基于太赫兹时域光谱的芝麻油品种识别研究

为了实现对芝麻油品种的快速鉴别,本文基于太赫兹时域光谱(THz-TDS)提出一种芝麻油品种识别的方法。选取0~2.5 THz范围内的光谱进行分析,通过主成分分析法(PCA)对时域光谱数据进行降维,选择前4个主成分(累计贡献率大于99%)代表原始数据,然后利用支持向量机(SVM)方法对不同品种芝麻油进行分类识别,分类时使用3种不同的核函数建模,并采用网格搜索算法获得最优模型及其模型参数。使用径向基核函数(参数为惩罚函数C=0.01,核函数系数γ=0.1)的模型识别率最高,达到100%,说明太赫兹时域光谱技术结合PCA和SVM方法可以快速可靠的进行食用油的识别,为食品安全的识别提供一种新的技术手段。     

太赫兹衰减全反射技术对板栗果仁霉变程度判别研究

板栗作为我国重要的经济作物，每年因储存不当造成的损失高达年产量的35%~50%，这造成了巨大的经济损失。本文利用太赫兹时域光谱技术，结合模式识别算法建立板栗果仁霉变程度的定性判别模型，从而保障板栗果仁的品质安全。实验选取迁西板栗、沂蒙短枝、怀柔板栗这三个品种的60颗饱满果仁进行霉变培养，并依据国家标准GB/T 22346-2008《板栗质量等级》将板栗果仁分为正常、轻度霉变、重度霉变3类，采集板栗果仁样本太赫兹光谱（波段0.3~3.6THz）后进行光学常数提取，从而得到样本的吸收系数谱图和折射率谱图，并结合基于遗传算法（Genetic Algorithm ，GA）寻优和基于粒子群算法（Particle Swarm Optimization，PSO）寻优的支持向量机算法（Support Vector Machine Algorithm，SVM）建立定性判别模型。实验结果表明，PSO-SVM算法模型对板栗果仁霉变程度的预测集识别正确率为91.6667%，GA-SVM算法模型对板栗果仁霉变程度的预测集识别正确率为100%。由此可得，利用太赫兹时域光谱技术可以实现对板栗果仁霉变程度的区分识别，为太赫兹技术在食品检测领域的应用提供了理论基础。     

基于太赫兹技术的小麦粉品质快速检测研究

该研究针对目前小麦粉品质方面检测方法存在的问题,提出利用太赫兹光谱技术对小麦粉进行快速无损品质检测研究。使用光谱仪与成像仪,采集了不同种类小麦粉样本的太赫兹光谱,使用TQ Analyst软件结合距离匹配法对小麦粉的太赫兹扫描光谱进行定性分析研究,富强粉和麦芯粉成功分类,模型性能指数达到88.9%,预测准确率达100%。使用OPUS软件结合偏最小二乘法（PLS）和一阶导数+矢量归一化（SNV）进行定量分析研究,水分定量模型R2为91.18%,交叉验证均方根为0.182;灰分定量模型 R2为83.37%,交叉验证均方根为0.064,最终通过实验结果分析得出太赫兹技术在食品品质检测方面的可行性。     

食用油储存期品质变化的太赫兹光谱无损识别

为研究食用油在储存期间的品质变化情况，利用太赫兹衰减全反射技术对不同氧化程度的食用油进行无损识别。首先探究储存条件对食用油品质的影响情况，进一步根据国家定义食用油品质的标准将样品分为新鲜油、可食用油和不宜食用油，采集各类油品的太赫兹时域光谱，经数据预处理后采用欧氏距离匹配法进行聚类分析，并采用线性判别分析法进行样本分类，其中欧氏距离匹配法识别食用油折射率谱，准确率为95.65%；线性判别分析法识别吸收系数谱数据，准确率为91.00%，经比较两模型识别准确率理想，分析效果良好。该研究首先得出储存条件对食用油品质的影响规律，以论证太赫兹衰减全反射技术在分析食用油储存期品质变化方面的可行性，实现了食用油品质的快速无损检测；也可为太赫兹光谱技术深入应用于食用油多种属性的研究提供一定参考依据。     

结合太赫兹光谱与机器学习的小麦霉变程度判别

为快速、准确地判断小麦籽粒的霉变程度，研究基于太赫兹时域光谱技术，结合支持向量机（support vector machine,SVM）、随机森林（random forest,RF）和极限学习机（extreme learning machine,ELM）的霉变小麦定性分析方法。首先，将小麦籽粒分为正常、轻度霉变、中度霉变和重度霉变4类，利用CCT-1800太赫兹时域光谱仪获取小麦样本在0.1～4.0 THz波段的光谱数据。对比采用不同光谱预处理方法对判别结果的影响后，使用主成分分析、线性判别分析（linear discriminant analysis,LDA）、t分布随机近邻嵌入3种方法对光谱数据进行降维，结果表明LDA的降维效果最好。最后，构建基于SVM、RF和ELM的小麦霉变程度判别模型，结果显示SVM的判别效果最好，当核函数选择多项式核、误差惩罚系数为1时，判别准确率高达98.61%，预测集均方根误差值为0.142 9。本研究表明利用太赫兹光谱技术可实现小麦霉变程度的准确检测，为食品安全和粮食贮藏检测提供一种检测手段。     

