食品检测中近红外光谱分析技术的应用研究

为了实现对食品成分、品质等方面的准确检测,为食品安全监管和质量控制提供有效的技术支持,引入近红外光谱分析技术,开展了该项技术在食品检测中的应用研究。通过样品制备、选择光谱采集设备、设置采集参数,采集食品近红外光谱,引入标准正态变量变换算法和自适应滤波算法,预处理采集的光谱数据,基于预处理后的数据,结合主成分分析法,构建食品成分特征与近红外光谱数据之间的数学模型,实现近红外光谱分析技术在食品检测的应用设计。实验结果表明,提出的研究应用后,食品成分检测结果与真实值更加接近,检测均方根误差较小,食品检测的准确性得到了显著提升。

近红外光谱分析法(NIRS)测定棉籽粉中油分含量的研究

选用棉花的不同品种 (包括各种特色棉 )材料 2 4 8份 ,进行常规成分的定标和校验。定标结果表明 ,采用改进的偏最小二乘法 (ModifiedPLS)和 ( 3,5,5,1)的数学转换的方法得到的定标效果最好 ,其定标决定系数 (RSQ =0 .9335)和可解释的变异 ( 1-VR =0 .9131)最高 ,定标标准误差 (SEC =0 .790 5)和交互校验标准误差 (SECV =0 .90 2 4 )最小。预测结果表明 ,其决定系数 (RSQ =0 .9780 )也明显高于其它方法 ,同时具有最低的预测误差 (SEP =0 .50 8)和校准偏差的预测误差 (SEP(C) =0 4 910 )。由此可见 ,用近红外光谱法测定棉籽粉的油分具有与化学法相近的准确性和精确性 ,可以在实践中应用。

花生籽仁黄酮含量近红外分析检测方法

黄酮是影响花生籽仁营养价值的重要指标,常用的分光光度法及色谱法测定黄酮含量费时费力,不适于育种过程中大批量的检测。构建其近红外测定模型可为快速检测籽仁黄酮含量提供重要的技术保障。该研究以290份不同黄酮含量的花生种质为材料,Al^(3+)显色法测定的黄酮含量在46.96~140.18 mgRT(RT:rutin)·(100 g)^(-1)之间。使用瑞典波通DA7250型号的近红外分析仪(950~1650 nm)扫描和采集花生籽仁的近红外光谱值,选用全波长光谱范围内偏最小二乘回归法(PLSR),对比单一和复合不同的预处理方法,比较不同模型的相关系数和误差来预测最佳模型,确定黄酮含量近红外光谱定标模型的最佳光谱预处理方法为“Savitzky-Golay Derivative+Baseline+De-trending”,校正集相关系数(R_(c))为0.884,标准误差(RMSEC)为4.998。模型构建过程中,采用含有Savitzky-Golay Derivative的组合光谱预处理方法可以显著提高模型预测的相关系数。利用50份花生样品对该模型进行外部验证,预测的相关系数R_(p)为0.904,而预测的均方根误差RMSEP为1.122。本研究所构建的近红外光谱模型能够无损、高效的测定花生籽仁中的黄酮含量,为选育高黄酮含量的花生品种奠定基础,并为μg·g^(-1)级物质含量的近红外模型构建提供借鉴。

