傅立叶变换近红外光谱技术分析完整油菜籽含油量数学模型的建立

利用傅立叶近红外技术和大量具有代表性油菜籽样品建立含油量测定模型，内部交叉法和外部检验集样品对模型检验结果：含油量模型内部交叉验证均方差为O．755，最佳主成分维数为9，采用一阶导数＋矢量归一化方法预处理，谱区为7502．2—6098．2cm^-1、4601．6～4246．7cm^-1时，所建模型对油菜籽含油量测定结果与标准方法测定结果基本一致。说明建立的近红外分析模型能够满足油菜育种中对初级世代材料含油量的快速测定筛选要求。

傅立叶变换近红外光谱技术快速测定玉米DDGS营养成分

为实现玉米DDGS营养指标的快速检测,本实验采用傅立叶变换近红外光谱技术,建立玉米DDGS水分、粗蛋白质、粗脂肪、粗灰分和氨基酸定量分析模型。收集全国范围内230个玉米DDGS样品,随机分为215个校正样品和15个验证样品,通过对不同组分独立进行光谱的预处理、交互检验计算和优化定标,得到的水分、粗蛋白质和粗脂肪定标方程决定系数R~2均在0.9以上,交互验证均方根误差(RMSECV)在0.30以内,相对分析误差RPD>3;粗灰分R~2为0.81,RMSECV为0.12,RPD为2.3,盲样验证结果均满足GB/T 18868要求,模型均有较好的准确性和稳定性;氨基酸组分建模和验证效果也较好。结果表明,采用傅立叶变换近红外光谱技术能够实现对玉米DDGS的快速检测。

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。

近红外与傅里叶变换红外光谱技术对麦麸固体发酵饲料中不同成分的监测研究

为实现光谱技术对麦麸固体发酵过程中不同成分变化的在线监测,通过国家标准方法测定61份麦麸固体发酵饲料样本的蛋白质、水分、总酚和粗纤维含量,采集样本近红外光谱(NIR)和傅里叶变换红外光谱(FT-IR),经过标准正态变换(standard normal variate transformation,SNV)、多元散射校正(multiplicative scatter correction,MSC)、平滑(smoothing)等9种预处理方法对原始光谱进行校正,结合偏最小二乘法(partial least squares,PLS)建立4种成分的NIR和FT-IR定量分析模型并进行比较分析。结果表明:所建立的4种成分NIR和FT-IR模型的训练集决定系数(Rc^(2))和验证集决定系数(Rp^(2))均大于0.8,交叉验证均方根误差(root mean square error of cross validation,RMSECV)小于2.0,训练集均方根误差(root mean square error of calibration,RMSEC)和验证集均方根误差(root mean square error of prediction,RMSEP)小于1.0。因此,所建立的NIR和FT-IR定量分析模型具有较好的准确性和稳定性,能够对麦麸固体发酵过程中不同成分变化实行快速监测。

基于傅立叶变换中红外光谱技术的浓香型基酒快速检测

为在线监测浓香型白酒酿造过程中不同馏分的质量情况,以摘酒工艺过程中的基酒为研究对象,利用傅立叶变换中红外光谱结合偏最小二乘法建立了基酒中乙醇、乙酸乙酯、丁酸乙酯、己酸乙酯、乳酸乙酯、乙酸、己酸、丁酸8种化合物的快速检测模型。酒精度、乙酸乙酯、乳酸乙酯预测模型的决定系数R2为0.99,己酸乙酯分析模型的R2为0.95,丁酸乙酯、乙酸、己酸检测模型的R2约为0.90,丁酸模型的R2为0.79。8种化合物的红外光谱预测结果与化学值均有良好的线性相关性,并且化合物含量范围越宽,含量分布越均匀,模型的拟合度越好。不同季节温差大会引起基酒红外吸收光谱波动,导致模型检测准确性降低,通过温度补偿全局校正的方法建立的检测模型解决了这一问题,为实现在线自动化摘酒提供了一种可行性方案。

