近红外分析方法测定润滑油基础油的化学族组成

测定了不同来源、不同工艺的润滑油基础油近红外谱图 ,以偏最小二乘方法为数学工具 ,通过硅胶吸附法取得基础数据 ,建立基础油的近红外光谱 -化学族组成模型。采用该模型测定未知样品与硅胶吸附法的测定结果相比 ,饱和烃质量分数和芳烃质量分数相关系数分别为 0 9877和 0 9875。对子分析结果表明 ,两种分析方法的测定结果一致。近红外分析方法重现性好 ,分析速度快 ,结果准确 ,且不消耗有机溶剂。

近红外光谱法预测羊肉化学成分的研究

对3个品种、3个部位的106个羊肉样品进行近红外光谱扫描,并测定其蛋白质、水分、脂肪含量,采用Unscrambler软件建立基于偏最小二乘法的近红外光谱预测模型。结果显示:样品水分含量近红外光谱校正决定系数为0.94,验证决定系数是0.86;蛋白质含量近红外光谱预测模型的校正决定系数为0.90,验证决定系数为0.72;脂肪含量近红外光谱校正决定系数0.81,验证决定系数0.64,由此可知近红外光谱用于羊肉品质检测具有可行性。本研究为羊肉化学成分的快速检测提供了基础。

近红外漫反射光谱法快速测定畜禽粪便堆肥多组分含量

以我国22个省、市120个不同种类的畜禽粪便堆肥样品为研究对象,利用傅里叶变换近红外漫反射光谱技术和偏最小二乘回归法建立了我国畜禽粪便堆肥中水分、挥发性固体、总有机碳、总氮含量、碳氮比、酸碱度和电导率的近红外定量分析校正模型。各参数校正模型的决定系数R2分别为0.9816,0.9015,0.9610,0.9874,0.7410,0.7880和0.8704;验证集决定系数R2v分别为0.9832,0.9381,0.9128,0.9735,0.8308,0.6158和0.8953。研究发现,除酸碱度近红外模型相对分析误差RPD(SD/SEP)值小于2.0外,水分、挥发性固体、总有机碳、总氮含量和电导率近红外模型的相对分析误差RPD值均大于3.0;碳氮比近红外模型相对分析误差RPD值介于2.0到2.5之间。结果表明,近红外漫反射光谱法可以快速测定畜禽粪便堆肥中水分、挥发性固体、总有机碳、总氮含量和电导率,对碳氮比的测定精度有待于进一步提高,对酸碱度的预测效果不理想。

改性B炸药主要组分的近红外光谱检测方法

采用近红外光谱技术,研究了改性B炸药近红外光谱快速组分检测方法。采用偏最小二乘法(PLS)建立了主要组分梯恩梯(TNT)和黑索今(RDX)的定量模型。所建模型的交互验证决定系数(R^2)分别为0.961、0.9415,内部交互验证的均方根误差(RMSECV)分别为0.478%、0.501%,外部验证的均方根误差(RMSEP)分别为0.555%、0.521%,表明所建定量模型具有较高的准确度和精密度。用近红外法的测定值与标准分析法的参考值进行t检验的计算结果为t_(RDX)=1.03,t_(TNT)=0.72,均小于临界值t_9=2.26(α_9=0.05),这表明,近红外光谱法与标准分析法无显著性差异。

基于近红外光谱的反刍动物饲料营养指标的检测方法研究

收集了151个反刍动物饲料,应用偏最小二乘(PLS)定标方法,建立了基于近红外光谱的反刍动物饲料化学成分定标模型。定标集化学分析值与预测值之间的决定系数R2和标准差(RMSEC)分别为:0.927 3和0.265(水分)、0.928 9和0.682(粗蛋白质)、0.950 5和0.228(粗脂肪)、0.906 0和0.542(粗灰分)、0.919 8和0.558(粗纤维)。验证集化学分析值与预测值之间的决定系数r2和标准差(RMSEP)分别为:0.920 6和0.284(水分)0、.919 4和0.690(粗蛋白质)、0.926 4和0.312(粗脂肪)、0.943 4和0.437(粗灰分)、0.903 5和0.616(粗纤维),相对分析误差(RPD)均大于3,具有较高的预测精度。结果表明,利用近红外光谱反射光谱分析技术可以定量检测反刍动物饲料中水分、粗蛋白质、粗脂肪、粗灰分、粗纤维的含量。

