JP2005291704A - 可視光・近赤外分光分析方法 - Google Patents
可視光・近赤外分光分析方法 Download PDFInfo
- Publication number
- JP2005291704A JP2005291704A JP2004084322A JP2004084322A JP2005291704A JP 2005291704 A JP2005291704 A JP 2005291704A JP 2004084322 A JP2004084322 A JP 2004084322A JP 2004084322 A JP2004084322 A JP 2004084322A JP 2005291704 A JP2005291704 A JP 2005291704A
- Authority
- JP
- Japan
- Prior art keywords
- visible light
- analysis
- spectrum
- light
- components
- 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.)
- Withdrawn
Links
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
【課題】 400nm〜2500nmの波長範囲の可視光及び/又は近赤外線を利用して各試料中の成分の判別や成分の特性を測定する分光分析方法において、従来の方法では判別困難なクリーム状あるいは乳化状のマヨネーズ類製品の各成分を判別可能とし、さらに成分の特性や物性値をリアルタイムに測定可能とする可視光・近赤外分光分析方法を提供することである。
【解決手段】 試料検体に600〜1000nmの可視光及び/又は近赤外線を照射して前記試料検体のスペクトル測定を行い、前記スペクトルから吸収スペクトルを求めると共に、PLS法及び/又はクロスバリデーション法を用いて成分の特性を数値化する定量的解析もしくはPCA法及び/又はSIMCA法とを用いてクラス判別を行う定性的解析する多変量解析により、前記試料検体の成分の判別及び/又は成分の特性を判別可能とするモデルを構築する構成とした。
【選択図】 図1
【解決手段】 試料検体に600〜1000nmの可視光及び/又は近赤外線を照射して前記試料検体のスペクトル測定を行い、前記スペクトルから吸収スペクトルを求めると共に、PLS法及び/又はクロスバリデーション法を用いて成分の特性を数値化する定量的解析もしくはPCA法及び/又はSIMCA法とを用いてクラス判別を行う定性的解析する多変量解析により、前記試料検体の成分の判別及び/又は成分の特性を判別可能とするモデルを構築する構成とした。
【選択図】 図1
Description
本発明は、可視光及び/又は近赤外線を利用して各試料中の成分の判別や成分の特性を測定する分光分析方法に関し、特に、クリーム状あるいは乳化状のマヨネーズ類製品の各成分の判別や各成分の特性を測定するのに好適な可視光・近赤外分光分析方法に関するものである。
最近では、種々の分野で近赤外線を用いた成分分析が行われている。例えば、可視光及び/又は近赤外線を検体試料に照射して、特定成分に吸収される波長帯を検出することで、前記特定成分を定量分析することが行なわれている。
これは、例えば石英セル中に試料を注入し、これに近赤外分光器(例えば、ニレコ社製近赤外分光器NIRSystem6500)を用いて、400nm〜2500nmの波長範囲の可視光及び/又は近赤外線を照射して、その透過光、反射光、又は透過反射光(以後これらを総称して透過反射光と称する)を分析することで行う。
一般に、近赤外線は、物質の吸光係数が非常に小さく散乱を受け難く、エネルギーの低い電磁波であるので、試料にダメージを与えることなく化学的・物理的情報を得ることができる。
そのために、試料検体からの透過反射光スペクトルの強度を検出して、試料検体による吸光度を求めて、得られた吸光度データを多変量解析することで、直ちに試料検体の情報を得ることができ、生体分子の構造や機能の変化の過程を直接的にまたリアルタイムに捉えることができる。
そして、試料検体に400nm〜2500nmまでの又はその一部の領域の連続波長光を照射して試料検体のスペクトルを得る工程と、得られたスペクトル中のピークを分光学的手法により要素ピークに分解する工程と、その中の水分子の要素ピークを多変量解析して解析モデルを作成する工程とを備えるとした試料検体の情報を得る方法が既に公開されている(例えば、特許文献1参照)。
さらに、可視光及び/又は近赤外線領域における水分子の吸収バンドを用いて、得られた吸光度データを多変量解析することで、牛乳/又は乳房中の体細胞を測定して牛の乳房炎の診断を行うとした出願も公開されている(例えば、特許文献2参照)。
特開2002−5827号公報(第1−9頁、第1図)
国際公開WO01/75420号公報(第1−5頁、第1図)
従来の可視光及び/又は近赤外線を用いた成分分析方法においては、特定条件下で400nm〜2500nmの波長範囲の光を照射し、試料中に存在する水分子と被検体中の注目成分との相互作用で水分子の要素ピークがシフトするのを検出することで、被検体の成分情報を得る方法であり、測定できる成分や測定の精度には限界がある。とくに、粒子の大きさなどの物性値を測定することは困難であった。
