作为一种绿色安全的食品药品配料, 甜菊糖具有广阔的应用前景, 然而吸湿性是其面临的一大难题, 同时也是大多数制剂原辅料普遍存在的问题, 研究分析吸湿的过程状态并提出针对性解决办法具有重要的理论意义和应用价值。 利用近红外光谱分析技术结合化学计量学方法对甜菊糖吸湿过程进行表征、 解析, 从而揭示吸湿过程中水的吸附方式和键合作用; 通过吸湿过程光谱并采用外部参数正交(EPO)算法消除样品中水分的影响, 建立甜菊糖中莱鲍迪苷A(RA)含量的快速分析方法。 研究表明, 甜菊糖吸湿过程初始, 水分子迅速吸附在甜菊糖粉末表面形成单分子层; 之后, 表面吸附位点变少, 吸湿速率明显变慢, 水分子将同时吸附在单分子层之上; 最后, 甜菊糖整体吸湿达到饱和状态, 含水量保持稳定。 揭示水分吸收规律后, 利用EPO算法建立RA定量模型, 模型外部测试集的均方根误差、 决定系数和预测相对标准偏差分别为0.669 5%, 0.957 0和4.336 8, 与未使用水分校正所建模型相比有较大提升, 表明EPO算法可以有效去除吸湿的影响。 该研究利用近红外光谱技术对甜菊糖吸湿过程中水的变化进行了表征, 同时利用EPO算法有效消除吸湿的影响, 实现对甜菊糖成品中RA的快速测定, 为其进一步的研究和使用提供参考。

随着经济水平的提升人们对大米品质要求越来越高, 由于不同大米品种之间价格差异也较大, 致使不少商贩以劣充优谋取利益, 有的掺和比例高达30%以上, 这种行为严重损害了消费者利益。 大米作为一种碳水化合物直接通过一维近红外光谱信息不易区分掺和米, 目前诸多研究集中在基于一维光谱的化学计量学判别模型建立。 二维相关光谱具有高分辨率、 解析峰的归属等优点, 可以挖掘出掺和米在一维光谱中隐藏的有效信息。 以五常大米作为研究对象, 选取难以用肉眼分辨的六种大米为掺入米, 分别制备5%～50%的不同掺和比例大米样品140个。 以五常大米近红外光谱的平均光谱作为参考谱, 掺和比例作为外部扰动因数, 将掺和米光谱和五常米光谱分别与参考谱进行二维相关运算, 通过解析不同掺和比例大米二维相关同步谱特性发现自相关谱1 420和1 920 nm两处自动峰值与同步谱(1 420, 1 920) nm和(1 920, 1 420) nm处交叉峰值强度均随掺和比例增加呈递增趋势, 其中1 920 nm自动峰值对掺和比例响应最显著。 通过对自相关谱1 420和1 920 nm两处自动峰产生机制的追溯并分析对应官能团归属, 发现大米中直链淀粉对掺和比例响应程度高于蛋白质及其他碳水化合物。 分别以五常大米同步谱中1 420和1 920 nm处自动峰值和(1 920, 1 420)nm处交叉峰值的最大值作为判别阈值, 对140个大米样品进行了判别试验。 结果显示, 基于1 920 nm自动峰值的判别效果最佳正确率达93.3%, 掺和比例20%及以上掺和米样品判别正确率为100%, 随着掺和比例降低判别正确率也逐渐下降, 掺和比例15%, 10%和5%样品判别正确率分别为91.7%, 66%和75%。 综上所述, 以掺和比例作为外部干扰因数解析不同掺和比例的大米二维同步谱特性, 通过特征峰值的差异可以简单有效区分掺和米, 与以往近红外判别模式相比不需要准备大量样品来训练模型, 为快速鉴别掺和大米提供一种新思路。

