基于近红外光谱技术快速定量检测香菇面制品中香菇含量的研究

为定量检测香菇面制品中香菇含量,采用近红外光谱扫描添加0.5%~10%的香菇面粉样本,采用偏最小二乘法(PLS)建立含香菇面制品中香菇定量快速无损检测方法。取含香菇的面粉样本120余份,将96个样品作为定标集,24个作为验证集,进行10000 cm^(-1)~4000 cm^(-1)近红外全波长扫描,得到添加含香菇面粉的近红外原始光谱,通过Spectrum Quant软件,利用偏最小二乘法,将光谱预处理后与香菇含量建立近红外模型,并进行模型的验证与预测。结果表明,最优的预处理方法为MSC+平滑点2+二阶导数降噪2预处理,主因子数10,校正集方程与验证集方程的相关性良好(R2>99%),预测性较好(偏差<5%),模型有较好的准确度,为香菇面制品中香菇含量的检测提供了方法基础。

近红外光谱分析技术在中药提取物生产中的应用

文章利用近红外光谱分析技术的分析快速、无损和在线实时监测特点,将其应用于中药研究及生产领域,概述了近红外光谱在中药定性、定量及在线检测中的应用特点,列举了该技术在中药提取物生产领域的应用范围,以期促进该技术在中药提取物制备中的推广应用。

一种近红外光谱数据预处理组合优化策略

预处理是构建近红外光谱检测模型的重要环节,影响着近红外光谱检测的精度。目前已有的预处理方法种类众多,不同方法用于解决不同类型的噪声和无关信息,从而提高信噪比,如何优化样品的光谱数据和预处理组合的选择对模型结果至关重要。为此,提出一种用于近红外光谱模型校准的预处理组合优化策略,包括挑选常用的八种预处理方法建立预处理方法库,利用偏最小二乘方法(PLS)建立定量模型,以建模交叉验证均方根误差(RMSECV)为迭代标准,从库中简单高效地选出提高模型优良校准能力的预处理组合。基于该策略的结构设计,选用优化领域中的贪婪算法作为寻优手段,通过对每一步的预处理方法进行寻优完成全局优化,简洁高效地完成光谱数据预处理组合的选择。提出的策略在小麦、猪肉等公开数据集上进行了测试,与同类的堆叠策略(Stacked)和多块数据顺序正交融合策略(SPORT)进行比较。结果显示,在小麦数据集上,提出的策略较Stacked和SPORT策略的校正均方根误差(RMSEC)分别降低了12%,6%,预测均方根误差(RMSEP)分别降低了32%,17%;在猪肉数据集上,提出的策略较Stacked和SPORT策略的RMSEC分别降低了49%,48%,RMSEP分别降低了46%、41%,显示出了较好的校准性能。最后,分析了该策略所选出的预处理方法在模型校准中各自的贡献度,讨论了该策略在模型可解释性、防止过拟合方面的潜力。该策略为近红外光谱的预处理方法选择提供了一种新的思路。

一种近红外光谱定量分析软件预测性能评价方法

常用的多元分析模型评价指标尚缺乏评价近红外分析软件多项重要预测性能指标的能力,成为近红外光谱仪预测性能以及实际近红外应用中模型适用性评价的痛点。为此,旨在发展一种近红外定量分析软件预测性能的评价方法。以近红外测定汽油烯烃浓度为研究对象,收集了192个国Ⅵ汽油样品,包括92#、95#和98#;采集其近红外光谱;按照GB/T 30519-2014测定其烯烃浓度作为参考值,分别使用两种不同的多元分析软件(1种是偏最小二乘(PLS)建模软件,另1种是非PLS的软件),建立了两个校正模型。研究发现,与参考值相比,PLS模型对低浓度样品预测值呈正偏差,高浓度的呈负偏差,即“均值化”现象。常用的模型预测性能评价指标尚不能评价模型预测值的均值化程度,也不能评价:(1)预测值与参考值偏差大于参考方法再现性的样本占比,(2)模型泛化能力。本文针对上述问题,提出了4项新评价指标包括均值化指数(AE)、预测偏差超限值样本占比(Ratio)、异常样本预测偏差(DAS)和孤立样品预测偏差(DIS)。综合常用的评价指标和新评价指标(共12项),对仪器选型的近红外光谱定量分析软件预测性能的评价、实际近红外分析应用中模型适用性的评价均具有实际意义,对近红外分析学术研究也具参考意义。

