近红外和中红外光谱技术在快速鉴别豆粕中掺入尿素聚合物的研究
基于近红外光谱技术与BP—ANN算法的豆粕品质快速检测
要 ： 用近 红外 漫反 射光谱 技 术 结合误 差反 向传 递人 工神 经 网络 （ Ｐ—Ａ Ｎ） 法 ， 立 豆粕 应 Ｂ Ｎ 算 建
品质（ 包括 水分 、 粗蛋 白、 油） 残 的定 量 分析模 型 。将 豆粕 漫反 射吸 收光谱 数 据进 行 Ｓ Ｖ、 Ｔ、Ｇ 求 Ｎ Ｄ Ｓ 导 、 Ｇ平 滑和均值 中心化 处理 ， Ｓ 然后 采 用偏 最 小二 乘方 法 （ Ｌ ） 维获 取 主成 分 ， ＰＳ降 并优 化 选择合 适
２ Ｓ ａｇ ｏ ｇＳ ｎ ｅ Ｏｌ Ｆ ｔ ｒｕ ｏ ｔ． Ｌｎ ｉ ｈｎ ｄ ｎ ３ ０ ５ ） ． ｈ ｎ ｄ ｎ ａ ｗ ｉ ｉ＆ ａ Ｇ ｏ ｐＣ ．Ｌｄ ，ｉｙ Ｓ ａ ｇｏ ｇ ９ ７ ８
Ａｂ ｔａ ｔ Ｔ ｅ ｍｏ ｅｓ Ｏ ｕ ｎ ｉ ｔ ｅ ａ ａｙ ｉ ｆｍｏ ｉ ｒ ｓｒ ｃ ： ｈ ｄ ｌ ｆｑ ａ ｔ ａ ｉ ｎ ｌ ｓ ｏ ｓｔ ｅ。ｐ ｏｅｎ ａ ｄ ｒ ｓｄ ａ ｉ ｉ ｏ ｂ ａ ａ ｒ ｔ ｖ ｓ ｕ ｒ ｔ ｉ ｎ ｅ ｉ ｕ ｌ ｌ ｎ ｓ ｙ ｅ ｎ ｍｅ ｌｗｅ ｅ ｏ
粮油 品 技 第２ 卷 ２ ２ 第２ 食 科 ０ ０年 １ 期
质量控制
基于近红 外光谱 技术 与 Ｂ Ａ Ｎ算法 Ｐ— Ｎ 的豆粕 品质快速检测
周新奇 杨伟伟 房 兆华 桑 强 ， ， ， ， 叶华俊 张 学锋 陈智锋 ， ，
（． １ 聚光科 技 （ ｌ 股份 有 限公 司， 江 杭 州 杭 ） ｉ 浙 ２ 山 东三 维油脂Байду номын сангаас集 团股份 有 限公 司 ， 东 临 沂 ． 山 摘 ３０５ ； １０ ２ ３０５ ） ９７８
ｗｅ ｅ ｐ ｅｒ ａ ｅ ｙ Ｓ ｒ ｒ ｔｅ ｔｄ ｂ ＮＶ ， Ｔ， ａ ｉ ｋ Ｄ Ｓ ｖ ｔ ｙ—Ｇｏａ ｅ ｖ ｔ ｅ ，Ｓ ｖ ｔｋ ｚ ｌ ｙ ｄ ｒ ａｉ ｉ ｖ ａ ｉ ｙ—Ｇｏａ ｍｏ ｔ ｉ ｇ ａ ｄ ｍｅ ｎ—ｃ ｎ ｅ ． ｚ ｌ ｙ ｓ ｏｈ ｎ ｎ ａ ｅ ｔｒ
近红外反射光谱快速测定玉米DDGS营养成分的研究
近红外反射光谱快速测定玉米DDGS营养成分的研究简介玉米DDGS（Distillers Dried Grains with Solubles），即酒精蒸馏废弃物（DDG）或蒸馏糟粕，是工业化生产酒精、饲料、化学品等副产品，是一种高蛋白、高油低淀粉、高纤维的饲料原料。
采用传统方法来测定DDGS的营养成分通常需要昂贵的设备和耗费大量时间进行分析，因此研究近红外反射光谱技术在快速测定DDGS营养成分方面的应用具有重要意义。
研究方法实验材料本研究使用的玉米DDGS样品来自工业化生产过程中的酒精厂，经过风干、破碎、筛分等基本处理后，制备成为均匀细粉末，并进行标记化处理。
实验中采用的主要仪器为SWIFTSPEC®NIR analyze，该仪器使用光纤近红外光谱技术进行测量，并配备了基于Matlab平台的化学分析软件进行计算和分析。
实验步骤1.将制备好的DDGS样品分别放置于样本容器中，保持温度恒定；2.使用SWIFTSPEC®NIR analyze测量设备对DDGS样品进行反射光谱测量，每个样品进行五次测量，取平均值；3.将采集到的光谱数据输入到化学分析软件中，进行相关计算和分析，得出DDGS样品的营养成分含量结果。
实验结果本研究使用近红外反射光谱技术对玉米DDGS的营养成分进行了测定，得到了较为准确的结果。
其中，对于DDGS的粗蛋白质、粗脂肪、粗纤维、总糖和总灰分析测定结果如下表所示：营养成分测定值标准偏差相对误差粗蛋白质26.18% ± 0.25% 1.11% 0.95%粗脂肪 6.28% ± 0.21% 0.88% 1.21%粗纤维8.15% ± 0.31% 1.03% 1.57%总糖12.42% ± 0.44% 1.40% 1.98%总灰分 4.36% ± 0.19% 0.63% 1.58%通过对比实验结果与传统分析方法，可以发现使用近红外反射光谱技术得到的DDGS营养成分含量结果与传统方法具有较高的相关性和准确度，且能够更快地得到测量结果。
近红外光谱仪对饲料中尿素含量的快速测定
Ｎ — Ｈ基 团， 根据近红外光谱仪 的检测原理 ， 因此可以 应用近红外技术快速测定饲料中尿素含量。现有的 近红外仪还没有检测过饲料 中的尿素含量 ，为 了检
测尿素 的含量 首先需 要建立 饲料 中尿 素的检测模
型 。 －
【 ５ 】 张卉， 宋妍， 冷静 等． 近红 外光 谱分析技术叨． 光谱实验室． ２ ０ ０ ７ （ ０ ３ ） ：
研究近红外分析检测饲料 中尿素含量将会在实际工
作 中发挥很大的作用。 参考文献 ：
【 ｌ 】 朱秀高， 卢 守英， 朱静等． 饲料及其原料 中尿素检测方法的研究进展
忉． 中国饲料， ２ Ｏ ｌ Ｏ ． ９ ．
变化 ， 其光谱特征也将发生变化 。由于尿素中含有
【 ２ 】 吴海云， 刘洋， 左 月明． 近红外光谱数据分析方法研究进展［ Ｊ 】 ． 农产品 加工（ 学刊 ） ． ２ ０ １ ０ （ ０ ３ ） ： ７ ６ － ７ ９ ． ［ ３ ］ 吴瑾光主编． 近代傅 里叶变换红外光谱技术及应用【 Ｍ 】 ＿ Ｅ 京： 科学技 术文献 出版社， １ ９ ９ ４ ． ［ ４ 】 周学秋， 朱雨杰． 现代傅里 叶变换近红外光谱仪器技术及应用们． 布 鲁克光谱仪器公司， ２ ０ ０ １ ． １ ０ ．
ｌ ０％ 。
近年来 ， 一些饲料企业超量使用尿素现象严重 ， 造成了牛、羊尿素中毒和死亡事件屡有发生 。这给 牛、 羊养殖企业或养殖户造成了巨大的经济损失 ， 影 响了养殖业 和畜牧业 的可持续发展 。我国 目前没有 饲料中尿素测定方法 的国际标准 ，为 了监控尿素在 反刍动物饲料 中的添加量 ，防止家畜尿素中毒和死 亡事件 的发生 ，研究饲料中尿素测定的方法是非常