また、最近その使用量が増加しているマヨネーズ類は、食用植物油脂、食酢、卵、水を主成分とする水中油型乳化食品である。また、その製品は、油脂分、水分、酸分、塩分等の成分、および、粘度や粒子径等の特性または物性値が所定の規格範囲内になるよう製造されている。しかし、それらの成分の判別及び/又は成分の特性分析を製造されるマヨネーズ類の全量について行うことは多大の分析時間と経費が嵩み困難であった。そのために、消費者に安心を与え、安全性の向上に向けて、マヨネーズ類製造工程における品質管理の徹底と分析の効率化を図るために、製造されるマヨネーズ類の成分の判別及び特性の測定を直接的にまたリアルタイムに捉えることが要求されている。
本発明の目的は、上記問題点を解消するために、400nm〜2500nmの波長範囲の光を利用して各試料中の成分の判別や成分の特性を測定する分光分析方法において、従来の方法では判別困難なクリーム状あるいは乳化状のマヨネーズ類製品の各成分を判別可能とし、また、各成分の特性や物性値をリアルタイムに測定可能とする可視光・近赤外分光分析方法を提供することである。
上記の目的を達成するために請求項1に係る発明は、試料検体に400nm〜2500nmまでの又はその一部の波長領域の可視光及び/又は近赤外線を照射して試料検体のスペクトルを計測する工程と、前記スペクトルから吸収スペクトルを求めると共に得られた吸収スペクトル中のピークを分光学的手法により要素ピークに分解する工程と、その中の水分子の要素ピークを多変量解析して解析モデルを作成する工程とを備える分光分析方法において、前記試料検体がクリーム状あるいは乳化状のマヨネーズ類であり、前記マヨネーズ類からの透過光又は透過反射光のスペクトル測定を行うと共に、多変量解析、例えばPLS法及び/又はクロスバリデーション法を用いて成分の特性を数値化する定量的解析もしくはPCA法及び/又はSIMCA法を用いてクラス判別を行う定性的解析を行い、前記試料検体の成分の判別及び/又は成分の特性を測定可能なモデルを構築する構成としたことを特徴としている。
上記の構成を有する請求項1に係る発明によれば、試料検体の各成分に応じてシフトする所定の水分子の応答の変化を測定して分光分析を行い多変量解析を行うので、スペクトルのグラフからは直接判別できない応答の変化を捉えることができ、従来の方法では判別困難なマヨネーズ類の成分の判別や特性をリアルタイムに測定可能とするモデルを得ることができる。
請求項2に係る発明は、光の繰り返し照射及び/又は光路長を変更しての複数回の測定という摂動を与えて前記試料検体のスペクトル測定を行うことを特徴としている。
上記の構成を有する請求項2に係る発明によれば、摂動(perturbation)を与えながら試料検体の各成分に応じてシフトする所定の水分子の応答の変化を測定して分光分析を行い多変量解析を行うので、さらに高精度なモデルを得ることができる。
請求項3に係る発明は、光路長の異なる位置に複数の受光部を配設して、発光部からの1回の照射により同時に複数光路長の測定を行うことを特徴としている。
上記の構成を有する請求項3に係る発明によれば、1回の照射により複数の光路長の測定データが得られるので、高精度な分光分析を短時間に行うことができる。
請求項4に係る発明は、前記試料検体に照射する可視光及び/又は近赤外線の波長領域が600nm〜1100nmであることを特徴としている。
上記の構成を有する請求項4に係る発明によれば、短波長域の近赤外光を用いて、長い光路長における分光分析を行うことができる。
請求項5に係る発明は、マヨネーズ類の粘度、温度、酸分、塩分、水分、油脂分及び粒子径を測定することを特徴としている。
上記の構成を有する請求項5に係る発明によれば、複数回連続照射するか又は光路長を変更して複数回測定するという摂動(perturbation)を与えることで、クリーム状あるいは乳化状のマヨネーズ類製品中の成分の特性や物性値を測定可能なモデルを構築することができる。
本発明に係る可視光・近赤外分光分析方法によれば、従来困難であったマヨネーズ類の成分を判別し、成分の特性や物性値をリアルタイムに測定可能となる精度の高いモデルを得ることができる。
従来の方法では判別困難なクリーム状あるいは乳化状のマヨネーズ類製品の各成分を判別可能とし、また、各成分の特性や物性値をリアルタイムに測定可能とする可視光・近赤外分光分析方法を得るという目的を、マヨネーズ等のクリーム状あるいは乳化状の試料検体に可視光及び/又は近赤外線を照射して試料検体のスペクトルの分光分析を行い、得られた多数の測定データから、水分子による所定の吸光バンドを選択して、PLS法及び/又はクロスバリデーション法を用いて成分特性を数値化する定量的解析もしくはPCA法及び/又はSIMCA法を用いてクラス判別を行う定性的解析する多変量解析によりモデルを構築することで、試料検体の成分の検出や判別及び/又は成分の特性を測定可能とするものである。
(実施の形態)
以下、本発明に係る可視光・近赤外分光分析方法の実施の形態について、図1から図12に基づいて説明する。
(実施の形態)
以下、本発明に係る可視光・近赤外分光分析方法の実施の形態について、図1から図12に基づいて説明する。
本発明に係る可視光・近赤外分光分析方法は、市販の分光分析器(例えば、ニレコ社製近赤外分光器NIRSystem6500)や携帯型近赤外分光器Fruit Tester 20(Fantec社製)を用いて、400nm〜2500nmまでの又はその一部の領域の連続波長光(可視光及び/又は近赤外線)を照射して得られる透過反射光のスペクトルを解析することで行う。
スペクトルの解析とは、検出されたスペクトルを吸収スペクトルに変換するために、光反射率の逆数を対数変換し、得られたスペクトル中のピークを分光学的手法により要素ピークに分解し、該要素ピーク中の水分子の要素ピークを多変量解析し、帰属バンドを求めて、モデルを構築することである。