近红外光谱法快速测定干粉灭火剂含水率的可行性研究

一般的检测干粉灭火剂中含水率的分析操作复杂、实验条件严格,难以满足消防产品监督执法部门对灭火剂产品质量快速检测需求.为此,提出了一种光纤漫反射近红外光谱快速、无损测量ABC干粉灭火剂含水率的方法.采用偏最小二乘法结合47个ABC干粉灭火剂样品光谱,建立了ABC干粉灭火剂含水率的校正模型,对光谱预处理和光谱区选择进行了讨论.含水率模型校正集相关系数为0.976,交互验证校正标准偏差为0.037 1,验证集相关系数为0.952,预测标准偏差为0.021 6,预测范围为:0.075%～0.334%.随机抽取6个样品进行χ2检验,在95%置信水平下,重复性标准偏差属于同一总体,相对标准偏差均小于7.0%.结果表明,近红外光谱法可以用于干粉灭火剂含水率的快速检测.

近红外光谱对特征部位牛肉的分析

通过采集牛霖、牛柳、牛腩3个部位牛肉样品的近红外光谱并对其蛋白质、脂肪、水分和灰分等化学指标进行测定,应用偏最小二乘法分别建立蛋白质、脂肪、水分和灰分的校正模型。牛霖样品的灰分和水分校正模型相关系数分别为0.9843、0.9740,预测相关系数分别为0.9502、0.9342;牛柳样品的蛋白质和水分校正模型相关系数分别是0.9540、0.7752,预测相关系数分别为0.9500、0.9060;牛腩样品的灰分和脂肪校正模型相关系数分别是0.9746、0.9218,预测相关系数分别是0.9560、0.9233;牛霖和牛柳样品的水分总校正模型相关系数为0.7504,预测相关系数是0.9737;牛腩和牛霖样品的灰分总校正模型相关系数是0.8770,预测相关系数为0.9777。结果表明:近红外光谱分析法预测准确度较高,可以用于评价牛肉品质。

用近红外分析方法测定重质馏份油的化学族组成

测定了扬子公司不同厂的重质馏份油的近红外谱图,以偏最小二乘方法为数学工具,通过色-质连用法取得基础数据,建立重质馏份油的近红外光谱族组成模型。采用该模型测定未知样品与色-质连用法的测定结果相比,饱和烃中正构烷烃、异构烷烃、环烷烃的质量分数和芳烃质量分数的相关系数分别为0．9857、0．9854、0．9968 和0．9984。分析结果表明,两种分析方法的结果一致。近红外方法重现性好,分析速度快,结果准确,且不消耗有机溶剂。

近红外光谱法快速测定制浆材化学成分含量

为实现制浆材化学成分含量的快速测定与实时分析,用常规方法测定了120个制浆材样品的综纤维素、聚戊糖、酸不溶木素及苯醇抽出物含量,并采集了样品的近红外光谱。对原始光谱进行多元散射校正后,运用偏最小二乘法和交互验证的方法,根据主成分数与PRESS值的关系,确定最佳主成分数分别为9,10,8,9,据此建立样品相关化学成分含量的校正模型。独立验证中综纤维素、聚戊糖、酸不溶木素和苯醇抽出物模型的决定系数R2val分别为0.918 8,0.949 3,0.946 6和0.928 4,预测均方根误差（RMSEP）分别为0.70%,0.75%,0.72%和0.24%,相对分析误差（RPD）值分别为3.50,4.44,4.33和3.74,绝对偏差（AD）分别为-0.95%~1.22%,-1.42%~1.29%,-1.39%~1.14%和-0.34%~0.39%,4个校正模型较好地预测了验证集样品的化学成分含量,基本满足制浆造纸工业中快速测定的需求。

