傅立叶变换近红外光谱技术 离线 在线 车载技术在各...
Transcript of 傅立叶变换近红外光谱技术 离线 在线 车载技术在各...
August 14, 2013
傅立叶变换近红外光谱技术
离线/在线/车载技术在各领域的应用
2005年4月25日星期二
近红外发展历程
1800年 发现红外光:William Herschel在一次实验中偶然发现了红外光。
1950s 美国人Karl Norris开始研究用近红外光检测农产品中的水分含量;滤光片型的近红外仪器出现,用于粮食的检测。
1970s 出现商业化的近红外仪器,但由于缺乏有效的光谱分析手段,以及仪器性能落后,限制了近红外的使用。
1980s 计算机技术的发展,带动了化学计量学和分析仪器数字化的发展,人
们开始能够对光谱信息进行处理、提取和分析,傅里叶变换技术得到应用。
1990s以后,近红外技术快速发展,广泛应用于农业、食品、环境、石油化工、精细化工、制药、生命科学等众多领域。
August 14, 2013 3
布鲁克公司 近红外光谱仪器
August 14, 2013
光纤探头
积分球漫反射
液体透射样品腔
外部漫透射单元
MPA:多种采样附件灵活扩展
August 14, 2013 5
MATRIX-F
MATRIX-E
MATRIX-IMATRIX-MF
MATRIXTM Seriers 在线及车载仪器
April 23, 2013 17
MATRIXTMSeries— MATRIX-F
MATRIXTM-F仪器可用于车载、实验室和工业现场
August 14, 2013 7
TANGO:世界首台小型化傅立叶近红外仪器
TANGO-R TANGO-T
August 14, 2013 8
金奖产品组合确保模型稳定及转移
优异的仪器性能确保模型在不同仪器间的直接转移!!!
April 23, 2013 12
ROCKSOLIDTM专利干涉仪永远令人信服
应用领域
August 14, 2013 10
开展行业:药品行业,石油化工,烟草行业,食品行业,饲料行业等,车载应用,在线应用,离线应用。
分析样品的形状
August 14, 2013 11
• 粉末
• 结晶
• 药片
• 管型瓶
• 颗粒
• 种子
• 纸张
• 薄片
• 涂层
• 液体
• 乳浊液
• 糊状物
• 树脂
August 14, 2013 12
FT-NIR技术在饲料行业的应用
近红外在饲料企业的应用状况
饲料企业为什麽需要近红外
传统湿化学检测方法的弊端
近红外对于饲料企业所发挥的巨大作用
近红外为饲料企业带来的效益估计
近红外在饲料企业的应用状况
Monitor Proximate nutrients, like protein, moisture, fat …
Predict TAA, DAA, AME
Others
Application example
近红外在饲料行业的应用趋势
不同饲料原料之养分含量变异造成:
过量配置: 饲料生产成本增加
过低配置: 动物生产性能降低
饲料企业中质量控制所面临的压力外部压力: 消费者、政府、竞争对手内部: 提高利润率
提高饲料品质即提高竞争力稳定的品质;降低生产成本?
- 销售收入 = 品质成本(预防、鉴定+失败)+ 制造成本 + 利润- 预防成本 = 员工教育 + 检验仪器 + 分析- 鉴定成本 = 鉴定材料、产品、工艺- 失败成本 = 内部失败 + 外部失败
为什麽饲料工业需要NIR - 外部/内部压力
近红外在饲料工业中的应用
成品出厂
原料进厂
混和
制粒
传统湿化学分析的局限性
• 测试周期长,无法满足快速分析的需求
• 投资大(需多台精密分析仪器及大量人力)
• 日常消耗多(人员,试剂,水,电........ )
• 环境污染(压力越来越大)
例如国标中常见指标分析的时间消耗:
• 水分(GB5009.3-85)-- 8小时;
• 灰份(GB5009.4-85)-- 11小时;
• 粗蛋白(GB5009.5-85)-- 5小时;
• 总淀粉(GB5009.9-85)-- 4小时。
近红外光谱分析的优势
快速,一分钟内就能得到全部分析结果
样品无损,可对整籽粒直接进行分析
同时测定多个成分(如蛋白、油份、水份,灰份,氨基酸等)
客观性,减少人为的操作误差
无污染,无化学试剂的使用及排废
采用近红外分析技术的经济效益分析
• 化验成本节约分析
• 降低返工费用分析
• 装运堆码费用节约分析
• 原料使用量降低成本分析
*以下分析均以国内某年产10万吨饲料企业数据为参照进行
2013年8月14日星期三
化验成本节约分析
2013年8月14日星期三
结论:对于一个年产10万吨左右的饲料企业,采用NIR分析,每年检测成本累计节约费用约13万。
化学检测成本统计 近红外检测成本统计
检测项目 每日检测数量每日单项检测成
本 检测项目 每日检测数量每日检测成
本水分 20 94.49 水分 20 20.01
粗灰分 20 180.49 粗灰分 20
粗蛋白 20 212.04 粗蛋白 20
粗脂肪 6 114.19 粗脂肪 20
粗纤维 3 76.73 粗纤维 20
钙 3 40.01 钙 20
总磷 3 42.28 总磷 20
每日总计 760.22 每日总计 400.29
年度总计 273680.75 年度总计 144105.41
结论: 年度检测成本节省(万元) 129575.34
仪器成本回收周期(月) 42
