基于近红外光谱结合化学计量学的转基因大豆产地判别

为探求无损、快速和准确判别转基因大豆产地的方法,该研究选取阿根廷转基因大豆、巴西转基因大豆、美国转基因大豆和加拿大转基因大豆样品共260份,将近红外光谱结合化学计量学对4种转基因大豆进行判别分析。利用近红外光谱仪采集260份样品的原始光谱,采用平滑+标准正态变量变换(standard normal variate transformation, SNV)方法对近红外光谱预处理。选取阿根廷转基因大豆、巴西转基因大豆、美国转基因大豆和加拿大转基因大豆样品共240份参与建模,Kennard-Stone(KS)算法划分训练集和预测集,主成分分析法(principal component analysis, PCA)、偏最小二乘判别分析(partial least squares-discriminate analysis, PLS-DA)和误差反向传播人工神经网络(back-propagation artificial neural network, BP-ANN)对预处理后的光谱数据进行分析。试验结果表明平滑+SNV的预处理方法能有效减少近红外光谱的噪音;PCA方法能判别出4种转基因大豆中的...     

近红外光谱-人工神经网络的模型优化用于银耳产地识别研究

研究通过近红外光谱技术(NIRS)结合人工神经网络技术(ANN)识别银耳的不同产地。实验以四川省与福建省两个产地共120组银耳样品为研究对象,对其进行近红外光谱测定,计算光谱吸收值的平均偏差与一阶导数进而选取有效数据,结合主成分分析方法将原始数据降维并采用反向人工神经网络技术构建近红外分析模型。结果显示,通过对有效数据主成分分析,前3个主成分的累计方差贡献率达到100%,判断准确率为88.3%;进一步采用人工神经网络优化模型,在输出层为2隐藏层为11时,判断准确率达100%;此时校正集与预测集的均方根误差分别为3.05×10~(-2)与2.90×10~(-2),模型具有良好的泛化能力。因此,结合人工神经网络的近红外光谱检测技术,优化检测模型,能够准确、快速地识别银耳产地,为食品原材料的质量控制及地理标志的建立提供科学依据。     

近红外光谱技术结合宽度学习系统识别国外奶粉产地

目的 利用近红外光谱技术对国外奶粉进行产地识别。方法 采集荷兰、新西兰、澳大利亚、德国、法国、英国和爱尔兰7个国家55个奶粉样品的近红外光谱,经过数据预处理、主成分分析降低数据维度和特征筛选,构建基于宽度学习系统（Broad Learning System,BLS）的奶粉产地快速识别模型。结果 采用多元散射校正加Savitzky-Golay滤波的预处理效果最好,与未做预处理相比,准确率提高14.55 %,主成分特征数大于38,识别效果最稳定,实验中还研究BLS主要参数对识别准确率的影响,可以指导参数选择。对荷兰、新西兰、澳大利亚和欧洲其它产地4类产地识别,测试准确率达到100.0 %,对样本做7类产地识别,准确率达到81.18 %。相同条件下,与支持向量机方法对比,4类产地识别,BLS方法准确率比支持向量机方法高9.10 %,7类产地识别,两者准确率相同。结论 本文提出的基于BLS的方法可以较好实现国外奶粉产地识别,为奶粉产地快速识别提供了新思路。     

基于电子舌和近红外光谱技术的进口牛肉产地溯源

为评估电子舌和近红外光谱技术对进口牛肉产地溯源的可行性,以澳大利亚、新西兰和加拿大进口安格斯牛肉为研究对象,分别测定其电子舌滋味特征图谱和近红外光谱数据,利用主成分分析和判别分析法,建立进口牛肉产地溯源的定性判别模型。研究结果显示,3个产地进口牛肉样本的电子舌滋味特征信号在SRS（酸味）、STS（咸味）、SWS（甜味）和GPS（复合味2） 4根传感器上响应值差异显著。在全光谱范围（4 000～12 000 cm-1）,经SNV（标准正态变量变换）+FD（一阶导数）+SG（Savitzky-Golay平滑）预处理后,3个产地进口牛肉样本的近红外平均光谱有显著差异。基于电子舌滋味特征图谱和预处理后近红外光谱数据的主成分分析和典则判别分析均能有效区分不同产地进口牛肉样本,判别正确率均为100%。说明电子舌和近红外光谱技术结合多元统计分析法可作为澳大利亚、新西兰和加拿大进口安格斯牛肉产地判别的有效手段。本研究结果为我国进口牛肉质量安全检测、监测提供了技术参考和数据支撑。     

