CN108593596A - 基于近红外光谱技术快速检测椰汁中原汁含量的方法 - Google Patents
基于近红外光谱技术快速检测椰汁中原汁含量的方法 Download PDFInfo
- Publication number
- CN108593596A CN108593596A CN201810543909.XA CN201810543909A CN108593596A CN 108593596 A CN108593596 A CN 108593596A CN 201810543909 A CN201810543909 A CN 201810543909A CN 108593596 A CN108593596 A CN 108593596A
- Authority
- CN
- China
- Prior art keywords
- coconut
- juice
- coconut juice
- sample
- content
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 235000020415 coconut juice Nutrition 0.000 title claims abstract description 110
- 238000000034 method Methods 0.000 title claims abstract description 66
- 235000011389 fruit/vegetable juice Nutrition 0.000 title claims abstract description 53
- 238000002329 infrared spectrum Methods 0.000 title claims abstract description 39
- 238000004445 quantitative analysis Methods 0.000 claims abstract description 21
- 238000000862 absorption spectrum Methods 0.000 claims abstract description 16
- 238000001514 detection method Methods 0.000 claims abstract description 16
- 238000000513 principal component analysis Methods 0.000 claims abstract description 14
- 238000004611 spectroscopical analysis Methods 0.000 claims abstract description 8
- 235000013162 Cocos nucifera Nutrition 0.000 claims description 51
- 244000060011 Cocos nucifera Species 0.000 claims description 46
- 238000012937 correction Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 9
- 235000013361 beverage Nutrition 0.000 claims description 9
- 238000001228 spectrum Methods 0.000 claims description 9
- 230000009466 transformation Effects 0.000 claims description 8
- 238000002203 pretreatment Methods 0.000 claims description 7
- 238000003756 stirring Methods 0.000 claims description 7
- 238000012795 verification Methods 0.000 claims description 7
- 235000013372 meat Nutrition 0.000 claims description 6
- 238000002235 transmission spectroscopy Methods 0.000 claims description 6
- 238000004497 NIR spectroscopy Methods 0.000 claims description 5
- 238000002360 preparation method Methods 0.000 claims description 5
- 239000007787 solid Substances 0.000 claims description 5
- 238000010521 absorption reaction Methods 0.000 claims description 4
- 239000000047 product Substances 0.000 claims description 4
- 239000000706 filtrate Substances 0.000 claims description 3
- 241000737241 Cocos Species 0.000 claims 5
- 238000004433 infrared transmission spectrum Methods 0.000 claims 1
- 238000013459 approach Methods 0.000 abstract description 5
