苹果品质近红外光谱无损检测技术研究进展

近红外光谱(NIRS)分析技术以其快速、无损、多组分同时测定及可在线分析等优势,近年来在苹果品质无损检测应用技术的研究方面取得了重要进展。本文介绍了NIRS分析技术的原理与特点,从苹果品质的定量与定性分析、在线检测及便携式检测等方面综述了国内外NIRS在苹果品质检测中应用的研究进展,并对其应用前景进行了展望。

近红外光谱无损检测技术中数据的分析方法概述

近红外光谱无损检测技术可用于品种鉴别与农产品的定性或者是定量的分析工作.本文介绍了近红外光谱的基本原理及各类近红外光谱分析方法.近红外光谱无损检测技术中数据分析方法是通过光谱定量分析找到光谱以及对应浓度的内在关系,建立相应的数学模型.这些方法主要有偏最小二乘回归、主成分分析法、BP神经网络算法、支持向量机、K最近邻分类算法和线性判别分析法等.通过这些分析模型的对比,研究表明:支持向量机将是近红外光谱数据分析方法未来一个重要的研究方向.

柑橘近红外光谱无损检测技术研究进展

柑橘是世界第一大水果,中国是柑橘生产和销售大国。现阶段我国柑橘产业存在各环节分离、加工技术粗糙、采后品质分级落后等问题,导致我国柑橘在国际市场上缺乏竞争力。对柑橘产品进行检测与分级是提高竞争力的有效手段,然而传统的柑橘品质检测手段如肉眼识别法、图像识别法、化学滴定法等存在费时费力、精度不高等缺陷,且化学滴定法等对样品具有破坏性,因此,开发快速、无损的柑橘品质检测新方法成为现阶段研究的热点和难点。近年来,基于近红外光谱技术的无损检测手段已在环境、医药、食品领域中得到了广泛应用。但是柑橘近红外光谱无损检测依旧存在机理不明、精度不够等问题,因此国内外科研工作者对其进行了大量研究。本文对国内外柑橘近红外光谱无损检测研究进行了归纳和总结,重点从近红外光谱技术检测柑橘类水果的可行性、光谱仪种类及参数的选择、化学计量学方法的优化等方面阐述了近红外光谱技术在柑橘类水果无损检测中的应用,并对其存在的问题提出了相关建议,以期为柑橘类水果无损检测提供一定的参考依据。

梨果实近红外光谱无损检测技术研究进展

梨果实容易发生果肉褐变,即使外观完好,也有可能内部发生劣变。近红外光谱(NIRS)分析技术以其快速、无损、多组分同时测定等优势,近年来在梨果实无损检测应用的研究中取得重要进展。本文介绍了NIRS检测技术的原理与方法,综述了国内外应用NIRS无损检测技术在梨糖度、酸度、硬度等内部品质、褐变和损伤等内部缺陷方面及便携式检测的研究进展,并对其存在的问题及应用前景进行了展望。

基于近红外光谱技术快速定量检测香菇面制品中香菇含量的研究

为定量检测香菇面制品中香菇含量,采用近红外光谱扫描添加0.5%~10%的香菇面粉样本,采用偏最小二乘法(PLS)建立含香菇面制品中香菇定量快速无损检测方法。取含香菇的面粉样本120余份,将96个样品作为定标集,24个作为验证集,进行10000 cm^(-1)~4000 cm^(-1)近红外全波长扫描,得到添加含香菇面粉的近红外原始光谱,通过Spectrum Quant软件,利用偏最小二乘法,将光谱预处理后与香菇含量建立近红外模型,并进行模型的验证与预测。结果表明,最优的预处理方法为MSC+平滑点2+二阶导数降噪2预处理,主因子数10,校正集方程与验证集方程的相关性良好(R2>99%),预测性较好(偏差<5%),模型有较好的准确度,为香菇面制品中香菇含量的检测提供了方法基础。

