利用近红外透射光谱技术测定小麦品质性状的研究

为了研究小麦品质性状的快速测试方法,本试验以2002年来自全国各地的426个小麦品种为材料,利用近红外光谱透射仪(NITS)分析了小麦籽粒水分、蛋白质含量、硬度和面粉的干、湿面筋含量、灰分含量、SDS及Zeleny沉淀值等8项指标,根据定标集样品化学分析数据和吸收光谱建立了定标模型,并获得了较高的预测集决定系数(0.70～0.97)和较低的标准误差(0.05～11.18)。同时,选用了一批有代表性的预测集样品对模型进行了预测,结果表明,近红外光谱技术用于测试小麦品质是可行的,能够用于育种的早代选择。

近红外透射光谱应用于黄酒酒龄的定性分析

应用近红外光谱透射技术,结合化学计量学方法,开展了黄酒酒龄定性鉴别的研究,并对不同光谱预处理方法(未处理、平滑、二阶微分)对酒龄鉴别结果的影响进行了对比分析。试验采用傅里叶变换近红外光谱仪,以86瓶绍兴黄酒为标准样品,并结合不同光谱预处理方法及判别分析法,建立了黄酒酒龄定性鉴别模型。光谱平滑处理对酒龄鉴别结果影响不显著,而微分光谱分析结果最差,近红外原始光谱结合判别分析法的分析结果最优,其校正集正确分类的百分比达98.1%,预测集达90.6%。研究表明,近红外光谱透射技术结合原始光谱及判别分析法可作为一种可靠、准确、快速的检测方法用于黄酒酒龄定性鉴别分析。

用近红外透射光谱技术测定精米蛋白质含量研究

应用近红外透射光谱技术,采用3种不同回归统计分析方法建立精米蛋白质含量(PC)定量回归方程。结果表明,用改进的最小二乘法(MPLS)、偏最小二乘法(PLS)和主成分回归法(PCR)进行校正时,校正标准误差(SEC)、交叉检验标准误差(SECV)分别为0.1258、0.1340(MPLS),0.1177、0.1175(PLS),0.1207、0.1275(PCR)。校正相关系数(RSQ)和交叉验证相关系数(1-VR)分别为0.9941、0.9931(MPLS),0.9950、0.9942(PLS),0.9947、0.9942(PCR)。由此可见,3种回归统计方法在建立精米蛋白质含量回归方程时差异不明显,都具有较好的预测效果。近红外透射光谱法作为一种快速而准确的定量分析手段,在稻米加工企业品质管理、大米品质分析和大米贸易检测上有广阔的应用前景。

用近红外透射光谱技术测定精米直链淀粉含量研究

应用近红外透射光谱技术,采用3种不同回归统计分析方法建立精米直链淀粉含量(AC)定量分析预测模型。结果表明,用改进的最小二乘法(MPLS)、偏最小二乘法(PLS)和主成分回归法(PCR)进行校正时,校正标准误(SEC)、交叉检验标准误(SECV)分别为0.9524、1.2494(MPLS),0.9372、1.2426(PLS),1.2734、1.5828(PCR)。校正相关系数(RSQ)和交叉验证相关系数(1-VR)分别为0.9640、0.9383(MPLS),0.9654、0.9395(PLS),0.9362、0.9016(PCR)。由此可见,用PLS技术建立PC回归方程最佳。近红外透射光谱法作为一种快速而准确的定量分析手段,在米厂品质管理、人米品质分析和人米贸易检测上有广阔的应用前景。

利用近红外透射光谱技术同步测定糙米的多项品质指标初报

利用FOSS TECATOR公司生产的1241型近红外透射光谱仪,对266份整粒糙米样品进行了光谱扫描并测定了其多项品质指标。借助于近红外定标软件WINISI,建立了利用近红外透射光谱同时测定糙米多项品质指标的模型。结果表明,蛋白质模型的分析效果最好,其外部检验(经校正的)工作标准误[SEP(C)]为0.312,检验决定系数(RSQ)为0.956,而其他4项指标直链淀粉含量、糊化温度(碱消值)、透明度(透光率)和垩白度模型的SEP(C)分别为1.672、0.389、0.034和4.024,RSQ分别为0.745、0.838、0.797和0.714。分析了近红外测定的重复性并讨论了该模型在水稻遗传育种等方面的应用前景。