高光谱成像的非烟物质分类识别研究

  目的  利用高光谱成像技术和机器学习方法对烟叶中的非烟物质进行分类识别。  方法  使用可见—近红外高光谱成像技术,采用归一化（Normalization）、标准正态变化（SNV）、多元散射校正（MSC）、一阶导数（FD）、卷积平滑（SG）对光谱数据进行预处理,通过连续投影变换（SPA）和主成分载荷（PCA loadings）进行特征波长选择,并应用随机森林（RF）、Softmax和支持向量机（SVM）建立分类模型。  结果  SNV为最佳光谱预处理方法,SPA选择特征波长建立的SVM模型为最优模型,训练集和测试集正确率分别为99.82%和99.47%。  结论  高光谱成像技术结合SPA-SVM模型可以有效分类识别烟叶中的非烟物质。      

基于近红外光谱的鸡蛋产地溯源

为了快速、准确、无损地追溯鸡蛋的不同产地,借助于近红外光谱技术,采用主成分析结合PLS-DA判别模型和簇类独立软模式法(SIMCA)建立了鸡蛋的溯源模型。利用标准正态变量(standard normal variate,SNV)、Savitzky-Golay平滑滤波(SG)和多元散射校正(multiplicative scatter correction,MSC)等方法对原始光谱数据进行了预处理,结果表明SG(3点)平滑处理结果最好;利用主成分分析方法对不同地区的鸡蛋进行聚类分析,发现当主成分数为3时,建立的SIMCA溯源效果最好。结果表明,在显著水平0.05时,4个地区(朔州、吕梁、太谷、运城)验证集的识别率均为100%,其中吕梁和运城地区的拒绝率为100%,朔州和太谷地区的拒绝率为98.6%。说明SIMCA模式建立的模型基本能够判别鸡蛋产地。     

基于红外光谱技术的银耳产地识别研究

采用傅里叶红外光谱数据分析技术结合多元统计分析对银耳产地进行识别研究。采集福建古田、四川通江和河南的41个银耳样品的红外光谱信息,分析银耳的红外光谱特征;运用基线校正、多元散射校正(Multiplicative signal correction,MSC)、一阶导数(First derivative,FD)、二阶导数(Second derivative,SD)、Norris平滑(ND)、Savitzky-Golay平滑(SG)等方法对其进行预处理,选择最佳组合方法预处理后的光谱数据,建立最小偏二乘判别(PLS-DA)模型,并进行验证。结果表明,MSC+SD+SG(13,3)组合方法的预处理光谱效果最佳,与原始光谱相比,样品正确识别率提高了17.41%,达到100%。训练集和预测集的相关系数分别为0.9766、0.9559,校正标准差和预测标准差分别为0.1182、0.1740,模型对训练集和预测集样品的识别率均为100%。因此,红外光谱通过PLS-DA分析可以对不同产地的银耳进行快速、有效、准确的识别。     

化学计量学结合中红外光谱的浓香型白酒分类研究

为探究无损、快速和准确判别不同类型浓香型白酒的方法，该研究选取不同酒度和不同品牌浓香型白酒作为研究对象。利用傅里叶变换中红外光谱仪采集120份酒样的原始光谱，结合平滑滤波与标准正态变换分别对原始光谱进行预处理，采用主成分分析比较光谱预处理效果。光谱数据按Kennard-Stone方法以7∶3的比例划分为训练集和测试集，经数据归一化后使用蚱蜢算法优化支持向量机和误差反向传播人工神经网络进行建模分析。试验结果表明，光谱预处理结合主成分分析不能区分不同酒度和品牌的浓香型白酒，但平滑滤波处理后不同酒度酒样的聚类区分较好，标准正态变换处理后不同品牌酒样的聚类区分更好，二者都能有效减少中红外光谱的噪音，提高识别的精度。基于蚱蜢算法优化支持向量机和误差反向传播人工神经网络模型进行判别时，训练集和测试集的酒样分类准确率均为100%。综上所述，利用中红外光谱结合化学计量学可快速准确地判别不同酒度以及不同品牌浓香型白酒，可为白酒的香型区分、产地溯源、市场监管和售后管理等提供数字化方案。     