可见/近红外漫反射光谱分析法测定牧草营养成分研究

选用新疆伊犁昭苏草原5～10月份的5种单一品种牧草及混合牧草样品共252份,利用可见/近红外漫反射全谱扫描技术结合实验室检测数据进行粗蛋白（CP）、干物质（DM）、粗脂肪（EE）和磷（P）的定标和检校.结果表明：CP采用改进偏最小二乘法（Modified-PLS）和（SNV＋ Detrend;2,4,4,1）的数学转换方法定标结果最好,其定标决定系数（RSQ=0.960）和交叉验证相关系数（1-VR=0.9836）最高,定标标准分析误差（SEC=0.5155）和交叉校验定标标准分析误差（SECV=0.5859）最小,其交叉验证相对分析误差（RPD=8.5782）和外部验证相对分析误差（RPD=5.0575）均大于3;DM采用ModifiedPLS和（SNV＋Detrend;1,4,4,1）的数学转换方法定标结果最好,其RSQ和1-VR分别为0.904和0.8878,SEC和SECV分别为0.1789和0.1990,其交叉验证和外部验证RPD分别为2.9385和3.0359;EE采用最小二乘法（PLS）和（SNV＋Detrend;1,4,4,1）的数学转换方法定标结果最好,但是RSQ和1-VR值较低,分别为0.192和0.3715,SEC和SECV分别为1.4526和1.5122,其交叉验证和外部验证RPD分别为1.4363和0.5911;P采用Modified PLS和（SNV＋Detrend;2,4,4,1）的数学转换方法定标结果最好,其RSQ和1-VR分别为0.748和0.8213,SEC和SECV分别为0.0168和0.0188,其交叉验证和外部验证RPD分别为2.0179和1.7647.以上结果说明利用可见/近红外光谱结合化学计量学手段对混合或单一牧草的CP进行快速检测是可行的,DM的预测模型需要进一步校正,而EE和P的分析误差较大,需要进一步提高实验室测定的精确度和增加样品含量来进一步校正模型.

谷物近红外光谱分析中常用数据处理方法讨论

在研究近红外光谱的物理机理的同时,对光谱分析中常用的数据处理方法偏最小二乘法(PartialLeastSquares)、多元线性回归法(MultipleLinearRegression)和人工神经网络法(ArtificialNeuralNetwork)从理论上进行了分析和比较;指出了对光谱数据进行求导、SNV(StandardNormalVariate)算法、滤波等预处理的重要性;讨论了近红外光谱分析常用方法在谷物成份检测中的应用。

结合小波变换与微分法改善近红外光谱分析精度

微分法可以有效消除光谱背景和基线漂移,同时会增加光谱噪音;小波变换具有很好的去噪功能,文章将微分法和小波变换结合用于重整汽油辛烷值近红外光谱分析。考察了微分噪音对辛烷值分析精度的影响以及小波去噪对微分光谱的噪音扣除以及对辛烷值分析精度改善情况。结果表明,微分光谱可以扣除原始光谱的基线漂移,提高分析精度,同时增加光谱的噪音;噪音对分析精度影响很大。微分光谱经过小波去噪处理后信噪比增加,辛烷值分析精度得到改善。

自体荧光基点光谱分析联合免疫胶体金技术在继发性甲旁亢术中识别异位微型旁腺的临床探索

目的研究近红外自体荧光基点光谱分析(near-infrared autofluorescence point-spectral analysis,NIAPSA)联合免疫胶体金技术(immune colloidal gold technique,ICGT)在继发性甲状旁腺功能亢进(secondary hyperparathyroid,SHPT)术中识别异位微型旁腺组织并指导手术切除的效果。方法回顾性分析2021年10月至2022年9月手术治疗的34例SHPT患者的临床资料。术中于双侧颈中央区使用NIAPSA探测分析,结合肉眼辨认后以注射器针头穿刺取洗脱稀释液行ICGT检测。联合检测为阴性者仅全切正常解剖位置腺体,阳性者加行阳性侧颈中央区纤维脂肪组织廓清术。分析联合检测的识别效果、相关生化指标、术后临床症状转归、甲状腺功能与骨代谢情况。结果本组34例手术均成功,其中经NIAPSA联合ICGT检测后行甲状旁腺廓清术(clean parathyroidectomy,CPTX)8例,仅行甲状旁腺全切术(total parathyroidectomy,TPTX)26例;共切除甲状旁腺143枚,其中正常位置134枚(显著增生),异位9枚(4枚轻度增生,5枚未见明显增生)。本组颈中央区纤维脂肪组织内NIAPSA探测阳性共10例12处,联合ICGT识别阳性病例8例共9份样本,联合检测阳性的廓清样本经术后病理证实均为异位旁腺。NIAPSA阳性样本预测值为75.0%,阳性病例预测值为80.0%,NIAPSA联合ICGT阳性预测值为100%。术前、术后1 d、3 d、术后1周及1月、3月、6月甲状旁腺激素(parathyroid hormone,PTH)、血钙、血磷、钙磷乘积(calcium-phosphorus product,CPP)、碱性磷酸酶(alkaline phosphatase,ALP)比较均有统计学差异(P<0.001)。PTH、血钙、血磷及CPP术后各时段均较术前明显改善,ALP自术后1周始至术后6月较术前改善(P<0.05)。PTH、血钙和CPP于术后1 d降至最低,血磷于术后1月降至最低,此后逐渐升高趋于正常;ALP自围术期开始向中远期缓慢降低。术后患者关节骨痛、皮肤瘙痒、肌无力症状明显改善,且随着时间的延长,术后各时间段有症状患者持续减少(P<0.001),术后3月及末次随访所有患者症状消失。本组患者术前与术后1月游离三碘甲状腺原氨酸(free triiodothyronine,FT3)、游离甲状腺素(free thyroxine,FT4)、促甲状腺激素(thyroid stimulating hormone,TSH)甲状腺功能指标比较均无统计学差异(P>0.05);术后6月N端中段骨钙素(N-terminal mid-fragment of osteocalcin,N-MID)、Ⅰ型前胶原氨基末端前肽(procollagen typeⅠamino-terminal propeptide,P1NP)、β-胶原特殊序列(β-crosslaps,β-CTX)骨代谢功能指标较术前均明显降低(P<0.001)。结论NIAPSA联合ICGT技术识别并指导SHPT术中清除颈中央区增生状态不明确的微型甲状旁腺组织安全有效,术后可有效降低PTH水平,调节钙磷代谢,抑制骨代谢活性,改善临床预后。

