傅里叶变换近红外光谱法测定榨菜酱油成分

基于傅里叶变换近红外光谱技术,通过主成分分析(PCA),可较好地区分不同品牌的榨菜酱油样本.利用偏最小二乘法(PLS)建立了测定榨菜酱油成分的定量分析模型,校正集样本中总酸、氨基酸态氮和食盐的分析模型决定系数(R2)分别为98.44,98.74和98.48,交叉验证均方差(RMSECV)分别为0.001 3,0.008 44和0.355.预测集样本中总酸、氨基酸态氮和食盐的外部验证决定系数(R2)分别为96.04,95.90,96.27,预测集标准偏差(RMSEP)分别为0.017 4,0.012 9,0.48.实验结果具有较高的预测精度,可以用于测定榨菜酱油主要成分的质量浓度.     

基于近红外与拉曼光谱的甲醇汽油定量分析

利用近红外和拉曼光谱法定量分析了甲醇汽油中甲醇的含量,采用偏最小二乘法(partial least squares,PLS)建立甲醇的定量模型.近红外光谱法测定甲醇定量模型的预测集相关系数RP为0.998,预测均方根误差(RMSEP)为0.289%;拉曼光谱法测定甲醇定量模型的预测集相关系数RP为0.982,预测均方根误差(RMSEP)为1.141%.实验表明,近红外与拉曼光谱技术均可用于甲醇汽油中甲醇含量的快速检测.     

近红外光谱用于土壤锌的快速分析及其稳定性

利用近红外(NIR)光谱结合偏最小二乘(PLS)回归研究珠三角农田土壤锌含量的无试剂快速定量分析方法,基于定标集、预测集的多次划分讨论模型的稳定性。将全部扫描谱区(400~2 498 nm)分成可见区(400~780 nm)、短波近红外区(780~1 100 nm)、长波近红外区(1 100~2 498 nm)和全近红外区(780-2 498 nm)。经过比较、检验,长波近红外区达到最好的模型效果和稳定性,其最优PLS因子个数为8,检验集的预测均方根偏差(V-SEP)和预测相关系数(V-RP)分别为78.847 mg/kg-1和0.731。结果表明,长波近红外光谱可以应用于土壤锌含量的无试剂快速定量分析。     

近红外光谱定量预测奶粉中三聚氰胺的含量

近红外光谱技术(NIRS)结合偏最小二乘算法(PLS)建立了奶粉中三聚氰胺含量的定量分析模型.采用二阶导数光谱建立模型,最有效的波长范围为4000.63~6803.63 cm-1和6800~9700 cm-1,最优模型的定标模型的相关系数(R)为0.9999,定标标准分析误差(SEC)为1.43%,预测相关系数(R)达到0.9284,预测标准分析误差(SEP)为1.03%,模型具有较好的预测效果.研究表明近红外光谱检测技术可用于奶粉中三聚氰胺的定量分析.     

近红外漫反射光谱法对蛇床子SFE萃取产物的质量监控

采用近红外漫反射光谱法对中药蛇床子SFE萃取过程中主要成分蛇床子素和欧前胡素进行快速、 无损检测. 以HPLC分析值作参比值, 采用偏最小二乘法（PLS）建立近红外光谱信息与各组分含量间的定量校正模型. 讨论了波长范围的选择和主成分数对PLS定量预测蛇床子萃取物中蛇床子素和欧前胡素含量能力的影响, 并对预测集样品含量进行预测, 结果令人满意.     

基于降噪处理的蒙古栎木材气干密度NIRS定标模型

分别采用卷积平滑法、小波变换法对蒙古栎木材近红外光谱(NIRS)做去噪处理,并讨论两者混合去噪时,处理顺序变化对光谱去噪效果的影响,最后应用偏最小二乘法(partial least squares regression,PLS)和主成分回归法建立蒙古栎木材气干密度近红外定标模型。结果表明,当平滑点数为3,db5小波分解层数为2时,以平滑+小波方式去噪效果最好,其信噪比(SNR)为18.546,均方根误差为0.04。平滑+小波去噪后,基于PLS的蒙古栎木材密度近红外校正模型决定系数由0.767提高到0.902,校正均方根误差降低了35.32%,预测集决定系数为0.860,内部交叉验证和预测均方根误差分别达到最低,剩余预测偏差为2.67。因此,近红外光谱技术可实现蒙古栎木材气干密度快速预测,合理选择处理参数和建模方法可以有效提高模型精度。     

