基于近红外光谱对牛奶中掺杂尿素的判别分析

采集40个合格的纯牛奶样品,并配制含有尿素为1～20g/L的40个牛奶样品,研究掺杂尿素牛奶的二维相关近红外特性,在此基础上选择波数4200～4800cm-1为建模区间,采用偏最小二乘法建立定性、定量模型。结果指出通过判别偏最小二乘法可以实现纯牛奶及掺杂尿素牛奶的定性鉴别,判别正确率为100%;掺杂牛奶校正集相关系数R为0.999,交叉验证均方差为0.242,对未知样品集预测相关系数R达到0.999,预测标准偏差为0.57,这表明所建模型具有较好的预测效果。     

基于二维相关谱灰度统计特征判别掺杂尿素牛奶

如今,乳制品掺杂问题日益突出,为寻求一种快速高效的鉴别掺杂牛奶的方法,提出将二维相关谱和灰度统计特征分析技术应用于判别掺杂牛奶的研究。运用MATLAB软件绘制出掺杂牛奶和纯牛奶的二维相关谱灰度图像,利用图像纹理分析中的灰度统计特征的方法提取出平均值、方差、偏度、自相关、惯性矩等11个图像灰度统计特征参数。为避免"特征维数灾难"问题的产生从而影响分类效果,采用主成分分析的方法提取出10个主要特征,实现对图像灰度统计特征的降维。设计贝叶斯分类器和BP神经网络分类器对掺杂牛奶进行判别和分类,基于二维同步-异步近红外光谱贝叶斯分类器和BP神经网络对掺杂尿素牛奶判别,其正确率分别为100%和92.31%,判别纯牛奶的正确率分别为92.3%和100%。     

基于NIR高光谱技术检测滩羊冷鲜肉颜色

试验评估了利用近红外高光谱成像系统(900~1 700 nm)快速预测滩羊冷鲜肉颜色的可行性。采集具有代表性的120个滩羊外脊肌肉样品的高光谱数据,并测量其颜色参数(L*,a*和b*)。对光谱数据进行标准正态变量变换(SNV)预处理,并用正自适应加权算法(CARS)对光谱数据进行降维处理,最后应用偏最小二乘回归对光谱数据建模。结果表明,建立的偏最小二乘回归模型能很好地预测冷鲜滩羊肉的颜色参数,利用高光谱技术预测颜色是可行的。     

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。     

基于电子鼻和可见/近红外光谱技术的羊肉真实性鉴别

为快速、准确鉴别市面上羊肉中掺入鸭肉的商品,本研究应用电子鼻结合可见/近红外光谱技术,实现了羊肉中掺入不同比例鸭肉样品的有效鉴别。试验制备了174个羊肉中掺入不同比例鸭肉样品,分别采集了样品电子鼻数据和200~1 100 nm、900~1 700 nm波长范围内的反射光谱数据,利用2分类定性判别和6分类定量检测法分别构建了支持向量机（Support Vector Machine,SVM）和偏最小二乘法（Partial Least Squares,PLS）定性定量判别模型,并用6分类最优模型进行预测。结果表明：电子鼻可以利用不同比例羊肉鸭肉样品间的气味差异对不同组进行判别,羊肉中含有的挥发性香气成分如萜烯类、芳香类、有机硫化物等物质的含量高于鸭肉。基于两个波段数据、两种分类方法构建的PLS模型判别效果优于SVM模型,总的判别正确率均达到96%以上,光谱数据经过多元散射校正处理的效果最佳,且最优模型预测效果良好。电子鼻结合可见/近红外光谱分析技术可有效鉴别羊肉中掺入不同比例鸭肉样品,为羊肉真实性的快速无损鉴别提供技术支撑。     