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。

稻米脂肪含量近红外光谱分析技术研究

应用近红外光谱(NIRS)分析技术和偏最小二乘法(PLS)建立稻米脂肪定量分析数学模型,并比较糙米粒和糙米粉NIRS数学模型对预测稻米脂肪含量的效果差异。结果表明,当利用糙米粒和糙米粉NIRS数学模型对样品进行预测时,内部交叉验证预测值和真值之间的决定系数(R2)分别为94.44%和95.54%,内部交叉检验的标准差(RMSECV)分别为0.09%和0.08%;外部验证预测值和真值之间的R2值分别为79.51%和87.10%,预测标准差(RMSEP)分别为0.24%和0.26%,平均相对误差(ARE)分别为4.11%和3.30%。内部交叉验证和外部验证结果证明,糙米粒和糙米粉NIRS数学模型均具有较高的预测准确性,可应用于稻米营养品质改良实践。

直接正交校正用于牛奶成分近红外光谱分析

介绍采用近红外光谱分析方法快速检测牛奶主要成分含量的测量原理,探讨研究直接正交(DO)校正的基本方法。利用牛奶成分近红外光谱测量系统分别采集牛奶样品和葡萄糖白蛋白两成分溶液样品的近红外光谱,采用DO法进行光谱数据预处理,并采用偏最小二乘(PLS)法分别建立其相应的数学模型。实验及数据处理结果表明:经DO法预处理后,滤除了原始光谱中的部分噪声信息,但保留了原始光谱中的主要信息。PLS校正模型采纳的最佳因子数随着DO因子的依次滤除相应减少。牛奶中脂肪和蛋白质校正模型在原始光谱分别被滤除3和4个主成分时达到性能最佳,校正标准偏差SEC分别为0.3204和0.2727,预测标准偏差SEP为0.7316和0.4460,两成分溶液样品中白蛋白和葡萄糖校正模型在原始光谱被滤除1个因子时达到性能最佳。校正标准偏差SEC分别为0.2513和0.2780,预测标准偏差SEP为0.5169和0.7870,单位(g/dL),与DO法预处理之前的PLS模型相比,预测标准偏差相应降低,采纳的主成分数减少,模型得到简化。

近红外光谱分析法快速评价原油品质

原油品质检测存在分时间长、成本高、环保性差的缺点,而近红外光谱法应用于原油品质检测分析可以克服这些缺点,具有测量速度快,环保无污染及在线监测的优势。通过总结近红外光谱法的优势及局限,并综述了近红外光谱分析法在原油品质中的应用研究,希望为中国石油事业贡献一些力量。

近红外光谱分析仪器的应用与发展

本文简要介绍了近红外光谱分析仪器的发展简史,技术原理和特点,基本的仪器分类并且按照分类例举了几个知名厂商的仪器,最后探讨了近红外光谱分析仪器的实现方式以及典型用途,为希望了解近红外光谱分析仪器的同仁提供了较为详细的资料。