- 235000015203 fruit juice Nutrition 0.000 abstract description 5
- 230000000694 effects Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 235000013399 edible fruits Nutrition 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000013210 evaluation model Methods 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 238000009659 non-destructive testing Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000010183 spectrum analysis Methods 0.000 description 2
- 206010014418 Electrolyte imbalance Diseases 0.000 description 1
- 229910000530 Gallium indium arsenide Inorganic materials 0.000 description 1
- 102000018997 Growth Hormone Human genes 0.000 description 1
- 108010051696 Growth Hormone Proteins 0.000 description 1
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 description 1
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 206010030113 Oedema Diseases 0.000 description 1
- 208000004880 Polyuria Diseases 0.000 description 1
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 1
- 241000220324 Pyrus Species 0.000 description 1
- 206010047700 Vomiting Diseases 0.000 description 1
- 238000012442 analytical experiment Methods 0.000 description 1
- 230000001142 anti-diarrhea Effects 0.000 description 1
- 230000001580 bacterial effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 210000001124 body fluid Anatomy 0.000 description 1
- 239000010839 body fluid Substances 0.000 description 1
- 150000001720 carbohydrates Chemical class 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 239000000496 cardiotonic agent Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 235000020197 coconut milk Nutrition 0.000 description 1
- 239000002537 cosmetic Substances 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000018044 dehydration Effects 0.000 description 1
- 238000006297 dehydration reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000035619 diuresis Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 230000005283 ground state Effects 0.000 description 1
- 239000000122 growth hormone Substances 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 210000002977 intracellular fluid Anatomy 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 235000014058 juice drink Nutrition 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000002932 luster Substances 0.000 description 1
- 239000011777 magnesium Substances 0.000 description 1
