近红外光谱在线检测技术在中药领域中的应用展望

在介绍近红外光谱在线检测技术的特点和综述该技术在石油化工、制药工程、农业与食品工业等多个领域中的应用基础上 ,结合中药的特点 ,对近红外光谱在线检测技术在中药领域中的应用进行了展望 ,并对该技术在中药领域中应用需要解决的关键问题进行了讨论。

近红外光谱在线检测技术在中药领域中的应用展望

随着我国的科学技术水平不断的发展与进步,计算机技术水平也在不断的完善发展,这使得近红外光谱在线检测技术在多个领域得到了广泛的应用。这项技术凭借着自身的优秀技术手段在中药领域发挥了极其重要且独特的促进作用,同时也在一定程度上带动了经济效益。文章结合近红外光谱在线检测技术的应用基础以及相关技术手段进行简要的分析,对其在中药领域中的应用发展进行展望。

近红外光谱在线检测技术在中药领域中的应用探讨

近红外光谱(NIRS)是一种新型光学检测手段,近年来应用十分广泛。近红外光谱在线检测技术可对中药质量进行快速、在线和无损检测,已成为现代中药产业中不可或缺的重要检测手段之一。对近年来该技术在中药领域中的应用及研究进展进行综述,为其应用拓展提供参考依据。

近红外光谱在线检测技术在制药行业总混工序的应用

为利用近红外光谱分析技术,降低片剂产品碎片率,合理控制混合时间以提高其生产效能,以某片剂颗粒总混过程为对象,使用近红外光谱在线检测技术及设备,依据颗粒质量指标,建立总混过程的定量和定性分析模型。在颗粒混合过程中实时在线监控颗粒均匀度的真实情况,并对颗粒质量指标进行在线预测,以消除人工检验的滞后性,从而提高颗粒一次性合格率。

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。

基于可见-近红外光谱技术的果蔬品质检测方法

可见-近红外光谱技术利用波长在380~2 500 nm的电磁波获取果蔬中有机分子含氢基团的特征信息,根据样品对不同波长光的吸收信息,实现果蔬的外部、内部缺陷及营养成分定性、定量分析,是目前主流的果蔬内外部品质快速无损检测技术。综述了目前基于吸光度谱和能量谱对果蔬营养物质含量定量分析及缺陷定性分析,所使用的检测模型和变量筛选模型及其检测准确性,为相关研究人员选择高效准确的检测模型提供技术支撑。

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。

基于近红外光谱技术检测全蛋粉掺假

为提高全蛋粉掺假检测的准确度和检测效果,应用近红外光谱技术对全蛋粉掺假进行定性判别并对掺假含量进行定量分析。分别采用标准正态变换、多元散射校正、卷积平滑、归一化、一阶导数、二阶导数等6种不同预处理方法,对原始光谱数据进行预处理,采用竞争性自适应重加权算法(CARS)、连续投影算法(SPA)及CARS-SPA结合算法对光谱数据进行特征波长筛选,建立集成学习(ensemble learning,EL)模型对掺假蛋粉进行定性判别,建立偏最小二乘模型(PLSR)对掺假含量进行定量分析。结果显示:在对掺假蛋粉进行定性判别方面,一阶导数为最佳预处理方法,CARS算法特征筛选效果最佳,EL模型对掺假蛋粉样本总体判别准确率达到98.18%,对各类掺假蛋粉样品的判别准确率在97.78%以上。在对蛋粉掺假含量进行定量分析方面,多元散射校正为最佳预处理方法,CARS算法特征筛选效果更佳,对一组分掺假、二组分掺假、三组分掺假和所有掺假样本的PLSR浓度预测模型的预测集相关系数(R_(p))分别为0.958 5、0.931 2、0.945 6和0.955 8,均方根误差(RMSEP)分别为4.689 1、5.813 4、4.604 1和3.802 9。研究结果表明,近红外光谱技术可用于蛋粉掺假检测,为监管机构检测蛋粉掺假提供参考。

基于近红外光谱技术的香榧蛋白质和脂肪含量无损检测方法研究

为丰富香榧品质把控的技术手段,本研究利用近红外光谱分析技术建立了香榧存储时间及条件的定性分析模型,同时结合化学计量方法建立了香榧蛋白质和脂肪的定量分析模型。对光谱进行预处理后选取特征波长,基于遗传算法(Genetic Algorithm,GA)和多元散射校正(Multiplicative Scatter Correction,MSC)算法建立的卷积神经网络模型(Convolutional Neural Networks,CNN)模型鉴别准确率达到99.2%,能够较好区分不同存储时间条件的香榧;建立偏最小二乘法(Partial Least Squares,PLS)、径向基函数神经网络(Radial Basis Function Neural Network,RBF)和极限学习机(Extreme Learning Machine,ELM)模型,对比分析采用竞争性自适应重加权采样法(Competitive Adapative Reweighted Sampling,CARS)作为光谱特征筛选方法,蛋白质和脂肪的特征个数分别为41和56,大大提升了运算效率。实验结果显示,使用二阶导数(Second Derivative,D2)进行预处理、使用CARS方法建立的D2-CARS-PLS模型为最优模型,在香榧蛋白质和脂肪含量的预测中都取得较好效果,决定系数(Coefficient of Determination,R^(2))分别为0.977和0.984。研究结果表明,近红外光谱技术在香榧品质的快速无损检测方面具有潜力,提供了一种可靠的香榧品质分析方法。

