基于近红外高光谱技术的杧果可溶性固形物含量无损检测

【目的】近红外高光谱成像技术(NIR-HSI)在水果内部品质的无损检测方面具有快速、准确和无损的特点。旨在利用NIR-HSI技术分析不同品种杧果的可溶性固形物含量,并探讨400~1000nm波段范围内的光谱差异和可溶性固形物含量的响应。【方法】选择贵妃杧果和台农1号杧果作为研究对象,使用NIR-HSI技术获取杧果样本的光谱数据。采用CARS-PLS模型分析可溶性固形物含量与各波段光谱反射率的相关系数。为了验证模型的性能,计算了建模R^(2)、斜率Slope、截距和RMSE等指标。【结果】得到CARS-PLS模型的性能指标:建模R^(2)为0.8806,斜率为0.8515,截距为12.208,RMSE为0.6366。这些指标表明该模型具有较高的建模拟合度和预测精度。【结论】应用NIR-HSI技术对杧果可溶性固形物含量进行检测具有可行性。为进一步研究不同水果可溶性固形物含量的高精度模型奠定了基础。通过NIR-HSI技术的应用,可以提供一种非破坏性且高效准确的方法,用于水果品质评估和检测。这对农产品质量控制和市场营销具有重要的意义。

MIV波长优选改善VIS/NIR光谱TVB-N模型性能研究

挥发性盐基氮(TVB-N)是衡量肉品新鲜的重要理化指标,利用可见/近红外(VIS/NIR)光谱对TVB-N含量进行定量检测具有重要意义。预测模型是VIS/NIR光谱检测TVB-N含量性能的关键要素,使其兼顾准确性与稳健性可有效改善TVB-N的定量分析结果。以猪肉为例,采集51组不同新鲜度样本的VIS/NIR光谱数据,去除低信噪比区间200~450和900~1000 nm,选取有效波段450~900 nm的光谱数据用于建模。随后利用主成分分析(PCA)对光谱信息降维,构建一个反向传播神经网络(BPNN)模型。在此基础上,提出用平均影响值(MIV)方法从有效波段中优选与肉质TVB-N含量强相关的特征波长,最终基于221个优选波长,构建一个MIV-PCA-BPNN预测模型。实验表明,初步构建的PCA-BPNN非线性预测模型,校正相关系数(R_C)和校正均方根误差(RMSEC)分别为0.96和1.47 mg/100 g,预测相关系数(R_P)和预测均方根误差(RMSEP)分别为0.93和1.74 mg/100 g,模型稳健性指标为1.18,优于经典的线性预测模型主成分分析回归和偏最小二乘回归,证明TVB-N具有较强的非线性效应。最终构建的MIV-PCA-BPNN预测模型的R_C和RMSEC分别为0.98和1.21 mg/100 g,R_P和RMSEP分别为0.96和1.12 mg/100 g,模型稳健性指标为1.08,在所构建的预测模型中,RMSEC和RMSEP最小,RC和RP最大,模型的准确性和稳健性最佳。另外,MIV方法筛选出的特征波长集中在7个波峰附近,皆分布于肉品中化学成分的吸收区内,且与TVB-N中的含氢基团的特征吸收峰表现出高度一致性,为利用MIV方法筛选波长变量提供了理论依据。研究结果显示,MIV波长优选可有效改善预测模型的性能,为利用神经网络剔除无关波长变量提供了新思路,所构建的MIV-PCA-BPNN预测模型满足了肉质中TVB-N定量分析的需求。

利用VIS/NIR反射光谱快速检测柿饼加工中水分含量

水分是柿饼的重要组成成分,也是影响柿饼制作过程的重要因素。利用可见/近红外反射光谱对柿饼制作过程中的水分含量进行检测。首先,获取柿饼在不同加工阶段的可见/近红外反射光谱(400~1000 nm),采用烘干法测定柿饼水分含量。然后,对光谱进行Mean smoothing(MS)平滑、多元散射校正(MSC)和一阶导数(1-D)预处理。最后,对不同预处理光谱,结合样本水分含量,使用Samples set partitioning based on joint x-y distance(SPXY)方法划分校正集和验证集,基于SPA方法选择特征波长,建立多元线性回归(MLR)预测模型。结果表明,反射光谱经过MS处理后,确定的9个最优波长组合建立水分检测模型的预测结果最好:预测相关系数(Rp)为0.9690,预测标准残差(SEP)为3.4729%,可见/近红外反射光谱技术可以较好地预测柿饼制作过程中的的水分含量。研究可为柿饼加工过程中的品质快速检测提供一定的技术支撑。