- 229910052749 magnesium Inorganic materials 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 235000010755 mineral Nutrition 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000001320 near-infrared absorption spectroscopy Methods 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 238000010238 partial least squares regression Methods 0.000 description 1
- 235000021017 pears Nutrition 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011591 potassium Substances 0.000 description 1
- 229910052700 potassium Inorganic materials 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 239000010453 quartz Substances 0.000 description 1
- 238000010791 quenching Methods 0.000 description 1
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 238000012306 spectroscopic technique Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 229910052717 sulfur Inorganic materials 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000000153 supplemental effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000035922 thirst Effects 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
- 239000011573 trace mineral Substances 0.000 description 1
- 235000013619 trace mineral Nutrition 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 235000013343 vitamin Nutrition 0.000 description 1
- 239000011782 vitamin Substances 0.000 description 1
- 229940088594 vitamin Drugs 0.000 description 1
- 229930003231 vitamin Natural products 0.000 description 1
- 150000003722 vitamin derivatives Chemical class 0.000 description 1
- 230000008673 vomiting Effects 0.000 description 1
- 238000009941 weaving Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及一种基于近红外光谱技术快速检测椰汁中原汁含量的方法。步骤S1、获取光谱数据:将椰汁样本进行近红外光谱扫描,得到椰汁样本的近红外吸收光谱;步骤S2、建立模型:根据步骤S1中得到的椰汁样本的近红外吸收光谱进行预处理,分别采用主成分分析PCA、偏最小二乘法PLS建立定性检测模型、定量分析模型;步骤S3、预测未知椰汁样本:采用步骤S2中建立的模型,预测未知椰汁样本的椰汁原汁含量。本发明可实现快速、无损鉴定椰汁中的原汁含量,为后续进一步拓展应用至其它果汁的品质检测提供一种新思路。
Description
技术领域
本发明涉及一种基于近红外光谱技术快速检测椰汁中原汁含量的方法。
背景技术
椰汁和椰肉都含有丰富的营养素,具有很多天然保健功能,被称为“养生第一果汁”。椰汁有很好的清凉消暑、生津止渴的作用,还有强心、止呕止泻的功效。生榨椰子汁含有丰富的钾、镁等矿物质,可纠正脱水和电解质紊乱,达到利尿消肿之效。同时,椰肉及椰汁均有杀灭肠道寄生虫的作用,疗效可靠且无毒副作用,可用于临床[1]。此外,椰汁含糖类、脂肪、蛋白质、生长激素、维生素和大量人体必需的微量元素,经常饮用椰汁能益人气力,补充细胞内液,扩充血容量,滋润皮肤[2]。正是由于椰子的养生保健作用,诱发市场对其大量开发利用。因此,市面上出现了大量的椰汁饮料产品。然而消费者对市售椰汁品质所知甚少,无法正确判断市售椰汁饮料的品质好坏,导致消费者盲目消费。
近红外检测技术(near infrared spectrum,NIRS)是指当样品受到红外光照射时,在分子振动的非谐振性影响下,分子从基态向高能级跃迁,被激发的分子产生共振能量吸收,其中含氢基团X-H(X=C、N、O、P、S等)振动产生的合频和倍频吸收在近红外区生成的特征谱图即为近红外光谱[3]。近红外光谱技术具有高效、简便、无损、仪器构造简单等特点,可用于快速检测样品,极大节省生产和人工成,并在食品质量监测领域,化工、纺织、化妆品及药品分析领域,生物医学领域等方面得到了越来越广泛的应用[5]。然而,由于大量实际样本的近红外光谱出现重叠,数据复杂,因此限制了近红外光谱的进一步广泛应用。因此,选择借助化学计量学方法用来给一些复杂体系的样品作定量和定性分析[4]。