基于红外光谱快速鉴别压榨油茶籽油与浸出油茶籽油的研究

为规范油茶籽油市场、维护消费者权益,建立了快速、准确鉴别压榨油茶籽油和浸出油茶籽油的方法。通过傅里叶变换红外光谱仪对大量压榨油茶籽油和浸出油茶籽油样品进行扫描,提取特征波段数据,运用Savitzky-Golay平滑(SG)、多元散射校正(MSC)、标准正态变量变换(SNV)、一阶导数(FD)和二阶导数(SD)方法进行预处理,然后结合偏最小二乘法(PLS)、支持向量机(SVM)和BP人工神经网络(BPANN)建立鉴别模型。结果表明,偏最小二乘法和BP人工神经网络建模时,SG平滑预处理方法最好,得到的SG-PLS和SG-BPANN两模型的验证集相关系数、验证集均方根误差、鉴别准确率分别为0. 767 9和0. 921 2、0. 322 6和0. 205 9、88. 46%和100%;支持向量机建模宜采用SNV预处理,建立的SNV-SVM模型验证集相关系数、验证集均方根误差和鉴别准确率分别为0. 761 4、0. 882 1、88. 46%。因此,红外光谱技术用于鉴别压榨油茶籽油和浸出油茶籽油是可行的。     

基于近红外光谱技术的茶叶新旧鉴别及产地溯源研究

摘 要：目的 建立基于近红外光谱的定性分析模型,实现对茶叶的新旧分类和产地溯源。方法 首先采用傅里叶近红外光谱仪采集茶叶样品的漫反射光谱数据,然后使用SG平滑算法（savitzky-golay smoothing, SG）和数据标准化（normalization）对光谱数据进行预处理,最后基于遗传优化算法（genetic algorithem, GA）和粒子群优化算法（particle swarm optimization, PSO）分别建立了优化向量机模型（support vector machine, SVM）,从而实现新旧茶叶的分类以及产地溯源。结果 与GA-SVM模型相比,PSO-SVM模型的建模效果较好,且分类时间更短,在新旧鉴别和产地溯源实验中都达到了100%的预测精度。结论 基于近红外光谱建立的PSO-SVM模型可以实现茶叶新旧的判别以及产地溯源,为鉴别茶叶年份和追踪茶叶产地提供了理论支撑和技术指导。     

气相色谱-串联质谱法测定不同原产国抗草甘膦 转基因大豆中草甘膦及其代谢物的残留量

目的利用气相色谱-串联质谱(gas chromatography-tandemmass spectrometry,GC-MS/MS)法对防城港口岸进境的不同原产国抗草甘膦转基因大豆中的草甘膦及其代谢物-氨甲基膦酸的残留量进行检测,对比分析其差异。方法采集原产自美国、巴西、阿根廷和乌拉圭的抗草甘膦转基因大豆各3批,样品磨碎后过筛,用水提取,再用盐酸沉淀蛋白,用二氯甲烷萃取脂肪,上层清液经阳离子交换柱(CAX柱)净化后,再与七氟丁醇和三氟乙酸酐进行衍生化反应,用柠檬醛-乙酸乙酯溶液定容,GC-MS/MS分析。结果草甘膦和氨甲基膦酸在2.5~100 ng/mL浓度范围内的质量浓度与峰面积间的线性相关性较好(r0.999),检出限均为0.05 mg/kg。样品的加标浓度为0.05、0.5和2.0 mg/kg时的平均回收率为77.1%~96.5%,相对标准偏差小于8.8%(n=6)。结论本方法的准确度高、精密度良好,能满足检测工作的实际需求。     