土壤全氮田间Vis/NIR光谱测定方法研究

应用Vis/NIR光谱直接测定原始土壤属性具有重要的研究和应用价值。选取我国中部水稻土和潮土共103个土样,对比分析了两种土壤在田间环境下的湿态(Rw)和干态(Rd)光谱特征。采用相对变换光谱方法对湿态光谱进行了处理,结果表明该方法能够有效降低土壤水分的干扰和消除部分噪声,得到的变换光谱(Rn)与干态光谱在信息量和特征方面具有很高的相似度。以此建立了土壤TN的PLS回归估计模型,检验结果表明,Rn对水稻土和潮土TN的估计模型精度均高于Rw,修正判定系数分别从0.26和0.46提高到0.53和0.62。因此,相对光谱变换方法能够有效提高应用田间土壤光谱估计土壤参数的能力,建立的PLS模型可以用于测定TN含量,研究结果可作为实现田间实时分析土壤属性的工作基础。

湿度检测新法——流化床造粒系统利用NIR近红外光谱分析技术进行温度检测

过程设备往往需要不断地转换产品品种，因此其NIR近红外检测系统计量检定的费用将会明显地提高。而利用一种万能的计量检定方法，则可以明显地降低近红外检测设备的计量检定费用。这样一来，就赋予了NIR近红外光谱分析技术新的作用和意义，成为流化床造粒过程中重要的PAT过程分析技术工具。

基于近红外光谱的反刍动物饲料营养指标的检测方法研究

收集了151个反刍动物饲料,应用偏最小二乘(PLS)定标方法,建立了基于近红外光谱的反刍动物饲料化学成分定标模型。定标集化学分析值与预测值之间的决定系数R2和标准差(RMSEC)分别为:0.927 3和0.265(水分)、0.928 9和0.682(粗蛋白质)、0.950 5和0.228(粗脂肪)、0.906 0和0.542(粗灰分)、0.919 8和0.558(粗纤维)。验证集化学分析值与预测值之间的决定系数r2和标准差(RMSEP)分别为:0.920 6和0.284(水分)0、.919 4和0.690(粗蛋白质)、0.926 4和0.312(粗脂肪)、0.943 4和0.437(粗灰分)、0.903 5和0.616(粗纤维),相对分析误差(RPD)均大于3,具有较高的预测精度。结果表明,利用近红外光谱反射光谱分析技术可以定量检测反刍动物饲料中水分、粗蛋白质、粗脂肪、粗灰分、粗纤维的含量。

我国油料产品品质的近红外光谱快速检测技术研究进展

近红外光谱技术是一种快速无损检测技术,具有操作简单、检测成本低、无需化学试剂、绿色环保,以及可实现多品质参数同步检测等优点。该文综述了我国油料和食用植物油品质的近红外光谱速测技术研究进展,包括油料含油量、粗蛋白含量、脂肪酸含量等品质指标,食用油的理化指标,以及脂肪酸和食用油的真实性鉴别,并对油料产品品质的近红外光谱速测技术的发展前景进行了展望。

近红外光谱图像处理的霉变稻谷检测方法

稻谷在储藏和运输过程中,在适宜的温湿度环境下极易发生霉变,导致大量的粮食浪费和巨大的经济损失,进而影响粮食安全。为解决传统的稻谷霉变检测存在的繁琐且耗时较长等不足,提出了基于近红外光谱图像处理和神经网络的稻谷霉变程度检测方法。首先,通过农业多光谱相机(Sequoia)和固定光源等设备,构建了霉变稻谷近红外图像数据采集平台,获取了黑龙江地区牡响、早香、彩稻三个品种不同的霉变状态(健康稻谷、轻度霉变、中度霉变)的近红外光谱成像数据。对于近红外光谱图像的160×160像素有效区域,应用数字图像处理技术结合光谱图像分析方法,分析了NIR图像多种纹理特征和光谱反射值频率特性,优选不同稻谷品种霉变状态的光谱特征,计算了近红外图像的纹理特征(均值、标准差、平滑度、三阶距、一致性、信息熵、平均梯度、分形维数)以及间隔步长0.1时NIR光谱图像在0.2~0.8区间反射值频率,共计14维度的光谱图像特性指标。最后,以提取NIR图像的特征向量为依据,利用前馈神经网络的自适应推理机制,建立了稻谷霉变程度与其近红外图像特征之间的非线性映射模型,该神经网络结构为14-60-3型,进一步将网络输出编码向量解析至稻谷霉变等级,实现了稻谷霉变程度的快速检测方法。结果表明:本文提出检测模型在学习次数为28455次时达到预设的目标精度0.06,所提取的稻谷NIR图像特征与模型输出的相关系数为0.85。仿真测试中该检测模型所计算出的网络输出值和期望输出值的误差平均值为0.52139,方差为0.13782,误差的标准差为0.37123,对于不同稻谷的霉变程度检测的准确率为93.33%。该研究为实现稻谷霉变程度无损检测提供了新方法,为稻谷仓储时霉变早期自动快速检测提供了技术支持。