本发明利用近红外光谱技术结合主成分分析法(principal componentsanalysis,PCA)对不同品种椰子进行定性分析,还利用近红外光谱技术结合偏最小二乘法(partial least squares, PLS)对不同浓度的椰子原汁进行检测并建立定量分析模型,为市售椰汁品质的快速测定奠定基础。通过本项目的研究将为各类果汁的品质检测提供一种简便、无损、快捷的方法。
发明内容
本发明的目的在于提供一种基于近红外光谱技术快速检测椰汁中原汁含量的方法,可实现快速、无损鉴定椰汁中的原汁含量,为后续进一步拓展应用至其它果汁的品质检测提供一种新思路。
为实现上述目的,本发明的技术方案是:一种基于近红外光谱技术快速检测椰汁中原汁含量的方法,包括如下步骤:
步骤S1、获取光谱数据:将椰汁样本进行近红外光谱扫描,得到椰汁样本的近红外吸收光谱;
步骤S2、建立模型:根据步骤S1中得到的椰汁样本的近红外吸收光谱进行预处理,分别采用主成分分析PCA、偏最小二乘法PLS建立定性检测模型、定量分析模型;
步骤S3、预测未知椰汁样本:采用步骤S2中建立的模型,预测未知椰汁样本的椰汁原汁含量。
在本发明一实施例中,所述步骤S1中,傅里叶变换近红外光谱分析仪对椰汁样本进行近红外光谱扫描,设定扫描范围为4000-10000 cm-1,分辨率为16 cm-1,在室温25℃下,以空气作为背景测定椰汁样本的漫反射近红外光谱,每个椰汁样本扫描3次,取其平均值作为椰汁样本的近红外吸收光谱。
在本发明一实施例中,所述椰汁样本为具有不同原汁含量的椰汁样本。
在本发明一实施例中,所述椰汁样本的制备方式为:首先,取新鲜椰子,开孔后取其椰清置于烧杯中待用,然后使用刀具打开椰子壳,挖取椰肉,放置于榨汁机中,同时将椰清倒入榨汁机中,搅拌混匀5-10分钟,搅拌完成后,用纱布过滤,滤液置于另一烧杯中;而后,制备不同原汁含量的椰汁样本:将相同可溶性固形物含量的椰汁原汁与椰汁饮料按照原汁比例为0、0.05、0.10、0.15、0.20、0.25、0.30、0.35、0.40、0.45、0.50、0.55、0.60、0.65、0.70、0.75、0.80、0.85、0.90、0.95、1.00进行勾兑,随机选择其中的11个椰汁样本作为校正集,10个椰汁样本作为预测集。
在本发明一实施例中,所述步骤S2中,采用主成分分析PCA建立定性检测模型之前,还需进行如下步骤:选择不同品种椰子,取其椰清,而后进行近红外透射光谱,得到不同品种椰子的椰清样本的近红外透射光谱;而后,采用主成分分析PCA建立定性检测模型,可知不同品种椰子对椰汁品质的基本无影响。
在本发明一实施例中,所述步骤S2中,对椰汁样本的近红外吸收光谱进行预处理的方法包括:多元散射校正、标准正态变量变换、SG卷积平滑一阶、SG卷积平滑二阶、标准化、中心化。
在本发明一实施例中,所述步骤S2中,采用偏最小二乘法PLS建立定量分析模型时,需采用留一交互检验法确定最佳因子数,即根据对椰汁样本的近红外吸收光谱进行预处理方法的不同,采用留一交互检验法确定不同预处理方法的最佳因子数。
在本发明一实施例中,所述步骤S2中,在采用偏最小二乘法PLS建立定量分析模型之后,还需采用校正均方根误差、预测均方根误差、校正相关系数、预测相关系数作为所建立的定量分析模型的评价指标,以确定最适合的对椰汁样本的近红外吸收光谱进行预处理的方法,从而建立最优定量分析模型。
相较于现有技术,本发明具有以下有益效果:本发明可实现快速、无损鉴定椰汁中的原汁含量,为后续进一步拓展应用至其它果汁的品质检测提供一种新思路。
附图说明
图1为原始数据的近红外光谱图。
图2为主成分分析法分布图。
图3为不同预处理方式下的近红外光谱图:(a)Center(b)SNV(c)NOR(d)MSC (e)SG-SD(f)SG-FD。
图4为不同预处理方式下的PLS模型的预测值和真实值分布:(a)Center(b)SNV(c)NOR(d)MSC (e)SG-SD(f)SG-FD。
具体实施方式
下面结合附图,对本发明的技术方案进行具体说明。
本发明提供了一种基于近红外光谱技术快速检测椰汁中原汁含量的方法,包括如下步骤:
步骤S1、获取光谱数据:将椰汁样本进行近红外光谱扫描,得到椰汁样本的近红外吸收光谱;
步骤S2、建立模型:根据步骤S1中得到的椰汁样本的近红外吸收光谱进行预处理,分别采用主成分分析PCA、偏最小二乘法PLS建立定性检测模型、定量分析模型;
步骤S3、预测未知椰汁样本:采用步骤S2中建立的模型,预测未知椰汁样本的椰汁品质。
所述步骤S1中,傅里叶变换近红外光谱分析仪对椰汁样本进行近红外光谱扫描,设定扫描范围为4000-10000 cm-1,分辨率为16 cm-1,在室温25℃下,以空气作为背景测定椰汁样本的漫反射近红外光谱,每个椰汁样本扫描3次,取其平均值作为椰汁样本的近红外吸收光谱。所述椰汁样本为具有不同原汁含量的椰汁样本。所述椰汁样本的制备方式为:首先,取新鲜椰子,开孔后取其椰清置于烧杯中待用,然后使用刀具打开椰子壳,挖取椰肉,放置于榨汁机中,同时将椰清倒入榨汁机中,搅拌混匀5-10分钟,搅拌完成后,用纱布过滤,滤液置于另一烧杯中;而后,制备不同原汁含量的椰汁样本:将相同可溶性固形物含量的椰汁原汁与椰汁饮料按照原汁比例为0、0.05、0.10、0.15、0.20、0.25、0.30、0.35、0.40、0.45、0.50、0.55、0.60、0.65、0.70、0.75、0.80、0.85、0.90、0.95、1.00进行勾兑,随机选择其中的11个椰汁样本作为校正集,10个椰汁样本作为预测集。
所述步骤S2中,采用主成分分析PCA建立定性检测模型之前,还需进行如下步骤:选择不同品种椰子,取其椰清,而后进行近红外透射光谱,得到不同品种椰子的椰清样本的近红外透射光谱;而后,采用主成分分析PCA建立定性检测模型,可知不同品种椰子对椰汁品质的基本无影响。
所述步骤S2中,对椰汁样本的近红外吸收光谱进行预处理的方法包括:多元散射校正、标准正态变量变换、SG卷积平滑一阶、SG卷积平滑二阶、标准化、中心化。