功能性近红外光谱技术研究的可视化分析

背景:近年来,功能性近红外光谱技术因便携性、低成本、非侵入性和高时间分辨率的特点,在认知神经科学、临床医学和工程技术等领域展现出广泛的研究意义和应用潜力。目的:分析近10年来功能性近红外光谱技术的研究进展、热点问题及前沿趋势。方法:在Web of Science数据库中检索2013-01-01/2023-11-30发表的功能性近红外光谱技术相关文献,运用CiteSpace和VOSviewer软件对发文统计量、期刊、国家、机构、作者和关键词进行可视化分析。结果与结论:共纳入2 714篇文献进行研究,近10年有关功能性近红外光谱技术的文献总量整体呈上升趋势。选择的2 714篇文献,来自68个国家2 400个机构的9 171名作者,共发表在495种期刊上,美国和英国伦敦大学是代表性的国家和机构,Ehlis和Fallgatter是该研究领域具有影响力的2位作者,《神经影像》期刊以高引用率位居首位。功能性近红外光谱技术研究主要来自英国伦敦大学、中国北京师范大学和德国图宾根大学。使用VOSviewer 1.6.20生成的关键词共现网络图揭示了6个研究集群,通过分析各集群的具体关键词进一步把握了该领域的研究热点。关键词的突现分析揭示了研究前沿和发展趋势,为功能性近红外光谱技术未来研究方向提供了重要指导。

近红外光谱在心脏术后的应用进展

在心脏重症监护病房中,准确评估组织的氧合状态对于降低发病率和病死率至关重要。目前,临床主要依赖混合静脉氧饱和度、心输出量及血气分析等有创性手段评估患者的氧合情况。然而,传统的监测方法往往受干扰因素较多,并不准确。近红外光谱(near-infrared spectroscopy,NIRS)技术的出现提供了新的解决方案。作为一种连续、无创的监测方法,NIRS能够准确评估局部组织的氧饱和度,为心脏重症监护提供新视角。这项技术不仅广泛应用于心脏手术中的脑血氧饱和度监测,还成功应用于肾脏和骨骼肌的血氧饱和度监测。本研究将对NIRS在心脏外科术后脑、肾脏和骨骼肌血氧监测中的应用情况进行综述,通过早期评估病情,帮助临床医生更准确判断患者的氧合状态,从而制定更为有效的治疗方案。

近红外光谱技术在谷物检测中的应用研究进展

谷物作为人类的主要食物,富含多种关键营养成分,如水分、蛋白质、脂肪以及碳水化合物等。但由于谷物长期储存、霉菌污染和含异种粮粒等情况会严重影响谷物品质,危害粮食安全。因此,准确快速地检测谷物的营养成分、理化性质、霉菌污染以及其他方面对于食品质量控制和营养评估至关重要。近红外光谱技术作为一种快速、非破坏性的检测方法,近年来在粮食分析领域得到广泛应用。本文旨在综述近红外光谱技术在不同谷物营养成分(淀粉、脂肪、蛋白质、生物活性物质等)、理化特性(淀粉黏度特性值、硬度、粉质特性等)、霉菌污染以及其他(新陈度、品种鉴别、重金属和农药残留等)方面的应用现状,总结和比较常见模型算法的优点与不足,并提出目前近红外光谱技术在谷物检测中存在的问题以及未来发展方向,以期为进一步完善近红外光谱技术在谷物检测方面提供一定的参考依据。

