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.     

近红外光谱技术检测石榴汁中花色苷含量

以不同产地的石榴汁样品为对象,对其近红外光谱数据进行预处理并通过小波变化处理提取光谱特征,采用遗传算法对支持向量机的三个参数进行优化,建立基于近红外光谱技术与支持向量机的石榴汁中花色苷含量检测模型。结果表明,模型对验证集的均方根误差为0.019 766,决定系数为0.999 2,模型预测性能良好。近红外光谱技术可用于石榴汁中花色苷含量的定量检测。     

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。     

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.     

近红外光谱结合蚁群算法检测花茶花青素含量

花青素是花茶中的主要质量指标,为了快速准确的检测花茶中花青素的含量,提出一种基于蚁群算法(ACO)结合区间偏最小二乘法(iPLS)的近红外光谱检测方法.原始近红外光谱经过预处理采用ACO-iPLS优选花青素含量对应的特征子区间.当全光谱划分为12个子区间时,ACO-iPLS优选出第1,9,10共3个子区间,在此基础上建立的近红外光谱模型最佳.模型对校正集和预测集相关系数分别为0.901 3和0.864 2;交互验证均方根误差(RMSECV)和预测均方根误差(RMSEP)分别为0.160 0 mg·g-1和0.202 0 mg·g-1.研究结果表明:与常规的iPLS相比,ACO-iPLS不但可以有效选择近红外光谱特征谱区,而且建立的模型具有更高的精度和鲁棒性.     

基于近红外光谱的小麦粉湿面筋含量检测

本文应用近红外光谱法测定小麦粉中湿面筋含量.对小麦粉的近红外光谱图进行消除常数偏移量、多元散射校正、减去一条直线三种预处理方法,用偏最小二乘法建立小麦粉的近红外光谱图与湿面筋含量之间的关系模型,并预测小麦粉中湿面筋含量.实验结果显示减去一条直线预处理后的模型评价指标最优,模型的相关系数R2为934,模型交互验证后的均方差为051,预测结果的均方根误差为0456.实验结果表明,近红外光谱法能够用于小麦粉湿面筋含量的测定     

基于可见/近红外光谱技术的新鲜茶叶叶片含水率快速测定

提出了利用可见/近红外光谱技术检测新鲜茶叶叶片中含水量的方法.首先采集350~2500nm波段范围内177个新鲜茶叶叶片的光谱反射率信息,作为X变量.将不同预处理后的光谱数据建立偏最小二乘(partial least squares,PLS)模型,再利用回归系数法(regression coefficients,RC)提取全波段光谱中的特征波长并建立基于特征波长的预测模型.结果显示,利用全谱段光谱信息建立的模型中,未经预处理建立的模型最优,建模集和预测集中决定系数(coefficient of determination,R~2)分别是0.9039和0.8856,均方根误差(root mean square error,RMSE)分别是0.0092和0.0120,剩余预测偏差(residual predictive deviation,RPD)是2.9659;基于特征波长的模型中,也是未经预处理建立的模型最优,建模集和预测集中R~2分别是0.9070和0.8199,RMSE分别是0.0107和0.0151,RPD是2.3701.结果表明,可见-近红外光谱技术结合特征波长提取进行新鲜茶叶叶片中含水率检测是可行的.     

MW-PLS法对雷尼替丁粉末药品的定量分析

结合可移动窗口偏最小二乘法（MW PLS）, 利用近红外漫反射光谱建立雷尼替丁粉末药品质量分数无损快速检测方法. 对模型进行优化时选择一阶导数、 二阶导数、 卷积平滑和快速Fourier变换预处理方法, 并优化隐变量数等模型参数. 以逼近度Da作为建模参数的优化评价标准, 最终得到测定雷尼替丁粉末药品的最佳模
型. 用该模型进行预测, 其校正集和验证集的预测值和真实值间的相关系数（Rc）分别为0.984 5和0.977 5, 校正集的均方根误差（RMSEC）为0.003 1, 验证集均方根误差（RMSEP）为0.003 3. 与高效液相色谱(HPLC)测定结果比较, 其相对误差≤2.422%.     

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.     

