第１期光谱学与光谱分析１２３
为３４５～１１００ｎｍ，信噪比为２５０１，光源为卤钨灯，环形布置。他们利用此系统对砂糖橘等水果的糖度和酸度进行了初步的在线检测研究。 Ｆｉ昏１Ｃｏｎｃｅｐｔｖｉｅｗｓ
ｏｆＮＩＲｔｒａｎｓｍｉｓｓｉｏｎｓｙｓｔｅｍｓｖｉｅｗｅｄｆｒｏｍａｂｏｖｅ，（ａ）ＴＩ）ＩＳｓｙｓｔｅｍａｎｄ（ｂ）ＬＡＳｓｙｓｔｅｍ
１．２鱼、畜肉类品质在线检测
Ｔａｇｅｒｓｅｎ等［１３］利用近红外仪器（ＭＭ５５，ＩｎｆｒａｒｅｄＥｎｇｉ－ｎｅｅｒｉｎｇ
卤钨灯光谱Ｌｔｄ，Ｍａｌｄｏｎ，Ｅｓｓｅｘ，ＵｎｉｔｅｄＫｉｎｇｄｏｍ）构建了肉品质在线检测系统（图２）。在近红外仪器上安装了波长为１４４１，１５１０，１６５５，１７２８和１８１０ｎｍ的滤光片，并以２０Ｈｚ的频率旋转滤光片，获得各个波长下的肉的吸光度。ＴＣｌｇｅｒｓｅｎ等ｒ”］对１５４个肉样本（猪肉和牛肉）的脂肪、水分以及蛋白质含量（工业范围）进行在线检测，建立了猪肉和牛肉的脂肪、水分、蛋白质含量联合模型以及猪肉和牛肉各自的脂肪、水分、蛋白质含量 模型。其结果如下：脂肪（ｒ—Ｏ．８７～ｏ．９７，ＳＥＰ＝０．８２％～１．４９％），水分（ｒ＝０．８４～０．９６，ＳＥＰ＝０．３５％～０．７０％），蛋白质（ｒ＝０．６２～０．９０，ＳＥＰ＝０．９４％～１．３３％）。Ｔａｇｅｒｓｅｎ等ｃ１４］在工业范围内对半冰冻牛肉的化学成分（脂肪、湿度、蛋白质）进行在线检测。实验研究了不同温度对光谱的影响以及不同的颗粒度对建模结果的影响。建立了颗粒度为４和１３ｒｒｌｒｎ的样本的模型以及所有样本的模型。
Ｆｉ昏２Ｉｌｌｕｓｔｒａｔｉｏｎｏｆｔｈｅ∞－ｌｉｎｅＮ１Ｒｓｙｓｔ哪
（ａ）：ＧｒｉｎｄｅｒＩ（ｂ）：ＭＭ５５ｓｅｎｓｉｎｇｈｅａｄ；（ｃ）｝Ｅｌｅｃｔｒｏｎｉｃｃｏｎｔｒｏｌｕｎｉｔ；（ｄ）：Ｒｅｍｏｔｅｄｉｓｐｌａｙ；（ｅ）：Ｌａｐｍｐ；（ｆ）：Ｍｅａｔｓｔｒｅａｍ
Ａｎｄｅｒｓｏｎ等［１５］利用ＤＡ－７００近红外分析系统建立了肉品质在线检测系统（图３）。ＤＡ－７００近红外分析系统有两个二极管阵列检测器，波长检测范围分别为４００～９７５ｎｍ和９５０～１７００ａｍ。为使绞细牛肉能比较均匀地从绞肉机出口进入到传送带，绞肉机出口安装一个成型的模子，传送带速度为１．０ｍ·ｍｉｎ～。Ａｎｄｅｒｓｏｎ等对绞细牛肉的脂肪含量进行在线检测。应用ＰＬＳ方法建立５０％和１５％脂肪含量的牛肉的预测模型，其结果：５０％的牛肉样本（Ｒ２＝０．９５７，ＳＥＰ＝２．２８％），１５％的牛肉样本（Ｒ２＝Ｏ．９５５，Ｓ
ＥＰ＝２．１５％）。Ａｎ—ｄｅｒｓｏｎ等［１６］对不同脂肪含量的绞细牛肉流进行了在线混合获得指定脂肪含量的绞细牛肉流进行模拟研究。将名义上为１５％和５０％脂肪含量的绞细牛肉流进行了模拟混合获得３０％，３５％和４０％脂肪含量的绞细牛肉流，并对三种不同绞细牛肉流的流速控制方式的优劣进行了比较研究。
Ｆｉｇ，３Ｉｎｔｅｇｒａｔｅｄａｎａｌｙｓｉｓｓｙｓｔｅｍ