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。

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。

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。

近红外光谱技术监控不同水平运动员递增负荷肌群肌氧变化特征

为了分析不同水平赛艇运动员在递增负荷测试中三个关键环节不同肌肉SMO_(2)变化特征,找出不同水平运动员SMO_(2)变化与常用指标变化的关系,提高递增负荷测试在赛艇训练监控中的针对性和实效性。通过实验将45名男子赛艇运动员,依据赛艇测功仪2000 m成绩分为A、B、C三个组。三组分别完成递增负荷测试,全程记录左右侧肱二头肌、竖脊肌和股内侧肌肌氧变化,同时记录心率、血乳酸等指标。实验数据使用Shapiro-Wilk法检验数据的正态性,相同运动员不同肌肉SMO_(2)变化测试结果对比使用非参数检验分析。不同水平运动员递增负荷测试结果的对比使用双尾独立T检验。相同运动员不同部位SMO_(2)与其他指标之间变化相关关系采用Pearson相关分析。结果表明:A、B、C三组不同部位ΔSMO_(2)在每级负荷中均与ΔHR有相关关系。A组股内侧肌ΔSMO_(2)与ΔHR全程高度相关(r=0.74-0.82,P<0.01),肱二头肌ΔSMO_(2)与ΔHR全程高度相关(r=0.32-0.88,P<0.01),竖脊肌ΔSMO_(2)与ΔHR全程高度相关(r=0.49-0.81,P<0.01);BLA变化幅度为-4.36 mmol/L时,对应B组ΔSMO_(2)变化幅度为-18.64%,C组ΔSMO_(2)变化幅度为-9.31%。可见不同水平运动员在赛艇递增负荷测试中均呈现出随着负荷增加SMO_(2)逐级下降的趋势。但是,不同水平运动员三个关键环节主要肌肉SMO_(2)变化特征呈现出一定程度的差异;赛艇递增负荷测试时,水平高的运动员综合ΔSMO_(2)变化率、ΔHR变化率和ΔBLA变化率相对较小;运动员SMO_(2)“拐点”与“乳酸阈拐点”相一致。相同BLA下,水平高的运动员SMO_(2)变化幅度较大,水平低的运动员SMO_(2)变化幅度较小。SMO_(2)变化只代表局部氧化代谢和运动能力,无法反应整体运动表现。

基于近红外光谱技术的局部氧饱和度监测在体外循环中的应用

在体外循环过程中,对患者血流动力学变化的实时监测与管理对于确保患者安全和良好预后具有至关重要的作用。基于近红外光谱成像技术(NIRS)的血氧饱和度(rSO_(2))检测可无创、实时、长时程连续监测大脑或组织的氧代谢,已广泛应用于临床心脑血管疾病的诊断、预后、疗效评估以及神经康复过程。本文将对NIRS的基本原理、常见血氧指标及其在心脏手术中的应用进行综述,以期为临床对体外循环患者并发症的预防及管理提供参考。

基于近红外光谱技术有监督模式识别的青皮产地溯源分析

利用便携式近红外光谱仪采集不同产地(安徽、广东、四川)青皮外壁和内囊光谱数据,采用单一预处理和组合预处理方法消除光谱中的多种干扰,结合主成分分析(PCA)、簇类独立软模式分类法(SIMCA)及Fisher线性判别分析(FLDA)等模式识别方法建立青皮产地溯源模型。结果表明,光谱预处理可以在一定程度上消除基线漂移、背景噪声和谱峰重叠干扰,但无法实现产地溯源。3种模式识别方法中,PCA无法实现青皮产地溯源;青皮外壁和内囊原始光谱的SIMCA模型获得的青皮产地溯源整体鉴别率分别为99.14%和98.28%;FLDA模型获得的整体鉴别率均为99.57%,优于SIMCA模型;经光谱预处理优化后的SIMCA和FLDA模型对青皮产地溯源的鉴别率均可达100%,即便携式近红外光谱技术结合有监督模式识别方法可实现青皮产地溯源的无损分析,可为食药同源物质产地溯源拓展新途径。

