufficient background for selected applications in pharmaceutical analysis. Fourier transform infrared spectroscopy (FTIR) is a fast and nondestructive analytical method. Associated with chemometrics, it can become a powerful tool for the pharmaceutical industry. Indeed, it is suitable for analysis of solid, liquid, and biotechnological pharmaceutical forms. This review focuses on pharmaceutical FTIR applications used for qualitative and quantitative analysis. Moreover, it can be implemented during pharmaceutical development, in production for process monitoring, and in quality control laboratories.     

Near-Infrared Spectroscopy: Applications in the Analysis of Tablets and Solid Pharmaceutical Dosage Forms

Introduction

The popularity of near-infrared (near-IR) spectroscopy is rapidly increasing for many reasons. Availability of inexpensive yet powerful computers and chemometric software for spectral data analysis is fostering the growth of new applications of the technique. The development of rapid-scanning spectrometers offering very high signal-to-noise ratios, an increased understanding and acceptance of the method in a variety of industries, and the need to maintain real-time process control in an era of total quality management are other reasons this method has begun to receive such attention. Near-IR spectroscopy has been used for a wide range of analyses in industries as diverse as biomedicine and petrochemicals. Although the pharmaceutical industry has been relatively slow to embrace this technique, a variety of pharmaceutical applications of near-IR have been identified and investigated. This review will discuss the development of near-IR spectroscopy for the analysis of pharmaceutical dosage forms, specifically solid dosage from matrices, capsules, and tablets. The chemometric techniques used extensively in these analyses will also be discussed briefly.     

利用近红外光谱技术预测粗皮桉木材弹性模量

采用近红外光谱分析技术,对粗皮桉木材弹性模量进行了快速预测研究.使用快速傅里叶变换(FFT)分析法和常规力学测试方法测定了粗皮桉木材无疵小试样的弹性模量,并用近红外光谱仪采集试样径切面和弦切面的近红外漫反射光谱,对原始光谱进行二阶导数预处理,并选择410～2 480 nm光谱段建立回归模型.以2/3的试样作为校正集建立弹性模量的偏最小二乘法校正模型,以1/3/的试样作为预测集对模型进行验证.结果表明,粗皮桉木材的弹性模量与近红外光谱之间有较好的相关性,纵向弹性模量和抗弯弹性模量的预测模型的相关系数分别为0.93和0.81,相对分析误差分别为2.70和1.71.利用近红外光谱分析方法可以实现对粗皮桉木材无疵小试样弹性模量的快速预测.     

含反式脂肪酸食品近红外光谱快速无损识别方法研究

为满足食品中反式脂肪酸(TFA)的快检需求,提出了一种采用近红外漫反射光谱识别含TFA食品的快速无损方法。采用光纤探头采集完整样品的傅里叶变换近红外漫反射光谱,应用毛细管气相色谱(GC)法测定食品中TFA的含量作为建模参考数据。根据食品中TFA含量将食品分为含TFA食品和无TFA食品。采用偏最小二乘判别(PLSDA)、支持向量机(SVM)、簇类独立软模式(SIMCA)和K-最邻近法(KNN)等有监督模式识别方法建立了含TFA食品的识别模型,并研究了不同光谱预处理方法和建模波段对模型性能的影响。研究结果表明,PLSDA和SVM两种方法可对含TFA食品进行识别 ,但PLSDA方法识别效果明显优于SVM方法。其中,使用与TFA相关波段,结合标准化和二阶导数预处理所建立的PLSDA识别模型效果最佳,校正集和验证集识别准确率分别可达96.4%和88%,具有快速无损识别含TFA食品的可行性。这种方法不需脂肪提取和研磨等样品预处理,具有简单、快速、无需破坏样品等优点,非常适合现场或在线快速检测。     

基于FT-NIR的微生物快速鉴定方法研究

微生物细胞的傅里叶变换近红外光谱(Fourier transform near infrared spectroscopy,FT-NIR)反映了细胞成分的分子振动信息,具有的高度特异性,为寻求一种基于FT-NIR的微生物快速鉴定方法提供了可能。文章通过采集1株酵母和5株细菌标准菌株的近红外漫反射光谱,采用主成分分析法对光谱数据进行了分析,构建了基于FT-NIR的微生物快速鉴定模型。分析结果表明:①光谱鉴别指数Dy1y2值范围为1.61±1.05～10.97±6.65,重现性良好;②建立的基于线性判别分析模型的鉴定准确率为100%,基于人工神经网络模型的预测结果平均相对误差为5.75%,预测准确率高。研究结果证实该方法可以实现基于FT-NIR结合多元数学统计方法的微生物快速鉴定,并具有广阔的产业应用前景。     

