利用傅里叶近红外光谱分析技术,以磷虾粉样品的实测值与模型预测值为基础,研究了采用最小二乘法建立磷虾粉原始样品与磷虾粉混合样品中水分、脂肪和蛋白含量近红外定标模型的可行性和准确性。结果表明,磷虾粉近红外图谱最佳预处理方式为...利用傅里叶近红外光谱分析技术,以磷虾粉样品的实测值与模型预测值为基础,研究了采用最小二乘法建立磷虾粉原始样品与磷虾粉混合样品中水分、脂肪和蛋白含量近红外定标模型的可行性和准确性。结果表明,磷虾粉近红外图谱最佳预处理方式为:标准正态变换预处理+一阶导数+Norris导数滤波;以磷虾粉混合样品构建的近红外模型较磷虾粉原始样品构建的模型在交互验证均方根误差、外部验证残差均方根(root mean square error of external prediction,RMSEP)(root mean square error of external prediction,RMSEP)和外部验证用样品真实值的标准差与RMSEP的比值(the ratio of the RMSEP to standard deviation of reference data in the prediction,RPD_(EV))等参数有所提升;经预处理后,定标模型的建模相关系数、交互验证相关系数和外部验证相关系数(correlation coefficient in external validation,R_(EV))三类相关系数除脂肪的R_(EV)为0.9058,其余均在0.94以上,RPD均大于2.5,证明磷虾粉近红外定标模型对3个成分均有较好的预测准确性。该研究可为实现南极磷虾粉品质指标的船载近红外快速检测提供参考依据。展开更多
采用偏最小二乘法(Partial least squares,PLS)作为建模方法,对磷虾油近红外光谱的一阶微分(First-order difference,FD)、FD+SG(Savitzky-Golay,SG)滤波、FD+N(Norris,N)滤波、二阶微分(Second-order difference,SD)、SD+SG和SD+N等6...采用偏最小二乘法(Partial least squares,PLS)作为建模方法,对磷虾油近红外光谱的一阶微分(First-order difference,FD)、FD+SG(Savitzky-Golay,SG)滤波、FD+N(Norris,N)滤波、二阶微分(Second-order difference,SD)、SD+SG和SD+N等6种单一或复合方法进行处理,通过对不同方式处理后预测模型的交互验证均方根误差(Root mean square error of cross validation,RMSECV)、外部验证残差均方根(Root mean square error of external prediction,RMSEP)和外部验证用样品真实值的标准差(SD)与RMSEP的比值(The ratio of the RMSEP to standard deviation of reference data in the prediction,RPDEV)、建模相关系数(Correlation coefficient in calibration,RC)、交互验证相关系数(Correlation coefficient in cross validation,RCV)和外部验证相关系数(Correlation coefficient in external validation,REV)等参数比较,确定了磷虾油磷脂、EPA和DHA的近红外预测模型最佳处理方式为FD、FD和SD+N,酸价指标模型不需处理。在最优条件下,四种成分近红外预测模型的RC、REV和RCV,除了酸价的RCV略小(0.917)其余均达到0.95以上,同时,四种成分的RPDEV和RPDCV值,除酸价的RPDCV为2.365,略小于2.5,其余均符合大于2.5的要求,说明磷虾油磷脂、EPA和DHA的近红外预测模型预测准确度良好;RMSEC和RMSECV相差不大,说明模型稳定性较好。由于含量低、组成复杂等原因,磷虾油虾青素近红外检测模型的RC、RCV和REV均在0.60以下,说明近红外检测不适用于磷虾油中虾青素成分的快速检测。本文证实了近红外光谱技术可作为磷虾油中磷脂、EPA、DHA和酸价等主要指标的快速检测方法,是传统化学检测方法的有效替代和补充。展开更多
文摘利用傅里叶近红外光谱分析技术,以磷虾粉样品的实测值与模型预测值为基础,研究了采用最小二乘法建立磷虾粉原始样品与磷虾粉混合样品中水分、脂肪和蛋白含量近红外定标模型的可行性和准确性。结果表明,磷虾粉近红外图谱最佳预处理方式为:标准正态变换预处理+一阶导数+Norris导数滤波;以磷虾粉混合样品构建的近红外模型较磷虾粉原始样品构建的模型在交互验证均方根误差、外部验证残差均方根(root mean square error of external prediction,RMSEP)(root mean square error of external prediction,RMSEP)和外部验证用样品真实值的标准差与RMSEP的比值(the ratio of the RMSEP to standard deviation of reference data in the prediction,RPD_(EV))等参数有所提升;经预处理后,定标模型的建模相关系数、交互验证相关系数和外部验证相关系数(correlation coefficient in external validation,R_(EV))三类相关系数除脂肪的R_(EV)为0.9058,其余均在0.94以上,RPD均大于2.5,证明磷虾粉近红外定标模型对3个成分均有较好的预测准确性。该研究可为实现南极磷虾粉品质指标的船载近红外快速检测提供参考依据。
文摘采用偏最小二乘法(Partial least squares,PLS)作为建模方法,对磷虾油近红外光谱的一阶微分(First-order difference,FD)、FD+SG(Savitzky-Golay,SG)滤波、FD+N(Norris,N)滤波、二阶微分(Second-order difference,SD)、SD+SG和SD+N等6种单一或复合方法进行处理,通过对不同方式处理后预测模型的交互验证均方根误差(Root mean square error of cross validation,RMSECV)、外部验证残差均方根(Root mean square error of external prediction,RMSEP)和外部验证用样品真实值的标准差(SD)与RMSEP的比值(The ratio of the RMSEP to standard deviation of reference data in the prediction,RPDEV)、建模相关系数(Correlation coefficient in calibration,RC)、交互验证相关系数(Correlation coefficient in cross validation,RCV)和外部验证相关系数(Correlation coefficient in external validation,REV)等参数比较,确定了磷虾油磷脂、EPA和DHA的近红外预测模型最佳处理方式为FD、FD和SD+N,酸价指标模型不需处理。在最优条件下,四种成分近红外预测模型的RC、REV和RCV,除了酸价的RCV略小(0.917)其余均达到0.95以上,同时,四种成分的RPDEV和RPDCV值,除酸价的RPDCV为2.365,略小于2.5,其余均符合大于2.5的要求,说明磷虾油磷脂、EPA和DHA的近红外预测模型预测准确度良好;RMSEC和RMSECV相差不大,说明模型稳定性较好。由于含量低、组成复杂等原因,磷虾油虾青素近红外检测模型的RC、RCV和REV均在0.60以下,说明近红外检测不适用于磷虾油中虾青素成分的快速检测。本文证实了近红外光谱技术可作为磷虾油中磷脂、EPA、DHA和酸价等主要指标的快速检测方法,是传统化学检测方法的有效替代和补充。