使用量 ， 降低饲养成本。尿素在反刍家畜消化道 内转
豆粕蛋白质含量近红外快速测定技术的研究
Ｄｅ ｖ ｅ ｌ ｏ ｐｍ ｅ ｎｔ ｏ ｆ ａ Ｎｅ ａ ｒ － ｉ ｎ ｆ ｒ ａ ｒ ｅ ｄ Ｒｅ ｆ ｌ ｅ ｃ ｔ ａ ｎ ｃ ｅ Ｓｐｅ ｃ ｔ ｒ ｏ ｓ ｃ ｏ ｐ ｙ Ｍｅ ｔ ｈｏ ｄ ｆ ｏ ｒ Ｄｅ ｔ ｅ ｒ ｍｉ ｎａ ｔ ｉ ｏ ｎ ｏ ｆ Ｐｒ ｏ ｔ ｅ ｉ ｎ Ｃｏ ｎｔ ｅ ｎ ｔ ｉ ｎ Ｓｏ ｙ ｂ ｅ ａ ｎ Ｍｅ ａ ｌ
ＮＡ Ｒｏ ｎｇ
（ Ｌ ｉ ｆ ｅ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ａ ｎ ｄＴ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙＤｅ ｐ ａ ｒ ｔ ｍｅ ｎ ｔ ， Ｎｉ ｎ ｇ ｘ ｉ ａＰ ｏ ｌ ｙ ｔ ｅ ｃ ｈ ｎ ｉ ｃ ， Ｙｉ ｎ ｃ ｈ ｕ ａ ｎ ７ ５ ０ ０ ２１ ， Ｃ ｈ ｉ ｎ ａ ） Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ： Ｂａ ｓ ｅ ｄ ｏ ｎ ｔ ｈ ｅ ｎ ｅ ａ ｒ — ｉ ｎ ｆ ｒ ａ ｒ ｅ ｄ ｒ ｅ ｌ ｆ ｅ ｃ ｔ ａ ｎ ｃ ｅ ｓ ｐ ｅ ｃ ｔ ｒ ｏ ｓ ｃ ｏ ｐ ｙ （ Ｎ Ｉ Ｒ Ｓ）ｍｅ ｔ ｈ ｏ ｄ ａ ｎ ｄ ｍｏ ｄ ｉ ｆ ｉ ｅ ｄ ｐ ａ ｔｉ ｒ ａ ｌ ｌ ｅ ａ ｓ ｔ ｓ ｑ ｕ ａ ｒ ｅ ｓ（ ＭＰ Ｌ Ｓ ）
近红外光谱分析技术在豆粕质量监控中的应用研究
分、 粗蛋 白、 纤维和 豆粕近红外 全谱信 息作 为质 量监测指标 。 粗 实验结果表 明 ， 述指标 能较全 面评价 上
豆粕 质量 ， 能较好地 实现豆 粕生产质 量的在 线监控 。 并 关键词 豆粕 ； Ｉ Ｓ 在 线监控 ＮＲ ；
杨 海 锋 ， 中 国农 业 科 学院 饲 料 研 究所 饲 料 工程 室 ，
１０ ８ ， 京 市 中 关村 南 大街 １ 。 ００６ 北 ２号
分别采集每班生产 的豆粕产品 ５０ｇ作 为实验样 ０ ．
品 ； 定前 ， 品须经 Ｚ ０ 测 样 Ｍ１０型 样 品 磨 粉 碎 过 ４ 目。 ０
国标 规 定 豆 析仪（ 瑞典 Ｆ Ｓ Ｏ Ｓ公 司）Ｄ ７ ０ 、 Ａ ２ ０型近红 外光谱 分析仪 脲 酶 活 性 也 是 影 响 豆 粕 质 量 的重 要 指 标 ， （ 典 波 通 仪 器 公 司 ） Ａ ２０型 近 红 外 光 谱 分 析 仪 瑞 。Ｄ ７ ０
是说 ， 这些 掺假 物加 入 到鱼 粉 中 ， 者 降低 纯蛋 白 将 或 质含 量 ， 者降低纯 蛋 白质消 化率 。这 样我 们就 找到 或
一
种 较好 的检测方 法 ， 法具 有实用 、 此 简便 、 高效 等特
（ 编辑 ： 崔成德 ，ｕｃｎ ｄ＠ｔｍ． ｍ） ｃｉ ｇ ｅ ｏ ｃ ｅ ｏ
乏具 有重要 意义 。
在线 质量 监控 是 确保 饲 料工 业 化 生产 质量 和 效 率 的重 要 手段 ， 而合 理 的监 控位 点 、 测指 标 和分 析 监 方 法 将直 接影 响在 线质 量 监控 效果 ：传统 化 学分 析 方 法 需要 对 样 品进 行 预处 理 ， 时较 长 （ 表 １ ， 耗 见 ） 通 常不 能满 足实 时监 控 的需 要 。 由于 近红外 光 谱 分析
近红外透射光谱法(NITS)分析大豆品质的研究
学计量方 法建立 校 正模 型 ； 四是 利用 校 正模 型对 未
知样 品的组分 进行测 定［ 。 ３ ］
是 根据 反射 与入射 光强 的 比例关 系来 获得物质 在近
红 外 区 的 吸 收 光 谱 ， 磁 波 谱 范 围是 １０ ｎ 电 １０ ｍ～
２ ０ ｎ 这段谱 区的近 红外光 在样 品 中的穿透 一般 ５ ０ ｍ， 不大于 Ｉ ｍｍ， 以非 常适合 均质 良好 的粉状 样 品分 所 析 。ＮＩ ＴＳ是 根据透 射 与人 射光 强 的 比例关 系 来获 得物 质 在 近 红 外 区 的 吸 收 光 谱 ， 磁 波 谱 范 围是 电 ８ ０ ｍ￣１ ５ ｎ 为分 子振 动 吸收 的二 级 和三 级倍 ５ｎ ０ ０ ｍ， 频 吸收 区 。测量 得到 的吸 收光谱符合 比尔定 律 。同 反 射技术 相 比 ， 透射 谱 区的 近外 光 在样 品 的穿 透 最 大 可达 ３ ｍｍ， ０ 因此适合 整粒 或原状 样 品分析 ， 完 是
种材料 筛选和 商品 大豆质量 分类分级 。本研 究试验 用样 品 数量 多、 源分布 均 匀、 来 品种 信 息丰 富 ， 因此 ， 建立 的近红 外透射预 测模 型适 用范 围广 。 所
关 键 词 大 豆 ； 红 外 透 射 ； 正 ； 测 近 校 预
中图分 类号
￥ ６ ． 文献标 识码 ５ ５１
快 速 的现代分 析技术 。利用优 化 近红外 透射光谱 分
析定标 模型 ， 以从 大 豆样 品 的近红 外 光 谱来 快 速 可
检测 大豆 的粗 蛋 白质 含量 和粗脂 肪 含 量 ， 大 提高 大
本 试验 使用 的 Ｆ Ｓ人 工 神 经 网络 （ ＯＳ ＡＮＮ） 定 标 ， 于大样 品数据 库定标 ， 以提高 定标测试 的适 属 可 用 范 围和定 标 的稳定性 ， 减少 定标模 型的调整 工作 ， 使校 正更加 容 易 。
近红外光谱分析技术用于大豆品质育种的应用研究
２０１１年中国作物学会学术年会论文摘要集 242近红外光谱分析技术用于大豆品质育种的应用研究 周新奇 杨伟伟 张学锋 桑强 陈智锋 叶华俊＊ 聚光科技（杭州）股份有限公司，杭州，310052农作物育种需要测定育种材料的多种品质参数。
