保健品中枸橼酸西地那非成分近红外快速定性定量分析

建立了应用近红外光谱技术对保健品中枸橼酸西地那非成分的定量及定性分析方法.采集36个样品的液体透射光谱,分别采用主成分分析法和第一范围标定法建立定量和定性模型,并将定量分析方法的结果与HPLC定量结果进行比对.所建定量分析模型,主成分数为4,R2为99.92%,RMSECV为31.5.该模型对预示集的枸橼酸西地那非HPLC平均方法回收率为104.8%,近红外光谱分析法处理结果与HPLC法处理结果无显著差异.定性分析模型组间选择性为4.38,对18个未知样品判错率为0.所建立的新方法可对保健品中枸橼酸西地那非成分进行快速准确的定性及定量分析.     

NIR对真伪枸橼酸西地那非片快速定性定量分析

应用近红外光谱技术建立对枸橼酸西地那非片的定量及定性分析方法.通过对162个样品进行近红外光谱分析,分别采用偏最小二乘和第一范围标定法建立定量和定性模型,并将定量分析方法的结果与HPLC定量结果进行比对.所建定量分析模型,主成分数为4,R2为98.91%、RMSECV为1.54.该模型对预示集枸橼酸西地那非的平均回收率为100.14%,近红外光谱分析法处理结果与HPLC法处理结果无显著差异.定性分析模型组间选择性为5.09,对42批真伪样品判错率为0.结果显示,所建立方法可对真伪枸橼酸西地那非片进行快速准确的定性及定量分析.     

基于近红外光谱的四元调和食用油定量分析

配制51个含有玉米油、大豆油、稻米油和芝麻油的四元调和油样品,采用近红外光谱(near infra-red,NIR)技术直接扫描其光谱,考察不同预处理方法对近红外光谱的预处理效果.在最佳预处理方法基础上,结合偏最小二乘回归(partial least square regression,PLS)建立各组分定量分析模型.将未知样品光谱代入模型中,预测各组分的含量.结果显示,玉米油、大豆油、稻米油和芝麻油的相关系数分别为0.980,0、0.988,7、0.984,7、0.988,9.因此,近红外光谱技术结合化学计量学可以实现四元调和油组分的准确快速定量分析.     

基于近红外光谱无损快速检测面粉品质的研究

提出一种基于近红外光谱技术结合偏最小二乘法对面粉品质进行无损快速检测的方法.配制含滑石粉的面粉样品30个,采集样品在12 500~4 000 cm-1范围内的近红外漫反射光谱,选择最优的光谱预处理方法和光谱范围,采用偏最小二乘法(PLS)建立定量分析模型.结果表明所建定量分析模型的相关性能比较高,预测相关系数和预测均方根误差均符合要求.研究发现,近红外光谱技术用于快速无损检测面粉掺假是可行的.     

基于支持向量回归的驴肉脂肪和蛋白质近红外检测模型优化

驴肉的脂肪含量低、蛋白质含量高,是一种营养价值较高的食用肉类.选择了40个不同个体和不同部位的驴肉鲜肉样品,采集了样品在4 000～12 500 cm~(-1)光谱的近红外漫反射光谱,并使用索氏提取法和凯氏定氮法分别检测了样品的脂肪和蛋白质参考数据.分别使用主成分分析和偏最小二乘回归对肉块和肉糜2种类型的样品光谱数据进行了压缩,结合支持向量回归算法分别建立了驴肉脂肪和蛋白质的定量模型,并与偏最小二乘回归模型进行了性能比较,发现肉糜光谱使用主成分分析降维结合支持向量回归算法所建立的驴肉脂肪模型,以及肉块光谱使用偏最小二乘回归降维结合支持向量回归算法所建立的驴肉蛋白质模型定量结果最优,其交叉验证均方根误差和相对预测误差分别达到了0.058%、14.69以及0.111%、14.39.结果表明,近红外光谱结合主成分分析或偏最小二乘回归降维以及支持向量回归算法所建立的模型预测精度较高,可对驴肉的脂肪和蛋白质含量进行可靠的检测.     

基于小波变换的云芝蛋白和多糖的近红外光谱分析

采用小波包变换（WPT）提取异福片样品近红外漫反射光谱的特征信息,建立用近红外光谱（NIRS）快速测定异福片中有效成分的新方法。以近红外光谱结合偏最小二乘法（PLS）建立测定药用真菌云芝中蛋白含量和多糖含量定量分析模型,采用小波包变换的800—2500nm波段的光谱,在尺度为6时,建立的模型最优。正交小波包多尺度分析对近红外光谱具有较强的去噪和压缩能力,从而使PLS模型更具有代袁性和稳健性,同时也提高了建模效率和模型的预测精度。该方法预测精度能满足云芝蛋白定量和多糖含量分析的要求,且方便快捷,无破坏性,可实现在线检测,对替代原有繁琐的云芝蛋白多糖含量测定方法具有重要的意义。     