降低返工费用分析
产生返工的主要原因:
1、因为检测时间长,来不及出报告;使原料紧急放行,造成产品质量不稳定
2、制造环节出问题
2013年8月14日星期三
月返工数(吨) 月返工成本(100元/吨) 年返工成本(元)
20 2000元 24000
40 4000元 48000
装运堆码费用节约分析
• 通常成品发货流程:成品生产线—堆码—检验– 装运
• 应用近红外后的流程: 成品 —— 检验– 装运
除安全库存以外的产品,可以通过近红外快速检测后,直接装车发货,一年节约堆码费用 48000元
2013年8月14日星期三
月装运吨数 装运成本(2元/吨) 年节约堆码费用
2000 400元 48000元
成本回收周期
综上所述:在采用近红外快速技术后,为企业节约的资金可累计为:
检测费+返工费+装运费= 约22万
结论:投资一台近红外只需要2年左右时间,便可收回成本。
2013年8月14日星期三
如果原料成本从80%降低到79%,利润将提高20%!
所占成本比例 所占成本比例
原料 80 79
固定消耗 10 10
劳动力 5 5
利润 5 6
=提高20%利润
利润提高
1 2 3 4 5
0
50,000
100,000
150,000
200,000
250,000
300,000
Tota
l Cos
t of O
wne
rshi
p [€
]
Year
传统湿化学检测与近红外检测5年内使用费用对比
Total Cost of the different analysis techniques in €: red: conventional wet chemical analysis
blue: NIR spectroscopy, taking initial investmentinto instrument (green) into account
结论:NIR 给出更快的分析结果,更少的化学试剂和其他花费, 分析成本大大降低
August 14, 2013 25
检测样品类型:饲料原料、全价料、浓缩料、预混料等;
检测指标:
八大常规营养成分:水分、蛋白、脂肪、纤维、灰分、Ca、P、盐分等;氨基酸、可消化氨基酸、代谢能、蛋白溶解度等。
近红外技术在饲料行业的检测范围
August 14, 2013 26
积分球漫反射——各种颗粒、粉末、粘稠样品的理想选择
饲料的离线解决方案
August 14, 2013 27
样品
检测器
近红外光
积分球漫反射——常用方式
特别适于颗粒、粉末等不均匀样品分析
饲料的离线解决方案
August 14, 2013 28
大大提高了漫反射光的收集效率,高达95%以上,是粉末、颗粒和不均匀样品的理想选择。
积分球:
色散型:
不能保证有足够的漫反射信息被收集,
至少50%的漫反射光信号被丢失;
饲料的离线解决方案
August 14, 2013 29
扫描面积对光谱代表性的影响
0
2
3
1
饲料的离线解决方案
August 14, 2013 30
用样品旋转器和积分球测定不均匀样品
积分球扫描样品的
光斑
饲料的离线解决方案
饲料行业模型
• 饲料原料:小麦、玉米、麸皮、次粉、豆粕、菜粕、棉粕、花生粕、鱼粉、肉骨粉、乳清粉、膨化大豆等
• 成品料:猪料、鸡料、鸭料等
• 检测项目:包括水分、粗灰分、粗蛋白、粗纤维、粗脂肪、钙、总磷等
饲料行业模型一览表
August 14, 2013 32
• Evonik Amino Acid Calibrations for
most important Feed ingredients are
available for Bruker FT-NIR
• Others will be available much earlier
than Dec. 2008
全球合作伙伴的应用情况
德固赛公司在布鲁克近红外仪器上建立的数据库
August 14, 2013 33
全球合作伙伴的应用情况
安迪苏公司在布鲁克近红外仪器上建立的数据库
AAnalyzerRaw Materials Amino Acids
Digestible Amino acids*
AME*
Soybean meal Yes Yes Yes
Soybean Yes Yes - Corn Yes Yes Yes
Wheat Yes Yes Yes Barley Yes Yes -
Sorghum Yes Yes - Corn DDGS*** Yes Yes End of 2008
Fish meals Yes Yes - Animal meals Yes Yes -
Rapeseed meal Yes Yes - Rapeseed seed Yes Yes -
Cotton seed meal Yes Yes - Groundnut meal Yes Yes - Sunflower seed
meal Yes Yes -
Sunflower seed Yes Yes -
Cereal by-products Yes Yes - Oat Yes Yes - Peas Yes Yes -
• Calibrations of Digestible Amino
Acids and Apparent Metabolizable
Energy are developed based on in
vivo chicken trial test results.