基于脂肪酸组成的进口大豆鉴别技术研究

目的建立进口大豆及进口大豆掺假鉴别方法。方法采用气相色谱-质谱法测定进口大豆、国产大豆和掺假大豆的脂肪酸组成,利用主成分分析、系统聚类分析对进口大豆和国产大豆样品进行了聚类分析,随机森林方法建立了进口大豆与国产大豆、掺伪大豆与国产大豆间的判别模型。结果进口大豆与国产大豆油酸、亚麻酸、棕榈酸、棕榈油酸等脂肪酸相对含量存在极显著差异(P0.01);主成分分析和系统聚类分析结果显示利用脂肪酸组成可实现进口和国产大豆正确聚类;随机森林交互检验预测正确率均为100%,模型可有效区分进口大豆与国产大豆、掺假大豆与国产大豆间。结论大豆脂肪酸组成结合主成分分析、随机森林等化学计量学方法,建立的判别模型可有效鉴别进口大豆及其掺假,为保护我国大豆产业和保障消费者合法权益提供了重要的技术支撑。     

基于电感耦合等离子体质谱仪分析矿物元素含量的大豆产地溯源

为表征相似地域特性的溯源指标,提高矿物元素对大豆产地溯源的准确性及稳定性。采用电感耦合等离子体质谱仪分析黑龙江省北安市9个农场及黑河市嫩江县6个农场共42个大豆样品中矿物元素含量,对所得的矿物元素含量数据进行方差分析、主成分分析和判别分析。结果显示:北安市和黑河市嫩江县矿物元素溯源指标,第1主成分主要由V、Fe、La、Ce、Pr、Nd、Dy、Er、Yb 9种元素构成,贡献率最大,为28.390%;第2主成分主要由As、Se、Lu、Ir、Au 5种元素构成,贡献率为14.435%;第3主成分主要由Ca、Ni、Cd、Ba 4种元素构成,贡献率为10.881%。利用大豆中矿物元素含量的分析,实现了省内大豆主产区产地溯源,并获得了黑龙江省两个大豆主产区溯源指标,分别为Na、K、Mn、Rb、Ba和Au 6种元素。综合2个主产区42个大豆样品矿物元素分析结果,实现了对黑龙江省两大主产区大豆产地溯源的准确判别,正确判别率为100%。     

亚太地区大豆质量标准对比分析

大豆是世界各国主要种植的粮食作物之一,因富含脂肪和蛋白质使其成为重要的粮食贸易品种。2018年全球大豆产量已达到3.66亿t,其中美国、巴西、阿根廷3个经济体的大豆产量共占全球总产量80%左右。为推动亚太地区各经济体粮食标准互联互通,促进亚太地区粮食贸易便利化和一体化,对包括中国、美国、澳大利亚、加拿大、日本、韩国、墨西哥、菲律宾、泰国、中国台北等10个亚太经合组织经济体及巴西、阿根廷等2个大豆主产国,共12个经济体的大豆标准进行了系统分析;找出标准适用范围、产品分类、等级划分和等级参数有关质量指标等方面的相同和差异之处,对促进亚太地区大豆标准互联互通提出了建议,可为从事粮食标准化、品质检验、大豆进出口贸易的粮食工作者提供参考。     

近红外光谱技术检测液态奶中微量三聚氰胺的可行性研究

为了快速检测液态奶中违法添加的三聚氰胺量,利用近红外光谱技术进行可行性研究分析。对采集的54组添加不同三聚氰胺含量的液态奶样本的近红外漫反射光谱进行小波变换(wavelet transform,WT)结合主成分分析(principal component analysis,PCA)后,提取得到特征信号,利用广义回归神经网络(general regression neural network,GRNN)建模进行三聚氰胺的定量分析,结果显示当三聚氰胺浓度低于0.05%时,模型预测能力较差,预测集模型R2仅为0.654。进一步利用支持向量机(support vector machine,SVM)建模对液态奶中是否添加三聚氰胺进行定性判别,结果显示测试集准确率为94.44%。因此,通过近红外光谱结合适当的化学计量学方法,对液态奶中添加三聚氰胺虽无法精确定量,但可准确对其进行定性判别。     

