2024-10-24發布 1 2 2 2 3 3 4 6 6 7 71本標準按照GB/T1.1-2020《標準化工作導則第1部分：標準化文件的結構和起草規則》本標準主要起草人：嚴歡、阿依古麗·塔什波拉提、馬玉花、孫蕾、陳敏、何軍、楊璐、李慕春、胡小明、劉軍、王苗苗、艾合買提江·艾海提、田合、沈珂、盧彬、賈淑華、李玉路、2GB/T5009.3-2016食品安全國家標準NY/T2009-2011水果硬度的測定NY/T2637-2014水果和蔬菜可溶性固形物含量的測定折射儀法3.1定標模型calibra3.4驗證樣品集validat3.6定標模型驗證calibrationmodel33.9定標模型驗證calibrationmodel3.10定標標準偏差standarderrorofcalibration（SEC）3.11預測標準偏差standarderrorofprediction（SEP）近紅外光譜法測定值與標準理化分析方法測定值之間相關系數的平方，定標集以R2表示；驗證集用r2表示。3.13馬氏距離mahalanob3.14馬氏距離閾值mahalanobisdistancelimitation3.15異常樣品abnormalsamp出現離群值的樣品，即：試樣的馬氏距離（H）大于馬氏距離閾值（HL已超出了該定3.16重復性repeata對同一被測樣品，連續多次測定獲得結果的一致性，以標準差計算，用sr表示。近紅外光譜分析儀：掃描范圍1000nm～2500nm，儀4現性優于0.02nm；近紅外光譜儀附帶軟件具有近紅外數據的采集、處理功能，能夠建立可靠參與定標的香梨樣品應具有代表性，樣品應包含不同成熟度，不同大小，即水分、硬度、100個以上蘋果果實，通常以100個~150個果實為宜。定果實中水分的含量，按NY/T2009采用建模軟件，優化參數，進行光譜預處理，同時，使用改進的偏最小二SEC=................................................................................yi——樣品i的標準理化分析方法測定值；yi——樣品i的近紅外光譜法測定值；SEP=...........................................................................5yi——樣品i的近紅外光譜法測定值；yi——樣品i的標準理化分析方法測定值；Bias——系統偏差，即偏差之和除以樣品數，Bias==1di。式中di為驗證樣品i組分的近紅外測定值與標準值的差，即di=yi-yi。yi——樣品i的標準理化分析方法測定值；yi——樣品i的近紅外光譜法測定值；n——樣品數目，定標樣品集為nc，驗證樣品集為np。樣品數量的1/5~1/4（20~30個果實應用建立的模型進行檢測，然后采用6.2.3方法分析其化學值，比較定標標準偏差（SEC）和預測標準偏差（SEP）等參數，水分含量的SEP≤1.0，選用該定標模型；如果試樣的H大于HL，則不能選用該定標模型。具體計算公式見（4）、T定標集nc個樣品光譜的平均得分矩陣，M——定標集樣品的馬氏矩陣HL=H+3×SDMD(5)6行檢測前，如果試樣的H大于HL，需要升級定標模近掃描2次，取2次分析結果的平均值，根據試樣的NIR光譜，將其在各波長點處的吸光度值代入相應的定標模型，即可得到相應組分的檢測結果，如果試樣的H小于或等于則儀器將直接給出試樣相應組分的測定結果，計算平均值，作為果實的測定結果，單位為質量百分數7.1為了得到有效的結果，測試結果應在近紅外光譜儀使用的定標模型所覆蓋的成分含量范7.2兩次測定結果的絕對差應符合9.2的要求，取兩次數據的平均值為測定結果，其中水分、獨立測試結果。若4個獨立測試結果的極差（xmax-x個獨立測試結果的平均值作為最終測試結果；如果4個獨立測試結果的極差（xmax-xmin）大7.4對于儀器報警的異常測定結果，所得數據不應作為有效數據。異常樣品的確認和處理按異常樣品的水分含量應按GB/T5009.3規定的方法進行測定；異常樣品的硬度應按NY/T7如果異常樣品加入定標模型后，SEC不會顯著增加（變化范圍小于5%將其加入到定預測樣品集水分含量扣除系統偏差后的近紅外測定值與其按GB/T5009.3規定的方法進預測樣品集硬度扣除系統偏差后的近紅外測定值與其按NY/T2009-2011規定的方法進行預測樣品集可溶性固形物含量扣除系統偏差后的近紅外測定值與其按GB/T5009.88規定預測樣品集總酸含量扣除系統偏差后的近紅外測定值與其按GB/T12456-2008規定的）：