近红外光谱检测润滑油运动黏度方法的建立及应用

在石化炼油厂日常检测中引进近红外光谱技术,将近红外透射光谱与间隔偏最小二乘法(iPLS)相结合,建立一种装置机组润滑油试样运动黏度的快速检测方法。收集140个石化炼油厂各装置的机组润滑油试样的近红外透射光谱,利用iPLS方法进行建模变量选择。全波长建模的决定系数(R^(2))为0.815,预测均方根误差(RMSEP)为0.26 mm^(2)/s;iPLS变量选择后的R^(2)为0.898,RMSEP为0.17 mm^(2)/s。结果表明:通过变量选择可以良好地提升模型的检测精度,相对于全波长来讲通过iPLS法进行建模变量的选择可以更大地降低检测误差,提高检测精度。

基于近红外高光谱技术的杧果可溶性固形物含量无损检测

【目的】近红外高光谱成像技术(NIR-HSI)在水果内部品质的无损检测方面具有快速、准确和无损的特点。旨在利用NIR-HSI技术分析不同品种杧果的可溶性固形物含量,并探讨400~1000nm波段范围内的光谱差异和可溶性固形物含量的响应。【方法】选择贵妃杧果和台农1号杧果作为研究对象,使用NIR-HSI技术获取杧果样本的光谱数据。采用CARS-PLS模型分析可溶性固形物含量与各波段光谱反射率的相关系数。为了验证模型的性能,计算了建模R^(2)、斜率Slope、截距和RMSE等指标。【结果】得到CARS-PLS模型的性能指标:建模R^(2)为0.8806,斜率为0.8515,截距为12.208,RMSE为0.6366。这些指标表明该模型具有较高的建模拟合度和预测精度。【结论】应用NIR-HSI技术对杧果可溶性固形物含量进行检测具有可行性。为进一步研究不同水果可溶性固形物含量的高精度模型奠定了基础。通过NIR-HSI技术的应用,可以提供一种非破坏性且高效准确的方法,用于水果品质评估和检测。这对农产品质量控制和市场营销具有重要的意义。

基于遗传算法和深度神经网络的近红外高光谱检测猪肉新鲜度

为系统评估基于深度学习的智能辅助高光谱成像系统在猪肉新鲜度指标检测中的效果,采集了猪肉在4℃冷藏12 d中挥发性盐基氮(volatile basic nitrogen,TVB-N)、菌落总数(total viable count,TVC)以及900~2500 nm近红外光谱数据。基于Python的TensorFlow和Keras平台,对高光谱数据进行处理,建立了深度神经网络的定量检测模型。并利用遗传算法(GA)选择与猪肉新鲜度相关的特征光谱波段。结果表明,遗传算法选取波段对光谱模型的性能有明显提升。当光谱波段数达到35和50时,GA+ANN模型预测精度高于全波段的线性回归模型。TVC为预测指标的预测性能优于TVB-N,TVC测试集最佳R_(p)^(2)为0.877,RMSEP为0.575;预测TVB-N的最佳R_(p)^(2)为0.826,RMSEP为1.01。此外,通过研究还发现,遗传算法优选的近红外光谱波段与肉品的O-H,N-H,C=O等分子振动吸收带有较高的吻合度。本研究为处理近红外和高光谱数据提供了新的方法,也为猪肉及其他肉品新鲜度快速无损检测提供了技术参考。

近红外反射光谱法(NIRS)测定棉仁粉中蛋白质和棉酚含量的研究

选用49份不同蛋白质和棉酚含量的陆地棉种质资源和188份陆地棉重组近交系为材料,以多年份、多地点种植收获的种子材料组成原始样品集,分别对棉仁粉中蛋白质含量和棉酚含量进行化学测定,采用改进的偏最小二乘法(Modified PLS)和(2,4,4,1)的数学转换方法建立近红外反射光谱(NIRS)定标模型,以寻找棉籽蛋白质含量和棉酚含量的快速测定方法。结果表明,蛋白质含量的定标决定系数(RSQ=0.933)和交叉检验决定系数(1-VR=0.929)较高,定标标准误差(SEC=0.623)和交互校验标准误差(SECV=0.638)较小,预测模型的建模效果较好,可替代化学分析。棉酚含量预测模型的RSQ,1-VR,SEC和SECV分别为0.836,0.811,0.074和0.079,模型预测效果略差于蛋白质模型,但仍可用于棉仁粉中棉酚含量的测定。