关于超疏水涂层的制备有许多研究, 其中硅衍生物涂层是一个重点, 然而硅衍生物形成机理的研究还鲜有报道。 以硅酸钠和乙烯基三乙氧基硅烷（VTES）作为硅衍生物的反应物, 利用近红外光谱（near infrared, NIR）和二维相关分析(2D-correlation analysis, 2DCorr)方法探讨硅衍生物的反应机理。 首先, 采用德国Bruker公司的MPA型傅里叶近红外光谱仪采集样品的光谱信息, 分析了17 Wt%硅酸钠、 97 Wt% VTES以及两者1:5摩尔比混合体系的分子结构变化特征, 结果发现: 混合体系在5 176~4 250 cm-1范围内出现了Si—O—H和Si—O—Si基团的吸收峰, 说明溶液中两者混合后发生了水解缩合反应; 并发现10 262 cm-1处的游离羟基减少并向低频方向偏移, 8 905 cm-1处以氢键缔合的羟基增加; 含氢键的醇从7 203 cm-1偏移到6 846 cm-1。 将硅酸钠和VTES按照7种不同摩尔比混合并搅拌成溶胶凝胶状, 采集这些样品的光谱信息, 并且对吸收峰进行归属, 结果发现: 随着VTES的比例增加, 游离羟基以及含氢键的醇减少, 结合羟基增加, 含硅基团也在增加。 最后, 对不同摩尔比的混合体系的光谱数据进行基线校正, 运用软件Matlab 6.5计算基于摩尔比例扰动的二维相关光谱, 提高近红外光谱的分辨率和分析不同官能团之间的变化顺序。 结果发现: 10 262 cm-1处吸收峰的变化先于8 905 cm-1处吸收峰的变化, 7 026（6 846） cm-1处吸收峰的变化晚于5 859 cm-1处吸收峰的变化, 5 264（5 176） cm-1处吸收峰的变化晚于4 397 cm-1处吸收峰的变化, 4 667 cm-1处吸收峰的变化晚于4 397 cm-1处吸收峰的变化。 不同波数的吸收峰变化顺序对应其归属的官能团的变化顺序, 进而揭示了近红外光谱中基团变化的原因。 硅酸钠和VTES两种溶液混合后形成的溶胶凝胶是具有三维网状结构的硅-聚合物, 这种聚合物具有疏水性质能被广泛应用。 研究结果将有利于更深刻地理解硅酸钠和VTES混合体系水解缩合反应过程以及分子结构变化, 为其进一步的研究和使用提供参考。

为了探讨利用二维相关可见/近红外光谱法优选猪肉挥发性盐基氮(TVB-N)特征变量的可行性, 以贮藏时间为外扰, 研究了不同新鲜程度猪肉样本的二维相关光谱特性。 首先, 获取56个猪肉样本在贮藏1～14 d的400~1 000 nm范围的可见/近红外反射光谱, 经过标准正态变量变换(SNV)处理后, 基于全波段光谱建立TVB-N的偏最小二乘回归(PLSR)模型。 然后, 依据TVB-N实测值, 从中挑选出10个具有一定浓度梯度的样本(贮藏时间分别为0, 36, 72, 108, 144, 180, 216, 252, 288和324 h), 利用一阶导数对光谱进行预处理后, 根据不同样本之间的光谱差异, 选取7个波段用于二维相关光谱解析。 分析各个波段的二维相关同步谱和自相关谱, 从7个波段范围内共选取23个变量作为不同贮藏时间下与TVB-N相关的敏感波长, 并建立简化的PLSR模型。 相较于全波段光谱数据所建模型, 模型效果有所改善, 预测集决定系数R2p由0.792 1上升至0.865 8, 误差从3.658 2 mg·(100 g)-1下降至3.246 0 mg·(100 g)-1。 表明基于二维相关光谱对猪肉TVB-N特征变量进行优选的思路是可行的, 该方法能够从全光谱数据中筛选出与目标物质相关的敏感变量, 这也为近红外光谱特征波长选择提供了一个新的方法。

利用Shimadzu UV2450分光光度计测量了含有不同叶绿素浓度的湖水样本在可见光和近红外区域的透射光谱， 并使用实验室手段测量了水体的叶绿素含量。 分析了湖水样本的透射光谱特性， 同时引入二维相关光谱技术， 利用叶绿素浓度值作为微扰量， 得到水体叶绿素的动态光谱， 进而结合二维同步谱图和异步谱图确定表征水体叶绿素浓度的特征波段。 综合观察二维相关光谱中的同步谱图和异步谱图， 更加精确地阐明了水体光谱特征， 同时剔除水体中其他物质对于光谱信息的影响， 更有效、 全面地提取反映水体叶绿素信息的敏感波段。 利用所选特征波段构建归一化水体叶绿素指数， 将特征波段与叶绿素指数分别与水体叶绿素浓度建立线性预测模型。 结果显示， 归一化水体叶绿素指数的预测模型测定R2达到0.771 2， 均方根误差是45.509 8 mg·L-1， 预测R2达到0.765 8， 均方根误差是39.503 8 mg·L-1。 模型精度较利用特征波段建立的多元线性回归模型有了较大的提高， 达到了实用水平。