基于近红外光谱技术和变量筛选-偏最小二乘判别分析方法的铁皮石斛产地无损溯源

基于近红外(NIR)光谱技术与变量筛选-偏最小二乘判别分析(PLS-DA)方法,建立了一种铁皮石斛产地的无损溯源方法。利用光栅型便携式NIR光谱仪采集了3个积分时间(25、45、65 ms)下3个产地共900份铁皮石斛枫斗的光谱。采用光谱预处理方法消除光谱中的干扰;以主成分分析(PCA)、PLS-DA方法建立了铁皮石斛产地的鉴别模型;通过竞争性自适应重加权采样法(CARS)、蒙特卡罗-无信息变量消除法(MCUVE)及连续投影算法(SPA)筛选获得特征变量进一步提升PLS-DA模型鉴别准确性;此外,首次探究了积分时间对铁皮石斛产地溯源模型的影响。结果表明:无论是原始光谱还是优化预处理后的光谱,PCA方法均无法实现铁皮石斛产地的准确鉴别;45 ms和65 ms积分时间的PLS-DA模型可以实现石斛产地的100%鉴别分析;CARS和MC-UVE模型显著优于SPA模型,可在获得较少变量数的前提下实现石斛产地的100%鉴别分析。以上结果表明,基于便携式NIR光谱技术与变量筛选-PLS-DA方法可实现对铁皮石斛产地的准确鉴别,为中药材的质量控制研究提供了新方向。

近红外光谱技术在含能材料领域应用发展的可视化分析

为推动含能材料生产与储存安全性评估方法的创新,该研究通过检索中国知网(CNKI)中近17年来与近红外和含能材料相关的文献,对纳入文献的机构、作者、关键词等信息进行了可视化分析,从而梳理了近红外光谱(NIRS)在含能材料领域的研究现状与热点。研究结果表明,NIRS在含能材料领域的研究应用逐渐增多,但作者团队之间的合作尚有待加强。在快速检测、分析和组分模型方面,NIRS技术受到了广泛关注,并已成功应用于混合炸药、黑索今、推进剂和吸收药的在线检测。未来研究将侧重于优化快速检测和组分模型,以提高含能材料分析的准确性和效率。此外,进一步探索和应用NIRS技术将为含能材料的生产与储存安全性评估提供更具创新性和可行性的方法和思路。

基于近红外光谱技术的稻米蛋白质含量快速无损检测

【目的】构建水稻籽粒蛋白质含量快速无损检测技术。【方法】采用317份水稻种质资源,基于近红外光谱技术(NIRS),采用一阶平滑求导(SG1)、二阶平滑求导(SG2)、标准正态变量(SNV)、去趋势算法(Detrend)4种预处理方法,结合偏最小二乘法(PLS)建立稻谷、糙米、精米3种不同形态稻米蛋白质含量近红外检测模型。【结果】预处理方式以复合式的SG1+SNV+Detrend、SNV+Detrend+SG1建模效果最佳。用于测定糙米蛋白质含量的稻谷、糙米近红外检测模型的校正相关系数(R2)分别为0.882、0.926,标准偏差(SEP)分别为0.239、0.213;测定精米蛋白质含量的稻谷、精米近红外检测模型的校正R2分别为0.900、0.925,SEP分别为0.267、0.224。测定糙米蛋白质含量的稻谷、糙米近红外检测模型的内部交叉验证相关系数(R2)分别为0.859、0.917,内部交叉验证标准偏差(SECV)分别是0.266、0.226;测定精米蛋白质含量的稻谷、精米近红外检测模型的内部交叉验证R^(2)分别为0.880、0.916、SECV分别是0.296、0.238。测定糙米蛋白质含量的稻谷、糙米近红外检测模型的外部验证相关系数(R2)分别为0.902、0.923、外部验证SEP分别为0.422、0.311;测定精米蛋白质含量的稻谷、精米近红外检测模型的外部验证R2分别为0.950、0.981,外部验证SEP分别为0.364、0.197。【结论】基于近红外光谱技术所构建的稻米蛋白质含量预测模型可用于大样本育种材料的蛋白质含量初筛,为稻米营养品质育种提供参考。

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。

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。

基于近红外光谱技术的红小豆品质多指标无损检测及品种鉴别方法研究

本研究采用近红外光谱技术,构建8种不同品种红小豆的蛋白质、水分、支链淀粉、直链淀粉、百粒重、粒长、粒宽及颜色指标的同时快速无损分析方法。首先,对红小豆的近红外光谱进行标准正态变量变化法(SNV)、多元散射校正法(MSC)及一阶导数预处理,随后结合偏最小二乘分析法(PLS),建立红小豆样品不同品质指标的定量分析模型,结果显示:各PLS模型能较好地对红小豆的品质指标起到预测效果,达到快速无损检测红小豆品质的目的。此外,通过偏最小二乘判别分析法(PLS-DA)对红小豆样本的品种进行定性判别,校正集和预测集的判别正确率分别为100.00%和88.89%。近红外光谱对不同品种红小豆能做出较好的区分,对优质红小豆的快速筛分具有指导意义,且定性判别模型对同品种不同产地的2种红小豆同样得到了很好的区分,由此可见近红外技术在产地判别方面的可行性。