• Apparent metabolizable energy
calibration of corn DDGS will be
available by the end of 2008.
• Corn DDGS mostly from U.S &
Europe.
检查所有进厂的原料:
创造更好的使用原料机会,如根据蛋白含量,原料装入不同储存塔
准确配方,减小安全系数范围,降低成本,避免污染,减小风险
给供应商家压力…
- 拒绝货源如果与其提供的指标不符
- 要求降价如果与其提供的指标不符
确保得到货真价实的原料!
NIR帮助实现了对供货样品迅速的分析, 在到货卸载前就得到结果 ,消
除不可靠的供货商,与可靠供货商建立紧密的联系
NIR技术在饲料工业上的应用现状
NIR技术在饲料工业上的应用现状
检查所有出厂的成品:
• 在原料来源中可能出现的问题均可出现在成品 ,因此:
实现每一批成品验货出厂
确保每一批成品符合预算的营养水平
确保发出的每一批成品货真价值,无客户抱怨
改进畜群生产性能一致性
• NIR快速的分析帮助实现了成品装车出厂前的对货验证,质量保证…
August 14, 2013 36
饲料行业近红外应用趋势:集团化应用
• 应用方案:集团中心实验室统一进行定标模型的建立,发布给各
分公司使用。
• 优点:提高效率,保证集团产品质量一致和稳定
• 应用案例:温氏集团、新希望六和集团
• 集团化应用的关键点:模型传递,模型数据的一致性
波长准确度不同造成仪器光谱之间的错位
5000600070008000
-0.0
025
-0.0
020
-0.0
015
-0.0
010
-0.0
005
0.00
000.
0005
0.00
10
Abs
orba
nce
Uni
ts
Bruker FT
Grating
预测结果准确性的问题:仪器波长偏移对定量结果的影响
波长偏移 2 cm-1对近红外预测准确度的影响
Validation result (no shift)
0
2
0
4
0
6
0
80
100
0 20 40 60 80 100
True Values
NIR
Pre
dic
tio
n
y = 0.9998x - 0.5345
y = 0.9896x + 12.246
Validation result with 2 cm-1 shift
造成预测结果准确性的问题: 仪器波长偏移预测结果不准确
波长偏移 2 cm-1对近红外预测准确度的影响
-20
0
20
40
60
80
100
120
0 20 40 60 80 100
True Values
NIR
Pre
dic
tio
n
y = 0.9998x - 0.5345
y = 0.9896x + 12.246
波长偏移的原因
1. 仪器精度低,不同仪器之间存在较大的“台间差”
2. 光栅转动,波长漂移
3. 光栅仪器每次运输或移动之后,震动带来的波长偏移。
解决方案:如何解决由波长偏移引起预测结果不准确性的问题?
FREQ. DEV. (CM-1) FROM WATER BAND (7306.740 cm-1)
BRUKER 28/N SERIAL #368
-0.200
-0.100
0.000
0.100
0.200
0.300
0.400
0.500
1 51 101 151 201 251 301 351 401 451 501 551 601 651
INDIVIDUAL 'IT' RUNS (days)
FR
EQ
. D
EV
. (c
m-1
)
保证仪器波长精确度和准确度长期稳定:
Bruker的傅里叶变换近红外仪器可以通过检测水蒸气的特征吸收峰(7306.74 cm-1) ,将波长
的偏差校准至0.1 cm-1 以内。
Tra
inin
g o
n s
ourc
e c
hange
Tra
inin
g o
n s
ourc
e c
hange
分辨率 = 2 cm-1
原理:
• 标准目标峰: 7,306.74 cm-1
. 010
. 015
.