所述步骤S2中,采用偏最小二乘法PLS建立定量分析模型时,需采用留一交互检验法确定最佳因子数,即根据对椰汁样本的近红外吸收光谱进行预处理方法的不同,采用留一交互检验法确定不同预处理方法的最佳因子数。
所述步骤S2中,在采用偏最小二乘法PLS建立定量分析模型之后,还需采用校正均方根误差、预测均方根误差、校正相关系数、预测相关系数作为所建立的定量分析模型的评价指标,以确定最适合的对椰汁样本的近红外吸收光谱进行预处理的方法,从而建立最优定量分析模型。
以下为本发明的具体实施过程。
1、样品制备
实验所用椰子采购于学校附近的超市,挑选色泽好,无菌斑,质地佳的新鲜椰子,以及不同品牌的成品椰汁饮料。
取新鲜椰子2个,开孔后取其椰清置于烧杯中待用,然后使用刀具打开椰子壳,挖取椰肉,放置于榨汁机中,同时将椰清倒入榨汁机中,搅拌混匀约5-10分钟,搅拌完成后,用纱布过滤,滤液置于另一烧杯中。
不同原汁含量的椰汁样品制备:将相同可溶性固形物含量[6]的椰汁原汁与椰汁饮料按照原汁比例为0、0.05、0.10、0.15、0.20、0.25、0.30、0.35、0.40、0.45、0.50、0.55、0.60、0.65、0.70、0.75、0.80、0.85、0.90、0.95、1.00进行勾兑,其中由程序随机选择其中的11个椰汁样本作为校正集,10个椰汁样本作为预测集来建立并完善椰汁原汁浓度梯度模型。
2、光谱数据的采集
实验采用thermo公司生产的ANTARISⅡ型傅里叶变换近红外光谱分析仪,配有高灵敏度InGaAs检测器,内置自动金箔背景采集方式和配置样品杯旋转器及石英样品杯积分球系统。设置样品的扫描范围为4000-10000 cm-1,分辨率为16 cm-1,在室温25℃下,以空气作为背景测定样品的漫反射近红外光谱,每个样品扫描3次,取其平均值作为样品的近红外吸收光谱,结果如下图1所示,数据分析均在Matlab(R2013a)中进行。
3、模型的建立
3.1、定性模型的建立
选择3个不同品种椰子,取其椰清,采用近红外透射光谱,每个品种取12个样本,每个样本扫描5次,共计60次。采PCA对其进行分析,所得结果如下图所示。从图2主成分分析分布图中可以看出,3种椰子的椰清成分相近,矩阵中位置几乎重叠,其中3种不同品种椰清的比较验证参数分别为,P1=0.3333,P2=0.3667,P3=0.4000。结果表明,主成分分析结果较差,说明椰子品种对实验结果无明显影响,由此进行下一步定量分析实验。
3.2、定量分析模型的建立
偏最小二乘法(partial least squares, PLS)是一种数学优化技术,它通过最小化误差的平方和找到一组数据的最佳函数匹配,是最常用的定量分析方法。采用最简的方法求得一些绝对不可知的真值,而令误差平方之和为最小。为了更好地评定模型性能的好坏,本文采用预测均方根误差(root mean square error of prediction,RMSEP),校正均方根误差(root mean square error of calibration,RMSEC),预测相关系数(correlationcoefficient of prediction,Rp),校正相关指数(correlation coefficient ofcalibration,Rc)作为模型评定指标[7]。
4、基于PLS模型的椰汁饮料原汁含量检测
实验选取光谱段区间为4000-10000cm-1,采用PLS建立模型。其中用留一交互检验法(leave-one-out cross validation)确定最佳因子数。为了更好地建立模型,消除样品中与浓度无关的影响因素的干扰,本研究对原始数据采用以下6种方法进行预处理分析:多元散射校正(multiplicative scatter correction,MSC),标准正态变量变换(standardnormal variate,SNV),SG卷积平滑一阶(Savitzky-Golay first-derivative,SG-FD),SG卷积平滑二阶(Savitzky-Golay second derivative,SG-SD),标准化(Normalize),中心化(Center)。所得图谱如下图3所示,观察结果得经过SNV与MSC预处理过后所得谱图接近,SG-SD预处理过后的谱图较为分散、模糊,猜测经此方法所得预测结果可能不及其他预处理结果理想。
在PLS程序中对此6种不同方法所得数据做进一步处理,所得模型结果如下图4所示,由于所得模型图只能凭借主观判断,不具有强力证据证明模型性能,因此引入参数Rp,Rc,RMSEP,RMSEC来评价模型[8]。模型评价参数数据如表1所示。从表1中可得,不同预处理方法的最佳因子数分别是3,5,5,6,3,5,在此基础上建立PLS回归模型,其中由Center预处理过后所得模型最佳,其Rp,RMSEP,Rc,RMSEC分别为0.9885,0.0435,0.9865,0.0519,而不经预处理过后的原始椰汁数据(Raw)所建立的模型也较好,与Center处理数据过后所得模型性能最为接近,结果表明,可以利用近红外光谱技术结合化学计量学方法对椰汁饮料中原汁含量进行定量分析。
5、结论
实验利用近红外光谱技术并结合化学计量学方法对椰汁饮料中的原汁含量进行定量分析,其中按原汁比例0-1建立定量分析模型,所得结果以经过Center预处理过后PLS模型为最佳,其中Rp,RMSEP,Rc,RMSEC值分别高达0.9885,0.0435,0.9865,0.0519。实验表明,可以通过近红外光谱技术建立一种快速、无损鉴定椰汁中的原汁含量的方法,为后续进一步拓展应用至其它果汁的品质检测提供一种新思路。
参考文献:
[1] 肖红, 易美华. 椰子的开发利用[J]. 海南大学学报(自然科学版)自然科学版,2003, 21(2):183-189.