近红外光谱技术在茶叶生产质控与品质评价中的研究进展

茶是世界上最受欢迎的饮料之一,在国内外均有庞大的市场。市场的发展对茶叶的品质要求不断提高,而快速、可靠的茶叶质量控制与品质评价技术是辅助茶叶品质提升的重要手段,一直是研究者关注的热点。传统的茶叶质量与品质检测方法费力、耗时或极具主观性。近红外光谱技术以其简单、无损、快速的特点,在茶叶生产质控与品质评价中越来越受到人们的欢迎。基于近红外光谱的检测技术是一种间接的检测方法,其检测结果容易在数据传递过程中受到各种影响因素的干扰,本文总结了近红外光谱技术在茶叶生产质控与品质评价中的重要影响因素,分析了近红外光谱技术在茶叶生产质控与品质评价中的应用状况,并对研究前景进行展望,为应用近红外光谱技术于茶叶生产质控与品质评价中的研究方向提供参考。

近红外光谱检测技术在塑料分选中的应用进展

近红外光谱检测技术(NIRS)在塑料分选中的应用旨在对塑料种类与组份进行识别,从而提高回收效率最终实现资源的综合利用。本文首先介绍传统塑料分选技术发展;其次概述近红外检测技术原理与其在塑料领域的应用现状;最后对在塑料分选领域应用前景进行了总结与展望。在塑料分选领域,近红外光谱检测技术相比传统的物理和化学检测方法,具有快速、无损、高效等明显的优势,可通过实时、在线检测,定性与定量的方式对未知样品进行识别与分选。尽管该技术在一些实验研究中已经取得了显著的阶段性成果,但在实际工程应用特别是检测的精准度,外延新的应用场景等方面仍需进一步研究和优化。

傅立叶变换近红外光谱法检测白酒总酸和总酯

该文研究白酒总酸和总酯的快速检测技术，通过解析不同白酒样品的近红外光谱图，对光谱数据进行不同的处理，结果表明：用一阶导数预处理光谱，谱区选择6102-5446cm^-1，利用人工神经网络与傅立叶变换近红外光谱相结合，采用内部交叉验证法建立模型，效果较好。其中，总酸模型的决定系数为96．73％，内部交叉验证均方根差为0．048g／L,总酯模型的决定系数为99．58％，内部交叉验证均方根差为0．085g／L，进一步对总酸和总酯的模型进行验证和评价，结果表明总酸模型验证集的相关系数为99．2％，预测标准偏差为0．074g／L；总酯模型验证集的相关为99．7％，预测标准偏差为0．134g／L，表明建立的模型可靠，预测效果好，能满足白酒生产中总酸和总酯的快速检测要求。

近红外光谱技术结合改良偏最小二乘法和反向传播神经网络预测葵花籽皮营养成分含量

本研究旨在利用近红外光谱(NIRS)技术结合不同化学计量学方法建立葵花籽皮营养成分含量的预测模型。采集101份葵花籽皮样品,测定水分、粗蛋白质(CP)、有机物(OM)、中性洗涤纤维(NDF)、酸性洗涤纤维(ADF)、酸性洗涤木质素(ADL)、粗灰分(Ash)、钾(K)、钙(Ca)、磷(P)、镁(Mg)、铁(Fe)、锰(Mn)、锌(Zn)和铜(Cu)含量。通过主成分分析(PCA)剔除异常值后,利用KS算法将剩余样品分为定标集和验证集,利用NIRS技术结合改良偏最小二乘法(MPLS)和反向传播神经网络(BPNN)分别建立葵花籽皮营养成分含量预测模型。结果表明:1)葵花籽皮中水分、NDF、ADF、Ash、Mg、Fe和Mn含量的预测决定系数(RSQ)为0.88~0.99,验证相对分析误差(RPD)为2.82~8.36,利用MPLS和BPNN模型定标结果较好,且预测准确性较好,能够用于实际测量。2)葵花籽皮中K和Zn含量的MPLS模型的PRD分别为2.75和2.44,而BPNN模型的PRD分别为1.76和1.69,K和Zn含量可利用MPLS模型进行实际预测。3)葵花籽皮中CP、Ca和P含量的BPNN模型的RSQ分别为0.9、0.89和0.83,而MPLS模型的RSQ分别为0.75、0.62和0.71,CP、Ca和P含量可通过BPNN模型进行实际预测。4)葵花籽皮中ADL和Cu含量的MPLS和BPNN模型的RSQ为0.30~0.68,RPD为1.03~1.79,预测结果不可用于实际预测。综上所述,利用NIRS技术结合MPLS和BPNN建立的预测模型能够准确预测葵花籽皮中水分、CP、NDF、ADF、Ash、K、Ca、P、Mg、Fe、Mn和Zn含量。