020
. 025
Sin
gle
Ch
an
ne
l
7800 7600 7400 7200 7000 6800 6600
Wave Number / cm-1
以自然界水蒸气的吸收峰为标准对波长进行校准
分辨率 = 25 cm-1
Used by NIST for calibrating
their reference spectrometers
to certify NIR standards
The exceptional performance of the instrument ensures a smooth
calibration transfer not only to other MPA instruments but also to the
MATRIX and TANGO spectrometers.
模型传递
The exceptional performance of the instrument ensures a smooth
calibration transfer not only to other MPA instruments but also to the
MATRIX process spectrometers.
One Calibration
–
one million measurements !!!
模型传递
August 14, 2013 45
饲料行业近红外应用趋势:网络化管理系统
• 仪器操作标准化管理
• 使用者权限界定
• 模型传递—模型共享
• 数据管理与监控
网络化管理使集团内近红外仪器使用更高效、节约成本。
August 14, 2013 46
• Ridley 公司是澳大利亚最大的
饲料公司
• 目前已安装12台近红外设备
• 主要用来分析饲料原料和成品
• 分析油脂和糖浆
• 所有近红外设备的光谱都保存
在中心实验室的数据库上
饲料行业网络化管理系统 应用实例一
August 14, 2013 47
利用近红外技术在线优化配方• 在线预测指标
• 自动修改饲料配方
• 最大限度的降低过量配置
• 降低饲料成本
• 改进配方精确度
Hi-Tech Feed Ltd
饲料行业近红外应用趋势:在线监测系统
Emission Head
2x 5 W NIR lamps
working distance: 10 cm
measurement area: 10 mm
protection class: NEMA 4
ambient temperature: max. 50oC
housing: stainless steel (1.4301)
sapphire window
with internal reference
Q412/A Emission Head with Internal Reference
Q412/A Emission Head with Internal Reference
Temperature
extension
Ex-protection
Distances till
100m
Single fiber
Q412 on-line for Soybean Meal Analysis
52
Feed installation
Flour mill installation
NIR是饲料厂进行简单品控的快速而有效的工具,即使只监控普通营养指标,亦可为饲料厂带来明显的人力,物力,财力上的效益
近红外集团化及网络化管理,在线检测应用是未来发展趋势
NIR - New Intelligent Resource, “多快好省”、绿色分析技术
总结
August 14, 2013 56
FT-NIR技术在油脂行业的应用
May 10, 2013 3
近红外技术在食用植物油行业的应用现状
近红外技术应用于国内的食用植物油生产行业已经有一段时间的
历史。但是,由于企业对于产品营养质量意识和采用检测仪器的技术特点等原因,目前国内企业对于近红外技术的应用大多都还仅仅局限于原料的营养成分评估和油料饼粕、蛋白粉的生产过程控制。
而在油脂的精炼环节,仍然依赖于传统方法检测,脂肪酸构成分析和反式脂肪酸比例的检测等近年来新兴的营养质量检测需求,目前还处于近红外应用的初期阶段。
近红外技术在食用植物油行业的应用现状
传统的光栅色散型第二代近红外技术检测产品大多采用漫反射检测方式,在检测液体样品存在一定缺陷,且容易受到环境背景光的影响。此外由于波长分辨率低、波长准确性和稳定性差,所以在集团化应用中存在着定标模型转移困难的缺点。
在这一液态样品检测领域,只有采用多种检测器和检测方式、可以克服环境背景光影响、具有很高扫描实际采样分辨率的第三代傅立叶近红外技术产品才能够解决。
May 10, 2013 4
食用油提取工艺流程图
5
动物饲料
原料
清洗筛选
洁净原料
杂草/筛选杂粒
去壳/皮
油料
破碎/提取
毛油
May 10, 2013
动物饲料
动物饲料
皮壳纤维
高蛋白饼粕
6
漂白油
氢化
硬脂油
脱臭
起酥油
May 10, 2013
人造黄油
脱臭液态油
色拉油
精炼油生物柴油原料
脱色漂白
环氧增塑剂
磷脂
脂肪酸
食品/饲料添加剂
饲料添加剂
水化脱胶
碱炼脱酸
食用油精炼工艺流程图
毛油
分离
水解油脚
皂脚
蜡脚脱蜡
脱蜡油
食品添加剂/上光剂
食用植物油提取原料
植物油是从植物种子、果肉及其
它部分提取所得的脂肪脂,是由脂肪酸和甘油化合而成的天然高分子化合物。
用于提取植物油的农作物种类非常广泛,主要有大豆、菜籽、棕榈、玉米胚芽、花生、棉籽、葵花籽、米糠、油茶籽、橄榄、小麦胚芽、亚麻籽、红花籽、椰子等。其中用量最多的事大豆、菜籽、棕榈等。
May 10, 2013 7
May 10, 2013 8
傅立叶近红外可以在哪些检测环节使用?原料进厂
原料成分快速分析实
现按质论价收购
• 脂肪
• 蛋白
• 水分