近红外光谱-偏最小二乘法无损定量分析异烟肼片

应用近红外漫反射光谱结合偏最小二乘法， 对异烟肼片中异烟肼的含量进行分析， 建立了近红外光谱数学校正定量分析模型， 其对校正集样品的交互验证均方根误差(RMSECV)为0.00632. 对预测集样品的预测均方根误差(RMSEP)为0.00603； 回归系数为0.99456;加样平均回收率为99.772%. 重现性实验相对标准偏差(RSD)为0.526%. 结果表明， 该方法预测精度高， 且具有方便快捷、 非破坏、 无污染、 可在线检测和重现性好等优点.     

拉曼光谱和近红外光谱在小麦粉品质定量分析中的应用

应用拉曼光谱分析技术结合最小二乘法,应用近红外光谱技术结合偏最小二乘法,以及现有的小麦粉光谱数据,对小麦粉进行采集光谱信息,选择最优的光谱预处理方法,分别建立了水分、灰分、面筋的定量模型,并验证了模型的可行性.实验分析表明,近红外光谱技术建立的模型比拉曼光谱分析技术建立的模型效果要好.     

近红外光谱分析技术在烟草化学分析上的应用研究

应用傅立叶变换近红外漫反射光义,对具有代表性的300个烟草样品建立了近红外光谱与总糖、还原糖、尼古丁、总氮4种主要成分含量间的关系模型,经分析样品检验模型,结果表明,各成分近红外预测值与实测值之间的平均相对误差均小于5％,近红外光谱分析技术可初步用于烟草常规化学成分的快速定量分析。     

基于小波分析的近红外光谱数据预处理

近红外光谱中常常包含一些与待测样品性质无关联的干扰信息,为了使建立的定性或定量分析模型更加稳健、可靠,常常需要对测定的光谱数据进行预处理.结合大豆油脂酸价的近红外光谱分析方法,对由瑞典波通公司的DA7200型近红外光谱仪记录的36组大豆油脂样品光谱数据,采用小波变换的阈值去噪方法进行预处理,对比常用的窗口移动平滑预处理,说明了小波变换是一种有效实用的光谱预处理方法.     

光谱分辨率的选取对食用油近红外模型性能影响分析

近红外光谱仪的类型和工作参数的设定对测量过程和分析结果均有一定影响.重点讨论了在傅立叶变换型光谱仪上设定不同的光谱分辨率对食用油近红外定量模型性能的影响.实验采用Vertex 70光谱仪,在3种光谱分辨率(4,8,16 cm-1)条件下,采用透射式液体光纤探头采集60份食用油样品近红外谱图.针对3组近红外光谱样品集,分别采用蒙特卡罗采样法剔除异常样品,根据Kennard-Stone法划分校正集和校验集后,建立优化食用油棕榈酸近红外定量分析模型并作预测.结果表明基于16 cm-1建立的食用油近红外模型指标优于4 cm-1和8 cm-1所建的模型,该结果可以为均匀液体作近红外检测时光谱分辨率的设定提供参考.     

基于连续投影算法的食用油激光诱导荧光光谱特征波长筛选

针对目前质量监督领域中难以快速准确地识别食用油种类的问题,提出了一种激光诱导荧光技术结合连续投影算法的食用油光谱识别方法.实验搭建激光诱导荧光系统采集了5种食用植物油共计500组荧光光谱数据.首先,通过实验对比选择Savitzky-Golay卷积平滑算法对荧光光谱进行预处理;然后使用连续投影算法筛选特征波长;最后,将筛选出的特征波长送入建立的概率神经网络模型中进行训练和测试,并通过不同时间采集的油样组成独立验证集进行再次验证.结果表明:通过特征波长筛选,从全光谱2 048个波长中优选出11个,减少了冗余信息,波长数缩减为原来的0.54%.并且在概率神经网络模型中的训练样本准确率和测试样本准确率分别达到100%和95%,效果好于径向基函数神经网络和BP(Back Propagation)神经网络.在独立验证集的预测准确率也达到了91%.因此,将连续投影算法用于食用油激光诱导荧光光谱特征波长筛选并结合概率神经网络模型可以实现食用油的快速准确分类且具备通用性,并为进一步设计专用的在线式食用油种类识别仪提供了理论依据.     