短波近红外光谱-偏最小二乘法对食醋中总酸含量的无损定量分析

将短波近红外光谱技术与偏最小二乘法（PLS）结合,对食醋中的总酸含量进行快速、无损定量分析,建立了最佳数学校正模型．讨论了光谱预处理方法和主成分数对PLS模型预报精度的影响．研究表明,采用一阶导数预处理光谱建立的数学校正模型能够得到最佳的预报结果,在对预测集8个样本中总酸的含量进行预报时,所得的集相对标准偏差为1．386％．实验结果表明,该方法方便快捷,并且具有较高的预报精度,可以用于食醋中总酸含量的测定．     

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.     

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.     

用近红外光谱法实时监测蛹虫草发酵中胞内多糖的质量浓度

应用近红外光谱(NIR)结合偏最小二乘法(PLS)建立一种实时监测蛹虫草发酵中胞内多糖质量浓度的新方法.对39个批次的蛹虫草在3个不同条件的5L发酵罐中进行蛹虫草深层发酵,发酵过程中间隔一定时间取样,采集样品的近红外光谱,并按常规方法测定样品中胞内多糖质量浓度,再采用PLS法建立样品的近红外光谱与胞内多糖质量浓度间的模型,所建模型经过选择最适光谱预处理方法和最适隐变量数进行优化,其留一交互验证预测值与化学测定参考值间的相关系数R=0.8750,交互验证均方根误差RMSECV=0.3052.采用最优PLS模型对样品中胞内多糖质量浓度进行预测,校正集预测均方根误差RMSEC=0.1670,预测集预测均方根误差RMSEP=0.3650,表明模型的稳健性和预测性能较好。     

基于BP神经网络检测面粉中滑石粉含量的研究

利用近红外光谱技术对掺杂滑石粉的小麦面粉进行了检测,采用多元散射校正对谱图进行预处理,利用BP神经网络中的SCG反向传播算法训练函数建立了面粉中滑石粉的定量分析模型,并对校正集和预测集进行了定量分析,分析结果为R2=0.997 3,RMSEC=0.436 7,RMSEP=1.708 8.结果表明,BP神经网络结合近红外光谱技术检测面粉中滑石粉含量具有快速、精度高、泛华能力强的优点,可用于面粉中滑石粉含量的快速准确检测.     

可见-短波近红外光谱用于血红蛋白分析及其稳定性

基于随机性、相似性和稳定性,通过定标集、预测集、检验集的建模过程,采用可见-近红外(NIR)光谱结合偏最小二乘(PLS)方法建立人类溶血液样品的血红蛋白(Hb)的分析模型。将全谱扫描区(400—249 8 nm)分成可见区(400—780nm)、短波近红外区(780—110 0 nm)、长波近红外区(1100—249 8 nm)、可见-短波近红外区(400-1100 nm)、全近红外区(780—249 8 nm)。经过比较、检验,结果表明,可见-短波近红外区达到了最好的模型效果和稳定性,最优PLS因子数为7,检验的预测均方根误差(V-SEP)和预测相关系数(V-RP)分别为4.42 g.L-1、0.967,达到了高的预测精度和稳定性。     

近红外光谱定量检测丙烷和异丁烷

近红外光谱分析技术结合偏最小二乘法（PLS）对多成分挥发性有机物（VOCs）进行连续的在线监测具有重要意义．用傅里叶变换红外光谱仪（FTIR）分析了丙烷和异丁烷2种挥发性有机物的近红外光谱特征．采用线性回归建模方法——偏最小二乘法在丙烷和异丁烷混合气体的近红外光谱范围（5600～6200cm^-1）内建立了预测模型．基于该模型预测了验证集样品中2种气体的含量,并对模型进行了评价．结果表明,对2种气体浓度的预测比较准确,相对误差基本在5％以内．     

Determination of soluble solid content and acidity of loquats based on FT-NIR spectroscopy

