便携式近红外仪检测牛奶中脂肪、蛋白质及干物质含量

采用便携式近红外光谱仪,结合偏最小二乘回归法,研究了牛奶脂肪、蛋白质和干物质含量的测定方法,建立了近红外漫反射定量分析模型。结果显示,脂肪、蛋白质和干物质模型相关系数(R2)分别为0.98,0.95,0.98,建模集标准残差(RMSEC)分别为0.187,0.105,0.217,验证集标准残差(RMSEP)分别为0.187,0.120,0.296,相对分析误差(RPD)分别为5.02,2.60,3.20。同时探讨了各成分间的相关性,发现脂肪与干物质间具有很好相关性(R2=0.921),因此可通过脂肪模型预测来计算干物质含量,提高了干物质的检测精度。研究表明,采用便携式近红外漫反射模式可为牛奶成分的现场检测提供一种无损、快速的新方法。

近红外光谱的预处理对羊肉TVB-N模型的影响

为研究能否通过对算法参数的调整和算法的组合来减弱甚至消除便携式近红外仪和样品组织结构等对样品光谱信息的影响,提高模型的预测准确性和稳健性,实现现场快速无损检测生鲜羊肉挥发性盐基氮(total volatile basic nitrogen,TVB-N)的目的。本研究应用不同参数组合的单一算法和不同算法组合对样品的光谱信息进行预处理并建模,从模型的预测准确性和稳健性2个方面探讨算法参数和算法组合对模型性能的影响,找出针对检测生鲜羊肉中TVB-N含量的最佳预处理方法。结果表明,不同的算法参数和算法组合对模型性能的影响差别很大,对样品的近红外光谱信息进行差分求导(窗口数为6,求导阶次为1)后,模型性能最佳。模型的校正标准差和验证标准差分别为1.21和1.31,校正标准差和验证标准差的比值为1.08小于1.2,主成分数为10,校正集相关系数和验证及相关系数分别为0.94和0.92。说明通过对算法参数的调整和对算法的组合可以有效提高模型性能,满足应用便携式近红外仪现场快速无损检测生鲜羊肉TVB-N含量的要求。

粗皮桉制浆性能的近红外光谱检测

传统的木材性状测量方法难以同时测量大量林木群体的多个材性性状。本研究旨在探索近红外光谱(NIRs)快速预测粗皮桉(Eucalyptus pellita)制浆性能的准确性和可靠性。用手持式近红外仪扫描了粗皮桉木粉的NIRs。同样的样品交由合作公司测量其静曲强度、弹性模量、纤维素含量、木质素含量和制浆得率5个性状值。对原始NIRs的导数平滑、多元散射校正等预处理表明,导数平滑能够提高光谱特征峰的分辨率。偏最小二乘法建立的模型参数也表明单独的导数平滑即可提高粗皮桉制浆性能NIRs模型的性能。导数处理后的建模效果显示,粗皮桉5个制浆性能NIRs模型的决定系数R^(2)为0.7~0.9。模型经独立样本的预测检验显示,5个性状预测值的变异系数基本小于真实值的变异系数,表明NIRs可用于桉树制浆性能的快速预测。研究也为NIRs用于桉树目标性状的遗传差异分析提供了启示。