• 淀粉
• 纤维
• 灰分原料进厂
9
傅立叶近红外可以在哪些检测环节使用?副产物生产过程分析
实现油脂提取过程中
副产物生产过程控制
油料皮壳、粉粕
• 蛋白
• 水分
• 纤维
• 油份
• 灰分
• 氨基酸
油料皮壳
May 10, 2013
油料粉粕
傅立叶近红外可以在哪些检测环节使用?食用油的快速检测
成品油可分析:
•
•
•
•
•
•
•
•
•
•
碘值
过氧化值
皂化值
色度
酸价
熔点
反式脂肪酸比
硬脂比
游离脂肪酸
脂肪酸构成(硬脂酸、油
酸、亚油酸、亚麻酸)
• 水分
May 10, 2013 10
May 10, 2013 13
精炼植物油氢化产品的近红外分析
其它最终产物可分析:
人造黄油、起酥油:
• 水分
• 盐分
• 反式比
蛋黄酱:
• 脂肪
• 固体物质
• 反式比
布鲁克傅立叶近红外的样品腔液态油检测
•仪器构成:
• - MPA-C: 样品腔单元
• - IN601/CU: 温控样品瓶支架
• - IN601C08: 样品瓶插槽
• - IN430: 一次性8mm样品瓶
• XPM-Name:
• 分辨率:8 cm-1
• 扫描次数:
• 前置放大增益:
Olis.xpm
32 or 64 Scans
Ref/A*
• 温度设定: 75 C
• *for older MPA’s “A” can be used; for MPA’s
built from 2007 use “Ref”. Please test
individually!
TANGO布鲁克推出的最新产品
• 酸价
• 碘价
• 过氧化值
• 游离脂肪酸
• 反式脂肪酸
• 色度
• 各种脂肪酸
• …
食用油分析的透反射配件
外部加热模块
透反射方式初始定标模型
Property Data Set Performance
Name
FFA
Iodine Value
Unit
%
IV
n
790
263
Min
0.1
0.3
Max
6.0
131
Rank
9
3
R2
99.8
99.9
SEP
0.09
0.50
Dropping PointoC 333 24 70 2 95.2 1.93
Gardner Color
SFC_20° C
SFC_30° C
SFC_40° C
-
%
%
%
516
410
339
210
0.1
5
0
0
5.5
90
64
33
12
9
11
5
93.8
99.5
99.3
98.7
0.36
1.57
1.45
1.32
C
Property Data Set Performance
Name
Trans Fatty Acids
TFA low range
Free Fatty Acids
Iodine Value
Dropping Point
Gardner Color
Lovibond LY
Lovibond LR
Unit
%
%
%
IV
O
-
-
-
n
659
265
790
612
333
516
235
236
Min
0.0
0.0
0.1
0.4
24
0.1
0.1
0.1
Max
60.4
2.9
6.0
133
70
5.5
36
2.4
Rank
14
18
9
11
2
12
15
15
R2
99.9
96.4
99.8
99.9
95.2
93.8
93.0
88.9
SEP
0.61
0.11
0.09
0.61
1.93
0.36
2.79
0.23
透射方式起始定标
Property Data Set Performance
Name
C18:0 all Oils
C18:0 Palm Oil
C18:0 Soya Oil
C18:0 Sunfl. Oil
C18:1 all Oils
C18:1 Sunfl. Oil
C18:2 all Oils
C18:3 all Oils
Unit
%
%
%
%
%
%
%
%
n
673
251
46
73
800
72
673
415
Min
1.7
3.7
3,7
2.5
0.0
0.5
0.0
0.0
Max
92.0
17.8
19.5
16.5
85.2
85.2
63.2
9.2
Rank
19
10
6
6
17
7
17
16
R2
99.3
99.3
99.5
99.6
99.9
99.9
99.9
99.5
SEP
0.98
0.36
0.36
0.26
0.65
0.58
0.39
0.14
透射方式起始定标
透射方式起始定标
Property Data Set Performance
Name
SFC_20° C
SFC_30° C
SFC_40° C
SFC_20° C Palm
SFC_30° C Palm
SFC_40° C Palm
SFC_20° C Soya
Unit
%
%
%
%
%
%
%
n
410
339
210
275
172
179
172
Min
5
0
0
22
8
2
38
Max
90
64
33
86
63
33
74
Rank
9
9
5
9
9
6
9
R2
99.5
99.5
98.7
99.9
99.9
99.9
99.2
SEP
1.57
1.28
1.32
0.58
0.59
0.56
0.71
August 14, 2013 74
FT-NIR技术在乳制品行业的应用
MPA多功能近红外分析仪:一台仪器完成后从原料乳到乳制品的全部离线检测
April 23, 2013 17
MATRIXTMSeries— MATRIX-F
MATRIXTM-F配备不同的光纤探头,满足各种产品的在线监测
乳制品生产的各种类型
• 原料乳
• 价格确认
• 瓶装奶
– 鲜奶
– 牛奶标准化
加工制品:
• 奶酪
• 酸奶油
• 冰淇淋
• 酸奶
• 奶粉
• 黄油
• 奶油
• 炼乳
加工副产品:
• 乳清
• 乳清奶油
• 乳清黄油
• 浓缩乳清蛋白
• 乳糖
检测指标/为什么要检测?
