近红外光谱分析技术在花生原产地溯源中的应用

采用近红外光谱结合化学计量学方法对不同省份来源的花生样品进行溯源研究。首先花生近红外光谱通过标准正态变换加去趋势化预处理降噪、主成分分析降维和小波转换降噪降维两种处理,然后结合线性判别分析、贝叶斯判别分析和k最近邻分析3种判别模型对不同省份来源地花生进行判别。通过分析最优判别组合结果表明,小波转换结合k最近邻分析对花生产地分类效果最好,原始正确分类率为100.0%;交叉验证正确分类率为55.9%。初步实现了花生产地判别,但模型的性能仍有待提高。     

近红外光谱技术对圆枣产地的判别分析

采用近红外高光谱成像系统对3类不同产地的圆枣进行判别分析,快速鉴别圆枣产地。应用近红外高光谱获取3类圆枣样本的光谱数据,对光谱采用标准正则变换(SNV)方法预处理,从原始光谱数据中提取特征波长,并建立全波段与特征波段下的线性判别模型来判别3类圆枣的产地。结果表明,近红外光谱结合线性判别法对圆枣产地鉴别的特征波段模型可有效替代全波段模型,模型准确率均大于99%,为实现农产品产地鉴别和自动分类提供理论依据。     

近红外光谱分析技术快速检测藕粉品质

目的 基于近红外光谱技术鉴别不同产地的藕粉样品与检测藕粉的掺假问题。方法 采集不同产地的藕粉样品的近红外光谱,在光谱预处理后采用相关系数法提取特征波长,以提取的特征波长变量构建偏最小二乘法-判别分析(partial least squares discriminant analysis,PLS-DA)、线性判别分析(linear discriminant analysis,LDA)以及支持向量机(support vector machine,SVM)模型,实现对不同产地藕粉的鉴别分析。同时,采集掺假地瓜粉、玉米粉、木薯粉的藕粉样品的近红外光谱,在样品类别已知情况下,运用K-Means聚类分析鉴别3种掺假类型的藕粉样品,在掺假类别未知下,运用基于局部密度判别的聚类算法进行判别。结果 以相关系数法提取的特征波长变量构建的PLS-DA、LDA和SVM三种模型对于不同产地藕粉样品的判别准确率均为100%。对于不同掺假类型的藕粉检测,在样品类别已知情况下,K-Means聚类分析能有效识别出掺假藕粉,识别精度为98.33%。在样品类别未知的情况下,基于局部密度判别的聚类算法可以有效识别出2%掺假率的藕粉样品。结论 近红外光谱技术能实现不同产地莲藕粉的快速鉴别,同时为隐蔽的藕粉掺假鉴别提供一种快速、高效、无损检测的分析方法,为藕粉的质量控制提供一定的理论基础。     

基于近红外光谱的胡椒产地鉴别方法研究

该研究旨在探索一种基于近红外光谱技术对胡椒产地进行分类的方法。收集海南、云南、广西、越南、马来西亚5个产地的胡椒共计300份样品,采集近红外光谱。采用小波去噪等方法对光谱进行预处理,通过支持向量机(support vector machine,SVM)、径向基神经网络(radical basic function,RBF)和线性判别分析(linear discriminant analysis,LDA)建立产地定性鉴别模型。研究表明,SVM和RBF神经网络模型鉴别准确率较好。db5小波预处理后仅选择7个主成分正确率达到100%的数据。结果表明基于近红外光谱的胡椒产地鉴别方法是可行的,预处理可以有效地提高近红外光谱胡椒产地鉴别模型的准确率。     

利用可见/近红外光谱技术对小米产地进行溯源研究

目的利用可见/近红外光谱技术对产自不同地区的晋谷21号小米进行溯源研究。方法使用近红外光谱仪获取产自洪洞、浮山、沁县3个不同地区的晋谷21号小米400~1004nm波段范围内的漫反射光谱;对光谱分别进行多元散射校正法(multiple scattering correction,MSC)、一阶导数法(first derivative,1St-D)预处理;对预处理光谱进行主成分分析,全交叉验证确定最佳主成分数量,获取主成分;同时选择预处理光谱特征波长。使用马氏距离法、线性判别法建立判别模型,最后用未知样品的验证准确率来表示模型的判别效果。结果原始光谱和MSC处理光谱提取特征波长分别建立的产地判别模型对3个不同产地的小米判别完全准确;1St-D处理光谱基于7个主成分结合马氏距离法和基于9个主成分结合线性判别法建立的2种判别模型对3个不同产地的小米亦实现完全准确判别。结论可见/近红外反射光谱技术用于小米产地的判别具有可行性,本研究可为小米产地的快速判别应用中提供技术基础。     