近红外漫反射光谱法(NIRS)分析稻草纤维及硅化物组成

水稻稻草硅质化是影响稻谷生产与稻草营养品质的主要因素之一 ,对水稻稻草硅化特点的化学分析费时、耗资、准确度较低。利用近红外漫反射光谱法 (NIRS)具有分析速度快、精度高、结果稳定的优点。对同年采自福建省不同种植地、不同季节、不同品种的稻草及稻叶、叶鞘、茎秆共 92份样品进行半纤维素、纤维素、木质素、可溶及不可溶性硅化物成分的近红外光谱分析。研究利用改进最小偏差 (改进最小二乘法回归技术 )回归法 (ModifiedPLS)进行定标建模 ,并进行交叉验证 (cross validation) ,探讨了用近红外漫反射光谱技术建立稻草纤维及硅化物组成快速预测模型的可行性 ,以及影响NIRS技术在建模应用中的主要因素。

近红外光谱(NIRS)技术快速测定湖泊沉积物营养组分研究

湖泊沉积物保存了湖泊环境演化的重要信息,但目前还没有建立起快速、准确的湖泊沉积物营养组分组合分析方法。该文利用近红外光谱(NIRS)技术,采用一阶导数、小波滤噪、正交信号校正、小波滤噪+正交信号校正、一阶导数+正交信号校正、正交信号校正+小波压缩6种光谱预处理技术和偏最小二乘(PLS)法相结合在国内建立了NIR光谱测定湖泊沉积物柱芯样品中总碳(TC),总氨(TN),总有机碳(TOC)和总磷(TP)的校正模型,结果表明虽然NIR光谱校正模型对TOC的预测效果不理想,但一阶导数+正交信号校正光谱校正模型对TC和TN,正交信号校正光谱校正模型对TP的预测效果较好,预测相关系数分别为0.759 7(TC),0.865 0(TN)和0.811 2(TP),预测误差(RMSEP)分别为0.13%(TC),0.008 2%(TN)和0.012%(TP)。该研究对于推动我国湖泊沉积物的光谱学特性研究具有重要意义。

玉米秸秆组分近红外漫反射光谱(NIRS)测定方法的建立

玉米秸秆是我国产量最大的秸秆生物质资源，但目前还没有快速高效的组分分析方法，本研究利用傅里叶变换近红外漫反射光谱（NIRS）技术，采用偏最小二乘法（PLS），在国内首次建立了NIRS测定玉米秸秆中灰分、半纤维素、纤维素、Klason木质素、酸不溶灰分和水分含量的校正模型，该模型稳定，适合不同地区、不同品种的玉米秸秆及其不同部位。实验结果表明，采用一阶导数＋KarlNorris滤波预处理，谱区在4100-7500cm^-1，能得到理想的预测模型。该模型对玉米秸秆各组分的交叉验证均方差（RMSECV）范围为0．0903～1．45，预测误差（RMSEP）范围为0．2569％～2．5819％，预测相关系数≥0．8711。该研究对加速我国秸秆生物质的工业转化具有重要意义。

近红外漫反射光谱(NIRS)结合TQ软件建立盾叶薯蓣中薯蓣皂苷元定量模型

目的利用近红外漫反射光谱(near-infraed spectroscopy,NIRS)结合TQ软件快速测定盾叶薯蓣药材中薯蓣皂苷元含量。方法采集盾叶薯蓣样品的近红外光谱图,采用高效液相色谱法(HPLC)测定盾叶薯蓣中薯蓣皂苷元的含量,利用TQ软件建立薯蓣皂苷元的定量分析模型,利用模型对未知样品进行预测。结果建立的薯蓣皂苷元校正模型的相关系数(R2)、校正均方差(RMSEC),内部交叉验证均方差(RMSECV)分别为0.96459,0.0999,0.30041;经外部验证,模型的预测相关系数(R2)和预测均方差(RMSEP)分别为0.9634,0.128。结论所建模型预测能力较好,可以用于盾叶薯蓣中薯蓣皂苷元含量的快速检测。

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。

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。

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。

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。

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。

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。

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%。

近红外透射光谱聚类分析快速鉴别食用油种类

以8种食用油纯油的43个样品为对象，研究了近红外透射光谱结合聚类分析法快速鉴别食用油种类的可行性．采集样品在12500-4000cm^-1范围内的傅立叶变换近红外透射光谱，利用光谱模式识别法中的聚类分析法对图谱进行定性分类鉴别．实验证明，光谱经二阶导数预处理后，最短距离法、最长距离法和方差平方和法均可准确无误地将食用油样品分为8类，判别模型对预测集样品的准确率达到100％．研究表明，近红外透射光谱结合聚类分析法可以为快速无损鉴别食用油种类提供一种准确可靠的方法．

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。