基于近红外光谱的小麦麸皮功能性成分模型构建

为实现小麦麸皮功能性成分的无损、快速检测,利用近红外光谱技术(NIR)结合偏最小二乘法(PLS),比较不同预处理方法、不同建模波段及主因子数对建模结果的影响,筛选出最佳建模条件。其中,水分、灰分、脂肪的检测模型的预处理方法为S-G导数(Savitzky-Golay),波段分别为2020 nm~2230 nm、1000 nm~2500nm、1000 nm~2500 nm,主因子数分别为11、7、6时,模型最优;蛋白质的检测模型的预处理方法为多元散射校正(MSC),波段为1860 nm~2020 nm,主因子数为6时,模型最优;膳食纤维的检测模型的预处理方法为S-G平滑,波段为1100 nm~1350 nm,主因子数为8时,模型最优。最优条件下模型的校正模型相关系数(RC)、交互验证集相关系数(RP)均大于0.85,校正集标准差(SEC)、交互检验验证标准差(SECV)、预测集标准差(SEP)均小于其他条件下的数值,且三个值相互接近,满足最佳建模原则。使用未参与建模的预测集样品对最佳模型进行验证,得出结果为预测值与真实值(国标方法测定值)的绝对偏差均小于5%,说明该模型可用于小麦麸皮5种功能性成分的检测。

乙基纤维素分子结构三级近红外光谱组学研究

基于一维漫反射近红外(NIR)光谱及一维原位漫反射NIR光谱分别研究了乙基纤维素分子结构及平均吸收频率/吸收强度。基于二维原位漫反射NIR光谱进一步研究了乙基纤维素分子官能团变化快慢顺序。实验发现,乙基纤维素分子结构的NIR光谱吸收模式主要包括:CH3官能团中红外(MIR)不对称弯曲振动模式(δ_(asCH3-一维-MIR))的2级倍频(ν_(1-一维-NIR))、缔合O-H官能团MIR伸缩振动模式(ν_(O-H(缔合)-一维-MIR))的1级倍频(ν_(2-一维-NIR))、缔合O-H官能团MIR伸缩振动模式的2级倍频(ν_(3-一维-NIR))、C-H官能团MIR伸缩振动模式(ν_(C-H-一维-MIR))和C-C官能团MIR伸缩振动模式(ν_(C-C-一维-MIR))的合频(ν_(4-一维-NIR))、C-H官能团MIR伸缩振动模式和CH_(3)官能团MIR对称伸缩振动模式(ν_(sCH3-一维-MIR))的合频(ν_(5-一维-NIR))、CH_(3)官能团MIR不对称伸缩振动模式(ν_(asCH3-一维-MIR))和CH_(2)官能团MIR不对伸缩振动模式(ν_(asCH2-一维-MIR))的合频(ν_(6-一维-NIR))。室温下,乙基纤维素分子官能团变化快慢顺序存在着一定的差异性。变化快慢顺序为,4250 cm^(-1)(ν_(1-2-二维-NIR))>4252 cm^(-1)(ν_(1-1-二维-NIR))>4248 cm^(-1)(ν_(1-3-二维-NIR)),6988 cm^(-1)(ν_(2-1-二维-NIR))>6976 cm^(-1)(ν_(2-2-二维-NIR)),11012 cm^(-1)(ν_(3-1-二维-NIR))>10998 cm^(-1)(ν_(3-2-二维-NIR)),4016 cm^(-1)(ν_(4-1-二维-NIR))>4012 cm^(-1)(ν_(4-2-二维-NIR)),5777 cm^(-1)(ν_(5-2-二维-NIR))>5774 cm^(-1)(ν_(5-3-二维-NIR))>5782 cm^(-1)(ν_(5-1-二维-NIR)),5895 cm^(-1)(ν_(6-2-二维-NIR))>5893 cm^(-1)(ν_(6-3-二维-NIR))>5900 cm^(-1)(ν_(6-1-二维-NIR))。三级漫反射NIR光谱组学(包括一维漫反射NIR光谱、一维原位漫反射NIR光谱和二维原位漫反射NIR光谱)技术可以有效开展乙基纤维素分子结构研究。