近红外光谱模式识别三聚氰胺掺假牛奶

运用近红外光谱技术结合模式识别方法对液态奶中违法添加三聚氰胺进行快速检测。采集纯牛奶以及9种不同质量浓度掺假三聚氰胺牛奶的近红外光谱图,运用主成分分析方法、线性判别分析方法以及基于虚拟矢量编码的偏最小二乘判别分析方法对纯牛奶和不同质量浓度掺假三聚氰胺的牛奶近红外光谱数据进行判别分析。结果表明,相比主成分分析模型和线性判别分析模型,基于虚拟矢量编码的偏最小二乘判别分析模型的训练和预测性能均最好,识别训练集和预测集正确率能分别达到100%和90.32%。该法简单、快速、准确,为客观评价食品质量等提供了一种新的可选的方法。     

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。     

用二维相关红外光谱鉴别羊毛和羊绒的研究

研究分析羊毛及羊绒的红外光谱。采用变温傅立叶变换衰减全反射红外光谱技术,分别测试了羊毛和羊绒的红外一维光谱、红外二阶导数光谱和二维相关同步红外光谱。研究发现:羊毛和羊绒同时存在着υasCH3、υasCH2、υsCH3、υC=O、δN—H+νC—N、δN—H+υC—N和δS—O等。研究还发现:在2 800cm-1~3 000cm-1、1100cm-1~1 700cm-1和1 000cm-1~1 100cm-1频率区间内,采用传统的红外一维光谱法和红外二阶导数光谱法不能有效区分羊毛和羊绒。而采用二维相关同步红外光谱,在2 800cm-1~3 000cm-1和1 000cm-1~1100cm-1频率范围内,可以清晰地区分羊毛和羊绒。认为:采用二维相关同步红外光谱技术,可以有效区分羊毛纤维和羊绒纤维。     

基于二维相关近红外光谱的老陈醋醋龄鉴别

采用二维相关近红外光谱技术与判别分析(DA)方法相结合鉴别不同醋龄的老陈醋样品。选取5个醋龄共100个老陈醋样品,在室温下采集所有样品的一维近红外光谱。以醋龄作为外扰因素,构建各样品在1 001～1 830 nm波段范围的二维相关同步谱和异步谱,分析其二维相关谱图的光谱特征。基于二维相关同步谱的对角线数据(即自相关谱),建立不同醋龄老陈醋样品的判别分析模型,模型校正集的识别准确率为97.3%,预测集识别准确率为96%。研究结果表明,所提出的方法可提供随醋龄变化的更多光谱特征信息,为老陈醋醋龄快速鉴别提供一种精度高的分类模型。     

低场核磁技术结合化学计量学法快速检测掺假牛奶

应用低场核磁共振技术结合主成分分析法(PCA)、偏最小二乘判别法(PLS-DA)、线性判别法(LDA)对掺水、食盐、尿素和蔗糖的牛奶及纯牛奶进行测定。结果表明:在主成分得分图中,不同掺假牛奶随掺假物质的掺假比例呈一定规律性分布,并得到了很好的区分。利用PLS-DA和LDA方法建立不同掺假牛奶的判别模型,对掺水、掺尿素牛奶的判别准确率均为100%,掺食盐牛奶的判别准确率分别为83.33%和100%,掺蔗糖牛奶的判别准确率分别为73.33%和76.67%。可见PCA法、PLS-DA法、LDA法可用于快速处理分析低场核磁共振数据,并且LDA法鉴别准确率最高。     

油茶果自然霉变程度的可见/近红外与中短波近红外光谱检测

分析利用可见/近红外光谱（400～1 000 nm）与中短波近红外光谱（900～1 700 nm）对不同自然霉变程度油茶果检测判别的可行性,实验同时采集不同霉变程度油茶果赤道阴面、阳面和接合面三点的两波段光谱,样品平均光谱的主成分分析（principal component analysis,PCA）发现不同霉变程度样品同组内具有一定聚类效果且PC1和PC2对于判别不同组间样品有效,全光谱偏最小二乘判别分析模型结果显示原始光谱已具有足够信息,建立的模型性能比预处理后全光谱更优。进一步进行特征波长选取,发现相比于PC载荷,连续投影法在两光谱范围选取波长建立的简化模型均为最优,预测集判别准确率与Kappa系数均为84.4%与0.766 7。结合预测集混淆矩阵发现,两光谱范围最优简化模型预测不同霉变组样品特异度相当,均在0.84以上,但900～1 700 nm中短波近红外光谱对于中等霉变程度的判别灵敏度（0.72）略高。本研究表明近红外光谱技术可用于油茶果的自然霉变程度检测,可见/近红外与中短波近红外光谱能力相当,考虑到仪器成本问题,可见/近红外光谱具有更好的实时检测应用前景。     