蛋白质 脂肪 水分 盐 乳糖 冰点 固形物 糖
标签规定 影响风
味和营
养价值
增加产率 黄油和
奶酪的
指标
液态奶
指标
液态奶指标
判断掺水的
多少
影响
产品
的质
地
标签规
定
August 14, 2013 79
MPA+LSM模块应用于乳品行业
液态奶离线解决方案
August 14, 2013 80
液态奶离线解决方案
Sample
Pump
Waste
35-40°C
40°C
~10 Sec
NIR 初始模型: 乳品
• 液态乳及乳制品的透射检测 (1mm流通池)
• 乳和乳清的验证结果统计
Whey No. Samples Range / % No. PCs R2 RMSECV /%
Fat 153 0.04 - 0.42 9 99.58 0.01
Protein 106 0.5 - 1.1 9 93.42 0.03
Dry Matter 146 3.6 - 6.9 10 99.77 0.03
Milk No. Samples Range / % No. PCs R2 RMSECV /%
Fat 277 0.4 - 7.9 9 99.90 0.04
Protein 232 2.6 - 3.8 9 95.63 0.03
Lactose 102 4.7 - 5.0 9 89.55 0.02
Dry Matter 226 10.4 - 17.3 7 99.72 0.06
液态奶透射(1mm流通池)
纯原料乳
液态奶样品均质前后的近红外分析图
均质乳
均质前后的原料乳中脂肪的近红外预测值
均质前后的区别
C
显微镜下均质前后的原料乳
August 14, 2013 86
液态奶在线解决方案
Transflection Probe IN271
• Tetra Pak(利乐)近红外分析单元
• Alfast 主机
• 带流量控制的旁通管
• 控制温度的热交换器
• MATRIX-F近红外光谱仪
• IN271光纤探头
• 通过Alfast软件控制(与OPUS软件动态链接)
D
液态奶在线解决方案
August 14, 2013 88
奶粉离线解决方案
积分球检测
•检验组分:
– 脂肪
– 蛋白质
– 水分
– 灰分
– 乳糖
– 维生素
•旋转样品杯积分球测试
奶粉初始模型:脂肪
NIR-Calibration Fat in Milk Powder
0
10
20
30
40
50
0 10 20 30 40 50
True Value / %
NIR
-Pre
dic
tio
n /
%
R²=99.97
RMSECV=0.312
德国奶粉
波兰奶粉
August 14, 2013 91
Spray tower
Fluid bed dryer Sifter
Feed liquid)
Reflection probeALBEDO
Transflection probe IN271
• 检测奶粉中脂肪、水分、蛋白质 • 采用MATRIX-F+漫反射在线探头
奶粉在线解决方案
August 14, 2013 92
奶粉在线解决方案
MATRIX-F
Spectrometer
April 23, 2013 32
实例:应用于液态奶在线分析
April 23, 2013 36
实例:应用于奶粉在线分析
漫反射探头安装于干燥后振动筛
April 23, 2013 38
实例:应用于奶粉在线分析
漫反射探头采样原理
August 14, 2013 96
奶粉在线解决方案
23.0
23.5
24.0
24.5
25.0
25.5
23.0 23.5 24.0 24.5 25.0 25.5
reference value / %
NIR
va
lue
/ %
奶粉中脂肪:
R2:98.50%
Range:26.0-30.3%
RMSEP:±0.14%
August 14, 2013 97
奶粉在线解决方案
23.0
23.5
24.0
24.5
25.0