基于近红外光谱快速分析东南极湖泊沉积物化学元素含量

以东南极罗斯岛地区的3个湖泊沉积剖面为研究对象,利用紫外-可见-近红外反射光谱仪获得了沉积物样品的光谱曲线,讨论了东南极罗斯岛湖泊沉积物的光谱特征。在沉积物化学元素分析的基础上将样品分成建模集和验证集,采用偏最小二乘法建立光谱与化学元素指标的对应关系矩阵,通过验证集预测值和测定值之间的误差参数比较,发现研究的20种元素含量均能和光谱曲线建立有效的计算关系,其中,N、C、H、Mn、Ba、P、Al、Fe、K、Se、As和Hg等元素能够达到相当精确的预测水平(预测值与测量值之间的相关系数r2>0.90)。本研究结果表明,利用近红外反射光谱快速分析东南极湖泊沉积物中元素含量是一种潜在有效的方法。

近红外光谱法快速测定制浆杨木的材性

用常规方法测定了4种常用制浆杨木的化学成分和基本密度,并采集了样品的近红外光谱。对光谱进行预处理后,运用偏最小二乘法和交互验证的方法,分别确定最佳主成分数并建立样品综纤维素、木素、苯-醇抽出物、基本密度的校正模型。独立验证中模型的决定系数(R2val)分别为0.9050、0.9098、0.9112、0.9165;预测均方根误差(RMSEP)分别为0.40%、0.42%、0.19%和0.0050 g/cm^3;相对分析误差(RPD)分别为3.24、3.33、3.36和3.46;绝对偏差(AD)分别为-0.49%~0.77%、-0.66%~0.63%、-0.28%~0.33%、-0.0094~0.0068 g/cm3,预测均方根误差和绝对偏差基本符合对误差的要求,4个模型能够满足制浆造纸中常用杨木材性的快速测定。

近红外光谱法快速测定生物柴油调和比及理化指标

通过比较偏最小二乘法(PLS)处理调和生物柴油近红外光谱图与标准方法测定调和生物柴油所获得的基础数据,确立了调和生物柴油的调和比、密度、运动黏度、热值、闭口闪点及冷凝点之间的相互关系。结果表明:经优化后,在OPUS光谱分析软件推荐维数(Rank)下,各指标模型的预测值与标准测定值之间线性相关关系均显著。在用于测定未知调和生物柴油样品的上述指标方面具有测定快速简便、误差小、成本低等优点,并用马氏距离限制异常项,每份生物柴油各指标的马氏距离都处于允许范围内。对于新类型生物柴油,可向模型添加10个以上调配样本,扩充模型后即可用于测定这类型调和生物柴油相关理化指标,可成为测定调和生物柴油相关理化指标新方法。在此基础上,可进一步开发出生物柴油近红外光学理化指标测定仪,实现低成本与快速测定。

基于近红外光谱技术构建牛羊肉掺假鉴别模型

【目的】为应用近红外光谱技术结合正交偏最小二乘判别分析(orthogonalpartialleast-squares discrimination analysis,OPLS-DA)方法对牛羊肉掺杂鸡肉和鸭肉的定性鉴别。【方法】采集新鲜的牛里脊肉、羊后腿肉、鸡胸肉、鸭脯肉各41份,用绞肉机绞碎成肉糜,按照0%、25%、50%、75%、100%的掺假比例分别将鸡肉糜和鸭肉糜掺入到牛肉糜和羊肉糜中,得到4种纯肉样品各41份,牛肉掺鸭肉、牛肉掺鸡肉、羊肉掺鸭肉、羊肉掺鸡肉样品各123份,并采集近红外光谱。利用二阶导数(second derivative,2^(nd) Der)、savitzky-golay滤波平滑(savitzkygolay,S-G)、多元散射校正(multiplicative scatter correction,MSC)、标准正态变量校正(standard normal variate correction,SNV)、2nd Der+S-G、2nd Der+MSC、2nd Der+SNV、S-G+MSC、S-G+SNV等方法对原始光谱数据预处理,结合OPLS-DA分别构建牛羊肉掺假定性鉴别模型。根据模型训练集的最高正确判别率以及比较受试者工作特征曲线(receiver operating characteristic curve,ROC曲线)的面积(area under curve,AUC)评价模型的预测性能。【结果】原光谱建立的牛肉掺鸭肉模型和牛肉掺鸡肉模型对训练集鉴别准确率均为97.42%,对预测集的鉴别准确率分别为96%和92%;经S-G+MSC预处理的牛肉掺假模型对训练集和预测集的鉴别准确率分别为97.24%和90%;经SNV预处理的羊肉掺鸭肉模型对训练集和预测集的鉴别准确率分别为96.13%和92%;经SNV预处理的羊肉掺鸡肉模型对训练集和预测集的鉴别准确率分别为96.77%和94%;经S-G+SNV预处理的羊肉掺假模型对训练集和预测集的鉴别准确率分别为97.24%和97.14%。【结论】研究结果为近红外技术结合OPLS-DA方法对定性鉴别掺假牛羊肉提供了参考。