含氟药物地塞米松棕榈酸酯分子结构三级近红外光谱研究

利用一维漫反射近红外(NIR)光谱和一维原位漫反射NIR光谱分别开展了地塞米松棕榈酸酯分子结构和平均吸收频率/吸收强度的研究。利用二维原位漫反射NIR光谱进一步开展了地塞米松棕榈酸酯分子官能团变化快慢顺序的研究。研究发现,地塞米松棕榈酸酯分子结构的NIR光谱吸收模式主要包括游离O—H官能团伸缩振动倍频模式(ν_(1-一维))、缔合O—H官能团伸缩振动倍频模式(ν_(2-一维))、CH_(2)官能团对称伸缩振动倍频模式(ν3-一维)、C=O官能团伸缩振动倍频模式(ν_(4-一维))、CH_(2)官能团不对称伸缩振动和CH_(2)官能团对称伸缩振动合频模式(ν_(5-一维))。地塞米松棕榈酸酯分子结构2级倍频模式NIR光谱吸收频率数据重现性相对较差,而1级倍频模式NIR光谱吸收频率数据重现性相对较好。室温下,地塞米松棕榈酸酯分子官能团变化快慢顺序存在着一定的差异性。一维原位漫反射NIR/二维原位漫反射NIR光谱联用技术可以有效开展地塞米松棕榈酸酯分子结构研究。

基于近红外光谱技术苹果尺寸差异对糖度模型适用性的影响

为消除水果自身尺寸差异对其糖度预测模型的不利影响,进一步提高水果分选模型精度,应用近红外光谱在线检测装置采集不同果径苹果的近红外光谱,对光谱进行多种预处理后,分别建立苹果可溶性固形物的偏最小二乘法模型,再用苹果果径75~85mm组中的建模集预测苹果果径分别为65~75、85~95mm组中的预测集样品,最后用果径组65~75、75~85、85~95 mm中的建模集和预测集,分别作为混合苹果尺寸糖度预测模型的建模集和预测集,并利用特征光谱选择算法对模型进行简化,建立苹果糖度通用预测模型。结果显示:与建模集和预测集果径不同时所建立的苹果糖度预测模型最优组相比,其相关系数Rp由0.805提高至0.943,预测集均方根误差值RMSEP由0.778减小至0.480,RPD由0.96增加至3.05,再对建立的通用模型进行简化,可以降低苹果尺寸对苹果糖度模型的影响,提高模型预测性能。

基于近红外光谱的卷烟配方模块香型预测

为提高卷烟配方模块的分类识别准确率,并为卷烟配方模块的科学评估提供技术支撑,提出了一种基于近红外光谱特征筛选的卷烟配方模块香型预测方法。选取2017—2019年238个卷烟配方模块样品的近红外光谱数据,结合特征工程中的递归特征消除法和BP神经网络、随机森林、XGBoost3种机器学习技术,构建了基于特征变量的香型预测模型。与全光谱数据训练的分类效果对比,经过递归特征消除法筛选后的光谱特征变量能够有效提升卷烟配方模块香型的识别准确率,其中,XGBoost算法分类效果最佳,模型对测试集的识别准确率达到了90.41%。结果表明,基于近红外光谱特征筛选的香型预测方法对卷烟配方模块的快速定位、科学评价及卷烟配方设计等有一定的辅助决策作用。