近红外(NIR)光谱技术在油品分析中的研究

近红外(NIR)光谱快速分析技术具有方便、快速、高效、准确、不破坏样品、不消耗化学试剂、不污染环境等优点。为了有效提高油品中间馏分的分析速度,节约分析时间,文章对近红外(NIR)光谱技术和常规分析进行了有效地比对,近红外(NIR)光谱技术用于测定油品中间馏分分析的优点和推广性显而易见。

伦敦专家研制出光谱设备NIRS令假药无所遁形

科学家正致力于开发一种效率高、成本低的药品检测技术。 作为伦敦大学药学院的药物分析名誉教授，托尼莫法特（Tony Moffat）在处方药的质量控制、兴奋剂和大麻的检测等方面著述颇丰。如今，凭借其精深的专业知识．莫法特教授成功地开发出一种快速检测假药的新技术。

基于微系统技术的NIR光谱仪——采用微系统技术降低NIR近红外光谱仪的成本

带有光电二极管的NIR近红外光谱仪是流程分析技术中是最常用的检测监控元器件，它具有检测速度快且坚固耐用的特点，但却价格昂贵。而扫描一光栅技术可作为这一检测监控应用中的替代方案，它采用振荡的微系统技术，避免使用价格昂贵的光电二极管。

探秘现代聚合物 应用UV／VIS光谱分析现代塑料领域中的聚合物

现代聚合物的品类日益增多，其性能也越来越多地依靠化学分析技术进行研究。除了众多常规费时费力的检测方法（如气相色谱法、液相色谱法）之外．新的UVNIS（NIR）光谱检测分析技术也得到了日益广泛的应用。

近红外光谱分析技术及应用研究

分析了近红外光谱分析技术的原理和组成,对该技术发展历程中出现的几种典型仪器及其工作原理进行了总结,指出傅立叶变换型仪器将成为NIR分析仪的主导产品,着重论述了该技术在粮食、果蔬、肉类、油料、药物、石化等产品成分检测方面的应用.

牛肉品质检测技术的研究进展

牛肉品质检测在牛肉生产、加工和消费过程中起着重要的作用。本文介绍了剪切力测定、近红外光谱分析(NIR)和机器视觉三种牛肉品质测定方法的技术特点和国内外研究现状,着重介绍了机器视觉技术在牛肉颜色、大理石花纹、纹理和生理成熟度等品质参数测定方面的研究进展情况,指出机器视觉技术是未来牛肉品质检测研究的主要发展方向。

NIR快速筛选降糖类中药及保健食品中非法添加盐酸二甲双胍的方法研究

目的:运用近红外光谱(NIR)法对降糖类中药及保健食品中非法添加盐酸二甲双胍进行快速筛选。方法:采用逆向思维方法,以盐酸二甲双胍对照品NIR图谱作为参照光谱,与降糖药NIR光谱比对,建立对照品与中药制剂及保健食品的相关系数,快速筛查中成药及保健食品中是否非法添加了盐酸二甲双胍,经液相色谱-质谱联用定性后,将法定检验结果与近红外光谱结合,建立NIR检验模型。结果:用该检验模型对已知法定方法检测结果的样品进行筛选,准确率高达97%。结论:建立的应急模型具有方法简单、快速、易操作等特点,适用于大量样品的快速筛选。