近红外技术快速检测冷鲜羊肉品质的研究

目的建立近红外反射光谱法,结合偏最小二乘回归法对冷鲜羊肉进行快速无损检测。方法从农贸市场购买新冷鲜羊肉100批,通过分析一阶导和二阶导,S-G平滑(savitzky-golay,S-G)和Norris平滑方式建立羊肉的近红外光谱参数与样品的蛋白质、脂肪、水分含量之间的对应关系模型。结果蛋白质含量最优模型选择5981.72～5961.74 cm^(-1)波段,二阶导,S-G平滑方式,相关系数为0.9312,建模方差为0.803;脂肪含量最优模型选择5207-7362 cm^(-1)波段,一阶导,Norris平滑方式,其相关系数0.9157,建模方差为4.703;水分含量最优模型选择6800-9000 cm^(-1)波段,一阶导,Norris平滑方式,相关系数为0.9200,建模方差为0.039。结论所建立模型的精确度符合检测要求,为羊肉品质的分析测定提供了一种快速方便的检测方法 。

近红外光谱法快速测定速生桉木化学成分含量

用常规方法测定了104个速生桉木样品的综纤维素、聚戊糖、酸不溶木素及苯醇抽出物含量并采集了样品的近红外光谱。对原始光谱进行多元散射校正后,运用偏最小二乘法和交互验证的方法,确定最佳主成分数并建立样品相关化学成分含量的校正模型。独立验证中综纤维素、聚戊糖、酸不溶木素和苯醇抽出物模型的决定系数Rval2分别为0.906 7、0.903 3、0.950 4、0.957 0;预测均方根误差（RMSEP）分别为0.33%、0.50%、0.31%、0.17%;相对分析误差（RPD）值分别为3.22、3.20、4.43、4.73;绝对偏差（AD）分别为-0.53%-0.60%、-0.95%-0.77%、-0.55%-0.52%、-0.22%-0.29%,4个校正模型较好地预测了验证集样品的化学成分含量,基本满足制浆造纸工业中快速测定速生桉木原料的需求。

近红外光谱法快速测定速生相思的材性

为了实现制浆原料材性的快速测定,用常规方法测定了147个相思木材样品的化学成分和基本密度,并采集了样品的近红外光谱。对原始光谱进行预处理后,运用偏最小二乘法和交互验证的方法,建立样品综纤维素、木质素、苯醇抽出物、基本密度的校正模型,4个模型建立过程中所提取的最佳主成分数分别为10、8、9和9。对4种校正模型进行独立验证,得到其决定系数（R2val）分别为0.910 3、0.950 5、0.970 6和0.969 5;预测均方根误差（RMSEP）分别为0.45%、0.32%、0.21%和0.007 1 g/cm3;相对分析误差（RPD）值分别为3.34、4.50、5.82、5.73;绝对偏差（AD）分别为-0.60%～0.68%、-0.50%～0.48%、-0.29%～0.33%和-0.009 7～0.009 1 g/cm3,RMSEP和AD基本符合测定对误差的要求,4个模型能够满足制浆造纸工业中速生相思木材的快速测定。