基于THz-ATR技术的水稻品种快速无损识别研究

水稻的品质和产量与自身品种密切相关,本研究应用太赫兹衰减全反射式（THz-ATR）技术采集8个品种水稻种子0~359.97 cm-1光谱,并通过光学参数计算得到样本集的折射率谱和吸收谱。采用3点移动窗口平滑预处理和支持向量机分别优化及建立基于折射率和吸收系数的8个水稻品种识别模型,其中基于吸收系数的SVM模型预测准确率98.5 %,基于折射率谱的SVM模型预测准确率89 %;实验结果表明:将THz-ATR技术用于水稻品种识别具有初步可行性,有望为水稻品种快速鉴定提供参考。     

基于融合预处理的掺假咖啡太赫兹光谱识别

该研究通过太赫兹时域光谱采集70组含有西布曲明成分的咖啡在0～2.5 THz频段的光谱信息，建立随机森林、支持向量机、贝叶斯判别分析3种模式识别方法并进行比较研究。结果表明，未经过预处理的模型识别准确率较低。选择一阶导数、二阶导数、不同类型的巴特沃斯滤波器和Pearson特征选择融合光谱方法进行光谱信号处理。基于一阶导数处理的贝叶斯判别分析模型准确率为98.6%,基于高通巴特沃斯滤波器的随机森林模型分类准确率为94.2%,基于特征提取的融合光谱支持向量机(support vector machine, SVM)模型分类准确率为100%。选择最优预处理的SVM模型进一步对同一品牌不同地区的掺假咖啡进行鉴别，准确率为100%。研究实现了“品牌-产地”的二级特征识别，可为公安机关打击涉及咖啡的食品安全犯罪提供参考。     

太赫兹时域光谱检测谷粒中储粮害虫的研究

快捷方便检测粮粒中是否有储粮害虫及其种类,对储粮害虫虫情调查和监测,实现粮库中储粮害虫的准确检测和口岸害虫快速检测检疫具有重要实践意义。以最主要的初期性害虫玉米象为例,对玉米象、谷壳、米粉样品进行了太赫兹时域光谱测试,获得了样品在0.2~1.6 THz波段的折射率和吸收光谱,分析了这些样品的特征吸收谱,并利用PLS-DA方法对含有玉米象和不含玉米象的谷粒样品的太赫兹光谱进行鉴别分析,结果表明用0.2~1.6 THz范围内的THz吸收光谱结合PLS-DA方法对校正样本建立判别模型,其校正和验证结果与实际分类变量的相关性高,交叉验证均方根误差(RMSECV)和预测均方根误差(RMSEP)都小于0.150,建立的PLS-DA分类模型对检测样本的判别准确率为100%,为检测粮粒中是否有储粮害虫提供快速方便的鉴别分析方法。     

拉曼光谱结合模式识别方法鉴别大米种类

为实现大米种类准确、快速的鉴别,选购72份大米样品,粉碎,采集粒度为100-140目米粉的拉曼光谱,对谱图数据进行去噪、归一化和特征提取后,综合运用主成分分析（PCA）、层次聚类分析（HCA）和支持向量机（SVM）三种方法对粳米、籼米和糯米进行聚类与模式识别研究。三种大米经PCA分析可直观地归为三簇,籼米和糯米可被区分开,但粳米与糯米、粳米与籼米不能区分。HCA结果表明粳米与籼米较难区分,糯米与其它两种米有较大差异,三种大米经HCA聚类分析准确率为81.94%。而采用SVM判别方法经10次运行后的平均识别率达98.86%。实验证明：拉曼光谱法结合支持向量机用于大米种类的分类与识别简单快速,在分析数据相对复杂的情况下,可快速建立分类模型并实现大米种类间的鉴定与识别。     

玉米中黄曲霉毒素B1的太赫兹时域光谱检测与识别

针对近红外和传感器方法检测精度差的问题,采用太赫兹时域光谱技术,研究了黄曲霉毒素B1对太赫兹波的响应。首先研究了玉米中黄曲霉毒素的提取过程和保存方法,根据B1溶液在不同频率范围内的光学参数(主要是折射率和吸收系数)的不同,对B1溶液的太赫兹光谱进行定性分析,利用一种改进的多重D-S证据理论对其进行了识别。试验和分析结果表明,利用太赫兹时域光谱技术结合信息融合技术能够对不同浓度的黄曲霉毒素B1溶液进行精确识别,为以后建立黄曲霉毒素太赫兹谱库和快速检测食品中的黄曲霉毒素提供了理论依据。     