采用传统方法分析时，育种材料经过预处理而受到破坏；而且分析时间长，花费高，阻碍了育种材料的大规模筛选育种。
因此育种环节迫切需要一种无损快速的品质分析方法。
近红外光谱分析技术具有分析速度快、不破坏样品、无需化学试剂等特点 ［１－３］，能满足育种分析的要求。
采用聚光科技（杭州）股份有限公司研制的ＳｕｐＮＩＲ－２７２０近红外光谱分析仪，配置小样品检测附件，对１５６份大豆样品进行光谱分析，每份大豆只需２至５ｇ，并利用国标化学方法测定大豆粗蛋白和粗脂肪含量，将大豆光谱与其化学值一一对应建立分析模型。
模型结果如表１所示：粗蛋白和粗脂肪模型的相关系数分别为０．９８、０．９４；交互检验偏差（ＳＥＣＶ）分别为０．７４、０．５３；ＲＰＤ［４］值均大于３。
采用已建立好的近红外模型方法对备份样品进行预测，部分结果如表２所示。
从表２可看出，粗蛋白及粗脂肪预测相对偏差均在３％以内。
表１ 大豆模型结果 性质值 性质值范围 （单位：％） 相关系数 ＲＣ 模型校正集 ＳＥＣ 验证集 ＳＥＣＶ ＲＰＤ （＝ＳＤ／ＳＥＣＶ） 粗蛋白含量 ３０．２６－４４．６ ０．９８ ０．７２ ０．７４ ５．９ 粗脂肪含量 １８．４－２３．３９ ０．９４ ０．４９ ０．５３ ３．２ 注：ＲＰＤ＝ＳＤ／ＳＥＣＶ，其中ＳＤ为样品集各组分含量的标准差。
表２ 部分大豆验证集样品预测偏差 粗蛋白 粗脂肪 样品编号 真实值 预测值 相对偏差 真实值 预测值 相对偏差 大豆７８号 ４４．６４ ４４．３４ ０．６７ １８．８８ １８．８８ －０．０２ 大豆９５号 ４３．９５ ４２．６８ ２．８９ １８．４４ １８．９３ －２．６４ 大豆２１号 ４２．５３ ４２．０４ １．１４ １８．６６ １９．１８ －２．７９ 大豆２９号 ４０．８８ ４１．４６ －１．４１ １９．４４ １９．６７ －１．１６ 大豆８０号 ３９．６２ ４０．８１ －２．９９ １９．７１ １９．２７ ２．２３ 大豆２０号 ３８．３４ ３９．１０ －１．９９ ２０．４４ ２０．６５ －１．０２ 大豆７６号 ３６．９０ ３７．１３ －０．６４ ２１．５４ ２１．００ ２．４９ 大豆７５号 ３４．５４ ３４．７０ －０．４５ ２２．８２ ２２．９０ －０．３７ 大豆１０３号 ３３．５９ ３３．０４ １．６３ ２２．００ ２２．４０ －１．８２ 大豆４９号 ３２．９１ ３２．６０ ０．９６ ２２．８８ ２２．７０ ０．８１ 大豆１０５号 ３１．８７ ３２．８２ －２．９７ ２３．３９ ２３．３２ ０．２９ 大豆３０号 ３０．２６ ２９．９７ ０．９５ ２３．４０ ２３．３０ ０．４４ 综上所述，采用ＮＩＲ技术无损分析小样品量大豆粗蛋白和粗脂肪结果准确度较好，而且用于光谱分析样品量仅２－５ｇ。
中红外光谱在食品掺假检测中的应用
中红外光谱在食品掺假检测中的应用
近年来，食品掺假问题已经成为世界范围内关注的热点话题。
食品安全是确保人民健康的一个重要组成部分，但是现在的食品行业出现了许多食品掺假的问题，严重影响了市场和人民的健康。
目前，现有的掺假检测技术仍然存在许多不足，为了更好地解决食品掺假的问题，中红外光谱技术应运而生。
中红外光谱是指在光谱范围内1800-3000nm的一种特殊波段，它是一种基于物质分子结构不同特性的物理分析技术，具有分子结构化鉴别、探究有机分子结构等特点，它可以有效地用于检测不同食品中所含未知成分，探测食品掺假情况。
首先，中红外光谱技术可以用于分子结构分析、提取特征物质，以及识别和分离特异性化合物，它可以实现对食品中的物质的非破坏性检测，可以有效地检测出掺假的食品。
另外，中红外光谱技术也可以用于样本中成分的谱图比较，以及通过光谱的对比，对食品中的成分进行标记或查找某种特征物质，例如检测食品中是否含有合成物。
此外，它还可以用于检测变品食品或污染食品，以确保食品安全。
同时，中红外光谱分析技术也有一些优点，如快速、灵敏度高、成本低、测量准确以及对环境污染最小等。
这个技术的优势对食品掺假检测有着巨大的优势，它可以有效地实现精确的检测，大大提高掺假检测的准确率。
总之，中红外光谱技术在食品掺假检测中具有重要的意义。
这种
技术具有准确性高、检测非破坏性、灵敏度好、成本低、可重复性强、快速检测等优点，可以有效地检测食品掺假，成为现在食品掺假检测中不可或缺的重要分析技术。
基于近红外光谱技术对豆粉掺假的研究
工业技术DOI：10.16660/ki.1674-098X.2017.25.078基于近红外光谱技术对豆粉掺假的研究①朱帅伟1 马立威2 李涛1 陈小松1 马海涛1 徐政1 陈哲1* 赵岩1*（1.齐齐哈尔医学院 黑龙江齐齐哈尔 161006；2.黑龙江中医药大学 黑龙江哈尔滨 150030）摘 要:目的 通过建立豆粉品质测量模型检测市售豆粉蛋白质含量，便于了解市售豆粉真伪的现状。
方法 购于大型超市豆粉和不同产地大豆粉碎所得样品共33份,其中定标集样品23份,预测集样品10份。
另设定标集的阳性对照12份，掺假预测样品3份。
运用凯氏定氮法测定豆粉蛋白质的化学值、波通DA7200近红外谷物品质分析仪收集光谱图、光谱数据分析软件Unscrambler分析光谱、PLS法建立豆粉品质测量模型,并对预测集样品进行蛋白质值的预测。
结果 成功建立豆粉品质测量模型，运用模型预测样品成分,通过比较预测值与实际值,模型的效果良好。
表征相关方程为Y =1.0111X -0.4548,决定系数R 2=0.9869,定标标准偏差(SEC)为0.0912；预测集化学真值与预测值相关推断方程为Y =0.9591X -1.6397,决定系数R 2=0.9853，预测标准偏差(SEP)为0.0959。