The near infrared (NIR) spectroscopy technique has been applied in many fields because of its advantages of simple preparation, fast response, and non-destructiveness. We investigated the potential of NIR spectroscopy in diffuse reflectance mode for determining the soluble solid content (SSC) and acidity (pH) of intact loquats. Two cultivars of loquats (Dahongpao and Jiajiaozhong) harvested from two orchards (Tangxi and Chun’an, Zhejiang, China) were used for the measurement of NIR spectra between 800 and 2500 nm. A total of 400 loquats (100 samples of each cultivar from each orchard) were used in this study. Relationships between NIR spectra and SSC and acidity of loquats were evaluated using partial least square (PLS) method. Spectra preprocessing options included the first and second derivatives, multiple scatter correction (MSC), and the standard normal variate (SNV). Three separate spectral windows identified as full NIR (800~2500 nm), short NIR (800~1100 nm), and long NIR (1100~2500 nm) were studied in factorial combination with the preprocessing options. The models gave relatively good predictions of the SSC of loquats, with root mean square error of prediction (RMSEP) values of 1.21, 1.00, 0.965, and 1.16 °Brix for Tangxi-Dahongpao, Tangxi-Jiajiaozhong, Chun’an-Dahongpao, and Chun’an-Jiajiaozhong, respectively. The acidity prediction was not satisfactory, with the RMSEP of 0.382, 0.194, 0.388, and 0.361 for the above four loquats, respectively. The results indicate that NIR diffuse reflectance spectroscopy can be used to predict the SSC and acidity of loquat fruit.     

铜掺杂二氧化硅用于雪菊中木犀草苷的富集及近红外光谱分析

用制备的铜掺杂二氧化硅作为吸附剂, 富集雪菊提取液中的木犀草苷, 测量富集有目标组分吸附剂的近红外光谱, 所得光谱经预 处理后, 用偏最小二乘法建立木犀草苷的定量校正模型并进行验证. 结果表明： 当铜掺杂二氧化硅的用量为0.25 g、 常温振荡20 min时, 对木犀草苷吸附率达89.7%； 雪菊提取液中的木犀草苷经吸附剂富集后, 无需脱附可直接检测； 所得近红外光谱经多元散射校正结合一阶导数预处理后, 木犀草苷校正模型的预测质量浓度和参考质量浓度间的相关系数为0.975 0, 交叉验证均方根误差为0.959 8 mg/L, 木犀草苷在1.5~19.5 mg/L的较低质量浓度范围内, 预测集的回收率可达82.6%~111.4%.     

铜掺杂二氧化硅用于雪菊中木犀草苷的富集及近红外光谱分析

用制备的铜掺杂二氧化硅作为吸附剂, 富集雪菊提取液中的木犀草苷, 测量富集有目标组分吸附剂的近红外光谱, 所得光谱经预 处理后, 用偏最小二乘法建立木犀草苷的定量校正模型并进行验证. 结果表明： 当铜掺杂二氧化硅的用量为0.25 g、 常温振荡20 min时, 对木犀草苷吸附率达89.7%; 雪菊提取液中的木犀草苷经吸附剂富集后, 无需脱附可直接检测; 所得近红外光谱经多元散射校正结合一阶导数预处理后, 木犀草苷校正模型的预测质量浓度和参考质量浓度间的相关系数为0.975 0, 交叉验证均方根误差为0.959 8 mg/L, 木犀草苷在1.5~19.5 mg/L的较低质量浓度范围内, 预测集的回收率可达82.6%~111.4%.     

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.     

采用近红外漫反射光谱法分析牛奶成分

为提高牛奶成分化学分析的效率，研究了近红外漫反射光谱在牛奶主要成分分析中的应用；讨论了光在牛奶中的传播方式和相关测量方法的选择；采用偏最小二乘(PLS)建立校正模型，比较了各种预处理方法和不同谱区的建模效果，其中脂肪的相关系数为0．99，标准偏差为0．048 g/dL，蛋白质的相关系数为0．92，标准偏差为0．102g/dL结果表明，近红外漫反射光谱测量可以满足牛奶主要成分的测量要求。     

偏最小二乘法用于近红外漫反射光谱测定异福片

应用近红外漫反射光谱结合偏最小二乘法(NIR PLS)对异福片中利福平和异烟肼的含量进行定量分析, 所建立的定量分析模型对校正集样品中利福平和异烟肼的含量预测回归系数分别为0.992　77,0.989　01,交互验证均方根误差(RMSECV)分别 为0.006　65,0.004　23.对预测集样品利福平、 异烟肼的含量预测均方根误差(RMSEP)分别为0.005　73,0.003　79;加样平均回收率分别为99.376%和98.243%;重现性实验相对标准偏差(RSD)分别为0.679　3%和0.639　8%.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、 重现性好等优点, 可作为异福片原位质量检测和在线质量监控的方法予 以推广.