近赤外光を試料検体(液状・乳化状試料)に照射すると、対象物に含まれる各種分子により特定の波長のみが吸収される。そして、分子構造(分子の種類)により吸収される光の波長が異なる。液状試料や乳化状試料のように水分子が含まれるものでは、水分子に特有の波長バンド帯にて複雑な吸光現象が起こる。また、水分子と被検体中の注目成分との相互作用で水分子の要素ピークがシフトする。
そのために、得られたスペクトルの検出吸光度(光の吸収される度合い)を波長ごとにプロットすることにより近赤外吸収スペクトルが得られ、この近赤外吸収スペクトルを用いて定量分析 を行うには、目的特性の値(濃度或いは特性値)とスペクトルデータとを関係づける関係式(検量線)が必要となる。通常検量線は、目的特性値が既知な試料のス
ペクトルを計測し、そのスペクトルデータを、オートスケール、スムージング処理、一次微分処理等の前処理を行った後で、部分二乗回帰分析(PLS)により演算して得ることができる。さらに、クロスバリデーションにより検証を行いながら高精度なモデルを構築することができる。また、主成分分析(PCA)により成分の判別を行うと共に、得られた各モデル間の距離をSIMCA法にて検定することができる。
ペクトルを計測し、そのスペクトルデータを、オートスケール、スムージング処理、一次微分処理等の前処理を行った後で、部分二乗回帰分析(PLS)により演算して得ることができる。さらに、クロスバリデーションにより検証を行いながら高精度なモデルを構築することができる。また、主成分分析(PCA)により成分の判別を行うと共に、得られた各モデル間の距離をSIMCA法にて検定することができる。
上記の前処理や多変量解析等のデータ解析には、Pirouette3.02(GLサイエンス社製)や、Pirouette2.6(Infomatrics社製)のデータ処理ソフトを使用した。
近赤外分光分析ではエネルギーレベルが弱いので同一物質に繰り返し照射しても物性、構造に悪影響を与えず、所定の条件(摂動:perturbation )を加えながら分光分析を行うことができる。そのために、得られた多くの微小な変動データを多変量解析することで、今まで検知不能であった成分の判別や成分の特性が検知できるようになった。
本発明に係る可視光・近赤外分光分析方法の流れを図1に示す。既知の試料1に所定の条件を付加することで摂動を与えながら、スペクトル測定を行う。得られたスペクトルをデータ変換・データ解析を行い、吸収バンドの強度の違いを検証しながら所定の試料の帰属バンドを求めてモデルを構築するものである。また、新たな試料2に同様な摂動を与えながらスペクトルをリアルタイムモニタリングして前記モデルと比較することで、モデルの実証性を評価する流れである。
上記の分光分析器を用いて波長領域400nm〜2500nmを波長分解能2nmで走査すると、1走査で1051個のデータを取り込むことができる。また、連続的に3回走査すると3153個のデータが得られると共に、それらをデータ処理すると、水分子の所定の要素ピークに各成分との相互作用によるシフトが各種の波長域に現れていることが判る。
図2に水分子の吸収バンドの強度変化を示すが、これは15分毎に6時間400nm〜2500nmの連続波長光を水のみの試料検体に照射した際に、強度変化を生じるつまりシフトが生じる波長バンドを示している。つまり、黒く塗りつぶした部分のバンドにて応答(response)が生じていることが判る。
試料検体を分光分析した際に生じる水分子の所定の要素ピークの応答(response)は、前記試料検体の成分に応じてそのシフトする波長バンドが変化している。また、この変化の程度は、得られるスペクトルデータからは判別されず、多変量解析によるデータ処理を行って初めて確認される。
さらに、試料の成分濃度を段階的に変化させて走査しても、光路長を変化して走査しても、温度やpH等の外的条件を付加して走査しても、一回目と二回目、あるいは二回目と三回目とでその応答が僅かに変化しており、各試料成分に応じた水分子の所定の要素ピークに応答(response)の変化(シフト)が生じていることが判る。
つまり、試料検体に、光の繰り返し照射、照射時間の変更、光路長変更等の所定の条件を付加して摂動を与えながら走査することで、各試料の成分に応じた応答(水分子の所定の要素ピークの変動)を検知可能であることが明らかとなった。
以下に各試料の測定結果について説明する。
実施例1はクリーム状あるいは乳化状の製品の成分を測定する例としてマヨネーズの粘
度、温度、酸分、塩分、水分、油脂分を測定した実施例であって、携帯型近赤外分光器Fruit Tester 20(Fantec社製)を使用して、600nm〜1000nmの波長範囲の光を3回連続繰り返し照射して得られる透過反射光を1nm分解能で分光分析を行い、前記成分の濃度や粒子径等の成分の特性を測定したものである。
度、温度、酸分、塩分、水分、油脂分を測定した実施例であって、携帯型近赤外分光器Fruit Tester 20(Fantec社製)を使用して、600nm〜1000nmの波長範囲の光を3回連続繰り返し照射して得られる透過反射光を1nm分解能で分光分析を行い、前記成分の濃度や粒子径等の成分の特性を測定したものである。
前記照射時間の変化として、20、21、22msの3種類とし、さらにこの組合わせで複数回の繰り返し照射を行い、合計180サンプルの測定を行った。