预测残差均较小,蛋白质含量实测值和预测值的残差之和为-0.03。
结论 大型超市售卖豆粉未检出掺假现象，散卖商户掺假豆粉的检出率为100%。
关键词:豆粉 近红外光谱法 DA7200 蛋白质含量中图分类号:TS214 文献标识码:A 文章编号:1674-098X(2017)09(a)-0078-04Abstract : Objective To establish a soybean powder quality measurement model to detect the content of commercially available soybean protein,and to understand the status quo of the authenticity of commercially available soybean meal.Methods A total of 33 samples were obtained from large-scale supermarket soybean meal and soybean soda from different areas.Among them,23 samples were set and 10 samples were prepared.Another set of positive control set of 12 copies,adulterated prediction of three samples.Quantitative analysis of spectrophotograms,spectral data analysis software Unscrambler analysis spectroscopy and PLS method were used to establish the model of soybean flour quality measurement,and the samples were prepared by using Kjeldahl method.Prediction of protein values.Results The model of soybean flour quality was successfully established.The model was used to predict the sample composition.By comparing the predicted value with the actual value,the model was effective.The correlation equation is Y =1.0111X -0.4548,the coefficient of determination is R 2=0.9869,and the calibration standard deviation (SEC) is 0.0912.The prediction equation is Y =0.9591X -1.6397,and the coefficient R 2=0.9853,the predicted standard deviation (SEP) was 0.0959.The predicted residuals are small,the sum of the measured values of the protein content and the predicted values is -0.03.Conclusion The results showed that the detection rate of adulterated soybean powder was 100%.Key Words : Soybean powder； Near infrared spectroscopy(NIRS)；DA7200；Protein content①基金项目：黑龙江省大学生创新创业训练计划项目（项目编号：201611230059）。
近红外光谱无损快速鉴别淀粉种类的研究
近红外光谱无损快速鉴别淀粉种类的研究孙晓荣刘翠玲吴静珠李慧何多多（北京工商大学计算机与信息工程学院，北京 100048）摘要本文基于近红外光谱技术和定性分析法中的聚类分析对不同种类的淀粉进行无损快速鉴别实验研究，实验采用2种淀粉共计54个样品为对象，研究了近红外光谱结合定性分析法快速鉴别淀粉种类的可行性。
采集样品在8914～4000cm- 1范围内的近红外漫反射光谱，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，光谱经矢量归一化预处理后，采用聚类分析法可准确无误地将样品分为2类，分类准确率达到100%。
同时采用预测集的样品验证所建模型的准确性，经实验得出预测准确率也是100%。
研究表明，近红外漫反射光谱结合聚类分析法可以为快速无损鉴别淀粉种类提供一种准确可靠的方法。
关键词近红外光谱；定性分析；淀粉；矢量归一化1 引言淀粉主要是利用玉米、土豆、豆类等经过深加工生产而成，它是日常生活中必不可少的作料之一，如煎炸烹炒，做汤勾芡都少不了要用到淀粉。
随着食用淀粉在现代食品加工业中的广泛应用，淀粉生产和加工贸易取得了较大的发展。
常见的产品主要有玉米淀粉、土豆淀粉、红薯淀粉和绿豆淀粉等，不同种类的淀粉价格差别较大，有的相差高达10倍以上，但是不同种类淀粉颗粒的宏观外观和普通物化指标差别不明显，无法辨认。
由于缺乏相应的食用淀粉鉴别检验技术标准，国内淀粉市场严格监管很难执行。
一些不法商家为追求利润，常把廉价的、量大的玉米淀粉包装成土豆淀粉或绿豆淀粉来销售，从而提高销售价格，从中牟取暴利。
