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.     

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.     

偏最小二乘法-可见/近红外光谱测定南丰蜜桔糖度的研究

研究了南丰蜜桔糖度的快速测定方法,选择漫反射原始光谱采用偏最小二乘法(PLS)建立了南丰蜜桔糖度的校正模型,并对模型的预测性能进行了验证.在糖度预测模型中,预测集的相关系数为0.9133,预测均方根误差为0.5577,平均预测偏差为-0.0656.结果表明:可见/近红外漫反射光谱结合PLS方法对南丰蜜桔糖度的快速测定是有效的.     

基于BP-Adaboost的近红外光谱检测固态发酵过程pH值

为了实现固态发酵过程参数pH值的快速检测,提出基于近红外光谱技术的固态发酵过程参数pH值检测新方法.首先获取140个固态发酵过程产物样本在10 000 ～4 000 cm-1范围内的近红外光谱;然后利用酸度计测得近红外光谱预测模型的参考测量值;最后运用Adaboost(AdaptiveBoosting)算法来构建由10个弱预测器(BP神经网络)组成的BP-Adaboost强预测模型.试验结果显示:该模型的预测均方根误差(RMSEP)和预测集相关系数(R)分别为0.072 6和0.981 1;与BP模型结果相比,该模型具有较好的预测精度.     

基于红外光谱技术快速检测椰子油氧化指标的研究

试验以椰子粉为原料,在不同温度(-20~200℃)处理1 h后导致脂肪氧化,由乙醚萃取、蒸馏得到不同氧化程度的椰子油,文章基于椰子油的红外光谱特征快速检测椰子油的氧化指标.利用偏最小二乘(PLS)回归方法分别对椰子油的红外光谱数据与实测椰子油的酸值、碘值、过氧化物值进行建模,并交叉验证和预测.结果显示:酸值、碘值、过氧化物值的交叉模型相关系数(R)分别为0.69、0.86、0.95,预测模型相关系数分别为0.60、0.88、0.93.其中,过氧化物值的预测值和实测值比较接近,模型良好,表明红外光谱法快速测定椰子油中过氧化物值是可行的.     

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.     

利用净分析物预处理法简化苹果糖度预测模型

为了简化苹果糖度预测模型,利用净分析物预处理法(NAP)对苹果近红外光谱进行了预处理,并重建了糖度的偏最小二乘(PLS)预测模型．结果表明,随着预处理过程中所用NAP因子的逐个增加,糖度PLS模型的最佳因子数逐渐减少,甚至可减少至1．研究中,当采用5个NAP因子时,PLS糖度模型可以达到最佳性能,此时模型的最佳因子数为7,校正时的相关系数r^2和标准偏差SEC分别为0．92773和0．40658,用于预测时的相关系数r^2和标准偏差SEP分别为0．90426和0．44221．与NAP法预处理前的PLS模型相比,其精度虽没有大幅提高,但模型显得更加简洁．     

基于人工蜂群波长优选和残差增广的近红外光谱定量模型研究

提出一种基于人工蜂群(artificial bee colony,ABC)算法的光谱波长优选和残差数据增广回归算法的近红外光谱定量模型.以勾兑果汁中苹果汁原汁含量的近红外光谱数据为基础,对原始光谱数据进行预处理,通过人工蜂群算法优选光谱波长变量,采用优选出的波长变量建立近红外光谱浓度残差增广的最小二乘回归(concentration residual augmented classical least squares,CRACLS)模型.将ABC波长优选后建立的CRACLS模型与全光谱建立的CRACLS模型,遗传算法(genetic algorithm,GA)波长优选后建立的CRACLS,ABC波长优选后建立的PLS模型,全光谱建立的PLS模型,GA波长优选后建立的PLS模型进行比较.实验结果表明,ABC-CRACLS模型的校正集的Rc值为0.999 8,RMSEC值为0.000 9,预测集的Rp值为0.999 1,RMSEP值为0.012 1,均优于其它几个模型.因此提出的人工蜂群算法能够有效地处理好波长变量的优选问题,并且CRACLS模型取得良好的预测结果.     

便携式光谱仪对樱桃糖度检测的研究

利用600~1 100 nm波段的便携式可见-近红外光谱仪,以烟台大樱桃为研究对象,进行了樱桃糖度可见-近红外光谱的特征提取的实验研究.利用小波滤波对樱桃可见-近红外光谱进行预处理,运用偏最小二乘回归法建立了樱桃糖度的定量分析模型,并对模型进行了验证.实验结果显示:樱桃中糖度的可见-近红外光谱校正样本集的相关系数(R)为0.939 6,校正均方根误差为0.138 2;预测样本集的相关系数(R)为0.907 4,预测均方根误差为0.149 2.结果表明:利用便携式可见-近红外光谱技术在600~1 100 nm范围内检测樱桃糖度是可行、可靠的,为樱桃内部品质的野外在线检测提供了理论依据.     

