面粉品质近红外光谱在线检测系统开发与应用

本研究运用近红外光谱无损检测技术,开发了一种适用于面粉品质检测的在线测量系统。本系统在硬件平台基础上,采用C++Builder 6.0对NIR 1.7/S微型光谱仪进行二次开发,编写了具有光谱采集、面粉品质预测、模型更新和数据存储等功能的软件。对市售170种面粉进行试验,以面粉水分含量为代表性指标。通过对比不同光谱预处理方法建模结果,发现不进行任何预处理时的面粉水分偏最小二乘回归(PLS)得到的模型精度最高。建模集和验证集决定系数(R2)分别为0.947,0.841;均方根误差(RMSE)分别为0.146%,0.198%;RPD值为2.53。模型导入软件后对30份新样品进行外部验证,预测值与测量值决定系数(R2)为0.883,均方根误差为0.206%。结果表明,该系统能够初步实现面粉水分的实时预测,为近红外在线检测技术应用提供了一定的技术参考。

莲子含水率近红外光谱检测模型构建

含水率是衡量莲子品质的关键指标之一。为实现莲子烘干过程中其含水率的快速无损检测,利用便携式近红外光谱仪采集武夷山和广昌两个莲子品种在4个不同干燥时间的光谱数据,结合偏最小二乘(partial least square,PLS)法建立莲子含水率检测模型。结果表明,两个品种莲子数据混合后,基于原始光谱建立的PLS模型预测决定系数R_(P)^(2)为0.9283,预测均方根误差(root mean square error of prediction,RMSEP)为0.1125,剩余预测偏差(residual predictive deviation,RPD)为3.7343。进一步比较卷积平滑(savitzky golay,SG)、标准正态变量变换(standard normal variate transformation,SNV)、多元散射校正(multiplicative scatter correction,MSC)和归一化4种不同光谱数据处理方法对PLS模型预测性能的影响。MSC预处理后的光谱建立PLS模型预测性能最好,R_(P)^(2)为0.9453,RMSEP为0.1083,RPD为4.2750。研究表明,利用便携式近红外光谱仪采集莲子光谱反射率结合化学计量学方法可实现莲子含水率的快速无损检测。

用ZX—888型近红外分析仪快速检测小麦水分

水分是小麦质量检测的重要指标,本研究运用近红外光谱分析技术,采用两种数学方法分别建立小麦近红外漫反射光谱数据与水分的数学模型。通过对定标方程的相关系数、样品的相对误差以及误差标准差的分析比较,得出用逐步回归方法建立的预测模型比ZX—888型近红外分析仪自带的多元线性回归法更稳健、精度高。