为保护合法生产经营者和消费者的利益，有必要进行淀粉种类的鉴别。
传统的感官评定方法一方面需要经验，另一方面其检测结果受主观因素影响较大，准确度难以保证。
而常规的理化分析方法不仅费时费力，还破坏样品。
因此有必要研究一种简单、快速、无损的淀粉种类鉴别技术。
近红外光谱(NIR)分析技术是20世纪90年代以来发展最快、最引人注目的光谱分析技术，它以其快速、高效、取样简单以及无污染等独特的分析优点，已广泛应用于农业、食品、医药、石油、化工、烟草、化妆品等行业。
基于近红外光谱技术与BP_ANN算法的豆粕品质快速检测
2
2． 1
结果与分析
近红外光谱预处理 为了减少高频随机噪声、 基线漂移、 样本不均 匀、 光散射等影响， 需要进行光谱预处理。所测的样 DT、 SG 求导 （ 窗 品近红外光谱数据依次应用 SNV、 7 ， 2 ， 1 ） 、 SG 口参数 拟合次数 求导次数 平滑 （ 窗口
参数 7 ， 拟合次数 2 ） 和均值中心化运算。 2． 2 BP 神经网络及其参数选择 BP 神经网络由 3 部分组成： 输入层、 隐含层和 输出层。每层都有许多节点， 每个节点的输出被送 到下一层的所有节点， 通过将这些处理单元组成层， 将它们互相连接起来， 并对联接进行加权， 从而形成 。 2 BP 神经网络的拓扑结构 图 为三层 神经网络结 构简图。在输出层把现行输出和期望输出进行比 较， 如果现行输出不等于期望输出， 则进入反向传播 过程。反向传播时， 把误差信号按原来正向传播的 通路反向传回， 并对每个隐含层的各个神经元的权 系数进行修改， 然后转向正向传播过程。 随着模式 网络得到了 正向传播和误差反向传播的反复交替， 。 记忆训练 当网络的全局误差小于给定的值后， 学 习终止， 即可得到收敛的网络和相应稳定的权值 。
Kolmogorov 经验定理［12］ 和多次试验确定隐含层节 点数。 水分、 粗蛋白、 残油三个 ANN 模型的参数选择 隐 如下： 水分 ANN 模型参数： 输入层节点数为 12 ， 含层节点数为 4 ， 隐含层传递函数为线性函数 purelin， 输出 层 传 递 函 数 为 线 性 函 数 purelin； 粗 蛋 白 ANN 模型参数： 输入层节点数为 16 ， 隐含层节点数 为 4， 隐含层传递函数为非线性函数 logsigmod， 输出 purelin ； ANN 层传递函数为线性函数 残油 模型参 数： 输入层节点数为 16 ， 隐含层节点数为 4 ， 隐含层 传递函数为线性函数 purelin， 输出层传递函数为线 性函数 purelin。其他参数： 输入层到隐含层及隐含 层到输出层的初始权重均为 － 0． 5 ～ 0． 5 之间的随 机数， 动量项为 0． 9 ， 学习速率取 0． 1 ， 训练最大步数 2500 ， 网络训练 100 步左右即可达到预先设定的学 习误差 0． 1 。 2． 3 BP － ANN 模型 从所有豆粕样品中 （ 其中水分 325 份， 粗蛋白 452 份， 残油 295 份） ， 随机取 80% 作为校正集， 剩余 20% 的 样 品 作 为 验 证 集。 分 别 采 用 BP － ANN 与 PLS 方法建立的豆粕水分、 粗蛋白和残油模型统计 指标如表 2 所示。 图 3 表示使用 BP － ANN 方法获 得的豆粕样品粗蛋白化学值 （ 参考值 ） 与相应预测 值的相关曲线， 横轴为化学值， 纵轴为预测值。 从图 3 可见， 采用近红外光谱结合 BP － ANN 方法获得的豆粕粗蛋白的预测值与化学值之间均具 有良好的相关性 （ 限于篇幅， 未列出水分及残油化 学值—预测值相关性图 ） 。 从表 2 可见， 采用 BP － ANN 方法建立的模型指标均优于 PLS 法。
豆粕品质近红外定量分析实验室模型在线应用
农业机械学报
doi:10. 6041 / j. issn. 1000鄄1298. 2019. 08. 039
第 50 卷 第 8 期
豆粕品质近红外定量分析实验室模型在线应用
杨增玲摇 杨钦楷摇 沈广辉摇 梅佳琪摇 黄圆萍摇 韩鲁佳
( 中国农业大学工学院, 北京 100083)
摘要: 为探究豆粕近红外定量分析模型从实验室到工厂在线应用转移的可行性,以全国采集的 117 个豆粕样品为 研究对象,利用偏最小二乘法在实验室建立了豆粕含水率、粗蛋白质量分数的近红外定量分析模型,继而将此模型 转移到饲料生产企业进行在线应用。 研究结果显示:建立的实验室近红外模型可实现豆粕含水率、粗蛋白质量分 数的快速预测,其中,含水率和粗蛋白质量分数的验证集决定系数 R2P 分别为 0郾 83 和 0郾 86,相对分析误差分别为 2郾 40 和 2郾 55,模型效果良好;采用模型校正、样品扩充两种不同方法,将实验室模型转移到饲料生产企业进行在线 应用,含水率和粗蛋白质量分数的预测值与实际测量值之间具有很好的吻合性,可以达到在线分析的要求。 关键词: 豆粕; 近红外; 在线应用; 模型转移 中图分类号: S816郾 42; O657郾 33 文献标识码: A 文章编号: 1000鄄1298(2019)08鄄0358鄄06
( College of Engineering, China Agricultural University, Beijing 100083, China)