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.     

近红外光谱法快速测定端羟基聚丁二烯固体推进剂药浆中功能组分含量

应用近红外光谱（NIR）技术并采用偏最小二乘法（PLS）模型,针对端羟基聚丁二烯（HTPB）固体推进剂药浆中燃速催化剂（BA）、增塑剂癸二酸二辛酯（DOS）和氧化剂高氯酸铵（AP）的含量建立了快速定量测定的方法。对BA、DOS和AP质量分数进行定量分析的结果表明,PLS-1模型和PLS-2模型对样品中BA和DOS质量分数的相关系数均能达到0.99以上,预测值平均相对误差均在5.0%左右;PLS-2模型对样品中AP质量分数的相关系数为0.9903,预测值平均相对误差为0.84%。实验结果说明利用近红外光谱法能够对HTPB固体推进剂药浆中功能组分的含量进行快速准确的定量分析。     

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。     

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.     

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。     

近红外光谱结合遗传算法优化的RBF神经网络对中药萃取物含量的预测

建立了基于近红外漫反射光谱(NIR)定量预测中药蛇床子CO_2超临界萃取(SFE)物中2种主要成分蛇床子素和欧前胡素含量的新方法.将高效液相色谱(HPLC)分析结果作为参考值,通过遗传算法(GA)和径向基函数(RBF)神经网络相结合,建立中药蛇床子萃取物的光谱数据和萃取物中蛇床子素和欧前胡素含量之间的定量模型.NIR光谱数据经标准归一化(SNV)预处理后所建GA优化的RBF网络模型(GA-RBF)为最优,其蛇床子素和欧前胡素测试集的均方根误差(RMSE)分别为0.476 4%和0.305 6%,相关系数(R)分别为0.990 8和0.987 0,均优于偏最小二乘(PLS)模型的处理结果.该方法具有快速、无损、精确的优点,为中药材复杂体系中化学组分定量测定提供了一条新途径.     

星点设计效应面法优化可溶性糖的提取工艺

采用星点设计效应面法考察了乙醇体积分数(0,17%,40%,63%,80%)、提取温度(60℃,68.5℃,80℃,91.5℃,100℃)和提取时间(15,24.5,37.5,50.5,60min)对可溶性糖含量的影响,研究了蒽酮比色法测定可溶性糖含量的最佳提取方法.利用Design-Expert.8.0.6软件对实验数据进行二次多项式模型拟合.结果表明:乙醇体积分数和提取时间对可溶性糖含量有显著影响(P0.05),提取温度无影响(P0.05),影响次序为:乙醇体积分数提取时间提取温度.可溶性糖的最佳提取工艺为:乙醇体积分数54%,提取温度100℃,提取时间60min.     

乙腈体积分数对水的氢键网络结构的影响

拉曼光谱是研究液体分子及分子间相互作用的主要振动光谱技术.本文采用显微共聚焦拉曼光谱研究了乙腈-水二元溶液中水的振动特性.通过改变乙腈-水系统的体积分数,水的氢键网络结构将受到影响.测量了乙腈体积分数10%~90%的水溶液.结果表明:在低的体积分数下X_(cn)0.3时,水分子呈现氢键网络结构;0.3X_(cn)0.5时,水分子呈现氢键网络结构与复合物共存形态.乙腈分子体积分数占优势时,水分子对称伸缩振动发生红移,水分子间及乙腈-水复合物的氢键强度减弱,氢键网络结构将会破坏,拉曼模式的线宽、峰形发生改变.     

基于 siPLS 法建立藤茶中二氢杨梅素近红外定量分析方法

目的:建立藤茶中二氢杨梅素近红外定量模型,用于其快速定量分析.方法:采集45批藤茶样品的近红外光谱,以高效液相色谱法测定样品中二氢杨梅素的含量,并作为参照,以组合区间偏最小二乘法(si PLS法)对特征谱段进行优化,建立二氢杨梅素的定量模型并对模型进行评价.结果:光谱预处理选用矢量归一化法(VN),确定9000~8500 cm-1、8000~7000 cm-1、6000~5500 cm-1为建模谱段.内部交叉验证中,校正均方差(RMSECV)为2.38%,决定系数(R2)为92.16%;外部验证中,模型对训练集预测均方差(RMSEE)为0.993%,对验证集预测均方差(RMSEP)为2.87%,其决定系数为90.67%,相对预测偏差(RPD)为3.27.当样品中二氢杨梅素的含量范围为9.77%~46.13%时,平均预测回收率为97.57%.结论:所建模型预测能力好,可用于藤茶中二氢杨梅素的快速定量分析.