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.     

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.     

用人工神经网络-近红外光谱法测定毛竹中木质素与综纤维素的含量

近红外光谱结合反向传播的人工神经网络(back propagation artificial neural network,BP-ANN)技术预测了毛竹中木质素与综纤维素的含量.用常规湿化学方法测定了54株毛竹样品的木质素含量以及53株毛竹样品的综纤维素含量.用近红外光谱仪采集相应的光谱,为了提高信噪比和计算速度,对原始近红外光谱进行平滑、压缩、归一化预处理.利用预处理后的近红外光谱数据建立BP-ANN模型.在模型建立过程中采用Leave-n-out交叉验证法优化了隐含层神经元的个数,学习率,动量因子和学习次数.优化的BP-ANN模型用于预测测试集中9个毛竹样品中木质素与综纤维素的含量,预测均方根误差分别为0.88%、1.40%.结果表明,应用毛竹的近红外光谱数据和BP-ANN技术,可以用于预测木质素和综纤维素的含量,基本能满足定量分析的要求.     

可见/近红外联合变量优选检测油茶籽油掺假

利用可见/近红外光谱技术联合CARS(competitive adaptive reweighted sampling)方法对油茶籽油中掺杂大豆油及菜籽油进行检测.采用CARS方法对波长变量进行筛选,应用偏最小二乘回归(PLS)方法分别建立油茶籽油中大豆油掺伪量、菜籽油掺伪量及大豆油与菜籽油混掺伪量的定量检测模型,并与经连续投影算法(SPA)及无信息变量消除(UVE)方法变量筛选后所建立的PLS模型进行比较.研究结果表明:可见/近红外联合CARS方法可以分别检测油茶籽油中大豆油、菜籽油掺伪量及大豆油与菜籽油混掺伪量.大豆油、菜籽油及大豆油与菜籽油总和的CARS-PLS掺伪量模型的预测集相关系数r和预测均方根误差RMSEP分别为0.950,0.928,0.980和24.5,29.0,30.8g·kg-1;CARS-PLS模型性能优于全波段PLS,SPA-PLS及UVE-PLS,表明CARS方法是一种有效的波长变量选择方法,可以剔除冗余波长变量.     

近红外光谱技术鉴别海面溢油

近红外光谱技术分析速度快、效率高、成本低、重现性好,典型的无损分析;主要用于样品类别鉴定和纯度检验.近红外光谱技术结合模式识别方法,在纯品油种类的鉴别中已得到成功应用[1,2],本实验室也初步建立了纯品油近红外谱图数据库[3],但该法在实际海面溢油样品的鉴别中应用仍甚少.     

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.     

近红外光谱技术结合主成分聚类鉴别海面溢油

鉴于目前没有一种方法能独立解决溢油鉴别的所有问题[1],本文提出近红外光谱技术结合主成分聚类分析鉴别溢油种类的方法.通过有机溶剂萃取出自行配制的汽油、柴油和润滑油模拟样品中的溢油后记录其近红外光谱,对5 800～6 200 cm-1区段范围内的近红外谱图经过多元散射校正(MSC),Norris一阶导数平滑预处理处理后求其主成分,并在主成分的基础上引入Ward聚类分析法(离差平方和法)对样品分类.     

添加食用油对米饭食味影响的研究

为研究植物油脂对米饭食味的影响,对添加稻米油、芝麻油和大豆油的粳稻米饭进行质构、感官品质及挥发性风味成分的测定。结果表明,添加食用油可显著增加米饭的硬度和弹性,降低黏度。在0~100μL油脂/(50g米)的添加范围内,随稻米油添加量的增加,米饭硬度和弹性显著增加、黏度显著降低。与对照组米饭相比,添加稻米油、芝麻油、大豆油的米饭,挥发性风味成分总含量分别减少了65.77%、59.75%、74.79%。结合米粒微观结构的观察发现,添加食用油会抑制米饭中挥发性风味物质的挥发释放。结合感官评价的结果表明,添加食用油会使米饭的香气变淡,更多的风味物质保留在米粒内部,使米饭的滋味更加醇厚。     

近红外光谱技术检测农产品农药残留量的研究

介绍了近年来近红外光谱分析技术在农产品农药残留分析检测技术中的应用,其中覆盖了样品预处理方法、运用化学计量学进行定性和定量检测分析技术的方法等.概述了近几年来在近红外农残检测领域的应用和研究进展.提出了结合多信息融合技术的农药残留分析技术及其发展前景.     