近红外光谱法快速测定速生桉木材性的研究

用常规方法测定了速生桉木样品的化学成分和水分含量。运用近红外光谱法结合偏最小二乘法（PLS）,建立桉木样品综纤维素、木素、苯醇抽出物、水分含量的校正模型。四个校正模型的决定系数R2值分别为0.9631、0.9792、0.9894、0.9992;校正标准偏差RMSEC分别为0.0852%、0.0993%、0.0717%、0.2615%;交叉验证过程中的校正标准偏差RMSECV值分别为0.1097%、0.1211%、0.0831%、0.3395%,模型质量好。校正模型用于独立验证的偏差范围分别为-0.40%~0.32%、-0.52%~0.54%、-0.22%~0.21%、-1.03%~0.99%。结果表明,近红外光谱法可以对速生桉木的材性进行快速测定。

基于PLSR的近红外光谱沼液主要营养成分实时在线检测方法研究

按需施用沼肥,可提升我国粮食产能,筑牢大国粮仓。鉴于国内外利用近红外模型对沼液中氮、磷、钾含量快速检测的研究未见报道,本文对183个沼液样本用偏最小二乘回归(PLSR)法建立快速预测模型。结果显示,模型对沼液中的总氮、总钾和氨氮含量,校正决定系数(R_(C)^(2))分别为0.9238、0.9339和0.9191,预测决定系数(R_(P)^(2))分别为0.9255、0.9184和0.9160,均大于0.9。校正集残留预测偏差RPD_(C)分别为3.8044、4.0034和3.6724,预测集残留预测偏差RPD P分别为3.7035、3.5403和3.4876,均大于3。这说明模型定标效果好、稳定性好、预测精度高,能够用于实际检测;总磷含量的R_(C)^(2)为0.9047,大于0.9,R_(P)^(2)为0.8083,RPD_(C)为3.2538,大于3,RPD P为2.3100。模型可用于定量分析,为农业绿色发展和智慧发展提供支撑。

近红外光谱法检测猪、牛、羊肉加热终点温度

加热终点温度(EPT)是在肉制品生产中控制食源性疾病的关键因素。现有的EPT检测方法虽然很多,但普遍存在耗时长,样品处理繁杂等不足。本文验证了近红外光谱法检测肉类EPT的可行性,为其在肉制品生产流通中的应用提供理论依据。采用近红外光谱(NIR)结合偏最小二乘法(PLS),由校正集建立模型,用已知EPT的检验集检验模型的判别效果。采用校正集的内部交叉验证均方差(RMSECV)确定猪肉、牛肉、羊肉的主成分数分别为12,10,13,此时校正集的RMSECV值分别为2.57%,1.98%和0.89%;所得校正模型的预测加热终点温度与实际加热终点温度之间的相关系数分别为0.9808,0.9872,0.9892;由所建模型对检验集样品的检验结果看,实际加热终点温度与近红外模型预测的加热终点温度具有很高的相关性,预测值的相关系数r分别为0.9940,0.9968,0.9915,预测均方差RMSEP分别为4.03%,3.86%,3.57%,预测标准差σ为1.06,0.92,1.49。由此得出结论:近红外光谱法能很好地用于肉制品EPT检测。

近红外光谱下冷鲜羊肉中鸡肉掺假鉴别分析

为对不同肥瘦比的冷鲜羊肉中鸡肉掺假水平进行判别分析,实现对掺假羊肉的快速检测。选用400个掺假样本,羊肉肥肉占10%、20%、30%、40%、50%,鸡肉占瘦肉的0%、10%、20%、30%、40%、60%、80%和100%。利用近红外光谱技术提取光谱波段为680~2600 nm,以3倍标准差法去异常值,运用光谱-目标共生距离按3:1比例划分样本,以多元散射校正、标准正态变换、SG卷积平滑(SGS)、SG一阶导和二阶导为预处理方法,特征波长提取选用竞争性自适应重加权算法(CARS)、信息变量消除法、连续投影算法三类方法,结合偏最小二乘(PLS)及支持向量机(SVM)建模预测。共剔除5个异常值,确定使用SGS作为最佳预处理方法,采用CARS方法提取的56个波长点表现出良好建模性能,最佳预测模型组合为SGS-CARS-PLS建模,校正集决定系数与均方根误差分别是0.9993、0.1895,验证集决定系数和均方根误差为0.8982、0.2843。因此,近红外光谱技术下经SGS预处理、CARS特征波长选取后建立的PLS模型可以识别出冷鲜羊肉中鸡肉掺假水平。