应用近红外透射光谱法测定水稻种子直链淀粉含量的初步研究

以124份水稻种子为样本,利用FOSS-Tecator公司的Infratec1255型近红外谷物品质分析仪,对样本进行光谱扫描,并利用化学法测定了直链淀粉含量。借助于近红外定标软件(WinISI),采用多种计量数学处理方法和不同的回归统计方法进行定标曲线的开发和比较,得到了小样本量水稻种子直链淀粉含量测定的近红外分析定标数学模型。其定标标准偏差(SEC)、交叉检验标准误差(SECV)和定标决定系数(RSQ)分别为1.489、1.761和0.885。

单粒活体稻谷种子直链淀粉含量的近红外透射光谱分析

利用FOSSTecator公司的Infratec 12 5 5型带单粒定标器的近红外谷物分析仪 ,对 2 2 2粒单粒稻谷进行扫描并测定了直链淀粉含量的参比数据。借助于功能强大的近红外定标器软件 (WinISI) ,采用多种计量数学处理方法和不同的回归统计方法进行定标曲线的开发和比较 ,优化得到了单粒水稻种子直链淀粉含量测定的近红外定标方程。其定标标准偏差(SEC)、交叉检验标准误差 (SECV)、检验工作标准误差 (SEP)和定标相关系数 (RSQ)分别为 2 .82 8、3.0 88、2 .792、0 .848。

红外透射光谱在HgCdTe外延薄膜性能评价中的应用

用最新发表的ＨｇＣｄＴｅ材料的光学常数对ＭＢＥ工艺生长的ＨｇＣｄＴｅ／ＣｄＴｅ／ＧａＡｓ材料的透射光谱进行了理论计算．对受生长工艺破坏的衬底背面再次进行抛光处理，消除因表面不平整引起的漫反射效应，使实验测量得到的光谱曲线与理论计算结果很好地吻合，由此得到的ＨｇＣｄＴｅ和ＣｄＴｅ外延层的厚度和解理面上用显微镜测量的数值相同，准确度优于±０．２μｍ．确定ＨｇＣｄＴｅ组分的准确度优于±０．

基于可见/近红外透射光谱的番茄红素含量无损检测方法研究

针对番茄内外部结构特征,搭建了可见/近红外透射检测系统,利用完整番茄透射光谱信息,对番茄红素含量进行无损伤快速检测研究。采集的原始光谱曲线经去趋势(DT)、标准正态变量变换(SNV)、多元散射校正(MSC)、归一化(NOR)、一阶导数(FD)预处理后分别用偏最小二乘(PLS)进行建模分析。其中SNV预处理后的模型效果最好,校正集和验证集相关系数分别为0.9771和0.9504,校正集和验证集均方根误差为0.9711和1.0496 mg/kg。为进一步提高模型的精度和稳定性,采用无信息变量消除法(UVE)、连续投影算法(SPA)、竞争性自适应重加权算法(CARS)3种方法单独或联合处理(UVE-SPA,UVE-CARS),对全光谱进行变量优选。经UVE-CARS处理后番茄红素预测模型效果最好,其校正集和验证集相关系数分别提高至0.9830和0.9741,均方根误差分别降低至0.6919和0.7680 mg/kg。最后,选用25个番茄样品对所建立模型进行了外部验证,UVE-CARS-PLS模型的预测集相关系数为0.9812,预测集均方根误差为0.7071 mg/kg,平均相对误差为4.3%。而作为比较的PLS模型的预测集相关系数为0.951,均方根误差为1.0610 mg/kg,平均相对误差6.0%,相比于全光谱PLS模型,UVE-CARS可以很大程度地简化模型,提高模型精度,降低检测的误差限。结果表明,基于自行搭建的番茄可见/近红外透射检测系统结合光谱处理方法,可以实现对生鲜番茄中番茄红素含量的快速、无损检测,为番茄红素定量检测提供了新方法。

利用近红外透射光谱技术测定小麦籽粒硬度的研究

以 2 0 0 1和 2 0 0 2年度 5 83份小麦样品为材料 ,用近红外透射光谱仪 (NITS)对小麦籽粒硬度进行分析 ,比较了偏最小二乘法和多元线性回归两种算法和未经导数处理、一阶导数处理、二阶导数处理 3种光谱变量转换方式的分析结果。表明 ,两种算法中偏最小二乘法优于多元线性回归算法 ,3种处理方式中一阶导数处理效果最好 ,其定标集和预测集决定系数明显高于其他两种处理方式 ,而标准误差低于其他两种方式。经一阶导数处理后采用偏最小二乘法建立的定标模型时 ,可有效地对小麦籽粒进行硬度分级 ,其中 ,硬麦分级准确率为 90 % ,软麦分级准确率为 83% ,混合型分级准确率为 6 3%。