气相色谱-质谱法测定薄荷原油中的掺假植物油

采用气相色谱-质谱法, 对掺加6种食用植物油的薄荷油进行快速、有效的鉴定分析.通过检测薄荷油中是否含有植物油的特征成分, 如亚油酸、油酸、棕榈酸、硬脂酸, 可以判断薄荷油样品中是否掺杂植物油. 对6种植物油(豆油、调和油、芝麻油、玉米油、花生油、菜籽油)经甲酯化后的特征成分和共有组分进行分析. 结果表明: 薄荷油经过甲酯化后, 利用植物油的特征峰, 能鉴别出薄荷油中是否掺有植物油, 最低可检出的掺加量为0.001%, 并且根据4种特征脂肪酸峰面积总和与L-薄荷醇峰面积比值, 可以初步推断植物油的掺加水平. 该检验方法灵敏、可靠, 可以为薄荷油的质量安全控制提供重要的技术依据.     

近红外漫反射聚类法无损快速测定淀粉品质

提出一种基于近红外光谱技术和聚类分析法对不同种类的淀粉进行无损快速鉴别的方法,研究了近红外光谱结合聚类分析法快速鉴别淀粉种类的可行性.采集样品在12 500~4 000cm-1范围内的近红外漫反射光谱,利用光谱模式识别法中的聚类分析法对图谱进行定性分类鉴别.光谱经一阶导数预处理后,采用聚类分析法可准确无误地将样品分为2类,分类准确率达到100%.同时采用预测集的样品验证所建模型的准确性,经实验得出预测准确率也是100%.实验结果表明,近红外漫反射光谱结合聚类分析法可以为快速无损鉴别淀粉种类提供一种准确可靠的方法.     

不同预处理方法对PLS模型检测鲜长枣糖度的影响

为寻找适合近红外光谱无损检测鲜长枣糖度含量的最佳光谱预处理方法,进行鲜长枣样品近红外光谱数据的预处理方法比较研究.探讨了15种光谱预处理方法对偏最小二乘法建模精度的影响.结果表明,小波变换和多元散射校正相结合是近红外光谱偏最小二乘模型无损检测鲜长枣糖度的有效预处理方法,其相关系数和内部交叉验证均方差分别为0.741 1...     

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。     

近红外光谱结合偏最小二乘法测定福多斯坦成分含量

采用近红外漫反射光谱分析技术和偏最小二乘法对福多斯坦药物的有效成分进行定量分析测定,采集48个不同比例的福多斯坦样品近红外漫反射光谱,用一阶导数的光谱预处理方法,结合偏最小二乘法建立福多斯坦的定量分析模型.结果显示:交互验证均方根误差为0.003 57,相关系数R为0.994 77,预测均方根误差为0.003 89,平均回收率为99.63%(n=8),结果表明,用近红外光谱分析技术联合偏最小二乘法对福多斯坦进行定量分析结果准确可靠,方法简便快速.     

基于稻种糙米近红外光谱分析技术的发芽率检测方法

针对传统稻种发芽率检测操作复杂,耗时长,稻种外壳污染物干扰光谱检测等问题,提出一种基于稻种糙米近红外光谱检测实现稻种发芽率快速检测的新方法.将192份糙米样品的光谱分为校正集144份和预测集48份,通过不同预处理方法和化学计量学建模方法,分析不同老化时间糙米的光谱差异,建立糙米发芽率的预测模型.结果表明:在全波段570~1 848 nm采用二阶导数+SNV and Detrend的预处理并结合偏最小二乘法(PLS)建立的模型最优,其校正集决定系数RC与标准偏差SEC分别为0.976和1.244,预测集相关系数RP与标准偏差SEP分别为0.951和1.935.采用近红外光谱分析技术对稻种糙米发芽率进行测定是可行的,所建模型在稻种糙米发芽率预测方面有较好的预测能力.     