その測定結果の一覧を図3に示すが、これは、前処理としてスムージング処理と一次微分、二次微分を行いPLSによる回帰モデルを作成し、クロスバリデーションにより検証を行った際のクロスバリデーション解析の結果としての各要素の相関係数とSEV(バリデーション誤差)の一覧である。
ここに示すsituationとはサンプルおよび前処理の条件であって、1&3.smとは連続測定1回目と3回目のデータをスムージング処理して多変量解析したことを示している。また、1&3.sm-1とはさらに一次微分を行っていることを示している。さらに、fはPLS回帰分析のファクター数を示している。
また、viscosityは粘度であり、temperatureは温度を示し、acidは酸分を、saltは塩分を、moistureは水分を、oilは油脂分を示している。
図中に示す1.smとは1回照射のデータをスムージング処理して多変量解析した例であって、粘度を測定した時の相関係数が0.8751であることを示している。
また、図中の*印に示す1&2&3.sm、つまり3回連続照射して得られるデータをスムージング処理して多変量解析したものが、高い相関係数であると共にSEVが小さいという最良の結果を示している。例えば、粘度に関してはその相関係数が0.8908であることを示している。
上記で説明したように、本発明に係る分光分析方法によれば、1回の照射によってもマヨネーズ類の各成分を測定することができる。また、3回連続測定することでさらに高精度な測定を行うことができる。
粘度(Viscosity)を測定した時の解析データを図4に示す。図4(a)は回帰ベクトルであり、図4(b)は検量線モデルを示している。また、図5は600nm〜1000nmの波長範囲の光を3回連続繰り返し照射した時の生データである。つまり、図5に示す吸光度データをPirouette2.6(Infomatrics社製)のデータ処理ソフトを用いて、オートスケール、スムージング処理、一次微分処理の各種の前処理、及び変換を行った後で、PLSとクロスバリデーション解析によりそれぞれの成分の特性を測定するモデルを作成し検証を行い、相関係数がどの程度まで高精度となるか確認したものである。
また、同じ照射時間で3回連続照射するだけででなく、その照射時間を20ms、21ms、22msと変化させて3回連続照射してもよく、また、20msで3回連続照射した後で、21msで3回連続照射し、さらに、22msで3回連続照射するとさらに高精度な結果が得られる。
このようにクリーム状あるいは乳化状の製品であるマヨネーズの成分を測定する際に、摂動(perturbation)として3回連続照射しながら分光分析を行うと共に、PLSとクロスバリデーションによりモデルの作成と検証を行い、精度のよい結果を得ることができる。
実施例2は、マヨネーズ中の粒子の大きさ及び粘度を測定した例であって、携帯型近赤外分光器Fruit Tester 20(Fantec社製)を使用して、600nm〜1000nmの波長範囲の光を照射して得られる透過反射光の分光分析を行い、前記粒子の大きさを測定したものである。
図6に示す生データは、マヨネーズを攪拌するミキサーの回転速度を12万rpm〜19万rpmまで変化した10サンプルをそれぞれ4試料検体用意し、摂動(perturbation)を与えない状態で分光分析されたデータであり、このデータを統計処理して得られる粘度の検量線を図7(a)に示し、図7(b)には粘度と粒子径の解析結果を示す。つまり粒子の大きさや粘度を段階的に変化させた試料をそれぞれ分光分析した例である。
図7(b)に示す解析結果とは、得られる透過反射光スペクトルから粘度(Viscosity)と粒子(Particle)の大きさを測定した結果である。この時に粘度を測定した時のキャリブレイション相関係数Rcalが0.91であり、バリデーション相関係数Rcvが0.82であり、粒子の平均径(Average diameter)のRcalが0.93であり、Rcvが0.86であり、粒子の径の中央値のRcalが0.91であり、Rcvが0.85であることを示している。
上記のように摂動(perturbation)を与えなくともある程度の精度で検量モデルを作成することができるが、図3に示す摂動(perturbation)を与えた時の粘度の相関係数は0.8908であり、前記の摂動(perturbation)を与えない場合の相関係数0.82よりも高精度となっており、摂動(perturbation)を与えて測定するとさらに高精度な検定を行うことができるのは明らかである。
図8は粒子の大きさや粘度を段階的に変化させた前記10サンプルの測定結果のクラス間距離をSIMCA法により算出した例であって、攪拌性の一番悪い(粒子が大きいと思われる)サンプル1から最も良く攪拌した(粒子が細かい)サンプル10までの10種類の試料を分光分析して、最も粒子の細かいサンプル10とその他のサンプルとのクラス間距離を算出したものである。
図から明らかなように、攪拌の程度がほぼ明確に分類されている。また、サンプル7以降のデータはほぼ同じクラス間距離であって、サンプル7に該当する攪拌程度で十分粉砕されていることが判る。
実施例3は、マヨネーズ中の粒子の大きさ及び粘度を搬送中(On−line)に測定した例であって、携帯型近赤外分光器Fruit Tester 20(Fantec社製)を使用して、600nm〜1000nmの波長範囲の光を照射して得られる透過反射光を1nm分解能で分光分析を行い、前記粒子の大きさと粘度を測定したものである。