25.5
23.0 23.5 24.0 24.5 25.0 25.5
reference value / %
NIR
va
lue
/ %
奶粉中蛋白质:
R2:92.46%
Range:23.0-25.8%
RMSEP:±0.17%
August 14, 2013 98
奶粉在线解决方案
奶粉中水分:
R2:93.03%
Range:1.8-3.5%
RMSEP:±0.08%
1.8
2.1
2.4
2.7
3.0
3.3
3.6
1.8 2.1 2.4 2.7 3.0 3.3 3.6
reference value / %
NIR
va
lue
/ %
August 14, 2013 99
酸奶离线解决方案
• 检测酸奶中脂肪、干物质
• 培养皿
• 旋转台
• 透射单元
• 硅检测器
奶酪离线解决方案
August 14, 2013 101
FT-NIR技术在肉制品行业的应用
August 14, 2013 102
肉类品离线解决方案
• 检测肉制品中脂肪、水分、蛋白质
• 检测肠类制品中脂肪、水分、盐分、
蛋白质、胶联蛋白
August 14, 2013 103
肉类品离线解决方案
肉制品:
R2 Range RMSECV
水分 99.58 19 - 76% ± 0.9%
脂肪 99.25 0 - 52% ± 1.1%
蛋白质 98.25 9 - 25% ± 0.6%
肠类制品:
R2 Range RMSECV
水分 99.82 20 - 80% ± 0.8%
脂肪 99.27 0 - 50% ± 1.3%
蛋白质 96.21 11 - 30% ± 0.8%
盐分 96.30 1.5 - 5.5% ± 0.3%
胶联蛋白 83.51 0.5 - 4.5% ± 0.3%
August 14, 2013 104
肉类品在线解决方案
August 14, 2013 105
FT-NIR技术在酿酒行业的应用
August 14, 2013 106
原 料 的 控 制
1、定量分析水分
2、支链淀粉、总淀粉的定量分析
3、含油量的定量分析
4、蛋白质的定量分析
5、灰分的定量分析
August 14, 2013 107
过程或配方控制
1、发酵入窖酒醅中的酸度、总淀粉含量、水分含量等
2、出窖酒醅中的酸度、总淀粉含量、水分含量和残糖等
3、发酵过程中的酒精、糊精、葡萄糖、麦芽糖、乳酸和
甘油等
利用近红外对进厂玉米原料的控制。如果进厂玉米的水分含量超过14.5%,将被拒绝接受或对价格进行调整。
国外某酒厂的应用实例
近红外对进厂玉米原料分析的结果
组分 期望值 (%) 预测误差
RMSEE
淀粉 60 - 62 1.0
含油量 2 - 3 0.3
蛋白质 7 - 8 0.3
水分 12 – 14.5 0.2
发酵进行12小时用近红外测定的结果
成分 期望值 (%v/v) 预测误差RMSEE
酒精 3.0 0.105
糊精 1.5 0.50
葡萄糖 4.8 0.459
麦芽糖 1.8 0.520
乳酸 0.6 0.114
甘油 0.3 0.069
技 术 对 策
• 如果测定值低于期望值,对工艺采取如下措施:
• 添加酵母
• 添加生物酶
• 改变温度
• 添加营养素
中国白酒工业中的应用实例
过程或配方控制:
1、发酵入窖酒醅中的酸度、总淀粉含量、水分含量等
2、出窖酒醅中的酸度、总淀粉含量、水分含量和残糖等
通过对酒醅的检测,快速调整工艺。
成品酒分析:
酒精度总酸含量总酯含量乙酸乙酯
August 14, 2013 113
FT-NIR技术在制药行业的应用
The biggest Companies worldwide
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
www.bruker.com
© Copyright Bruker Corporation. All rights reserved.