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。

光照区域对近红外光谱在线检测柚子糖度的影响

[目的]提高近红外光谱技术在线检测柚子糖度的精度。[方法]采用自主研发的柚子在线无损检测设备采集3种光照区域的柚子的漫透射光谱数据,在650~950 nm的波长范围内采用标准正交变量变换(SNV)、多元散射校正(MSC)、归一化(normalize)、SG一阶求导(savitzky-golay first order derivative,SG-1st)对原始数据进行预处理,使用自适应性加权算法(CARS)筛选反映柚子糖度的光谱特征,建立了偏最小二乘回归(PLSR)模型。使用未参与到建模的30个柚子样本进行在线验证。[结果]光照区域C结合SNV-CARS-PLSR方法的建模效果最优。其预测集的决定系数为0.95,均方根误差为0.30°Brix。在线验证时决定系数为0.90,均方根误差为0.58°Brix。模型对于柚子糖度具有较强的在线检测能力。[结论]在光斑直径为70 mm且位于柚子赤道上方20 mm的光照区域C的条件下采集的柚子光谱数据所建立的预测模型能更有效地实现柚子糖度的在线预测。

基于近红外光谱技术的气体浓度检测研究

气体浓度在各领域分析中具有重要意义,由于在气体浓度检测过程中,受光谱维度的影响导致检测结果出现较大的误差,为了降低在测量过程中产生的不利影响,提出基于近红外光谱技术的气体浓度检测研究。通过去势-标准正态变换,校正近红外光谱基线。联合广义S变换和奇异值分解共同去噪近红外光谱,提升光谱质量。基于主成分分析提出偏最小二乘降维法用于降维近红外光谱。以朗伯比尔定律为基础,引入Lorenz线性拟合近红外光谱吸收谱线,采用梯度下降法直接拟合预处理近红外光谱吸收信号,计算得到最终气体浓度检测结果。实验结果表明,所提方法在检测甲苯、丙烷和丙烯气体浓度时,检测结果与实际气体浓度基本一致,有效降低了残差平方和与均方根误差,且检测时间低于2.3 s。

基于近红外光谱技术的种子检测研究现状

近红外光谱分析技术(NIRS)在现代农业领域中的应用越来越广泛,包括化工、食品、农林牧业等,该方法的优点主要有无污染、检测成本低、样品不受损害、检测效率高等。基于此,文章探究了基于NIRS技术的种子检测方法的实用性和优势,对其未来发展趋势进行了预测和分析。由于对种子质量进行检测时,种子内部生理指标会发生改变,因此,可通过测试其分光反射率或吸收率来进行分析,测试过程中能够看到特定波长时这两个参数对应的峰值,将该技术应用于种子质量测试能够获得有效的检测结果。相比于传统的种子活力检测方法,近红外光谱技术检测过程中样品不会因为检测而导致结构被破坏。研究结果表明,该方法能够有效提升种子检测效率,降低检测成本,适用性较广。

利用近红外光谱技术检测固定化脂肪酶酶蛋白含量

利用近红外光谱技术检测固定化脂肪酶的酶蛋白含量,在获得近红外光谱数据后,分别用一阶导数、二阶导数、标准正态变量变换和多元散射校正4种不同预处理方法进行处理,获得最佳的光谱处理方法为标准正态变量变换。利用连续投影算法、竞争性自适应重加权算法、无信息变量消除算法3种不同的波长筛选算法获得特征波长,在此基础上分别用偏最小二乘法、支持向量机回归和BP神经网络3种建模方法建立近红外光谱模型,最终获得最佳的建模方法为标准正态变量变换-支持向量机回归,在此建模条件下,模型决定系数为0.9894,模型均方根误差为0.3178,模型交叉验证决定系数为0.9764,模型交叉验证均方根误差为0.3816,相对分析误差可达6.51。