[2] 夏秋瑜, 李瑞, 赵松林,等. 椰子的利用价值及综合加工技术[J]. 中国热带农业, 2007(3):37-38.
[3] 齐晓, 韩建国, 李曼莉. 近红外光谱分析仪器的发展概况[J]. 光谱学与光谱分析, 2007, 27(10):2022-2026.
[4] 徐广通, 袁洪福, 陆婉珍. 现代近红外光谱技术及应用进展[J]. 光谱学与光谱分析, 2000, 20(2):134-142.
[5] 高荣强, 范世福. 现代近红外光谱分析技术的原理及应用[J]. 分析仪器, 2002(3):9-12.
[6] 杜朋. 果汁饮料原汁含量的测量方法[J]. 食品科学, 1990, 11(6):32-38.
[7] 朱亨银, 傅霞萍, 游贵荣,等. 近红外光谱定性与定量分析技术在莲子无损检测中的应用[J]. 光谱学与光谱分析, 2015(10):2752-2756.
[8] 王铭海, 郭文川, 谷静思,等. 成熟期梨可溶性固形物含量的近红外漫反射光谱无损检测[J]. 西北农林科技大学学报:自然科学版, 2013, 41(12):113-119.。
以上是本发明的较佳实施例,凡依本发明技术方案所作的改变,所产生的功能作用未超出本发明技术方案的范围时,均属于本发明的保护范围。
Claims (8)
1.一种基于近红外光谱技术快速检测椰汁中原汁含量的方法,其特征在于,包括如下步骤:
步骤S1、获取光谱数据:将椰汁样本进行近红外光谱扫描,得到椰汁样本的近红外吸收光谱;
步骤S2、建立模型:根据步骤S1中得到的椰汁样本的近红外吸收光谱进行预处理,分别采用主成分分析PCA、偏最小二乘法PLS建立定性检测模型、定量分析模型;
步骤S3、预测未知椰汁样本:采用步骤S2中建立的模型,预测未知椰汁样本的椰汁原汁含量。
2.根据权利要求1所述的基于近红外光谱技术快速检测椰汁中原汁含量的方法,其特征在于,所述步骤S1中,傅里叶变换近红外光谱分析仪对椰汁样本进行近红外光谱扫描,设定扫描范围为4000-10000 cm-1,分辨率为16 cm-1,在室温25℃下,以空气作为背景测定椰汁样本的漫反射近红外光谱,每个椰汁样本扫描3次,取其平均值作为椰汁样本的近红外吸收光谱。
3.根据权利要求1或2所述的基于近红外光谱技术快速检测椰汁中原汁含量的方法,其特征在于,所述椰汁样本为具有不同原汁含量的椰汁样本。
4.根据权利要求1或2所述的基于近红外光谱技术快速检测椰汁中原汁含量的方法,其特征在于,所述椰汁样本的制备方式为:首先,取新鲜椰子,开孔后取其椰清置于烧杯中待用,然后使用刀具打开椰子壳,挖取椰肉,放置于榨汁机中,同时将椰清倒入榨汁机中,搅拌混匀5-10分钟,搅拌完成后,用纱布过滤,滤液置于另一烧杯中;而后,制备不同原汁含量的椰汁样本:将相同可溶性固形物含量的椰汁原汁与椰汁饮料按照原汁比例为0、0.05、0.10、0.15、0.20、0.25、0.30、0.35、0.40、0.45、0.50、0.55、0.60、0.65、0.70、0.75、0.80、0.85、0.90、0.95、1.00进行勾兑,随机选择其中的11个椰汁样本作为校正集,10个椰汁样本作为预测集。
5.根据权利要求1所述的基于近红外光谱技术快速检测椰汁中原汁含量的方法,其特征在于,所述步骤S2中,采用主成分分析PCA建立定性检测模型之前,还需进行如下步骤:选择不同品种椰子,取其椰清,而后进行近红外透射光谱,得到不同品种椰子的椰清样本的近红外透射光谱;而后,采用主成分分析PCA建立定性检测模型,可知不同品种椰子对椰汁品质的基本无影响。
6.根据权利要求1所述的基于近红外光谱技术快速检测椰汁中原汁含量的方法,其特征在于,所述步骤S2中,对椰汁样本的近红外吸收光谱进行预处理的方法包括:多元散射校正、标准正态变量变换、SG卷积平滑一阶、SG卷积平滑二阶、标准化、中心化。
7.根据权利要求6所述的基于近红外光谱技术快速检测椰汁中原汁含量的方法,其特征在于,所述步骤S2中,采用偏最小二乘法PLS建立定量分析模型时,需采用留一交互检验法确定最佳因子数,即根据对椰汁样本的近红外吸收光谱进行预处理方法的不同,采用留一交互检验法确定不同预处理方法的最佳因子数。