近红外光谱法在卷烟糖料质量稳定性控制中的应用

 为了能够快速无损地控制卷烟糖料质量的稳定性,应用傅立叶变换近红外(FT-NIR)光谱分析技术结合相似度匹配的定性分析方法,以来自红云红河烟草(集团)有限责任公司云烟(软珍品)、云烟(紫)和云烟(红)3个牌号糖料样品各20批的近红外透射光谱数据为基础,利用TQ统计软件分别建立以上牌号糖料的相似度匹配模型,并对建模参数和模型的预测效果进行了评价.结果表明,云烟(软珍品)、云烟(紫)和云烟(红)3个牌号的糖料模型对模型样品预测的相似度匹配值(SMV)均在95以上,而对非模型样品预测的SMV均非常低,说明若糖料质量发生变化,就可以通过近红外光谱分析技术结合相似的匹配分析很好反映出来.因此,应用FT-NIR光谱分析技术可以对卷烟糖料进行快速、无损和大批量的检测,为卷烟糖料的质量稳定性控制提供了新的思路和方法.     

近红外光谱法对土壤有机碳组成的无损分析

利用近红外光谱(NIR)结合化学计量学方法建立一种定量监测土壤有机碳组成的新方法.对109个土壤样品进行近红外光谱采集,按常规方法测定土壤样品中总有机碳(SOC)及土壤样品中胡敏酸(HA)和富里酸(FA)有机碳的含量,再应用径向基函数(RBF)人工神经网络建立土壤样品的近红外光谱和有机碳组成含量间的数学校正模型.所建模型通过遗传算法(GA)自动选择最佳光谱处理方法和最优网络拓扑结构,同时构建了全光谱数据神经网络和GA自动优化光谱波段的神经网络模型,讨论了敏感光谱的选取对模型预报性能的影响.采用多元散射校正(MSC)光谱处理后建立的RBF神经网络模型为最优,该模型的预测精度和稳定性较好,可发展为复杂土壤系统中定量分析土壤有机碳组成的新方法.     

近红外光谱法在燕麦和苦荞膳食纤维含量分析中的应用

应用近红外光谱漫反射技术,采用偏最小二乘法和留一全交叉验证方法对燕麦和苦荞样品中膳食纤维的含量进行预测.对光谱波长和信号预处理方法进行了优化.剔除异常值后得到实验值和本方法预测值的相关系数达到0.9272.结果表明,采用近红外光谱漫反射方法能够对燕麦、苦荞其它食品中膳食纤维含量进行快速定量或半定量分析.     

近红外光谱技术在食用油种类鉴别及 脂肪酸含量检测中的应用

应用近红外光谱分析技术分别建立了快速鉴别食用植物油种类的定性分析模型以及测定食用植物油主要脂肪酸含量的定量分析模型.实验根据19份食用植物油样品的近红外光谱,结合系统聚类方法建立了纯橄榄-芝麻-花生油定性识别模型,识别率和预测率可达100%.根据59个食用植物油样品的近红外光谱,结合模型优化方法建立了食用植物油中棕榈酸、硬脂酸、油酸3种主要脂肪酸含量的近红外定量分析模型,且模型指标较好.实验表明近红外光谱分析技术在食用植物油品质快速检测领域有很好的应用前景.     

高光谱成像技术快速预测冷鲜鸡胸肉的嫩度

本试验研究了基于近红外(900~1700 nm)高光谱成像技术快速预测不同冷藏时长(0~6天)的鸡胸肉嫩度.通过对原始光谱信息进行S-G卷积平滑及Baseline基线校正预处理,并采用偏最小二乘回归算法(PLSR)构建光谱信息与嫩度参考值之间的定量关系.结果显示,全波段原始光谱及预处理光谱构建的PLSR校正模型和预测模型相关系数R均大于0.90,预测效果良好.经回归系数法,从原始光谱、S–G卷积平滑预处理光谱及Baseline基线校正预处理光谱中分别筛选出20、20和19个最后波长,构建优化的RC-PLSR模型,预测相关系数分别为0.91、0.89及0.93,均方根误差分别为2.33、2.45及2.03.相比之下,经S-G卷积平滑预处理构建的PLSR模型和RC-PLSR模型预测效果均最优.研究表明,近红外高光谱成技术结合PLSR可实现对鸡肉嫩度的快速无损预测.