原料肉中掺大豆蛋白的近红外检测技术的研究

探讨了利用近红外光谱技术快速、准确地进行原料肉中是否掺大豆蛋白鉴别的可行性。首先以原料肉和掺假肉为原料,利用近红外光谱仪测定样品的漫反射光谱曲线,再应用Fisher线性判别分析和偏最小二乘法对试验数据进行了多元统计分析。分析结果表明,利用Fisher判别分析建立的判别模型的正确判别率达到100%,对未知样进行检验,正确判别率达到86.1%;最后利用偏最小二乘法(PLS)建立大豆蛋白掺入量的定量检测模型,校正模型决定系数(R2)为93.4%,内部交叉验证均方根差(RMSECV)为2.45%,对此模型进行验证,预测集相关系数(R2)为84.1%,预测标准偏差(RMSEP)为3.59%。说明应用近红外光谱技术对原料肉中掺大豆蛋白进行快速、准确的的鉴别是可行的。     

不同产地稻米的二维相关近红外光谱鉴别

为了实现针对不同产地稻米样品的无损判别，提出一种基于同步二维相关近红外光谱的欧氏距离判别方法。在分别得到5种稻米样品的标准二维相关谱后，通过计算测试集样品与各个标准相关谱的欧氏距离，根据最小距离原则进行归类判别，经实际测试正确率达到95%。通过定义区分度系数还可以更精确判断对各类别样品的区分效果。为了比较二维相关方法与常用建模方法的实际效果，在同样的数据基础上进行偏最小二乘判别分析和支持向量机分类的尝试，其最高正确率分别为75%和70%，验证了二维相关方法的有效性。本研究为无损鉴别稻米样品提供了一种新的可能方法，并可为在线检测提供参考。     

基于可见/近红外透射光谱的山西老陈醋产地的判别分析

针对山西醋业市场存在的问题,采用可见-近红外光谱技术,结合化学计量学方法,开展山西老陈醋产地的判别分类工作.对3个不同产地的240个山西老陈醋样品采集光谱数据,分析不同预处理方法(未处理、平滑、微分)对陈醋产地判别结果的影响;结合判别分析法建立陈醋产地定性判别模型.试验结果表明,可见-近红外原始光谱结合判别分析法的结果最优,校正集正确分类的比例达98.46%,预测集达93.33%;微分光谱分析结果最差.     

基于近红外光谱与矿物元素指纹信息融合对绿豆产地判别模型比较分析

为提高模型对绿豆产地的鉴别率,通过近红外光谱指纹信息和矿物元素指纹信息融合技术分析来自黑龙江省杜尔伯特蒙古自治县、吉林省白城市、黑龙江省泰来县、山东省泗水县绿豆样品中近红外光谱吸收强度和矿物元素含量,结合偏最小二乘判别分析(PLS-DA)法建立融合这两种指纹信息的鉴别方法。结果表明,信息融合模型的绿豆产地鉴别准确率为100%,与单一光谱指纹信息模型(90.0%)和矿物元素指纹信息模型(96.7%)相比,分别提高了10.0%和3.3%。因此,采用PLS-DA法信息融合模型对绿豆产地进行鉴别是可行的,近红外光谱指纹信息和矿物元素指纹信息融合技术可以提高绿豆产地的鉴别效果。     

新陈玉米的拉曼光谱快速判别研究

本文采用拉曼光谱结合判别分析方法对新陈玉米进行了判别研究。在河南省内收集郑单958新陈玉米样品共75份,粉碎过筛后置于样品袋中,使用光纤直接采集他们的拉曼光谱。对原始光谱进行多项式平滑滤波、基线校正及一介导数处理后,首先运用主成分马氏距离判别分析方法建立了判别模型,主成分数为9,光谱建模范围为914~1369 cm-1时模型结果最优,此时建模集总正确判别率为92.7%,验证集总正确判别率为90%。然后运用偏最小二乘判别分析方法建立了相应的识别模型,当建模因子数为7,采用全谱建模时结果最优,此时建模集样品正确判别率为100%,验证集样品正确判别率为95%。偏最小二乘判别分析方法正确识别率较高,结果表明拉曼光谱可以应用于玉米新陈度的快速识别,在粮食储藏品质评价中具有极大的应用潜力。     

Authentication of Zhongning wolfberry with geographical indication by mineral profile