8.根据权利要求6所述的基于近红外光谱技术快速检测椰汁中原汁含量的方法,其特征在于,所述步骤S2中,在采用偏最小二乘法PLS建立定量分析模型之后,还需采用校正均方根误差、预测均方根误差、校正相关系数、预测相关系数作为所建立的定量分析模型的评价指标,以确定最适合的对椰汁样本的近红外吸收光谱进行预处理的方法,从而建立最优定量分析模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810543909.XA CN108593596A (zh) | 2018-05-31 | 2018-05-31 | 基于近红外光谱技术快速检测椰汁中原汁含量的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810543909.XA CN108593596A (zh) | 2018-05-31 | 2018-05-31 | 基于近红外光谱技术快速检测椰汁中原汁含量的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108593596A true CN108593596A (zh) | 2018-09-28 |
Family
ID=63630556
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810543909.XA Pending CN108593596A (zh) | 2018-05-31 | 2018-05-31 | 基于近红外光谱技术快速检测椰汁中原汁含量的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108593596A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110632024A (zh) * | 2019-10-29 | 2019-12-31 | 五邑大学 | 一种基于红外光谱的定量分析方法、装置、设备以及存储介质 |
CN113536927A (zh) * | 2021-06-15 | 2021-10-22 | 南昌海关技术中心 | 一种赣南脐橙鉴别方法、系统及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102128805A (zh) * | 2010-12-23 | 2011-07-20 | 华东交通大学 | 果品近红外光谱波长选择和快速定量分析方法及装置 |
CN105527244A (zh) * | 2015-10-26 | 2016-04-27 | 沈阳农业大学 | 一种基于近红外光谱的寒富苹果品质无损检测方法 |
CN107064047A (zh) * | 2017-03-02 | 2017-08-18 | 兰州大学 | 一种基于近红外光谱的富士苹果品质无损检测方法 |
CN107167447A (zh) * | 2017-05-24 | 2017-09-15 | 福州大学 | 采用近红外光谱技术计算勾兑苹果汁中苹果原汁含量的方法 |
CN107290299A (zh) * | 2017-04-24 | 2017-10-24 | 甘肃萃英大农科技有限公司 | 一种用于桃的糖度和酸度实时无损检测方法 |
-
2018
- 2018-05-31 CN CN201810543909.XA patent/CN108593596A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102128805A (zh) * | 2010-12-23 | 2011-07-20 | 华东交通大学 | 果品近红外光谱波长选择和快速定量分析方法及装置 |
CN105527244A (zh) * | 2015-10-26 | 2016-04-27 | 沈阳农业大学 | 一种基于近红外光谱的寒富苹果品质无损检测方法 |
CN107064047A (zh) * | 2017-03-02 | 2017-08-18 | 兰州大学 | 一种基于近红外光谱的富士苹果品质无损检测方法 |
CN107290299A (zh) * | 2017-04-24 | 2017-10-24 | 甘肃萃英大农科技有限公司 | 一种用于桃的糖度和酸度实时无损检测方法 |
CN107167447A (zh) * | 2017-05-24 | 2017-09-15 | 福州大学 | 采用近红外光谱技术计算勾兑苹果汁中苹果原汁含量的方法 |
Non-Patent Citations (2)
Title |
---|
严衍禄等: "《近红外光谱分析的原理、技术与应用》", 31 January 2013, 北京:中国轻工业出版社 * |
付才力等: "近红外光谱快速检测莲子粉", 《光谱学与光谱分析》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110632024A (zh) * | 2019-10-29 | 2019-12-31 | 五邑大学 | 一种基于红外光谱的定量分析方法、装置、设备以及存储介质 |