Ｎｉｌｓｅｎ研究小组［１７］应用近红外反射仪器（Ｃｏｒｏｎａ４５）对传送带上的绞细牛肉成分进行在线检测。检测器为ＩｎＧａＡｓ，波长范围为９５０～１７００ａｍ，光源为钨灯（５Ｖ／Ｗ）。研究发现牛肉的脂肪、水分和蛋白质之间存在一定的相关关系。同年，Ｎｉｌｓｅｎ等［１８］发现在在线检测绞细牛肉成分的过程中，由于传送带输送的绞细牛肉不均匀，采集的牛肉光谱信息中有可能会含有传送带的光谱信息，提出利用ＳＩＭＣＡ方法来区分传送带和绞细牛肉的光谱信息。
ｗｏｌｄ等［１９］利用商业的近红外成像仪（ＴｉｔｅｃｈＶｉｓｉｏｎｓｏｒｔＡＳ，Ｏｓｌｏ，Ｎｏｒｗａｙ）构建了一个在线检测系统，对干燥腌制黑鳕的湿度进行在线检测。研究比较了不同的光谱采集部位对建模精度的影响，同时对三种光谱采集方式（漫反射、接触式漫透射、非接触式漫透射）进行比较。结果发现，对于粉末样品，三种方式都能获得很好的结果，但对于完整的样品，则接触式漫透射和非接触式漫透射的结果要比漫反射的结果好得多。
１．３牛奶品质在线检测
Ｋａｗａｍｕｒａ等利用光栅光谱仪等构建了牛奶品质的在线检测系统（图４）。检测器为ＣＣＤ检测器，２０４８个像素，波长范围为６００１０５０ｎｍ，光谱积分时间为１０Ｓ。Ｋａｗａｍｕｒａ等［２０－２２］分别在２００３年，２００４年和２００７年对奶牛个体的牛奶质量进行了在线检测。检测的指标主要有牛奶成分（脂肪、蛋白质、乳糖），肉体细胞数目，牛奶尿素氮。应用ＰＬＳ方法建立各检测指标的模型，测得脂肪（Ｒ２＝ｏ．９５，ＳＥＰ＝０．２４～０．４２），蛋白质（Ｒ２＝ｏ．７２～ｏ．９１，ＳＥＰ＝０．０９～Ｏ．１５），乳糖（Ｒ２＝０．８５～Ｏ．９４，ＳＥＰ＝０．０５～ｏ．１８），肉体细胞数目（Ｒ２＝ｏ．６２～ｏ．８２，ＳＥＰ＝０．２７～０．３２），牛奶尿素氮（殿＝Ｏ．６８
～Ｏ．９０，ＳＥＰ＝１．３３～２．０８）。
１２４光谱学与光谱分析第２９卷
Ｆｉｇ．４Ｏｎ－ｌｉｎｅｎｅａｒ－ｉｎｆｒａｒｅｄｓｐｅｃｔｒｏｓｃｏｐｉｃｓｅｎｓｉｎｇｓｙｓｔｅｍｉｎｓｔａｌｌｅｄｉｎ锄ａｕｔｏｍａｔｉｃｍｉｌｋｉｎｇｓｙｓｔｅｍ
１．４谷物类品质在线检测
Ｍａｅｒｔｅｎｓ等［２３］在常用的ＮｅｗＨｏｌｌａｎｄＴＸ６４联合收割机上安装了ＺｅｉｓｓＣｏｒｏｎａ４５ＮＩＲ１．７传感器（Ｉ＞０７７４０，ＯＥＭｓｐｅｃｔｒａｌｓｅｎｓｏｒｓ，ＣａｒｌＺｅｉｓｓＪｅｎａＧｒａｂＨ，Ｊｅｎａ，Ｇｅｒｍａｎｙ）（图５），对谷物的蛋白质和湿度浓度进行了在线检测。该系统的波长范围为９４０～１７００ｎｒｎ，光源为９ｗ的卤钨灯。研究了四种不同的预处理方法，即ｍｕｈｉｐｌｉｃａｔｉｖｅｓｃａｔｔｅｒｃｏｒｒｅｃｔｉｏｎ（ＭＳＣ），ｓｔａｎｄａｒｄｎｏｒｍａｌｖａｒｉａｔｅ（ＳＮＶ），ｆｉｒｓｔ－ｏｒｄｅｒＳａｖｉｔｓｋｙ－Ｇｏｌａｙ（ＳＧｌ）和ｓｅｃｏｎｄ－ｏｒｄｅｒＳａｖｉｔｓｋｙ－Ｇｏｌａｙ（ＳＧ２）对模型预测精度的影响。结果发现，蛋白质的最优预处理方法为ＳＮＶ，而湿度是不进行预处理的效果最好。
Ｆｉｇ．５ＭｅａｓｕｒｅｍｅｎｔｃｏｎｆｉｇｕｒａｔｉｏｎＯｎ
ｔｈｅｂｙｐａｓｓｏｆｔｈｅｅｌｅｖａｔｏｒ
Ｌｏｎｇ等［２４］在装有近红外分析器、ＧＰＳ和产量监控器的联合收割机上对小麦的蛋白质浓度进行在线检测。近红外分析器光源由１４个近红外发光二极管组成，这样可以使得近红外分析器不需要移动的滤光片或是光栅，只需要相对便宜的硅检测器即可，波长范围在８９３～ｌ０４５ｎｍ之间。