基于功能性近红外光谱技术观察不同康复治疗方法对产后盆底功能障碍的影响

目的 采用功能性近红外光谱技术(fNIRS)观察不同治疗方法下氧合血红蛋白(HbO_(2))的浓度变化与脑区激活的相关性,为产后盆底康复的临床研究提供客观评估指标和分析依据。方法 选取2023年1-6月在苏州大学附属独墅湖医院收治的产后盆底功能障碍疾病(PFD)的患者40例,用随机数字表法将其分为4组:纯凯格尔组、电刺激组、磁刺激组和电磁联合组,每组10例。纯凯格尔组,进行凯格尔训练,每次30 min,每周3次;电刺激组给予生物反馈电刺激治疗,每次20 min,频率5~50 Hz,每次治疗前后进行5 min凯格尔训练;磁刺激组给予盆底磁刺激治疗,每次20 min,每次治疗前后进行5 min凯格尔训练;电磁联合组给予电刺激和盆底磁刺激交替联合治疗,每次20 min,每次治疗前后进行5 min凯格尔训练。4组均治疗1个疗程10次。4组治疗前后均采用盆底解剖学指标评估盆底脱垂情况,肌电图评估盆底肌表面肌电值,同时利用fNIRS观察不同脑区HbO_(2)的浓度变化和脑区的激活情况。结果 治疗后,纯凯格尔组膀胱颈移动度较治疗前有所改善(P<0.05),尿道旋转角、肛提肌裂口面积有一定程度改善(P<0.05);电刺激组、磁刺激组、电磁联合组盆底解剖学指标较治疗前均有所改善(P<0.05);进一步组间比较,电磁联合组治疗后改善幅度优于其他3组(P<0.05)。治疗后,纯凯格尔组前静息状态下盆底肌表面肌电值较治疗前改善(P<0.05),耐力收缩状态下较治疗前有改善(P<0.05);电刺激组、磁刺激组、电磁联合组较治疗前前静息、快速收缩、紧张收缩、耐力收缩和后静息状态下盆底肌表面肌电值均有所改善(P<0.05);进一步组间比较,磁刺激组对前静息、后静息状态下盆底肌表面肌电值改善幅度优于纯凯格尔组和电刺激组(P<0.05);电磁联合组快速收缩、紧张收缩、耐力收缩状态下盆底肌表面肌电值改善幅度均优于其他3组(P<0.05)。与组内治疗前比较,L-PMC区域电刺激组和磁刺激组治疗后HbO_(2)浓度增大(P<0.05);L-PMC区域电磁联合组治疗后HbO_(2)浓度增大(P<0.05);L-SMC区域磁刺激组治疗后HbO_(2)浓度增大(P<0.05);电磁联合组治疗后网络效率增加(P<0.05)。组间差值比较发现,与电刺激组比较,R-PMC区域磁刺激组HbO_(2)浓度差值更大(P<0.05);与电刺激组比较,R-SMC区域电磁联合组HbO_(2)浓度差值更大(P<0.05);与磁刺激组比较,电磁联合组网络效率差值增大(P<0.05)。结论 电磁联合治疗方案强化了右半球的参与度,增强了多个脑功能区域之间的协同效率,更有利于增强盆底收缩力,减小盆底解剖学异常。临床上建议多采用电磁联合治疗,有助于运动区脑功能连接。