近红外光谱分析技术在油品分析中的应用

介绍了近几年在油品物理特性分析中应用近红外（NIR）光谱分析技术的发展情况,工作原理和目前世界上主要的NIR油品分析系统。指出了该技术与传统的CFR发动机法相比在测量汽油辛烷值和其它特性方面的优缺点及其相互关系。

近红外光谱分析技术在油品领域的应用

通过对近红外光谱分析技术原理、分析过程及油品分析解决方案的介绍，指出Sun NIR系列近红外分析仪的优点及其广泛适用于多领域的特点。

近红外反射光谱法分析玉米秸秆纤维素含量的研究

利用近红外反射光谱分析技术和偏最小二乘回归法(PLS),通过比较不同光谱范围和光谱预处理方法,采用二阶导数光谱预处理,在7540.3～5361.1 cm-1和4882.9～4504.9 cm-1谱区内建立了近红外光谱测定玉米秸秆纤维素含量的校正模型.利用15个玉米秸秆样品对所建模型的实际预测效果进行了验证,预测值与化学值的相关系数(r)可达0.9953,最大相对误差仅为5.20.结果表明,近红外光谱技术可以快速、准确地测定玉米秸秆纤维素,该结果对玉米秸秆材料的快速鉴定和筛选利用具有重要的意义.

近红外光谱数据分析方法研究

文中将主成分分析和BP神经网络方法相结合,用于对近红外光谱数据进行预处理和回归分析,较好地解决了近红外分析中的非线性关联问题。实验结果表明,该方法在近红外光谱数据的分析中与传统的化学计量学方法相比有较好的应用效果。

基于近红外光谱的甘薯抗性淀粉含量的快速测定方法

长期以来,淀粉一直被认为可以为人体完全消化吸收。1983年英国生理学家Englyst首次发现一种在健康人体小肠及胃中不能消化的淀粉,并将其定义为抗性淀粉（Resistant Starch,简称RS）[1]。抗性淀粉作为备受关注的植物功能性多糖类物质,具有防止便秘,减少结肠癌和心脏病的患病率,改善心血管,

近红外光谱波段优化选择在驴奶成分分析中的应用

近年来,驴奶引起了越来越多研究者的注意。与牛奶相比,驴奶的营养成分更接近母乳,且有着许多独特的优势。由于驴奶与牛奶成分差别较大,适用于牛奶的模型无法直接应用于驴奶的成分分析中。但目前还未见将近红外光谱分析技术应用到驴奶成分分析中的研究报道。文章采用傅里叶变换近红外光谱法,快速测定了新疆疆岳驴奶中脂肪、蛋白质、能量和灰分的含量。其含量分布范围分别为:1.15%～2.54%,0.34%～2.67%,355.87～565.17cal.kg-1,0.28%～0.57%。光谱扫描区为3899.6～12493.4cm-1,扫描间隔1cm-1。采用PLS回归算法对光谱信息阵X提取主成分时附加约束,使X的主成分与待分析组分Y相关。并利用优化波段和不同预处理方法优化组合,建立了PLS回归预测模型,并与PLS全谱区建模预测进行了比较。结果表明波段优化组合建模分析效果整体优于全谱区建模结果,驴奶样品中脂肪、蛋白质、能量和灰分的近红外光谱定量分析模型预测值与化学分析实测值在水平α=0.05下显著相关,其含量分析模型的校验集(RMSEP)值分别为0.18,0.117,23.5,0.0406,表明预测值有较好的精度。结果表明建立近红外光谱定量分析模型用于驴奶样品成分分析是可行的,波段优化选择与全谱建模分析效果比较表明,建立定量分析模型对波段优化组合选择是必要的,当模型中包含了与组分无关的信息时,对模型定量分析将起干扰的作用,会影响模型的分析效果。因此进行谱段信息选择建立相应组分分析模型是数据预处理的有效环节。样品各组分标准值的测定结果的准确度和精确度都影响近红外定量分析的准确度。以近红外光谱法进行定量建模分析时,扩大组分含量的分布范围,提高标准数据的分析精度和准确度都是很必要的。