光程对黄酒金属元素近红外透射光谱分析精度的影响

应用近红外透射光谱分析技术开展了不同光程对黄酒中金属元素(钾、钙、镁、锌和铁)分析结果影响的研究。实验采用傅里叶变换近红外光谱仪(800～2500nm)及不同光程(1,2,5,10mm),石英比色皿以空气为参比进行了光谱采集,并采用偏最小二乘法进行了数据分析。金属含量采用原子吸收光谱分析法测定。分析结果表明,5mm光程的分析结果最优,对于钾、钙、镁、锌和铁的相关系数(r2)分别为0·93,0·85,0·93,0·72,0·66,交互验证误差(RMSECV)分别为26·5,35·6,4·63,0·26,0·64mg·L-1;而10mm光程的光谱分析结果最差,其r2分别为0·61,0·65,0·63,0·09,0·25。通过实验说明,光程对近红外透射光谱分析的影响,不是光程越长或越短越好,需要通过测试及对比分析确定。

基于近红外透射光谱的食用油氧化定性分析

为建立食用油氧化的快速鉴别方法,以食用油为材料,根据国家标准对酸价和过氧化值的限量规定将不同氧化程度的样品分为未氧化油和已氧化油两类,通过近红外光谱透射技术结合距离判别分析,建立未氧化油和已氧化油的定性判别模型。结果表明:在波数范围为5450～4650cm-1,采用多元散射校正、一阶求导和Norris导数平滑光谱处理,校正集模型识别率为99%,验证集模型识别率为97.8%,模型预测效果良好,利用近红外透射光谱食用油氧化定性分析可行。

近红外透射光谱分析油茶籽油掺入豆油的研究

采用傅里叶近红外透射光谱技术,应用于不同比例(0%～50%)的豆油和油茶籽油的二元体系样品,通过各种光谱预处理方法和回归方法的优化,建立了检测油茶籽油中掺杂豆油含量的近红外光谱的定量模型。以"二阶导数+Norris derivative filter"的最佳预处理方法和PLS的回归方法所建模型最佳,其校正相关系数(Rc)和校正标准误差(RMSEC)分别为0.999 99、0.057 70;交叉检验相关系数(Rcv)和交叉检验校准误差(RMSECV)分别为0.999 99、0.071 9;最优波段为5 037.16～4 728.60 cm-1、7 852.72～7 089.04 cm-1、8 577.82～8 323.26 cm-1;最佳主因子数为6。另外,经外部验证15份随机样品的化学值和NITS预测值的相关系数(R2)为0.998。表明近红外透射光谱法能够快速、准确地定量分析掺假油茶籽油中豆油的含量(范围为0%～50%)。

小批量稻谷种子蛋白质含量的近红外透射光谱分析

以完整水稻种子为样品,利用近红外透射谷物分析仪对186份批量稻谷进行扫描并测定了蛋白质含量的参比数据。采用多种数学计量学处理方法和不同的回归统计方法进行定标曲线的开发和比较,优化得到了小批量水稻种子蛋白质含量测定的近红外定标方程。其定标标准偏差(SEC)、交叉检验标准误差(SECV)、定标相关系数(RSQ)和交叉验证相关系数(I-VR)分别为0.255 8、0.279 5、0.972 8、0.967 5。研究采用整粒小量样品(5 g)来分析,效果较好,可直接用于育种早世代选择。

应用近红外透射光谱和人工神经网络的豆油脂良莠鉴别

提出了一种利用近红外透射光谱结合BP神经网络识别未知豆油脂良莠类别的方法。在10 000～3500 cm-1范围内分别采集合格油、不合格油(精炼垃圾油、煎炸油和变质合格油)的透射光谱,对光谱数据依次作出Savitzky-Golay平滑、基线校正预处理,采用SPSS 11.0抽取出9个主成分(累计贡献率达到99.89%)作为神经网络输入神经元,建立3层BP神经网络模型,模型能够有效辨识未知豆油脂的良莠以及不合格具体种类,类别预测正确率为100%。