车载近红外仪器
通过光纤探头对药品进行光谱扫描
最大匹配值
定性测试应用于各种原料、辅料的鉴别
• 相似的光谱在空间分布的距离小于不同的光谱
May 9, 2013 7
1
3 2
Similar
Spectra
Similar
Spectra
SimilarSpectra
阈值 =
最大匹配值+0.25SD
• 对每一类光谱,根据与中心(平均)光谱距离和标准偏差设定其
阈值
4000500060007000800090001000011000
Wavenumber cm-1
0.2
0.4
0.6
0.8
1.0
1.2
Absorb
ance U
nits
Magnesium Stearate 硬脂酸镁Sorbitol 山梨醇Mannitol 甘露醇Talc 滑石粉Lactose 乳糖Starch 淀粉Maltodextrin 麦芽糊精Microcrystalline Cellulose 微晶纤维素
典型辅料的近红外光谱
7种药用淀粉的近红外光谱聚类图
同一样品
20种药用氨基酸的近红外聚类分析图
20种药用氨基酸模型的三维立体图
合格性测试应用于真假药的鉴别
• 同一类样品
• 设置阈值
May 9, 2013 10
C:\NIR\ys\dkn\001.1 pharmaceutical podwer C:\NIR\ys\dkn\001.2 pharmaceutical podwer C:\NIR\ys\dkn\001.3 pharmaceutical podwer C:\NIR\ys\dkn\001.4 pharmaceutical podwer C:\NIR\ys\dkn\001.5 pharmaceutical podwer C:\NIR\ys\dkn\001.6 pharmaceutical podwer C:\NIR\ys\dkn\001.7 pharmaceutical podwer
10/05/200110/05/200110/05/200110/05/200110/05/200110/05/200110/05/2001
4000500060007000800090001000011000
Wavenumber cm-1
0.5
1.0
1.5
2.0
2.5
3.0
Ab
sorb
an
ce U
nits
真假膏状药物的近红外光谱
兰色为真药,红色为假药
真假膏状药物的近红外光谱聚类图
真假药物的马氏距离为0.3
近红外方法用于测定片剂
漫反射模式 漫透射模式
C:\NIR\ys\MDL\001.1 pharmaceutical podwer C:\NIR\ys\MDL\001.2 pharmaceutical podwer C:\NIR\ys\MDL\001.3 pharmaceutical podwer C:\NIR\ys\MDL\001.4 pharmaceutical podwer C:\NIR\ys\MDL\001.5 pharmaceutical podwer C:\NIR\ys\MDL\001.6 pharmaceutical podwer C:\NIR\ys\MDL\001.7 pharmaceutical podwer
10/05/200110/05/200110/05/200110/05/200110/05/200110/05/200110/05/2001
4000500060007000800090001000011000
Wavenumber cm-1
0.2
0.4
0.6
0.8
1.0
1.2
1.4
1.6
Ab
sorb
an
ce U
nits
隔着泡眼测定真假片剂的近红外光谱图
兰色为假片剂,红色为真片剂
隔着泡眼测定真假片剂的近红外光谱聚类图
真假片剂的马氏距离为2.8
水分的测定
Metro Tech Corp
Karl Fisher Titration Loss on Drying
Moisture Balance
• 基于化学反应.
• 废时
• 总的含水量
• 相对较贵
• 通过加热的方式.
• 游离水
• 费时
• 比 K-F稍便宜
近红外测定水的含量:
水在 7100cm-1 和5100cm-1处有较强的吸收
NIR 还可以同时测定其它一些指标
含量均匀度
传统的方法,例如HPLC,并不是理想的方法:- 繁琐的样品预处理;分析速度慢;需要破坏样品并接触有毒试剂
能否有这样一种方法:
无需样品处理?快速、无损(绿色分析)?
不仅用于QC,甚至适合生产环境作为线边的一种分析
手段?
This method is NIR!
近红外液体光纤探头测定三七皂甙提取液样品
三七皂甙决定系数R2=99.43%
RMSECV=0.159
化学方法测定值
近红外交叉检验值
近红外液体光纤探头测定丹参酚酸提取液样品
丹参酚酸决定系数R2=99.09%
RMSECV=0.0813
近红外交叉检验值
化学方法测定值
近红外漫反射积分球测定罗红霉素制剂有效成分
决定系数R2=99.97
RMSECV=0.283
标准方法测定值
近红外交叉检验值
其他行业的应用
• 石油化工行业:分析样品:原油、汽油、柴油、机油等;分析指标:密度、粘度、色度、闪点(开口、闭口)、蒸汽压、辛烷值、十六烷值、芳烃、烯烃、苯含量、氧含量
• 精细化工行业:分析样品:聚氨酯、聚乙烯、聚丙烯、有机硅等;分析指标:羟值、酸价、残留单体、分子量、粘度、密度
• 烟草:分析样品:初烤烟、复烤烟、制丝等;分析指标:常规指标检测,包括总糖、还原糖、烟碱、总氮、总氯、总钾;烟叶产地溯源;烟叶等级分类等
www.bruker.com
© Copyright Bruker Corporation. All rights reserved.