近红外光谱技术在早产儿腹部应用的研究进展

目前,近红外光谱(NIRS)技术已广泛应用于新生儿重症监护室。本文就NIRS技术对早产儿腹部及其相关疾病如坏死性小肠结肠炎、喂养不耐受及急性肾损伤等疾病的应用和研究现状进行综述。通过对其腹部不同位置进行监测,可有效预测相关疾病、判断严重程度及评估相关手术的安全性与有效性,改善早产儿预后和生存质量。但目前仍缺乏相应“阈值”,需进一步明确为新生儿科临床医生提供参考。

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。

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。

用近红外光谱法无损快速检测丁苯胶乳的结合苯乙烯量

采用近红外光谱漫透射法结合化学计量学的方法对丁苯胶乳的结合苯乙烯量进行了无损快速检测研究,通过折光指数法测定了丁苯胶乳的结合苯乙烯量,使用傅里叶变换近红外光谱分析仪采集了丁苯胶乳的近红外光谱数据,采用Kennard-Stone算法划分校正集和验证集,结合多元散射校正法、二阶导数、Norris平滑等光谱预处理方法,建立了偏最小二乘回归定量分析模型,最终考察了通过间隔偏最小二乘算法筛选光谱特征变量对定量分析模型的影响。结果表明,所建模型的校正集相关系数、验证集相关系数、交互验证均方根误差和验证集均方根误差分别为0.9887、0.8180、0.357和0.319;采用近红外光谱漫透射法结合化学计量学算法建立的方法可以实现丁苯胶乳的结合苯乙烯量的无损快速检测,从而为近红外光谱分析技术在合成橡胶中间质量控制领域的应用提供了技术支持。

近红外光谱及成像在果品无损检测中的应用

近红外光谱及成像技术作为新兴传感无损检测技术,具有绿色、无污染、非破坏性等优势,为果品品质领域的快速、无损检测提供新的方法和手段。文章综述近红外光谱及成像技术在果品品质检测中的研究进展,介绍近红外光谱和成像技术的基本原理,分析近红外光谱技术在果品品质检测中的化学组成、成熟度评估和小型化设备开发的应用现状,探析近红外光谱成像技术在果品外观和质量、病虫害诊断中的应用现状,阐述其在果品组分分布和缺陷识别等方面的技术优势。同时,探讨近红外光谱及成像技术与人工智能、物联网结合应用的巨大潜力,以及对提高果品检测效率、精度和改善供应链智能管控等方面的应用前景做出展望,以期为果品无损检测的应用研究提供参考。

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。

近红外光谱法在食品营养成分检测中的应用研究

随着食品行业的快速发展,消费者对食品营养成分的关注度日益提升,精准检测食品营养成分愈发重要。但传统检测手段常面临操作复杂、耗时久等问题,难以满足当下高效检测需求。近红外光谱法因具备检测速度快、能同时分析多种成分且对样品无损等优势,逐渐被应用于食品营养成分检测领域,但其在应用过程中易受环境、样品特性及仪器等因素的干扰,影响检测效果。基于此,本文分析了近红外光谱法在食品营养成分检测中的应用,探讨近红外光谱法检测的影响因素,并提出了相应的控制举措,以期保障食品营养成分检测质量。

基于近红外光谱技术建立棉籽蛋白质含量快速无损测定方法

建立不同棉籽形态快速无损棉籽蛋白质含量检测的方法,对于合理有效地利用棉籽资源和开展棉籽营养品质遗传改良等研究具有关键作用。研究通过凯氏定氮法对187份棉花品种进行棉籽蛋白质含量化学值测定,利用近红外光谱分析仪分别采集3种不同棉籽形态毛籽、光籽和种仁的光谱特征信息,对原始光谱进行不同数学处理和散射处理,结合改良偏最小二乘法建立了毛籽、光籽和棉仁3种棉籽蛋白质含量快速无损检测的近红外光谱模型。模型的定标相关系数分别为0.957、0.971、0.989,并通过外部验证和统计分析,结果表明3种模型都具有良好的准确性和稳定性,能够针对不同棉籽形态进行准确的蛋白质含量测定。实现了棉花种子蛋白质含量的快速无损低消耗检测,为棉籽综合利用以及棉籽高品质育种提供参考。

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。