基于近红外光谱技术苹果尺寸差异对糖度模型适用性的影响

为消除水果自身尺寸差异对其糖度预测模型的不利影响,进一步提高水果分选模型精度,应用近红外光谱在线检测装置采集不同果径苹果的近红外光谱,对光谱进行多种预处理后,分别建立苹果可溶性固形物的偏最小二乘法模型,再用苹果果径75~85mm组中的建模集预测苹果果径分别为65~75、85~95mm组中的预测集样品,最后用果径组65~75、75~85、85~95 mm中的建模集和预测集,分别作为混合苹果尺寸糖度预测模型的建模集和预测集,并利用特征光谱选择算法对模型进行简化,建立苹果糖度通用预测模型。结果显示:与建模集和预测集果径不同时所建立的苹果糖度预测模型最优组相比,其相关系数Rp由0.805提高至0.943,预测集均方根误差值RMSEP由0.778减小至0.480,RPD由0.96增加至3.05,再对建立的通用模型进行简化,可以降低苹果尺寸对苹果糖度模型的影响,提高模型预测性能。

近红外光谱技术在山葡萄无损检测中的应用研究

山葡萄是中国特色葡萄酒的原材料,其成熟度和品质对酿造优质葡萄酒有关键作用。无损检测技术是指在不破坏样品的前提下进行检测,目前应用研究广泛。综述无损检测技术的几种机制和适用领域及研究进展,通过比较发现近红外光谱分析技术比较适宜于山葡萄的无损检测,为后续的无损检测设备研究和拓展应用提供参考。

基于近红外光谱技术快速检测油脂中磷含量

磷含量是油脂精炼加工过程中油脂质量控制的重要指标之一。目前油脂中磷含量常按照GB/T 5537—2008《粮油检验磷脂含量的测定》第一法钼蓝比色法进行测定,其检测步骤复杂,耗时6~8h,检测周期较长,对生产指导有延迟,因此急需开发油脂中磷含量的快速检测技术。

近红外光谱结合多元统计过程控制技术在血府逐瘀胶囊提取过程在线监测中的研究

建立了多元统计过程控制(MSPC)模型对血府逐瘀胶囊提取过程进行在线监控。采用近红外(NIR)光谱仪在线采集多批血府逐瘀胶囊提取过程光谱数据,利用过程光谱进行主成分分析(PCA),建立血府逐瘀胶囊提取过程轨迹图,以反映提取过程随时间变化的趋势。结合MSPC建立主成分得分(PC score)、DModX和Hotelling T^(2)控制模型监测提取过程,生成PC score图、Hotelling T^(2)图及DMod X控制图。PC1得分图采用±3 SD为控制限,反映PC随提取过程状态波动的情况;DModX控制图采用+3SD作为控制限,反映采样点偏离模型的绝对距离;Hotelling T2图以95%为控制限,反映各批次采样点偏离PCA模型中心的距离。应用正常批次的过程光谱建立3种MSPC控制模型直接观察血府逐瘀胶囊提取过程的整体变化,3种控制模型联合使用可对加水量、提取温度及缺味异常批次进行及时准确地识别。MSPC技术快速、无损,NIRS结合MSPC技术可应用于血府逐瘀胶囊提取过程的在线监测,对提升中药生产质量具有参考意义。

基于近红外光谱模型转移的牛奶蛋白检测方法研究

目的研究基于近红外光谱模型转移的牛奶蛋白检测方法。方法分别采用实验室与在线检测近红外光谱仪采集生产过程中原料奶样品的近红外光谱,研究斜率截距法(slope/bias,S/B)、分段直接标准化(piecewise direct standardization,PDS)算法、Shenk’s方法在不同仪器测量光谱之间模型转移应用,优化模型参数,提高实验室仪器建立的校正模型应用于在线光谱仪器的预测精度。结果经过Shenk’s算法转移,主从机的光谱平均差异降低为0.0075,光谱校正率达到98.95%。利用模型转移方法与偏最小二乘模型结合,将实验室分析光谱仪建立的模型用于生产在线光谱仪测量光谱预测,显著提高了牛奶中蛋白质含量预测准确度,不同仪器之间模型预测相对均方根误差从5.52%下降到2.03%。结论本研究的方法实现了实验室分析与在线检测仪器测量光谱及定量分析模型转移共享,为近红外在线检测的智能化改进提供了基础。

基于近红外光谱技术的汽油定量检测方法研究

在现代石油化工行业中,汽油的质量控制和成分分析至关重要,这不仅关乎能源效率,也涉及环保和经济效益。近红外光谱技术是一种非破坏性的分析方法,通过分析材料对近红外波段光的吸收特性,可以获取材料的化学组成信息。本文详细介绍了汽油定量检测的关键要点,包括基于近红外光谱技术的汽油定量检测方法,探讨了检测系统的设计、光源选择与标准化、近红外光谱仪的应用、实施光谱测量的细节,提供了一种高效准确的汽油定量检测方法,展示了近红外光谱技术在现代石油化工行业中的应用潜力。