傅里叶变换红外光谱分析技术在预防医学领域的应用

本文从环境污染、生命科学、应用开发及最新红外分析方法四方面阐述了傅里叶变换红外光谱分析技术在预防医学领域的具体应用：在环境污染领域主要叙述了气红联用（GC/FTIR）技术在环境复杂有机污染体系分析中的优势、局限性及解决途径；在生命科学领域主要叙述了红外光谱分析技术在蛋白质二级结构、膜蛋白、脂、核酸及细胞、组织等复杂体系研究中的具体应用；另外，还介绍了的红外光谱分析技术在食品、化妆品及保健药品等领域的具体应用及几种最新红外分析方法。     

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。     

近红外傅里叶变换拉曼光谱和基于拉曼的诊断系统在医学临床上的应用

本文讨论了近红外傅里叶变换拉曼光谱术在生物医学诊断上的应用,并介绍了一种适用于临床的基于拉曼的诊断系统。     

近红外光谱在发射药成分检测中的应用

采用傅里叶变换近红外光谱法测定发射药中外挥发分和内挥发分的含量.本文提出了一种混合算法,该算法将偏最小二乘法(PLS)和人工神经网络(ANN)结合起来,同时利用马氏距离(Mahalanobis)法对异常样品进行剔除.与传统的多元校正算法PLS和主成分回归(PCR)相比,该算法所建模型的预测精度有明显的提高.结果表明,该算法可以满足发射药成分含量的快速分析的需要.     

高分辨率傅里叶变换光谱技术在短波段光学中的应用及进展

讨论了傅里叶变换光谱技术向短波段光学扩展的必要性和主要技术难点,分别介绍了几种应用于紫外、真空紫外及软Ｘ射线波段的傅里叶变换光谱仪结构性能与原理,并进一步阐述了高分辨率傅里叶变换光谱仪在短波段光学中的应用     

近红外光谱结合ELM快速检测固态发酵过程参数pH值

pH值是固态发酵过程关键参数之一,为此提出基于近红外光谱技术的秸秆蛋白饲料固态发酵过程参数pH值检测方法。利用近红外光谱系统获取140个固态发酵过程产物样本在10 000～4 000cm-1范围内的近红外光谱数据,通过酸度计测得近红外光谱预测模型的参考测量值;运用ELM算法建立pH值的预测模型,在模型建立过程中由交互验证法确定最佳主成分因子数和ELM网络隐含层节点数。试验结果显示:最佳ELM网络模型的拓扑结构为10-40-1,模型预测集相关系数(Rp)和预测均方根误差(RMSEP)分别为0.961 8和0.104 4。研究结果可为固态发酵过程参数的在线检测提供技术基础。     

基于Adaboost及谱回归判别分析的近红外光谱固态发酵过程状态识别

为了实现固态发酵过程状态的快速监测,以饲料蛋白固态发酵为实验对象,开展了基于近红外光谱分析技术的饲料蛋白固态发酵过程状态定性识别研究。首先利用Antaris Ⅱ型傅里叶变换近红外光谱仪采集140个固态发酵物样本的近红外光谱,并采用标准正态变换(SNV)光谱预处理方法对获得的原始光谱进行预处理;其次,采用谱回归判别分析(SRDA)法对预处理后的近红外光谱进行特征提取;最后,采用最近邻(NN)分类算法作为弱分类器建立固态发酵过程状态识别模型,并对测试集样本进行识别。结果显示,与利用主成分分析(PCA)法和线性判别分析(LDA)法提取的光谱特征建立的识别模型结果相比较,SRDA-NN识别模型获得的结果最佳,在测试集中的正确识别率达到94.28%;为了进一步提高识别模型的准确率,将自适应提升法(Adaboost)与SRDA-NN方法结合,提出了Adaboost-SRDA-NN集成学习算法来建立饲料蛋白固态发酵过程状态的在线监测模型。通过Adaboost算法提升后的SRDA-NN模型预测性能得到了进一步增强,Adaboost-SRDA-NN模型在测试集中的正确识别率达到100%。试验结果表明：在近红外光谱定性分析模型校正过程中,SRDA方法能有效地对近红外光谱数据进行特征提取,以实现维数约简;另外,Adaboost算法能很好地提升最终分类模型的预测精度。     

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.