図9に示す本実験装置は、試料投入口4と、バッファ5と、ミル6と、透明な送出パイプAを備えており、前記試料投入口4に原料3となるマヨネーズの粗乳化物を投入し、バッファ5を介してミル6にて仕上げ乳化して、透明なパイプAを介してケース10に排出する搬送中に、前記パイプAに装着する投光部7と受光部8を備える近赤外分光器Bにより分光分析を行う構成としている。
近赤外光であっても短波長域、具体的には700nm〜1100nmの領域の近赤外光であれば、長波長域よりも10〜100倍ほど透過力が大きく、数cm程度の長い光路長
で試料検体を測定することができる。さらに、特殊な石英セルに替えて試験管等の透明な管部材を使用することもできる。
で試料検体を測定することができる。さらに、特殊な石英セルに替えて試験管等の透明な管部材を使用することもできる。
そのために、図9(a)に示すように、内径がおおよそ30mmのパイプAにマヨネーズ類を送り出して、投光部7と受光部8を備えるプローブを直接装着して透過反射光9のスペクトルを測定することも、図9(b)に示すように投光部7と該投光部に近接し、光路長がそれぞれ異なる位置に複数の受光部を配設して透過反射光のスペクトルを測定することも可能である。そのために、前記受光部として複数の受光部8A、8B、8Cとして、それぞれの光路長9A、9B、9Cの長さを変えて、1回に照射により複数光路長の透過反射光スペクトルを同時に得る構成とすることもできる。
図10にはミル6による攪拌レベルを変更した10サンプルについてのオンライン測定結果を示しており、図10(a)には得られた生データを示し、図10(b)には統計処理で得られる粘度(Viscosity)と粒子の大きさ(Diameter)および温度(Temperature)を測定した結果を示している。また、図10(c)はそれらの範囲(最大値と最小値)を示しており、粘度は34600〜170000cP(センチポアス)、粒子の大きさは2.18〜6.54μm(ミクロン)、温度が30.3〜44℃であったことが判る。
図10(b)には統計処理として、平均化(mean-center)の前処理を行ったデータと平均化に加えてスムージング(smoothing)と二次微分(2derivative)の前処理を行ったデータとを、クロスバリデーションにより検証を行いながらPLSによる回帰モデルを作成した例を示しているが、いずれの高い相関で検量可能なモデルが得られている。例えば、粘度を測定した時には、いずれも0.95以上の相関係数Rが得られている。
図11は粒子の大きさ(Particle Diameter)を検量した一例であり、生データにスムージング処理を施して、最適ファクター数10でPLS法とクロスバリデーション法を用いて検量したものである。図11(a)には検量線を示しており、図11(b)には回帰ベクトルを示している。図11(a)から明らかなように、粒子の大きさが2.18〜6.54μm(ミクロン)の範囲で精度のよい測定結果が得られている。
また、図12には粘度(Viscosity)を検量した一例であって、生データにスムージング処理を施して、最適ファクター数3でPLS法とクロスバリデーション法を用いて検量したものである。図12(a)には検量線を示しており、図12(b)には回帰ベクトルを示している。図12(a)から明らかなように、粘度が34600〜170000cP(センチポアス)の範囲で比較的精度のよい測定結果が得られる。
上記の測定実験はいずれも単一の照射時間(例えば20ms)でおこなったが、照射時間をそれぞれ変更して複数回の繰り返し照射をするか、または、光路長を異ならせて測定データからさらに高精度な回帰モデルを得ることができる。
上記で説明したように、可視光及び/又は近赤外線の波長範囲の光を利用して各試料中の成分の特性を測定する分光分析方法において、クリーム状あるいは乳化状のマヨネーズ類に600〜1000nmの光を照射して1回または複数回の分光分析を行い、前記試料検体の各成分に応じてシフトする所定の水分子の応答スペクトルを計測して多変量解析を行うことにより、従来では困難であった前記マヨネーズ類の成分判別や、成分の特性及び物性値をリアルタイムに測定可能とする可視光・近赤外分光分析方法を得ることができる。
またPLSとクロスバリデーション法によりモデルの作成と検証を行うことで、成分の特性を数値化する定量的解析を精度良く行うことができる。さらにはSIMCA法を使用
してクラス判別を行う定性的解析を行うことで、それぞれの成分がクラス分類されていることを確認することができる。
してクラス判別を行う定性的解析を行うことで、それぞれの成分がクラス分類されていることを確認することができる。
以上説明してきた本発明に係る可視光・近赤外分光分析方法は、マヨネーズだけでなくその他の、例えば増粘多糖類やスターチ類等を含むクリーム状あるいは乳化状の製品に適用可能である。
1 既知の試料
2 新たな試料
7 投光部
8 受光部
9A、9B、9C 光路長
A (透明)パイプ
B 分光分析器
2 新たな試料
7 投光部
8 受光部
9A、9B、9C 光路長
A (透明)パイプ
B 分光分析器
Claims (5)
- 試料検体に400nm〜2500nmまでの又はその一部の波長領域の可視光及び/又は近赤外線を照射して試料検体のスペクトルを計測する工程と、前記スペクトルから吸収スペクトルを求めると共に得られた吸収スペクトル中のピークを分光学的手法により要素ピークに分解する工程と、その中の水分子の要素ピークを多変量解析して解析モデルを作成する工程とを備える分光分析方法において、