Abstract: Aiming to explore the feasibility of the online near鄄infrared quantitative analysis model of soybean meal from laboratory to factory transfer and application. Totally 117 soybean meal samples were collected nationwide and used, the near鄄infrared quantitative analysis models of moisture and crude protein were established in the laboratory by partial least squares method, two kinds of near鄄infrared online equipment installation methods were used in feed production enterprises. The laboratory models of near鄄infrared quantitative analysis of soybean meal quality were transferred to feed production enterprises for online application by two different methods. The results showed that laboratory model can rapidly predict the content of moisture and crude protein in soybean meal ( RSD was below 10% ) , R2P of moisture and crude protein were 0郾 83 and 0郾 86, RPD value of moisture and crude protein were 2郾 40 and 2郾 55, which meant that the model effect was fine; laboratory models were transferred to feed production enterprises for online analysis by different methods such as model correction and sample expansion, the deviation between the predicted value and the measured value was small and stable. The requirement for online detection can be achieved. Key words: soybean meal; near infrared spectroscopy; online application; calibration transfer
一种快速鉴别豆粕生熟度的近红外检测方法[发明专利]
![一种快速鉴别豆粕生熟度的近红外检测方法[发明专利]](https://img.taocdn.com/s3/m/7c81b7fdff00bed5b8f31d44.png)
专利名称：一种快速鉴别豆粕生熟度的近红外检测方法专利类型：发明专利
发明人：王悦,范红梅
申请号：CN201910700483.9
申请日：20190731
公开号：CN110308114A
公开日：
20191008
专利内容由知识产权出版社提供
摘要：本发明涉及一种鉴别豆粕生熟度的快速检测方法，所述检测方法为近红外检测法，该检测方法利用豆粕中有机物的化学键可以在近红外谱区（10000 cm~4000 cm）有特定吸收，近红外光谱仪将吸收差异转化为光谱，利用化学计量学偏最小二乘法PLS建立定量检测模型来预测豆粕的氢氧化钾蛋白质溶解度并判断加工生熟度情况。
本发明的检测方法只需将样品粉碎采集近红外光谱，结合近红外定量模型，短时间内即可得到豆粕的氢氧化钾蛋白溶解度数据，结合验收标准判断豆粕样品的生熟度情况。
与传统采用的化学试剂的定量检测相比，快速准确，并对环境无污染。
申请人：太仓安佑生物科技有限公司
地址：215437 江苏省苏州市太仓市沙溪镇岳王台资科技创新产业园
国籍：CN
代理机构：苏州创元专利商标事务所有限公司
代理人：赖婉婷
更多信息请下载全文后查看。
豆粕质量控制在线近红外分析仪应用
豆粕质量控制在线近红外分析仪应用建筑专家角度分析豆粕质量控制在线近红外分析仪的应用提纲：1.近红外分析仪原理及特点2.豆粕质量控制的重要性3.近红外分析仪在豆粕质量控制中的作用4.近红外分析仪在实际应用中的优缺点5.发展趋势和未来展望一、近红外分析仪原理及特点近红外光谱技术是指对物质进行无损分析的一项新兴技术。
它是在近红外波段(800-2500 nm)内实现物质成份和特性定性、定量和物性表征的一种光谱方法。
其原理是激发物质分子的振动和转动转换的能量谱线通过光谱仪得到数据，从而进行分析处理。
近红外分析仪的特点主要有以下几个方面：1.高效性：近红外光谱技术一次可检测多个指标，检测速度快，数据准确稳定，适用范围广;2.无损性：光谱取样时无需接触物质，而且对物质质量不会产生影响，无需加热、压缩和化学预处理等特殊条件;3.实用性：采集到的数据可以利用多种精度的分析软件进行计算和分析，可以直接应用于实际生产中，节省原材料和能源是最为显著的优点之一。
二、豆粕质量控制的重要性豆粕是用大豆饱和蒸汽压榨后脱皮的残渣，具有较高的蛋白质含量和饲料价值。
然而，豆粕质量的稳定性受到很多因素的影响，例如生产、储存、运输等。
超过规定的含水率、过多的油脂含量、细菌污染及其他杂质等都会影响豆粕的品质。
因此，对豆粕的质量控制是非常关键的，对于保障生产、保证出品的质量具有重要的意义。
三、近红外分析仪在豆粕质量控制中的作用豆粕中糖类和蛋白类物质等成份的含量是关键的评价指标。
近红外分析仪可以通过扫描豆粕定量分析所含的这些评价指标，从而实现对豆粕质量的快速判定。