Zhongning wolfberry is a famous geographical indication (GI) in China. The concentrations of twenty elements (K, Mg, Fe, Ca, Zn, Cu, Mn, Al, Sr, Rb, Mo, Tb, Cd, Co, V, As, Cs, Pr, Dy and Gd) in samples were determined using inductively coupled plasma mass spectrometry. The data were subjected to analysis of variance, principal component analysis and linear discriminant analysis. The results indicated that nineteen minerals (except K) represented significant differences among regions. The correct classification rates of original group and cross‐validation of Zhongning wolfberry were 95.7% and 85.7%, for these nineteen variables. Furthermore, there was no significant difference for all variables in samples from three picking periods. It was feasible to distinguish Zhongning wolfberry based on mineral profiles with chemometric approaches, and the study could serve as a reference for the authentication of wolfberries and the prevention of deceptive labelling of other GI products.     

近红外光谱技术对猪肉注水、注胶的快速检测

采用近红外光谱（near infrared spectroscopy,NIR）结合主成分分析（principal component analysis,PCA） 和判别分析法建立了注水肉、注胶肉和正常肉的定性判别模型。注水肉中注水量的多少对判别准确率产生影响, 当注水量为1.25%～20%时,3 种肉的总体判别准确率为94.23%;当注水量为3.75%～20%时,判别准确率提高至 96.96%。模型对所有预测集样品的总体判别准确率为94.92%。表明NIR结合PCA法、判别分析法判别注水肉、注胶 肉和正常肉具有可行性。采用偏最小二乘法（partial least squares,PLS）结合PCA分别建立了注水量和注胶量的定 量分析模型,经验证,两种模型对预测集样品的预测均方差分别为4.01%和3.87%,预测值与实测值间的相关系数 （r）分别为0.904 2和0.912 8。表明两种模型的预测性能良好。     

MWPLS法在羊肉中TVB-N近红外定量分析中的应用

将移动窗口偏最小二乘（moving window partial least squares,MWPLS）法应用于羊肉中挥发性盐基氮（total volatile basic nitrogen,TVB-N）含量的近红外定量分析模型的构建中,通过改变MWPLS的窗口宽度,优选与羊肉中TVB-N含量高度相关的光谱区域。模型评价及验证结果显示,移动窗口宽度为160 个波长点时优选得到的光谱区域（1 325～1 484 nm）所构建的定量分析模型最佳,其预测相关系数、预测标准偏差、主因子数和预测偏差比率分别为0.856 84、0.564 29 mg/100 g、5和2.9,这说明MWPLS可以有效地筛选羊肉中TVB-N的近红外光谱信息区间,提高定量分析模型的预测能力,并降低数据的处理量（数据点由800 个减少为160 个）。     

基于近红外光谱技术的枸杞产地溯源研究

采用近红外光谱技术对宁夏、甘肃、青海、内蒙、河北的8个不同产地40种枸杞样品进行扫描,在主成分分析基础上利用简易分类法(simple modeling of class analogy,SIMCA)模式识别原理分别建立模型。结果表明：在950～1650nm全光谱波长范围内,光谱经一阶导数(5点平滑)和矢量归一化(standard normal variate,SNV)预处理后,8个产地模型的主成分数均为3时,采用 SIMCA模式识别法可以建立较为稳健的枸杞产地溯源模型;在α＝5%的显著水平条件下检验模型的可靠性,8个产地校正集模型的识别率除青海为80%外,其他产地均为100%,拒绝率分别为100%、100%、97%、100%、91%、94%、97%、100%,其验证集模型的识别率均为100%,拒绝率分别为100%、100%、100%、100%、75%、88%、100%、100%。表明该方法在枸杞产地识别中具有可行性。     

葡萄酒中元素分布与其原产地关系的分类模型

为了解决进口葡萄酒来源复杂,原产地难鉴别的问题,使用电感耦合等离子体质谱检测葡萄酒中的元素含 量,采用偏最小二乘法建立聚类分类模型用于原产地鉴别。电感耦合等离子体质谱检测了澳大利亚、智利、法国、 意大利和西班牙5 个国家的100 份葡萄酒中的41 种元素,通过变量两两相乘进行扩维,偏最小二乘法变量筛选方法 对扩维后的大量变量进行处理,删除冗余变量和影响不显著的变量,建立了聚类分析模型,模型可以很好地将各国 葡萄酒样品区分,分辨准确率在96%以上。将来自5 个国家的99 份和南非的11 份葡萄酒样品检测数据代入模型,判别结果令人满意。     