前記試料検体がクリーム状あるいは乳化状のマヨネーズ類であり、前記マヨネーズ類からの透過光又は透過反射光のスペクトル測定を行うと共に、多変量解析、例えばPLS法及び/又はクロスバリデーション法を用いて成分の特性を数値化する定量的解析もしくはPCA法及び/又はSIMCA法を用いてクラス判別を行う定性的解析を行い、前記試料検体の成分の判別及び/又は成分の特性を測定可能なモデルを構築する構成としたことを特徴とする可視光・近赤外分光分析方法。 - 光の繰り返し照射及び/又は光路長を変更しての複数回の測定という摂動を与えて前記試料検体のスペクトル測定を行うことを特徴とする請求項1に記載の可視光・近赤外分光分析方法。
- 光路長の異なる位置に複数の受光部を配設して、発光部からの1回の照射により同時に複数光路長の測定を行うことを特徴とする請求項2に記載の可視光・近赤外分光分析方法。
- 前記試料検体に照射する可視光及び/又は近赤外線の波長領域が600nm〜1100nmであることを特徴とする請求項1から3のいずれかに記載の可視光・近赤外分光分析方法。
- マヨネーズ類の粘度、温度、酸分、塩分、水分、油脂分及び粒子径を測定することを特徴とする請求項1から4のいずれかに記載の可視光・近赤外分光分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004084322A JP2005291704A (ja) | 2003-11-10 | 2004-03-23 | 可視光・近赤外分光分析方法 |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2003379517 | 2003-11-10 | ||
JP2004065975 | 2004-03-09 | ||
JP2004084322A JP2005291704A (ja) | 2003-11-10 | 2004-03-23 | 可視光・近赤外分光分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2005291704A true JP2005291704A (ja) | 2005-10-20 |
Family
ID=35324818
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2004084322A Withdrawn JP2005291704A (ja) | 2003-11-10 | 2004-03-23 | 可視光・近赤外分光分析方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2005291704A (ja) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006051847A1 (ja) * | 2004-11-12 | 2006-05-18 | The New Industry Research Organization | Hiv等のウイルス感染の有無、又はプリオン感染の有無を近赤外線分光法により検査・判定する方法、及び同方法に使用する装置 |
WO2007080935A1 (ja) * | 2006-01-12 | 2007-07-19 | The New Industry Research Organization | バイオプロダクトの製造用宿主環境の検査・判定方法 |
JP2007263883A (ja) * | 2006-03-29 | 2007-10-11 | National Agriculture & Food Research Organization | 残留農薬検出方法 |
WO2011109922A1 (zh) * | 2010-03-12 | 2011-09-15 | 江苏大学 | 基于模拟退火-遗传算法近红外光谱特征子区间选择方法 |
JP2011214940A (ja) * | 2010-03-31 | 2011-10-27 | Caloria Japan Co Ltd | 物体中の異物混入判別方法及び物体中の異物混入判別装置 |
JP2011214941A (ja) * | 2010-03-31 | 2011-10-27 | Caloria Japan Co Ltd | 物体中の異物混入判別装置 |
JP5258044B2 (ja) * | 2006-05-02 | 2013-08-07 | 国立大学法人山口大学 | 植物葉の水分ストレスを推定する方法、植物葉の水分ストレスを推定するための装置及び植物葉の水分ストレスを推定するためのプログラム |
CN103308463A (zh) * | 2013-06-28 | 2013-09-18 | 中国农业大学 | 一种近红外光谱特征谱区选择方法 |
JP2015059775A (ja) * | 2013-09-17 | 2015-03-30 | ポーラ化成工業株式会社 | 乳化化粧料の評価方法及び製造方法 |
JP2015094711A (ja) * | 2013-11-13 | 2015-05-18 | 東洋ガラス機械株式会社 | 識別装置 |
JPWO2013125612A1 (ja) * | 2012-02-21 | 2015-07-30 | 株式会社明治 | 乳性食品の50%粒子径の簡易測定方法 |
CN104990891A (zh) * | 2015-06-24 | 2015-10-21 | 中国农业大学 | 一种种子近红外光谱和光谱图像定性分析模型建立方法 |
CN105424636A (zh) * | 2015-12-29 | 2016-03-23 | 南京财经大学 | 一种粮食真菌污染情况的快速检测方法及其应用 |