采用近红外光谱技术的燕麦脂肪含量检测

以93份燕麦样品为研究对象,对其近红外光谱数据进行预处理后通过主成分分析法提取光谱特征,采用人工神经网络技术建立燕麦中脂肪含量的合理检测模型。结果表明:反向多元散射处理(IMSC)、数学处理选择2441(即对光谱进行导数间隔点为4的二阶导数处理,一次平滑处理间隔点为4,不进行二次平滑处理)为最佳预处理方法;通过主成分分析法提取2个主成分作为原始信息的特征变量,建立的人工网络模型结构为2-17-1,该模型对验证集的测定值与预测值的相关系数为0.962 3,均方根误差为1.607 2,模型的预测准确性较好。该方法简便、快速,为燕麦脂肪的定量测定提供了一种新方法。     

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。     

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.     

乙醇水溶液体积分数和温度的近红外激光拉曼光谱研究

为了研究乙醇水溶液近红外激光拉曼光谱随体积分数和温度的变化,首先通过便携式近红外激光拉曼光谱仪测得0~100%乙醇水溶液在10~30℃的拉曼光谱,然后将温度和拉曼光谱值一起用于建立体积分数预测模型,以提高其预测精度.结果表明:带有温度值的PLS模型相关系数(Rc)为0.997 6,校正均方根误差(RMSEC)为1.94,预测模型相关系数(Rp)均达到0.995 0以上,建立的乙醇水溶液联合模型性能较稳定,能够满足不同温度下乙醇水溶液体积分数的测定,满足实际在线检测的需要.进一步研究温度与乙醇水溶液的近红外拉曼光谱的关系,在体积分数0~100%每隔10%建立一个近红外拉曼光谱的温度PLS模型,得到11个模型的相关系数,R值在0.734 4和0.954 7之间,并且随着乙醇体积分数变大,R值越来越大.     

近红外光谱法快速定量检测青烟叶及烤烟叶中的生物碱

基于傅里叶变换近红外漫反射光谱技术,采集123个青烟叶样品、412个烤烟叶样品的近红外光谱,并对其原始光谱进行一阶微分及Norris平滑处理;采用偏最小二乘(PLS)法建立青烟叶及烤烟叶近红外光谱与4种生物碱的预测模型,并将部分样本作为独立验证集进行预测;对烟叶烘烤前、后的生物碱含量进行比对分析。结果表明:各化学指标的预测均方差(SEP)与校正均方差(SEC)的比值均为0.8～1.2,验证集样本标准偏差(SD)与SEP的比值均大于2.0,校正集与验证集的相关系数r约为0.9,说明近红外模型可用于青烟叶及烤烟叶中生物碱的快速定量检测;转化株烟草在烘烤调制过程中发生了尼古丁向降烟碱的转化。     

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%.     

基于近红外光谱的杏仁糖中糖含量预测模型的研究

本研究以32个杏仁糖样品为研究对象,使用4种不同近红外光谱仪采集样品的光谱数据,利用二阶导数光谱法处理数据,并结合Savizky-Golay平滑方法,计算二阶导数光谱。将数据集预处理后,建立偏最小二乘(PLS)和支持向量机(SVM)模型用于预测未知样品的糖含量,通过对两个模型的应用发现,PLS模型预测值与真实值偏差较大,均方根误差为2.9822,而SVM模型中利用10折交叉验证优化参数,优化参数后预测值几乎全部与真实值相同,预测值与真实值间均方根误差为0.0127,误差极小。综上所述, SVM模型均方根误差较小,所以选择SVM模型作为糖的预测模型,为杏仁糖样品中糖含量的快速检测提供一种精确简单的方法,此模型可推广至食品中糖含量的定量分析。     

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%.     

近红外光谱快速测定红参提取过程中5种人参皂苷成分含量

为了建立近红外光谱(NIR)结合THUNIR软件快速测定红参提取过程中的人参皂苷Rg1、Ro、Rb1、Rc和Rb3 5种成分含量的方法.利用对红参提取过程提取液进行NIR在线采集光谱图并采用HPLC测定人参皂苷Rg1、Ro、Rb1、Rc和Rb3的量,结合THUNIR软件建立NIR光谱特征值与HPLC测定结果之间的校正模型,进而对预测集样品进行分析.校正集经内部交叉验证建立校正模型,对预测集样品进行外部验证,预测值与真实值的偏差均较小.利用NIR技术测定红参提取过程中人参皂苷Rg1、Ro、Rb1、Rc和Rb3的含量是可行的,为红参药材的提取过程提供了一种快速简便的监控方法.