基于迁移成分分析的近红外光谱定量分析通用模型

在近红外光谱定量分析中,由于光谱数据采集设备和环境条件的不同,已有模型在使用到不同设备或不同环境时会出现预测精度低的现象。为了增强定量分析模型的普适性和通用性,提高模型的预测精度,提出一种基于改进的迁移成分分析转移方法(TM-TCA)的近红外光谱定量分析通用模型构建策略。改进的迁移成分分析方法采用二次校正策略,通过对从机光谱数据的两次校正,改善由于仪器偏移、漂移或不稳定性引起的光谱差异性,确保数据的一致性和准确性,消除仪器不同或外界条件影响产生的偏差,使校正后的从机光谱数据特征尽可能接近主机光谱,以此增强模型对从机光谱的预测能力。首先求出主机与从机光谱转换矩阵,通过转换矩阵进行待测样品的一次校正,缩小主机与从机样品间受外界条件因素产生的差异性。将经过转换矩阵转换后的主机-从机光谱数据矩阵作为迁移成分分析方法的输入。接下来,基于多指标综合迭代优化选择迁移学习中的核函数和特征值个数的基础上构建定量分析通用模型。为了验证迁移成分分析改进效果,与多种方法的转移效果进行比较。通过优化分析选择RBF核函数,特征值个数为52,实验表明,基于TM-TCA的光谱校正率达到97.1%,光谱平均差异(ARMS)与转移前相比下降了82.9%,比TM和TCA方法分别降低了46.5%和30.2%。为了验证模型构建策略的有效性,构建基于TM-TCA和偏最小二乘回归(PLSR)的玉米水分定量分析通用模型,并对不同设备条件下的模型通用性进行分析。TM-TCA-PLSR模型的预测效果与TCA-PLSR模型的预测效果相比较,模型的预测决定系数达到了0.8729,提升了41%,预测均方根误差(RMSEP)和平均绝对误差(MAE)分别为0.1543和0.1159,均降低了90%以上,并且TM-TCA-PLSR模型相对分析误差(RPD)值超过了2.5,模型具有实际应用的价值。表明了TM-TCA转移方法能有效减少主机和从机光谱之间的差异性,基于TM-TCA和PLSR的主机模型具有一定的通用泛化能力。

基于反向比例解析的近红外光谱定量模型快速构建方法

为解决光谱漂移问题,该研究设计了一种基于反向比例解析的近红外光谱定量模型方法。以烟叶近红外光谱和烟碱含量为研究对象,将数据划分为训练集和测试集。通过计算训练集光谱与测试集光谱的相关性并按照高低排序,选择前20%的光谱,运用约束规划的方法,计算测试集的拟合系数,得到测试集光谱的估计值。结果显示,使用反向比例解析法建立的模型的平均绝对误差为0.3466,预测标准偏差为0.4252,相关系数为0.7932,优于PLS模型。反向光谱比例解析可以有效解决光谱漂移问题,实现烟草中烟碱含量的准确预测,为烟碱的有效测量提供参考。

近红外光谱技术在乳及乳制品质量检测中的应用

随着生活水平的提升,人们对食品质量的关注日益增加,快速获取产品质量信息已成为热点问题之一。近红外光谱技术作为一种快速、无损、定量的检测手段,能够在短时间内获取食品的质量信息,该技术已逐渐在食品质量评价中得到广泛应用。本文综述了近红外光谱技术在乳及乳制品质量检测方面的应用,旨在为该技术在乳制品行业中的进一步应用提供参考。

近红外光谱技术快速鉴别碱水浸泡鸡肉的研究

采用近红外光谱分析技术并结合主成分分析法,建立碱水浸泡鸡肉快速鉴别模型。原始光谱经平滑、多元散射校正和一阶导数等预处理后进行系统主成分分析,结果显示正常鸡肉和碱水浸泡鸡肉能得到清晰的分类。通过不同光谱预处理方法,采用簇类的独立软模式法建立分类模型,结果显示通过对样品光谱采用7点卷积平滑方法预处理,分类模型综合正确率最高,校正回判正确率在77.08%~100%之间,预测正确率在81.25%~100%之间。综上,采用近红外光谱分析技术对碱水浸泡鸡肉进行快速鉴别可行。

基于近红外光谱模型转移的牛奶蛋白检测方法研究

目的研究基于近红外光谱模型转移的牛奶蛋白检测方法。方法分别采用实验室与在线检测近红外光谱仪采集生产过程中原料奶样品的近红外光谱,研究斜率截距法(slope/bias,S/B)、分段直接标准化(piecewise direct standardization,PDS)算法、Shenk’s方法在不同仪器测量光谱之间模型转移应用,优化模型参数,提高实验室仪器建立的校正模型应用于在线光谱仪器的预测精度。结果经过Shenk’s算法转移,主从机的光谱平均差异降低为0.0075,光谱校正率达到98.95%。利用模型转移方法与偏最小二乘模型结合,将实验室分析光谱仪建立的模型用于生产在线光谱仪测量光谱预测,显著提高了牛奶中蛋白质含量预测准确度,不同仪器之间模型预测相对均方根误差从5.52%下降到2.03%。结论本研究的方法实现了实验室分析与在线检测仪器测量光谱及定量分析模型转移共享,为近红外在线检测的智能化改进提供了基础。