基于可见光/近红外高光谱技术的窖泥总酸的分布

基于近红外(near-infrared,NIR)以及可见光(visible,VIS)高光谱技术快速评估窖泥总酸的分布。化学计量法结合计算机技术分析窖泥在近红外以及可见光波段下的高光谱数据,结合总酸实测值建立偏最小二乘回归、最小二乘支持向量机2种预测模型。根据模型的表现性能,最优模型为可见光区域下的SNV-SPA-SVM模型,训练集的决定系数Rcal2为0.9985,均方根误差为0.0049 g/kg,测试集的决定系数Rpre2为0.9991,均方根误差为0.0038 g/kg,并计算得到不同窖龄、不同层次窖泥总酸度的可视化分布图。结果表明,将高光谱技术应用于窖泥总酸的快速无损检测是可行的,此技术帮助白酒企业快速发现问题,及时调整工艺,防止窖泥酸化和老化现象的发生,同时为中国白酒行业传统技术的转型升级以及智能化在线实时监控窖泥质量提供了有力的技术支持。

基于NIR高光谱成像技术的滩羊肉内部品质无损检测

利用近红外高光谱成像技术对滩羊肉蛋白质和脂肪含量、pH值进行无损检测研究。通过高光谱系统（900-1700nm）采集69个羊肉样本信息，先对全波段下的原始光谱和预处理后光谱建立偏最小二乘回归（PLSR）模型，对比优选出最佳预处理算法，后采用PLSR的加权卢系数法提取特征波长，建立特征波长下各品质参数的PLSR模型，分析预测效果。结果表明：羊肉蛋白质、脂肪含量、pH值最佳预处理方法为基线校准（Baseline）、多元散射校正与S-G卷积平滑结合算法（MSC＋SG）和原始光谱；利用特征波长建立预测模型，决定系数（Rp2）分别为0．83、0．86和0．72，预测均方根误差（RMSEP）为0．57、0．09和0．12，可替代全波段建模。利用近红外高光谱成像技术对羊肉内部品质进行快速无损检测是可行的。

简述几种新型的饲料检测技术

饲料检测技术具有较强的实用性价值,在饲料检测中扮演着重要角色,因此本文对几种饲料检测技术的应用原理进行了介绍以便更好地选择适合的检测技术,提高检测的准确率和检测效率。1光学分析技术1.1原子吸收光谱法该法是光学分析技术中的一种,能够对目标物内元素的浓度进行检测,具有精准和快速等特点,具有良好的应用效果。此项技术,不仅可以对目标物内的铜元素进行总含量测定,还能借助火焰原子吸收光谱法来对镉元素的质量分数进行分析判断,从而为饲料产品的品质提供保障。该技术的不足之处是对真空紫外环境下的元素检测的准确性不是很好,使用不当还会干扰曲线分析。

维C银翘片包衣过程的近红外光谱质量控制

目的:利用近红外光谱(NIRS)构建维C银翘片(VCYT)包衣过程中引湿率、衣膜厚度、包衣增重3个指标的定量预测模型,并实现终点判断。方法:采用漫反射方法采集4个批次VCYT包衣过程中的实时NIRS数据;滚移包衣法对VCYT进行包衣,从喷雾阶段开始,每间隔10 min从包衣机上的取样口进行取样,收集不同包衣时间上的样品共57批(约1800片),将片剂包埋于熔化的石蜡中,纵向切开,利用体视显微镜观察,并使用Motic Images Advanced 3.2软件测量衣膜厚度(目标值38μm),参照2020年版《中华人民共和国药典》(四部)“药物引湿性试验指导原则”测量样品引湿率(目标值3%),每批随机抽取3份样品(每份10片),称量并计算包衣增重(目标值4%);利用偏最小二乘回归(PLSR)构建3个包衣指标的定量模型,利用移动平均法对包衣指标的预测值平滑处理,并用于判断包衣终点。结果:引湿率、衣膜厚度、包衣增重的预测决定系数(Rp 2)分别为0.9334、0.9326、0.9659,预测均方根误差(RMSEP)分别为0.1635%、1.8709μm、0.2403%,相对分析误差(RPD)分别为3.7110、2.7607、5.4158。外部验证集结果显示,模型的实时预测值与实测值呈现了相同变化趋势,包衣终点能被准确预测(预测误差<7.32 min,相对误差<5.63%)。结论:NIRS模型预测能力良好,可用于VCYT包衣过程的质量控制。

土壤定量遥感技术研究进展

分述了目前VIS/NIR地面光谱、多光谱和高光谱数据及分析技术在土壤定量遥感研究中的应用情况和进展,指出多源遥感数据的应用是该领域的主要趋势,并简要分析了目前研究中存在的问题。