基于多源感知信息融合的牛肉新鲜度分级检测

利用机器视觉和近红外光谱的多源感知信息融合技术评判牛肉新鲜度,并开发了相关的识别系统。以牛后腿肉为研究对象,对获取的图像特征信息和光谱特征信息,采用BP神经网络建立牛肉新鲜度分级模型。其中,通过主成分分析提取相应的主成分因子作为建模输入,根据挥发性盐基氮含量划分新鲜度等级作为模型输出。结果发现,在图像特征信息因子数为6、光谱信息主成分因子数为6时,建立的模型预测识别率可达98.31%。结果表明,基于机器视觉和近红外光谱技术的多源感知信息融合技术评判牛肉新鲜度的方法可行。     

蛤蜊中金属营养元素的影响因素及来源

探讨产地、季节、品种对蛤蜊中金属营养元素含量的影响,解析蛤蜊中金属营养元素含量与养殖地淤泥和海水中相关元素含量间的关系。于2014年5月和9月在青岛市、南通市和大连市海岸采集花蛤、文蛤及养殖地淤泥和海水样品,测定样品中金属营养元素含量,分别进行方差分析和Pearson相关分析。结果显示,蛤蜊中Mg、K、Ca、Mn、Fe、Cu、Zn含量受产地的影响,Ca、Cu、Zn含量受季节的影响,Mg、Ca、Mn、Fe、Cu、Zn含量与品种有关;Na、Mg、Ca、Co、Cu含量与淤泥中相关元素的含量密切相关,而10 种金属营养元素含量与海水中相关元素含量相关性均不显著。本研究表明,蛤蜊中金属营养元素含量受产地、季节、品种的影响,其来源除淤泥、海水外,还有其他途径。     

应用红外光谱结合化学计量学方法检测阿拉伯胶产地和蛋白质含量

研究利用傅里叶红外光谱结合化学计量学方法来实现对苏丹阿拉伯胶的产地和蛋白质含量的快速无损检测的可行性。采集自6?个不同的产地,每个产地12?个,总计72?个阿拉伯胶样本,作为研究对象,运用线性判别分析（linear discriminant analysis,LDA）和反向区间偏最小二乘（backward interval partial least squares,Bi-PLS）法分别实现对苏丹阿拉伯胶的产地区分和蛋白质含量检测。结果表明,当主成分数为6时,LDA对样本的训练集（48?个样本）和预测集（24?个样本）的识别率都为100%。Bi-PLS法回归联合20?个光谱子区间中的4?个子区间得到最佳的蛋白质预测模型,其预测集相关系数为0.937?3,均方根误差为0.173%。因此,利用傅里叶红外光谱结合化学计量学方法可实现对苏丹阿拉伯胶的产地以及蛋白质的含量的快速无损检测。     

紫外光谱结合欧氏距离和主成分分析法快速鉴别牛肝菌

采用紫外光谱技术建立快速鉴别不同产地、种类食用牛肝菌的方法。通过确定最佳提取试剂（0.5 mol/LNaOH溶液）,最适称样量（0.100 0 g）和最佳提取时间（40 min）,制备牛肝菌样品测试液;采用夹角余弦、欧氏距离和主成分分析法对牛肝菌样品的指纹图谱进行相似度比较。结果表明,牛肝菌样品NaOH提取液在10 h内稳定性相对标准偏差（relative standard deviation,RSD）在0.06%～2.33%之间,重复性RSD在0.09%～1.81%之间,精密度RSD在0.11%～1.92%之间。样品间的夹角余弦值最大为0.999、最小为0.823,夹角余弦值相差较小,不适于鉴别牛肝菌。欧氏距离最大值为873.17,最小值为31.36,样品间距离差异明显;主成分分析的前3 个主成分累积贡献率达到93.626%,能够反映样品的主要信息,说明欧氏距离和主成分分析法可用于不同产地、种类牛肝菌的快速鉴别和质量控制。     

基于近红外光谱的煎炸油极性组分定量分析模型构建

为了建立煎炸油中极性组分的快速检测方法,通过热处理和模拟煎炸方式,采集氧化程度不同的油样并用 国标法分析样品极性组分,采集样品近红外透射光谱,经光谱预处理,利用偏最小二乘法建立煎炸油极性组分定量 分析模型并对模型进行验证。结果表明：在波长范围为4 963～4 616、5 2 22～5 037 cm－1和5 688～5 499 cm－1,采 用一阶求导和Savitzky-Golay（7,5）平滑光谱处理,校正集相关系数为0.996 5,校正均方根差为1.84%,验证集R为 0.993 6,验证均方根差为1.92%,模型预测效果良好,利用近红外透射光谱测定煎炸油极性组分可行。