傅里叶变换近红外光谱技术测定完整油菜籽中芥酸和硫甙含量

利用傅里叶变换漫反射近红外光谱技术和大量代表性油菜籽标准样品建立完整油菜籽中芥酸、硫甙测定模型,内部交叉法和外部检验集样品对模型验证结果表明:芥酸、硫甙模型复相关系数分别为0.9618和0.9785,内部验证均方差(RMSECV)分别为1.97和5.16。用所建模型对油菜籽样品芥酸、硫甙测定结果与国家和国际标准方法测定结果基本一致,建立的近红外分析模型能够满足油菜育种中对初级世代材料芥酸、硫甙含量的快速测定筛选要求。

近红外光谱技术在常用包装材料分类方法的研究与应用

目的探索近红外光谱技术在常见包装材料分类中的应用潜力。方法首先利用近红外光谱仪对PBS、HDPE、LDPE、LLDPE、PP、PS、POE、PPC、PBAT、PLA、PGA+PBAT这11类常用包装材料进行光谱数据采集,然后采用滑动平均(MA)、标准正态变量变换(SNV)、多元散射校正(MSC)对光谱进行预处理,使用支持向量机(SVM)、K-近邻(KNN)、决策树和随机森林4种模式识别方法建立定性判别模型,最后根据模型评价指标和混淆矩阵对模型的预测性能进行比较。结果SNV结合K-近邻的模型分类效果较优,准确率达到97.03%。结论基于近红外光谱仪的塑料鉴别研究为塑料回收和再利用提供了一种便捷、快速、无损的检测方法,具有较好的应用前景。

近红外光谱技术快速检测新鲜红辣椒中水分含量和辣椒素含量的研究

为了快速准确地检测新鲜红辣椒中水分含量和辣椒素含量,采用近红外光谱技术结合偏最小二乘法(PLS)建立预测新鲜红辣椒中水分含量和辣椒素含量的定量模型。对5个品种138份新鲜红辣椒进行光谱采集,并将采集的光谱数据分别与水分含量和辣椒素含量检测值进行关联。结果表明,水分含量检验集、校正集、预测集模型的相关系数r分别为0.9585、0.9886、0.9285,残留预测偏差(RPD)都在2以上,模型拟合效果较好,预测性和准确度高;辣椒素含量模型相关系数r均大于0.8,RPD均大于2,模型预测的准确度高。说明基于近红外光谱模型快速检测新鲜红辣椒中水分含量和辣椒素含量的方法可行。

基于傅立叶变换红外光谱分析的3种石首鱼科鱼类品种区分

为实现鲈形目石首鱼科中大黄鱼、小黄鱼和黄姑鱼的品种快速准确区分,应用傅立叶变换红外光谱仪对大黄鱼、小黄鱼和黄姑鱼肌肉样品在4000~650 cm-1范围内的近中红外光谱吸收特征进行了测定,基于特征波段下的光谱吸收差异并结合主成分分析(principal component analysis,PCA)、聚类分析(cluster analysis,CA)和线性判别分析(linear discriminant analysis,LDA)、支持向量机(support vector machine,SVM)数据建模对3种石首鱼类样品进行品种区分。结果表明:3种鱼类肌肉样本在特征波段1800~650 cm-1下的红外吸光谱选择一阶导数(first derivative,1st Der)+标准正态变换(standard normal variate transformation,SNV)和1st Der+多元散射校正(multiplicative scatter correction,MSC)2种方式预处理后进行PCA,3种鱼样本间彼此间距远、无重叠;特征波段1800~650 cm-1下的红外光谱数据经1st Der结合SNV预处理后进行聚类分析时各自聚为一类;特征波段1800~650 cm^(-1)下的红外光谱经过1st Der、SNV、MSC预处理建立的LDA模型和经过SNV、MSC预处理建立的SVM模型测试集准确率均为100%。研究结果表明利用近中红外光谱吸收特征差异,结合化学计量学分析手段能够有效对大黄鱼、小黄鱼和黄姑鱼进行品种判别,为水产品真实性鉴别提供技术参考。