基于近红外光谱特征的国产绿茶产地溯源研究

目的研究我国多省出产绿茶近红外光谱特征,探索以近红外光谱差异进行绿茶产地溯源研究的可行性。方法运用傅里叶变换红外光谱仪漫反射法扫描我国多个产区的169份代表性绿茶样本,谱图分别采用一阶导数(first derivative,1st)、最大最小归一化(max-min normalization,Max-min)、标准正态变量变换(standard normal variable transformation,SNV)和多元散射校正(multiplicative scatter correction,MSC)4种预处理方式处理,采用连续投影算法(successive projections algorithm,SPA)筛选产地差异波段,采用主成分分析(principal component analysis,PCA)对光谱降维处理,建立茶叶产区判别模型。结果采用Max-min、SNV、MSC处理的数据前3个主成分的累计方差贡献率均达到95%以上。分别建立基于主成分的线性判别分析(linear discriminant analysis,LDA)、支持向量机(support vector machine,SVM)、K-最近邻算法(K-nearest neighbor algorithm,KNN)判别模型。经交叉验证和测试集验证,确定最佳处理路线为卷积平滑(Savitzky-Golay,S-G)+MSC+SPA+PCA,结合KNN和SVM建立非线性模型,其光谱测试集判别正确率均达到94%以上。结论近红外光谱结合判别模型可以用于绿茶产地溯源,本研究为绿茶溯源及模型参数选择提供了一定的参考。

基于实验型和工业型近红外光谱仪的木片材性预测建模对比研究

本研究探讨了采用工业型光谱仪和实验型光谱仪建立近红外模型用于快速预测木片材性的可行性,分析对比不同光谱仪的建模效果。针对不同材性指标分析特点,通过光谱信号校正和特征波长筛选算法优化模型预测性能,建立适宜的建模方法。结果表明,基于工业型光谱仪建立的近红外模型对木片水分、基本密度、纤维形态等物理性能指标表现出更高的预测精度,而化学组分含量的预测精度与实验型光谱仪无显著差异。工业型光谱仪木片理化材性近红外模型适用于制浆原料品质评价和工业过程分析。

偏最小二乘法和近红外光谱技术快速测定发酵黄芪茎叶中黄酮含量及抗氧化活性

试验测定发酵前、后黄芪茎叶黄酮含量和抗氧化活性,并应用近红外光谱技术(NIR)结合化学计量学法快速预测发酵黄芪茎叶黄酮含量,为定量检测发酵黄芪茎叶黄酮含量提供理论依据以及为黄芪茎叶深加工利用提供技术支持。试验采用硝酸铝-亚硝酸钠比色法测定发酵黄芪茎叶黄酮的含量,测定黄酮对1,1-二苯基-2-三硝基苯肼(DPPH)自由基清除能力和羟基自由基的清除能力,利用偏最小二乘方法构建发酵黄芪茎叶黄酮的快速预测模型。结果表明,发酵黄芪茎叶黄酮抗氧化能力强于发酵前,构建快速预测模型采用了二阶导数(SD)+正态变量变换(SNV)+去趋势算法(Detred)的方法对全谱图进行预处理的效果较好,优化后的模型决定系数(R^(2))、校正均方根误差(RMSEC)、校准标准差(SEC)分别为0.92、0.24、0.24,其相对分析误差(PRD)为3.46,外部验证R2为0.88。研究表明,构建的NIR模型校正和交互验证决定系数均较大,PRD均大于2,说明模型预测性能较好,建立的模型有助于检测发酵黄芪茎叶黄酮含量活性成分。