例如，豆粕中蛋白质、水分、脂肪以及碳水化合物分析等评价指标，都可以通过近红外光谱进行分析。
通过近红外分析仪可以极大的提高豆粕的检测速度和准确性。
四、近红外分析仪在实际应用中的优缺点优点：1.速度快，对大批量的豆粕进行快速分析，避免等待检测结果影响下一步工序的进行；2.得到的数据准确稳定，降低了误差和测量风险；3.无需特殊处理，无助于物质变性；4.操作简单，适合实际操作人员。
在线近红外过程分析技术在豆粕工业生产上的应用
在线近红外过程分析技术在豆粕工业生产上的应用王乐;史永革;李勇;魏巍【摘要】The near - infrared spectrum analysis model was established by installing the online near-infrared detection equipment on the production line of soybean meal. The accuracy of the test re-sults of online near-infrared analyzer was evaluated through detecting thirty soybean meal samples by standard error prediction(SEP). The practice proved that the online near -infrared process analytical technology applied in the industrial production of soybean meal effectively ensured the quality of product.%通过在豆粕生产线上安装在线近红外检测设备建立了近红外光谱分析模型。
对30个豆粕样品进行检测，采用标准分析误差( SEP)评价了在线近红外分析仪检测结果的准确度。
实践证明，将在线近红外过程分析技术应用于豆粕工业生产上可有效保证产品质量。
【期刊名称】《中国油脂》【年(卷),期】2015(000)001【总页数】4页(P91-94)【关键词】在线;近红外;豆粕;生产;应用【作者】王乐;史永革;李勇;魏巍【作者单位】九三粮油工业集团有限公司，哈尔滨150090;九三粮油工业集团有限公司，哈尔滨150090;福斯华北京科贸有限公司，北京100044;九三粮油工业集团有限公司，哈尔滨150090【正文语种】中文【中图分类】TS22;O657.3近红外光谱(NIR)分析方法利用有机物中C—H、N—H、O—H、C—C等化学键的泛频振动或转动，以漫反射方式获得在近红外区的吸收光谱，通过主成分分析、偏最小二乘法、人工神经网络等现代化学和计量学的手段，建立物质光谱与待测成分含量间的线型或非线型模型，从而实现用近红外光谱信息对待测成分含量的快速计量[1-2]。
近红外饲料品质分析仪网络化技术及非法添加物快速筛查
2020/12/19
近红外饲料品质分析仪网络化技术及 非法添加物快速筛查
近红外网络分析技术仪器要 点
• 所有参与组网的仪器必须进行标准化 处理
– 标准化是使两台仪器(如子机对主机)对于 同一个样品得出相同的光谱（区别于单个 实验室的趋势分析）
– 这样才能保障定标在两台仪器间传递而不
需调整。 2020/12/19
• 一旦用户端仪器或软件出现问题提供快速帮 助
• 关键信息通过E-mail传输到网络管理员
• 在中心机20编20/1辑2/19产品信息
近红外饲料品质分析仪网络化技术及 非法添加物快速筛查
正大集团近红外网络化结构 RINA Server (Bangkok)
CP: Global
RINA Network
Neighborhood H = 0.6
Global H = 3.0
2020/12/19
近红外饲料品质分析仪网络化技术及 非法添加物快速筛查
定标模型的监控
收集定标监控样品
(不同品种、地域， 收获时间等)
分析： (化学值、近红外)
在近红外网页上 登记样品
图形表示及 统计学数据 (近红外网页)
不需要NO
近红外饲料品质分析仪网络化技术及 非法添加物快速筛查
第一部分
近红外网络化分析技术
2020/12/19
近红外饲料品质分析仪网络化技术及 非法添加物快速筛查
近红外饲料快速分析技术的
诱惑
➢简便
✓几乎不用处理样品或简单的粉碎样品 ✓鼠标点击几个按钮就出结果
➢快速
✓一分钟内就可以得到水分、粗蛋白、粗脂 肪、粗纤维等多种成分的定量结果
•1984 美国公职分析家学会(AOAC) 989.03: NIR成为分20析20/1饲2/19 料中蛋白，酸性近洗红外涤饲非料法纤品添质加维分物析快仪，速网筛络中查化技性术及洗涤
利用近红外反射光谱对大豆籽粒中蛋白质和部分氨基酸含量的快速测定
利用近红外反射光谱对大豆籽粒中蛋白质和部分氨基酸含量的
快速测定
王文真
【期刊名称】《中国粮油学报》
【年(卷),期】1993(008)001
【总页数】3页(P36-38)
【作者】王文真
【作者单位】无
【正文语种】中文
【中图分类】TS210.7
【相关文献】
1.应用近红外反射光谱快速测定不同种皮颜色大豆的粗脂肪和粗蛋白质效果的研究[J], 杨玉环
2.近红外反射光谱测定玉米完整籽粒蛋白质和淀粉含量的研究 [J], 魏良明;严衍禄;戴景瑞
3.近红外反射光谱快速测定四种大豆制品中寡糖含量的研究 [J], 王潇潇;李军涛;孙祥丽;韩苗苗;陈义强;张丽英
4.傅里叶近红外反射光谱法快速测定大豆脂肪酸含量 [J], 孙君明;韩粉霞;闰淑荣;杨华;佐藤哲生
5.利用近红外反射光谱快速测定大豆籽粒蛋白质,脂肪和部分氨基酸含量 [J], 王文真;付翠真