PLS-DA优化模型的马铃薯黑心病可见近红外透射光谱检测

马铃薯黑心病是一种马铃薯主要内部缺陷,严重损害薯条、薯片、全粉等加工制品的质量和产率。目前对马铃薯的分级主要侧重于外部品质检测,针对内部缺陷检测的研究很少。旨在开发一种马铃薯黑心病的快速无损检测技术,为此搭建了马铃薯可见近红外透射光谱分析平台,分析健康与黑心病马铃薯的透射光谱特性并优化光谱判别模型参数。基于现有马铃薯分级线和复享PG2000高速光谱仪,采用左右透射方式(光源与光纤探头位于分级线果盘左右两侧),采集470个马铃薯(其中健康薯234个、黑心薯236个)的透射光谱图,建立偏最小二乘判别模型(PLS-DA),并利用主成分分析(PCA)与光谱形态特征相结合的方法选择特征波长,优化模型。分析发现,健康薯与黑心薯的可见近红外透射光谱在吸光度值和光谱形态特征方面均存在明显区别。黑心薯的平均光谱吸光度值高于健康薯(650~900 nm范围内),但黑心薯的平均光谱曲线较为平缓,无明显吸收峰,而健康薯平均光谱曲线在665,732和839 nm附近有明显吸收峰,并且健康薯与黑心薯的平均光谱差值在705 nm处达到最大值。基于PLS-DA法建立了马铃薯黑心病判别模型,对黑心病的判别效果显著,分类器特性曲线(ROC)下面积(AUC)值为0.9942,黑心薯识别总正确率能够达到97.16%,RMSE CV和RMSE P分别为0.28和0.26。此外,成功利用PCA与光谱形态特征相结合的方法对模型进行简化,最终得到由6个波长(658,705,716,800,816和839 nm)组成的特征波长组合,简化后的模型总正确率能够达到96.73%,接近全波段模型判别水平。研究表明,左右透射的方式能够准确识别黑心马铃薯,实现对马铃薯内部缺陷的快速无损检测。对我国马铃薯产业的发展起到一定的促进作用,为马铃薯内部缺陷在线检测技术的提高提供了重要的理论基础和实践依据。

HgCdTe液相外延材料组分分布的红外透射光谱评价技术

对红外透射光谱法测定HgCdTe液相外延材料纵向组分分布技术进行了深入的研究.红外透射光谱的理论计算采用了王庆学提出的组分分布模型,并考虑了光穿越组分梯度区时产生的干涉效应.通过测量同一样品在不同外延层厚度下的一组红外透射光谱,该方法的有效性得到了实验验证.进一步对组分模型中参数(即外延总厚度、组分互扩散区厚度、材料表面组分和HgCdTe层组分梯度)的拟合方法进行了讨论,并确定了各拟合参数的拟合精度.结果显示,该方法可作为测定HgCdTe液相外延材料组分特性的一种有效的测试评价技术.

基于近红外透射光谱分析技术的小麦蛋白质含量测定

近红外分析技术具有快速、简便、准确、非破坏性的优点,为小麦品质检测提供了一种新的技术手段。笔者首先对光谱数据进行移动窗口平均平滑和马氏距离筛选,在以上光谱预处理基础上,建立了小麦籽粒蛋白的偏最小二乘校正模型。仿真试验结果表明:该模型能够较准确地预测小麦蛋白质的含量,预测相关系数、预测均方误差和平均相对误差分别为0.9809、0.1130、1.973%。与用原始数据所建校正模型相比,预测效果显著提高。

芝麻油掺伪的近红外透射光谱检测技术

采用近红外光谱技术结合间隔偏最小二乘法分别建立芝麻油中掺入大豆油、玉米油和花生油的定量检测模型。实验配制不同比例的掺假芝麻油混合样品,采集样品在4 000～12 000 cm-1范围内的近红外透射光谱,把数据分为校正集与预测集。将4 420～12 000 cm-1波段的光谱进行各种预处理,最佳方法为平滑预处理,并利用间隔偏最小二乘波长筛选法(iPLS)选取光谱特征波段,最后采用偏最小二乘法建立掺假芝麻油的定标模型。结果显示:3种掺假芝麻油的PLS模型预测相关系数分别达到0.998、0.999、0.999,预测均方根误差分别为0.24%、0.24%和0.19%,具有较高的预测精度。实验证明近红外光谱技术对芝麻油掺假的快速检测具有可行性。

近红外透射光谱测定水晶梨糖度的初步研究

采用近红外透射光谱,分析波长在643.26～928.35nm范围内无损检测水晶梨糖度的可行性。建立的水晶梨的糖度模型,其相关系数为0.976630,标准误差为0.197749,预测标准误差为0.463898,偏差为-0.001484。结果表明,利用近红外透射光谱技术测定水晶梨糖度是可行的。