CN105891147A (zh) * | 2016-03-30 | 2016-08-24 | 浙江中烟工业有限责任公司 | 一种基于典型相关系数的近红外光谱信息提取方法 |
WO2018117537A3 (ko) * | 2016-12-22 | 2018-08-16 | 주식회사 포스코 | 이송되는 원료의 입도 및 건습 측정 장치 및 혼합 원료의 입도 측정 장치 |
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 |
CN113866119A (zh) * | 2021-10-21 | 2021-12-31 | 江苏省家禽科学研究所 | 一种注水鸡快速鉴别方法及应用 |
-
2004
- 2004-03-23 JP JP2004084322A patent/JP2005291704A/ja not_active Withdrawn
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006051847A1 (ja) * | 2004-11-12 | 2006-05-18 | The New Industry Research Organization | Hiv等のウイルス感染の有無、又はプリオン感染の有無を近赤外線分光法により検査・判定する方法、及び同方法に使用する装置 |
WO2007080935A1 (ja) * | 2006-01-12 | 2007-07-19 | The New Industry Research Organization | バイオプロダクトの製造用宿主環境の検査・判定方法 |
JP2007263883A (ja) * | 2006-03-29 | 2007-10-11 | National Agriculture & Food Research Organization | 残留農薬検出方法 |
JP5258044B2 (ja) * | 2006-05-02 | 2013-08-07 | 国立大学法人山口大学 | 植物葉の水分ストレスを推定する方法、植物葉の水分ストレスを推定するための装置及び植物葉の水分ストレスを推定するためのプログラム |
WO2011109922A1 (zh) * | 2010-03-12 | 2011-09-15 | 江苏大学 | 基于模拟退火-遗传算法近红外光谱特征子区间选择方法 |
JP2011214940A (ja) * | 2010-03-31 | 2011-10-27 | Caloria Japan Co Ltd | 物体中の異物混入判別方法及び物体中の異物混入判別装置 |
JP2011214941A (ja) * | 2010-03-31 | 2011-10-27 | Caloria Japan Co Ltd | 物体中の異物混入判別装置 |
JPWO2013125612A1 (ja) * | 2012-02-21 | 2015-07-30 | 株式会社明治 | 乳性食品の50%粒子径の簡易測定方法 |
CN103308463A (zh) * | 2013-06-28 | 2013-09-18 | 中国农业大学 | 一种近红外光谱特征谱区选择方法 |
JP2015059775A (ja) * | 2013-09-17 | 2015-03-30 | ポーラ化成工業株式会社 | 乳化化粧料の評価方法及び製造方法 |
JP2015094711A (ja) * | 2013-11-13 | 2015-05-18 | 東洋ガラス機械株式会社 | 識別装置 |
CN104990891A (zh) * | 2015-06-24 | 2015-10-21 | 中国农业大学 | 一种种子近红外光谱和光谱图像定性分析模型建立方法 |
CN105424636A (zh) * | 2015-12-29 | 2016-03-23 | 南京财经大学 | 一种粮食真菌污染情况的快速检测方法及其应用 |
CN105891147A (zh) * | 2016-03-30 | 2016-08-24 | 浙江中烟工业有限责任公司 | 一种基于典型相关系数的近红外光谱信息提取方法 |
WO2018117537A3 (ko) * | 2016-12-22 | 2018-08-16 | 주식회사 포스코 | 이송되는 원료의 입도 및 건습 측정 장치 및 혼합 원료의 입도 측정 장치 |
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 |
CN113866119A (zh) * | 2021-10-21 | 2021-12-31 | 江苏省家禽科学研究所 | 一种注水鸡快速鉴别方法及应用 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5441703B2 (ja) | 可視光線・近赤外線分光分析法及びブドウ醸造方法 | |
Khan et al. | Detection of urea adulteration in milk using near-infrared Raman spectroscopy | |
JP2005291704A (ja) | 可視光・近赤外分光分析方法 | |
US10422754B2 (en) | Online measurement of black powder in gas and oil pipelines | |
US7570357B2 (en) | Visible/near-infrared spectrometry and its device | |