Ｅｎｇｅｌ等［２５］对农田谷物的蛋白质分布的测量进行了研究。在实验室条件下建立了春小麦的预测模型，其Ｒ２＝０．９９，ＳＥＣ＝０．０８１％。并应用该模型在农田上对春小麦的蛋白质浓度进行了在线预测，其Ｒ２＝ｏ．５５，ＳＥＰ＝０．６６％。但在线获得的农田谷物蛋白质含量分布图却与实验室获得的结果很相似，相关系数ｒ＝０．９３。
Ｍｏｎｔｅｓ等［２６］在９６０～１６９０ｒｉｍ波段范围内对玉米的干物质（ＤＭ）、天然蛋白质（ＣＰ）以及淀粉含量（ＳＴ）进行在线检测。应用ＰＬＳ算法建立各个成分的模型，其结果：ＤＭ（Ｒ｝＝０．９５，ＳＥＰ＝１．２％），ＣＰ（Ｒ｝＝０．８８，ＳＥＰ＝０．３％），ＳＴ（Ｒ｝＝Ｏ．７９，ＳＥＰ＝１．Ｏ％）。
１．５奶酪酒精发酵品质在线监控
２００１年，Ａｄａｍｏｐｏｕｌｏｓ等掉７１应用Ｉｎｓｔａｌａｂ６００一Ｄｉｃｋｅｙ—Ｊｏｈｎ分析仪对羊乳酪生产过程进行在线监控。该分析仪集成了近红外仪器和化学计量学算法。建立了羊乳酪生产过程中６个关键点的湿度、脂肪以及蛋白质浓度的在线预测模型，发现所建立模型的Ｒ２都在０．８６以上，ＳＥＣ都在０．５以下。
Ｍａｎｄｅｎｉｕｓ等２８’２９１应用电子鼻、近红外光谱仪和标准的生物反应器探针等传感器对酸
乳酪发酵过程进行监控（图６）。电子鼻有１０个金属氧化物半导体场效应晶体管传感器和１９个金属氧化物半导体传感器；近红外光谱仪为Ｍｏｄｅｌ６５００（Ｆｏｓｓ－ＮＩＲＳｙｓｔｅｍ，Ｉｎｃ），波长范围为４００～２５００ｎｍ，扫描次数为３２次。２００２年，Ｍａｎｄｅｎｉｕｓ［２８１通过级联神经网络对３个传感器的信号进行融合。神经网络模型选取６个电子鼻信号、４个近红外信号（１４０２，１４０４，１４０６，１４０８ｎｎ］波长的吸光度信号）以及温度信号作为输入。２００４年，Ｍａｎ＆一ｎｉｕｓ［３叩应用上述系统对酸奶酪和瑞典类似酸奶酪产品的发酵进行在线监控。建立了ｐＨ值和总酸的预测模型，使用５或６个ＰＬＳ因子就可以获得令人满意的预测精度。得出６个ＰＬＳ因子的结果：ｐＨ值（Ｒ２＝０．９９６，ＳＥＰ＝０．１７），总酸（Ｒ２＝０．９９９，ＳＥＰ一６．６）。
Ｆｉｇ．６Ｅｘｐｅｒｉｍｅｎｔａｌｓｅｔｕｐｆｏｒｏｎ－ｌｉｎｅｍｏｎｉｔｏｒｉｎｇ
ｏｆｙｏｇｕｒｔｆｅｒｍｅｎｔａｔｉｏｎ
Ｃｏｚｚｏｌｉｎｏ等［３９］对应用近红外光谱技术与多元变量回归技术对红葡萄酒发酵过程进行在线监控的可行性进行探索。光谱仪为Ｆ（）ＳＳＮＩＲＳｙｓｔｅｍｓ６５００，波长范围为４００～２５００ｎｍ，光谱采集软件为Ｖｉｓｉｏｎｓｏｆｔｗａｒｅ（ｖｅｒｓｉｏｎ１．０，ＦＯＳＳＮＩＲＳｙｓｔｅｍｓ）。研究了不同的温度以及不同的酵母对发酵过程的影响，结果温度和酵母种类的影响均不显著。
２近红外光谱分析技术存在的问题
虽然近红外光谱分析技术在在线检测农产品／食品品质上的研究已将近持续了１０年，但大多数还只是在实验室范围内进行在线检测，形成真正的商业化产品的很少。目前，农产品／食品品质的在线检测研究还存在着以下几个方面的问题。
（１）大多数研究只是进行可行性探索，没有进行深入研
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议