迁移学习在食用油光谱模型转移中的应用

由不同光谱仪器采集的光谱数据建立的模型在共享使用时,会出现模型失效问题,使得模型的利用率低,不利于光谱行业的发展需要。尝试采用迁移学习方法探究在食用油酸值和过氧化值2个指标上的模型转移。实验样本为大豆油、花生油、芝麻油和玉米油共50个食用油样本;实验仪器为VERTEX70傅里叶红外光谱仪和AntarisⅡ傅里叶近红外光谱仪(包含光纤探头和透射探头)。以不同的仪器组合设计了3组实验,采用偏最小二乘法建立近红外光谱定量分析模型,进行了模型转移研究。以第一组实验为例,经过迁移学习后建立的酸值和过氧化值模型的相关系数,由0.068419和-0.371980上升至0.730980和0.819040;校正均方根误差系数由0.358180和0.090110下降至0.192480和0.032720。实验表明,迁移学习可以有效地缓解模型失效问题,提高了模型的泛化能力。该研究可为光谱分析模型的广泛应用提供新的思路。     

基于近红外光谱的纯花生油掺伪快速鉴别方法研究

针对目前国内缺乏快速鉴别花生油掺伪鉴别技术的现状,提出基于近红外光谱的纯花生油掺伪快速鉴别方法.实验分别配制了掺入大豆油、菜籽油、棕榈油和调和油的4类掺伪花生油样品共40个,纯花生油样品5个,采集样品近红外全谱,通过支持向量机技术建立纯花生油掺伪鉴别模型.结果表明,选取径向基函数为支持向量机核函数,通过网格搜索和k折校验法确定核参数γ为1,惩罚参数c为1 024,建立纯花生油掺伪鉴别模型的识别率和预测率均达到100%,基于近红外光谱的花生油掺伪快速检测技术具有较好的可行性和实用性.     

气相色谱法同时检测食用植物油中BHA、BHT、TBHQ

建立了一种基于固相萃取前处理方法结合气相色谱同时测定食用植物油中BHA、BHT和TBHQ的方法.样品经固相萃取方法处理,浓缩后,采用HP-5毛细管色谱柱分离,以FID检测器进行分析.3种抗氧化剂的线性相关系数(r)均大于0.999,方法检出限分别为0.2、0.1、0.2 mg/kg.方法的准确性、精密度均能满足检测的要求,可用于食用植物油中3种抗氧化剂的检测.     

近红外光谱在印刷品颜色检测中的应用

为了对印刷品颜色进行快速、准确检测,应用近红外光谱技术(NIR)并结合偏最小二乘法(PLS)建立印刷品颜色检测模型.对近红外光谱获取的144个样本光谱曲线,应用主成分分析方法进行降维,维数为5.选取的主成分作为光谱优化特征子集以替代原来复杂的光谱数据.随后,将144个样本数据随机分为定标集和预测集,利用偏最小二乘法在103个定标集样本数据基础上建立印刷品颜色预测模型,应用此模型对41个预测集样本颜色进行预测.研究结果表明:利用PLS模型得到样本的实测值和预测值之间的预测决定系数(R~2)为99.74%,预测平均相对误差为0.636%,表明利用近红外光谱技术检测印刷品颜色是可行的.     

食用植物油品种鉴定实验的研究

介绍了一个综合型化学实验——食用植物油品种鉴定的实验步骤及教学方案的设计思路.该实验通过甲酯化的方法使植物油中的各种脂肪酸甘油酯转化成各种脂肪酸甲酯,从而用气相色谱定性脂肪酸种类及构成比例.根据实验结果,依据国家标准规定的各种食用植物油设定值,判断学生自己收集的食用植物油品的种类.     

市售食用植物油脂理化指标检测与营养分析

按照国家标准,对几种常用食用植物油脂和菜籽毛油的色度、含水量、酸价指数、过氧化值、碘价、不皂化物含量等几项被国家列为强制性标准的指标进行检测,并通过气相色谱对样品中脂肪酸组成做了测定,对常用的市售食用植物油脂的理化质量和营养价值做了全面分析.     

利用地面光谱数据反演悬浮泥沙质量浓度

为研究用高光谱数据反演悬浮泥沙质量浓度的方法,以近海悬浮泥沙为实验材料,配制了不同质量浓度悬浮泥沙样品,利用2种方法对样品进行建模:一种是将可见光和近红外光谱进行小波变换并将小波低频系数以偏最小二乘回归建模,另一种为波段组合法.利用交叉检验方法,分析了交叉检验结果,并将2种方法建立的模型进行了比较.研究表明:波段组合法中,TM4与TM1波段反射率比值的指数模型效果最好;在预测能力上,小波偏最小二乘模型总体上比波段组合模型精度高并且稳定性好,适用于悬浮泥沙光谱定量分析.     

食用植物油傅里叶变换红外光谱鉴别的研究

应用傅里叶变换红外光谱法测试了8种食用植物油的红外光谱。研究表明,不同品种的食用植物油在4000-400 cm^－1范围内的红外吸收光谱基本相同,但特征峰的相对强度和峰形有所不同,表现出各自的独特性,可用于不同种类食用植物油简便、快捷地鉴定,对监督市售食用植物油具有重要的现实意义。