Lu et al. | Quantitative measurements of binary amino acids mixtures in yellow foxtail millet by terahertz time domain spectroscopy | |
Casale et al. | Near infrared spectroscopy for analysing olive oils | |
Cozzolino et al. | Prediction of colour and pH in grapes using a diode array spectrophotometer (400–1100 nm) | |
Wehling | Infrared spectroscopy | |
EP0786082A1 (en) | A method of determining the organic content in pulp and paper mill effluents | |
Eldin et al. | Near infra red spectroscopy | |
Rodriguez-Saona et al. | Infrared and raman spectroscopy | |
Cozzolino | Sample presentation, sources of error and future perspectives on the application of vibrational spectroscopy in the wine industry | |
Li et al. | Simultaneous quantification of deoxymyoglobin and oxymyoglobin in pork by Raman spectroscopy coupled with multivariate calibration | |
Khodabakhshian et al. | Adulteration detection of Sudan Red and metanil yellow in turmeric powder by NIR spectroscopy and chemometrics: The role of preprocessing methods in analysis | |
Smeesters et al. | Non-destructive detection of mycotoxins in maize kernels using diffuse reflectance spectroscopy | |
Shakya et al. | Development of a generalized Fourier transform model for distinct household oil samples by performing spectroscopy analysis | |
Nguyen et al. | A method for non-destructive determination of cocoa bean fermentation levels based on terahertz hyperspectral imaging | |
US20160258877A1 (en) | Online Measurement Of Black Powder In Gas And Oil Pipelines | |
CN109799224A (zh) | 快速检测中药提取液中蛋白质浓度的方法及应用 | |
EP3183571B1 (en) | Determination of a constituent related property of a multi-constituent sample | |
Zhang et al. | Optimal wavelengths selection from all points for blood species identification based on spatially resolved near-infrared diffuse transmission spectroscopy | |
Sammarco et al. | Oregano herb adulteration detection through rapid spectroscopic approaches: Fourier transform-near infrared and laser photoacoustic spectroscopy facilities | |
JP2021185876A (ja) | 海苔の品質評価方法、および海苔の品質評価装置 | |
Xie et al. | Nondestructive determination of soluble solids content and pH in tomato juice using NIR transmittance spectroscopy |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20070323 |
|
A761 | Written withdrawal of application |
Free format text: JAPANESE INTERMEDIATE CODE: A761 Effective date: 20070807 |