CN110632024B (zh) * | 2019-10-29 | 2022-06-24 | 五邑大学 | 一种基于红外光谱的定量分析方法、装置、设备以及存储介质 |
CN113536927A (zh) * | 2021-06-15 | 2021-10-22 | 南昌海关技术中心 | 一种赣南脐橙鉴别方法、系统及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wei et al. | Ripeness classification of astringent persimmon using hyperspectral imaging technique | |
Martin | Recent advances in near-infrared reflectance spectroscopy | |
CN106841083A (zh) | 基于近红外光谱技术的芝麻油品质检测方法 | |
CN110018134A (zh) | 一种近红外光谱法测定大豆水溶性蛋白含量的方法 | |
CN101446548A (zh) | 基于响应量转换实现牛奶成分测量的装置及方法 | |
Santagapita et al. | Non-destructive assessment of kiwifruit physico-chemical parameters to optimise the osmotic dehydration process: A study on FT-NIR spectroscopy | |
CN105136737A (zh) | 基于近红外光谱的馒头中马铃薯全粉含量快速测定的方法 | |
CN106950192A (zh) | 一种基于近红外光谱分析技术的植物蛋白饮料中主要成分含量快速检测的方法 | |
CN109374548A (zh) | 一种利用近红外快速测定大米中营养成分的方法 | |
CN107543838A (zh) | 一种稀奶油中掺假植脂奶油的核磁共振检测方法 | |
CN108593596A (zh) | 基于近红外光谱技术快速检测椰汁中原汁含量的方法 | |
CN103411895B (zh) | 珍珠粉掺伪的近红外光谱鉴别方法 | |
KR100433263B1 (ko) | 근적외선 흡수스펙트럼을 이용한 곡물 1립 비파괴 분석방법 | |
Iwamoto et al. | An overview of research and development of near infrared spectroscopy in Japan | |
CN113310930A (zh) | 高温灭菌奶、巴氏杀菌奶和掺加高温灭菌奶的巴氏杀菌奶的光谱鉴定方法 | |
Thyholt et al. | Near infrared spectroscopy of dry extracts from high moisture food products on solid support—a review | |
CN109406447A (zh) | 一种高粱中单宁的近红外检测方法 | |
CN108226091A (zh) | 一种用于预测甜玉米中蔗糖含量的nirs模型构建方法 | |
KR101544586B1 (ko) | 근적외선 시스템을 이용한 사료 원료의 메탄 발생량 분석 방법 및 장치 | |
CN107703095A (zh) | 一种基于近红外光谱及化学计量学的二元掺伪三七定量分析方法 | |
JP2002005827A (ja) | 被検体の情報を得る方法 | |
CN107167447A (zh) | 采用近红外光谱技术计算勾兑苹果汁中苹果原汁含量的方法 | |
Liu et al. | The relationship between optical properties and soluble solid contents of Gong pear for non-destructive internal quality inspection | |
CN107037039B (zh) | 一种新疆核桃产地溯源研究方法 | |
CN110108647A (zh) | 一种肉类品种的鉴别方法和鉴别系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180928 |
|
RJ01 | Rejection of invention patent application after publication |