寒地粳稻种子的拉曼光谱鉴别方法研究

针对水稻种子的品种鉴别存在检验周期长、种类少等实际问题,本研究提出一种高效、快捷、准确鉴别水稻种子的方法。以拉曼光谱技术为基础、寒地粳稻种子为研究对象,进行快速、准确鉴别。首先,利用Savitzky-Golay(SG)、一阶导(1-Der)、二阶导(2-Der)、迭代自适应加权惩罚最小二乘(AIRPLS)和均值中心化(MC)预处理方法及其组合对原始光谱进行预处理,研究不同预处理方法及组合的偏最小二乘判别(PLSDA)和支持向量机(SVM)模型判别效果;其次,应用光谱-理化共生距离(SPXY)法对预处理数据进行样本划分;最后,通过连续投影算法(SPA)、逐步回归(SR)和竞争自适应重加权采样法(CARS)对特征波段进行提取,对比分析不同预处理下的特征波段与全波段建模效果和检测时间差异。结果表明：在13种预处理方法中,AIRPLS+1-Der组合预处理效果较好,在PLSDA和SVM模型中测试集准确率均达到95.45%以上;在3种特征提取方法中,基于 CARS 方法的特征波段在两种鉴别模型中准确率达到96.97%,而且模型运行速度较快,这说明基于拉曼光谱技术对寒地粳稻种子进行快速、准确鉴别是可行的。     

利用THz时域谱技术和支持向量机回归法快速测定食用油的过氧化值和酸价

采用THz时域谱技术得到30个食用油样本的吸收谱,随机分为训练集和预测集,利用支持向量回归算法和标准方法测得的参考含量在训练集上建立了食用油酸价和过氧化值的预测模型,并应用此模型对预测集样本进行预测。结果表明该模型对食用油预测的相关系数较传统PLS方法对比更为精确。     

太赫兹衰减全反射技术对花生冻伤快速判别研究

目的 利用太赫兹衰减全反射(terahertz attenuated total reflection,THz-ATR)光谱法实现花生冻伤的快速鉴别。方法 实验选择种子公司购入的同品种冻伤和非冻伤花生各500粒,采集1000粒花生样本的0～359.97 cm^-1 THz光谱,通过光学参数计算得到样本集的吸光度、折射率和吸收系数。采用3点移动窗口平滑预处理和随机森林算法建立基于不同光学常数的花生冻伤识别模型。结果 在决策树棵数为500,特征变量数为38时,基于太赫兹吸光度建立的花生冻伤判别模型性能最佳,准确率、召回率、精确率达到97.0%、98.0%、96.1%。结论 本研究所建立的定性模型准确率高, THz-ATR技术有望为花生冻伤的快速无损鉴别提供一种新的高效的检测方法,为太赫兹技术在食品检测领域的应用提供了现实依据。     

Combination and comparison of multivariate analysis for the identification of orange varieties using visible and near infrared reflectance spectroscopy

A study of multivariate analysis for orange varieties was carried out, and the potential of visible and near infrared reflectance spectroscopy (Vis/NIRS) for its ability to nondestructively differentiate orange varieties was evaluated. A total of 320 orange samples (80 for each variety) were investigated for Vis/NIRS on 325–1075 nm using a field spectroradiometer. Multivariate classification methods including principal component analysis (PCA), back propagation neural network (BPNN) and partial least squares discriminant analysis (PLSDA) were adopted to classify oranges. Sixteen principal components from PCA were used as the input of BPNN model, and the identification accuracy of four orange varieties reached 100%. The prediction result of PLSDA, i.e., standard error of prediction (SEP) 0.24497, correlation coefficient (R) 0.97843, root mean square error of prediction (RMSEP) 0.24268, and identification accuracy 90% indicate that PLSDA is an alternative model for orange identification. With the comparison of these two models, it shows that BPNN combined with PCA obtained better classification effect than that of PLSDA. The overall results demonstrate that Vis/NIRS technology with multivariate analysis models is promising for the rapid and reliable determination for identification of orange varieties.     

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。     

几种化学纤维的太赫兹时域光谱研究

 为了解化学纤维在太赫兹波段的光学特性,尝试通过太赫兹时域光谱测试技术和自由空间电光采样方法,获得几种化学纤维(涤纶、芳纶、维纶)的透射光谱,进而计算他们在0.2～1.0 THz频段的吸收系数和折射率。实验结果表明：纤维在太赫兹频段存在特征频谱响应,可以用来探测分子的结构信息和振动情况。所得结果表明,不同化学纤维在远红外区域的光谱存在差异,太赫兹光谱可以作为红外光谱的互补技术鉴别不同的化学纤维。