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
为９ ６ ． １ ２ ％。应 用 ＮＩ Ｒ 光 谱 技 术 测 定 饲 料 中 肉 骨
粉 含量 也 有 很 多 文 献 报 道 ｎ 。中红外 （ ｍｉ ｄ ｉ ｎ — ｆ ｒ ａ ｒ ｅ ｄ ， ＭＩ Ｒ） 光 谱 技术 在食 品掺假 如蜂 蜜 、 果汁 、 巧
员 的要 求 高 ， 耗 时长 。
动 物 营养 学 报 ２ ０ １ ５ ， ２ ７ （ ４ ） ： １ １ ９ ９ — １ ２ ０ ６ Ｃ ｈ ｉ ｎ ｅ ｓ ｅ Ｊ ｏ ｕ ｒ ｎ ａ ｌ ｏ ｆ Ａ ｎ ｉ ｍ ａ ｌ Ｎｕ ｔ ｒ ｉ ｔ ｉ ｏ ｎ ｄ ｏ ｉ ： １ ０ ． ３ ９ ６ ９ ／ ｊ ． ｉ ｓ ｓ ｎ ． １ ０ ０ ６ － ２ ６ ７ ｘ ． ２ ０ １ ５ ． ０ ４ ． ０ ２ ５
能 区别 蛋 白氮 和非 蛋 白氮 ， 但 尿素吸湿性强 ， 直 接 添 加 容 易被 发 现 ， 而 将 尿 素 热 加 工后 ， 可 形 成 白色 固体 ， 其 主要成分 是缩 二脲 、 缩 三脲 、 三 聚 氰 酸 等
缩 合 物 Ｊ ， 凯 氏定 氮法 测 得其 含 氮 量 约 为 ４ ０ ％。
豆 粕 作 为 主 要 的植 物 性 蛋 白质 饲 料 原 料 ， 在
红外 光 谱 技 术 是 一 种 快 速 有 效 的检 测 技 术 ， 在 食 品 掺 假 中 应 用 广 泛 一 。在 饲 料 掺 假 方 面 ， Ｈａ ｕ ｇ ｈ ｅ ｙ等 利 用 近红 外 （ ｎ ｅ ａ ｒ ｉ ｎ ｆ ｒ ａ ｒ ｅ ｄ ， ＮＩ Ｒ） 光 谱
收 稿 日期 ： ２ ０ １ ４ —１ ０ － ２ ４
克力 、 油脂 等 方 面 应用 较 多 Ｊ ， 对 于粉 状 样 品 的 研
加 的虚 增 蛋 白质 类 物 质 之 一 ， 即 以 尿 素 为 原 料 经
热 加 工 制得 。使 用 尿 素 的原 因 是 尿 素 廉 价 且 含 氮
１ ０ ０ ％； 刘 星 。 。 采 用 主 成 分 分 析 结 合 支 持 向 量 机
量高 （ ４ ６ ． ７ ％） ， 常规 的检测方 法 “ 凯 氏定氮 法” 不
结 合偏 最 小 二 乘 判 别 分 析 （ Ｐ Ｌ Ｓ ． ＤＡ） 对 掺 有 肉 骨
粉 的 鱼粉 进 行 快 速 鉴 别 ， 掺 人 量 ≥５ ％时 正 确 率 为
和饲料 中检 出三 聚氰胺 后 ， 虚增 蛋 白质 类物 质 引
起 了广 泛 关 注 。经 调 查 发 现 ， 尿 素 聚 合 物 是 所 添
近 红 外 和 中 红 外 光 谱 技 术 在 快 速 鉴 别 豆 粕 中 掺 入 尿 素 聚 合 物 的研 究
孙丹丹 李军 国 秦玉 昌。 董颖 超
（ １ ． 中国农 业科学 院饲料研 究所 ， 北京 １ ０ ０ ０ ８ １ ； ２ ． 农 业部食物 与营养发展 研究所 ， 北京 １ ０ ０ ０ ８ １ ）
量标 准化 后 建 立 的 Ｓ Ｖ Ｍ 分 类 模 型 训 练 集识 别 率 为 ９ ９ ． ８ ％， 测 试集识 别率 为 ９ ９ ． ２ ％， 检 测 限 为
１ ． ０ ％； 中红 外 光谱 数 据 经 变量标 准化 和 一 阶 导数 ７点 平 滑处 理后 ， 建立的 Ｐ Ｌ Ｓ — Ｄ Ａ和 Ｓ ＶＭ 分 类
畜禽 、 水 产 及 特 种 动 物 养 殖 中 应 用 广 泛 。但 是 ， 由
于利 益 的驱 动 ， 一 些 商 家 在 豆 粕 中 掺 人 一 些 含 氮 量高 的化合物 来提 高粗 蛋 白质 含量 ， ， 最低 测定质 量浓 度 达到 ０ ． １ ％； 杨 增玲 等 应 用可 见－ Ｎ Ｉ Ｒ光谱 技术
模 型 对样 品的 识 别 率均 达 到 １ ０ ０ ． ０ ％， 检 测限为 ０ ． ０ ８ ％。 因此 ， 近 红 外 和 中红 外 光 谱 技 术均 可对
掺 入 尿 素 聚 合 物 的豆 粕 快 速鉴 别 ， 后 者 的灵 敏 度 高 于前 者 。 关键 词 ：近 红 外 ； 中红 外 ； 掺假 豆 粕 ； 鉴 别 中 图分 类 号 ： Ｓ ８ １ ６ ． １ ７ 文献 标 识 码 ： Ａ 文章编号 ： １ ０ ０ ６ — ２ ６ ７ Ｘ（ ２ ０ １ ５ ） ０ ４ — １ １ ９ ９ — ０ ８
（ Ｓ Ｖ Ｍ） 化学计量学算法 ， 分别对掺入 ５ ％～ １ ５ ％的 三 聚 氰胺 甲醛 树脂 和 脲 醛 树 脂 的奶 牛精 补料 正 确
识 别率 为 １ ０ ０ ％； 石 光 涛 等 应 用 可 见 一 ＮＩ Ｒ 光 谱 技 术结 合 Ｐ Ｌ Ｓ — ＤＡ对 掺 有 豆粕 的鱼 粉进 行 判别 ， 掺
５ ． ０ ０ ％的尿 素 聚 合 物 ， 利 用 傅 立 叶 变 换 近 红 外 和 中 红 外 光 谱 技 术 及 偏 最 小 二 乘 判 别 分 析
（ Ｐ Ｌ Ｓ － Ｄ Ａ） 和 支持 向量 机 （ Ｓ Ｖ Ｍ） 分 类方法 ， 对掺 假 豆 粕进 行 识 别 。 结 果 表 明 ： 近 红 外 光谱 经 变
人 豆粕 浓 度 为 ２ ％ ～５ ０ ％时 ， 检 验 集 的 正 确 判 断 率
缩 二 脲 的 检 测 方 法 有 分 光 光 度 法 和 高 效 液 相 色 谱一 串联 质 谱 法 ｊ ， 三 聚 氰 酸 的 检 测 方 法 为 色 谱
法［ ４ － ５ ］ ， 但这些检测方 法需要 化学试 剂 ， 对 操 作 人
摘
要 ：本 试验 旨在 应 用 并 比较 近 红 外 和 中红 外 光 谱 技 术 结 合 模 式 识 别 方 法对 掺 假 的 豆 粕 进
行 快速 鉴 别 。试验 收 集 了不 同批 次 １ ４ ５个 纯 豆粕 样 品 ， 随 机 选取 部 分 纯 豆粕 样 品 ， 掺入 ０ ． ０ ８ ％～