基于化学计量学的近红外光谱法检测白酒中酯含量研究

为实现快速检测白酒中4种主要酯类物质的含量,采用化学计量学方法对模拟白酒样品的近红外光谱数据进行模型构建,并用白酒样品进行验证试验。结果表明,模型预测值与实际值的相关系数均大于0.97。使用白酒样品进行验证试验,预测值与测定值无显著差异。说明采用近红外光谱进行白酒中酯类物质检测可以实现快速、无损、多参数、多指标检测。

FT-NIR光谱仪测定酒糟成分不同谱区范围对数学模型的影响

通过使用FT-NIR光谱仪,探讨不同的近红外谱图范围分别对出入窖糟的各组分的影响,找到最佳的谱区范围,确定决定系数(R)和均方差(RMSECV),建立最优数学模型,确保检测数据准确可靠。

青蒿浓缩过程在线近红外快速检测模型的建立

目的建立青蒿单效浓缩过程中近红外在线快速检测模型,并讨论吸光度的变化对其模型建立的影响。方法在线收集9批浓缩液样本,偏最小二乘（PLS）法建立定量校正模型,并用此模型对1批样品进行预测。结果总酸和固含量PLS模型参数如下：决定系数（R2）分别为0.9679和0.9623,校正集均方根误差（RMSEC）分别为0.7835和0.9488,交叉验证集均方根误差（RMSECV）分别为0.8258和0.9780。结论青蒿浓缩液样品吸光度范围为0-2.0,该光谱建立的总酸和固含量的PLS模型的预测相对偏差（RSEP）值均在10%以内,能够满足青蒿生产过程中质量要求,说明当吸光度范围为0-2.0时,通过增加样品数和运用化学计量学方法可消除吸光度太高（即透过率太低）对青蒿近红外模型建立的影响。

在线近红外光谱监测桂枝茯苓胶囊流化床干燥过程水分的方法研究

目的采用在线近红外光谱(NIRS)技术,建立桂枝茯苓胶囊流化床干燥过程水分实时监测模型。方法通过NIRS漫反射探头采集16个生产批次共176个样本进行建模,优选移动窗口平滑法进行光谱预处理,采用间隔偏最小二乘法(siPLS)结合移动窗口偏最小二乘法(mwPLS)筛选特征变量为4759.45~5338.00 cm^−1、5503.84~6101.67 cm^−1、8512.25~8809.24 cm^−1,采用偏最小二乘(PLS)法建立水分含量多变量校正模型。结果水分预测的交叉验证均方根误差(RMSECV)为0.243%,性能偏差比(RPD)值为13.384,预测相对偏差(RSEP)为0.270%。以8个生产批次对在线监控方法的可靠性进行持续验证,结果40个样本的相对预测误差均小于4.7%。干燥过程水分实时监测趋势图显示可准确判断干燥终点,终点样本水分含量位于控制限内。结论在线NIRS结合PLS建立的定量模型,可应用于生产规模桂枝茯苓胶囊流化床干燥过程水分含量在线监控且预测性能稳健、准确。