衰减全反射红外光谱测定番茄酱中番茄红素

利用衰减全反射红外光谱法测定番茄酱中番茄红素,选择1 700~950?cm-1作为样品的红外光谱分析波段,用二阶导数对原始红外光谱降噪后,进行偏最小二乘法回归分析,建立了回归方程,模型决定系数R2为0.970。经验证,其相对预测均方根误差为3.78,预测值与真实值的线性拟合决定系数为0.959 8,能较准确测定番茄酱中番茄红素含量。     

模拟退火算法用于食醋总酸含量近红外光谱模型的波数点优选

为优选食醋总酸对应的特征波长并提高模型的预测精度,采用模拟退火算法优化窗口宽度和特征波数点,并结合偏最小二乘法建立食醋总酸光谱模型。在全国范围内收集90个不同品牌的食醋样本,用近红外光谱仪采集近红外光谱数据(波数4000～10000cm-1)和常规理化分析方法检测总酸含量。采用模拟退火算法共优选出17个总酸特征波数点,结合样本总酸含量建立偏最小二乘光谱模型,模型对应的预测集相关系数为0.9210,优于全光谱偏最小二乘法和区间偏最小二乘法对应的预测效果。结果表明,近红外光谱技术结合模拟退火算法能够快速预测食醋中总酸含量。     

NIR光谱法测定烟草中棕榈酸、亚麻酸及亚油酸

为了快速检测烟草样品中的棕榈酸、亚麻酸及亚油酸含量,采用偏最小二乘法(PLS)将242个烤烟样品的近红外光谱(NIR)及其棕榈酸、亚麻酸、亚油酸含量GC测定值进行拟合,建立了校正模型,考察了光谱预处理方法和光谱谱区范围对模型的影响,并进行了内部交叉验证和模型精度检验及30个测试样品的外部验证。结果表明:①多元散射校正法和7502~5442.3,4427.9~4246.7 cm-1,一阶导数法和7502~5442.3,4601.5~4246.7 cm-1,矢量归一化法和8724.7~5438.5,4427.9~4246.7 cm-1谱区范围分别适合棕榈酸、亚麻酸、亚油酸模型;②3个模型的平均相对精度分别为98.41%,97.84%,98.84%;③3个模型的预测标准偏差均小于5%,且NIR预测值与GC测定值不存在显著性差异。NIR光谱法适合批量烟叶样品中棕榈酸、亚麻酸及亚油酸含量的快速分析。     

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。     

基于中红外漫反射光谱技术测定精米中直链淀粉含量的研究

研究了基于傅里叶中红外漫反射光谱(DR-FTIR)技术结合偏最小二乘法(PLS)、主成分分析法(PCR)、经典最小二乘法(CLS)、逐步多元线性回归法(SMLR)快速测定精米中直链淀粉含量。实验选取了161个精米样品作为研究对象,通过光谱预处理,异常值剔除,波谱区间选择对模型进行了优化。结果表明:采用PLS建模,通过多元散射校正,向后区间偏最小二乘法预处理后,所构建的模型效果最优。此时,建模区间为3 800~3 500、3 100~3 000、2 900~2 400、2 300~1 300、1 000~900 cm~(-1),模型相关系数R为0.995 6,校正均方差为0.291,预测均方差为1.23;同时,实验另选了34种精米样品对模型进行了准确性验证。结果显示验证集样品的红外预测值与真实值高度相关,线性拟合方程为Y=0.994X+0.068,相关系数R为0.994 9,说明实验所开发的直链淀粉DR-FTIR模型是有效的,预测结果准确度好,模型稳定性高。     