基于近红外化学成分特征吸收光谱的野生台蘑鉴别模型研究

本文建出一种应用近红外光谱技术鉴别野生台蘑的新方法。使用FieldSpec3便携式近红外光谱仪对包括野生台蘑在内的13种蘑菇进行漫反射光谱采集。将采集的数据经小波去噪后,对可见与近红外光谱(350～2500nm)进行峰谷筛选,所得峰谷集经主成分分析降维,取方差贡献率大于99.9%的5个主成分作为BP神经网络的输入值,建立数学模型。该模型在偏差±0.05内,对未知样本正确识别率为100%。本结果表明利用近红外漫反射光谱可以很好地鉴别野生台蘑。     

不同水分含量巴西大豆储存期间的品质变化

为科学判定我国进口巴西大豆在储存期间的品质变化,采用模拟储存试验的方式,对不同水分含量巴西大豆在储存过程中粗脂肪、脂肪酸值和脂肪酸相对含量的变化进行监测。结果表明,巴西大豆在储存6周后,营养指标会出现不同程度的变化,储存28周时粗脂肪含量下降0.52~1.76个百分点,脂肪酸值(KOH)升高3.38~105.48 mg/100 g,亚油酸和亚麻酸的相对含量均呈现不同程度的下降。超过安全水分值(12%)越高,大豆品质下降越明显。低于安全水分值的大豆在储存18周后,品质开始发生较明显变化。因此,认为低水分含量(≤12%)大豆最佳储存期在18周内,高水分含量(>12%)大豆最佳储存期在6周内。通过试验不仅能够准确判定巴西大豆储存过程中的品质随时间的变化,也可以指导国家和地方大豆储备库对大豆的管理,保证大豆安全储存。     

贸易争端背景下世界油料、植物油生产和贸易格局变动分析

2019年5月以来中美贸易冲突再度重启,世界油料、植物油生产和贸易格局也随之迎来新的变局。在总结分析世界油料、植物油生产和贸易特征的基础上,探讨了中美贸易争端对世界油料、植物油生产和贸易格局的影响。主要结论为:相对垄断的世界油料、植物油生产和出口格局在中长时期内不会改变;相对分散的世界油料、植物油进口市场存在较多变数;短期内会出现美国与巴西、阿根廷等国的国别替代以及大豆、大豆油与棕榈油的品种替代;中国仍将保持大量进口油料,以进口油料为主、进口植物油为辅的基本态势。     

基于近红外光谱法的鱼粉快速判别

基于近红外漫反射光谱分析技术对市场上常见的淡水鱼粉、进口鱼粉和国产鱼粉3 类商品化的鱼粉样品进行自动化判别实验。通过分析鱼粉样品光谱之间的差异,采用主成分分析法建立鱼粉种类的定性判别的分类模型,光谱范围为波长1 100～2 498 nm,交互定标决定系数为0.913 5,交互定标标准误差为0.133 8。通过对验证样品的分析,建立的判别模型预判准确率达到84.6%,外部验证准确率达到100%。结果表明,近红外光谱技术结合化学计量学法可以作为一种快速、无损、可靠的方法用于鱼粉种类的判别。     

Nondestructive determination of herbicide-resistant genetically modified soybean seeds using near-infrared reflectance spectroscopy

The objective of this study was to evaluate the potential of near-infrared reflectance spectroscopy (NIRS) to differentiate the herbicide-resistant genetically modified (GM) and non-GM soybean seeds. Principal component analysis (PCA) and partial least squares discriminant analysis (PLSDA) were used to classify soybeans with different genes into two groups: genetically modified organisms (GMO) and non-GMO. Calibrations were developed using PLSDA regression with cross-validation. Differences between GM and non-GM soybeans do exist, and excellent classification can be obtained after optimising spectral pretreatment. The PLSDA model using the second derivative pretreatment of the raw spectra had the best calibration and prediction abilities, with 97% accuracy. The results of the present study show that NIRS, together with chemometrics techniques, can be used to identify GM soybeans, thus circumventing time-consuming, costly and laborious chemical and sensory analyses.