基于最小二乘支持向量机的白酒酒醅成分定量分析

利用近红外光谱技术实现对白酒发酵过程中酒醅主要成分的质量控制,并进行模型优化,提高性能。采用偏最小二乘法提取的潜在变量作为最小二乘支持向量机的输入变量,先后建立了白酒酒醅中酒精度、淀粉、水分、酸度的近红外定量模型,并与经无信息变量消除法波段筛选后建立的偏最小二乘模型结果进行比较。结果表明：与偏最小二乘模型相比,4 个指标的最小二乘支持向量机定量模型的相关系数（R2）、预测均方根误差以及相对分析误差3 个评价参数均有更优表现;对未知样品进行预测时,最小二乘支持向量机模型的预测准确度明显高于偏最小二乘模型。说明最小二乘支持向量机模型的准确度、稳定性及预测性能均优于偏最小二乘法模型,为白酒酒醅的品质分析方法研究提供了新的思路。     

烟叶结构和油分的近红外光谱预测

采用外观质量评价法给250个烟叶样品的叶片结构和油分赋值,而后用近红外(NIR)光谱仪在3500~12000cm-1波长范围对这些烟叶样品进行扫描,并采用偏最小二乘法建立了叶片结构和油分的NIR预测模型。结果表明:①矢量归一法和乘法散射校正法分别适合建立烟叶叶片结构模型和油分预测模型;②在4246~4601cm-1和6098~9222cm-1、4246~5450cm-1和6098~7502cm-1波长范围内扫描建立的叶片结构模型和油分模型的预测效果较好;③烟叶结构模型和油分模型的阶数分别为13和16时,预测的准确性较高;④通过调整模型参数可以提高模型的预测准确性;⑤烟叶结构模型和油分模型的预测准确性分别为90%和77%左右。结构模型可用于烟叶结构的预测,油分模型有待于进一步改进。     

基于近红外光谱的橄榄油中玉米油掺杂量检测

利用近红外光谱和模式识别技术建立了橄榄油中掺杂玉米油的快速鉴别方法。对191个橄榄油样本及混合油样本(玉米油和橄榄油)进行近红外光谱扫描,并对近红外光谱进行一阶导数和平滑处理,利用主成分分析法(PCA)对数据进行降维,通过前三个主成分的载荷图确定了相关性较大的特征波段(7520~6927cm-1、6270~5440cm-1和4970~4400cm-1),分别在3个波段内利用偏最小二乘回归(PLS)方法建立了玉米油含量的预测模型。结果表明在6270~5440cm-1波段内,因子数为7,建立的模型精密度和稳定性最好,在玉米油质量分数为0.5%~100%的范围内,校正集样本和检验集样本的R2均能达到0.9999,标准偏差在0.126~0.139之间。因此,利用近红外光谱可以实现橄榄油品质的快速无损分析,以合频波段(6270~5440cm-1)为建模区域可以得到更好的预测效果。     

番茄总糖含量的近红外光谱无损检测方法研究

根据偏最小二乘法建立番茄总糖含量的定量分析模型,比较原始光谱和平均光谱以及10 种光谱预处理方法对近红外光谱无损检测番茄总糖含量的影响。结果表明：平均光谱所建立的偏最小二乘法校正模型明显优于原始光谱所建模型,常数偏移消除最适合番茄总糖近红外光谱的预处理,其在11998.9～7497.9cm-1 和4601.3～4256.5cm-1优化光谱区内,所建偏最小二乘法定量分析模型的预测值和实测值的相关系数(R)为0.917,校正标准差(RMSEC)为0.263%,预测标准差(RMSEP)为0.236%。平均光谱和优化的光谱预处理方法可有效提高近红外光谱无损检测番茄总糖含量的准确性。