核磁共振氢谱结合PCA-SVM算法分类鉴别食用植物油

采用核磁共振氢谱(1H-NMR)结合主成分分析-支持向量机法(PCA-SVM)对7种市面上常见的食用植物油进行了分类研究。首先运用PCA法对预处理后的各食用植物油的1H-NMR谱图积分数据进行降维处理,然后选用前2个主成分作为SVM的输入变量,建立预测模型,再对测试集样品进行预测,以实现食用植物油的种类鉴别,并与簇类独立软模式法(SIMCA)的分类结果进行了比较。结果显示:采用网格划分法优化得到模型最优核函数参数值为1.7411,最优惩罚参数值为0.3299,以最优参数建立的PCA-SVM食用植物油分类模型对测试集的分类正确率为100%,高于SIMCA分类法的61.90%。建立的1H-NMR结合PCA-SVM法食用植物油分类模型,可以快速、有效的鉴别食用植物油种类,适合实际食品检测工作中建模样本有限的实际,为食用植物油的品质鉴别和质量控制提供分析方法。     

拉曼光谱法快速检测猪肉脯中的掺伪鸡肉

目的 肉脯掺假制假事件层出不穷,严重损害消费者权益,为了快速无损的检测肉脯掺假的质量安全问题,建立拉曼光谱技术快速、准确、无损的检测猪肉脯样品中是否掺假鸡肉。方法 试验制备33份猪肉中掺入不同比例鸡肉的肉脯样品,采集拉曼光谱数据,分别采用标准正态变换、多元散射校正、卷积平滑、归一化、一阶导数等5种不同预处理方法,对原始光谱数据进行预处理,采用连续投影算法、竞争性自适应重加权算法及随机蛙跳算法对光谱数据进行特征波长筛选,建立偏最小二乘法(partial least squares,PLS)模型对猪肉脯进行定性定量判别。结果 拉曼光谱数据经过多元散射校正处理的效果最佳,竞争性自适应重加权算法竞筛选效果更佳,构建猪肉脯中猪肉含量(%)的PLS定量模型,其预测集相关系数(Rp₂⁾和预测均方根误差分别为0.9762、7.2998。建立的PLS判别模型的校正集和预测集总判别正确率分别为100%和98.33%。拉曼光谱分析技术可有效鉴别猪肉脯是否掺伪及其猪肉含量的比例,为肉脯掺假的快速准确地无损检测提供技术支持。结论 拉曼光谱分析技术可有效用于定性鉴别猪肉脯是否掺伪及定量分析猪肉肉脯中掺入鸡肉的比例,为肉脯掺假的快速无破坏性检测的应用提供支持。     

氢谱核磁共振与随机森林算法联用快速检测大豆油过氧化值

基于氢谱核磁共振技术与随机森林算法联用,建立了大豆油过氧化值的快速检测方法。通过比对大豆油氢谱核磁共振数据,分析鉴别出5种氧化产物,分别为（Z,E）型和（E,E）型共轭烯烃类氢过氧化物、直链烷醛、（E,E）-共轭二烯醛、（E）-共轭烯醛。根据氢谱核磁共振测定了油样氧化产物的含量,同时采用比色法测定了过氧化值,采用交叉验证的方式构建了大豆油过氧化值快速检测的定量预测模型。结果表明：建模参数决策树的数量（ntree）为700、决策树的最大深度（max_depth）为5、决策树最小样本节点数量（min_samples_split）为4时,所建的预测模型标准均方根偏差（SRME）为2.851%,模型过氧化值预测值与比色法（标准方法）测定结果相关系数(R2)为0.943,模型表现出良好的稳定性和预测精度。氢谱核磁共振与随机森林算法联用可快速在线检测大豆油过氧化值,为油脂品质指标监测提供技术支持。     

三维荧光光谱法快速检测橄榄油中掺假廉价油

目的 建立三维荧光光谱结合机器学习快速检测橄榄油中掺假廉价油的方法。方法 采集橄榄油及掺入大豆油、玉米油、棕榈油三种不同浓度梯度油的荧光光谱数据,利用标准差标准化（standardscaler）、标准正态变换（standard normal variate,SNV）、归一化（normalize）三种光谱预处理方法,基于K近邻(K-nearest neighbor,KNN)、随机森林(random forest,RF)、支持向量机(support vector machine,SVM)、偏最小二乘法(partial least squares,PLS)和卷积神经网络(convolutional neural network,CNN) 5种机器学习方法,构建5种橄榄油定量掺假模型。结果 在定性模型中,基于PLS算法构建的模型效果最好,对3种掺假橄榄油的准确率为79%~97%,其中,在鉴定掺假大豆油的橄榄油中正确率高达97%。在构建的掺假油定量模型中,Standardscaler预处理结合RF算法,构建的定量模型最优,Rc2、Rp2、RMSEC、RMSEP最高,分别为1.00、0.99、0.01、0.02。结论 构建橄榄油掺假3种油的定性定量模型,并建立一种快速、实时、低成本的橄榄油掺假检测方法,能够准确判断是否掺入廉价油,并量化掺假程度,提供更全面的橄榄油质量评估。     

基于近红外光谱的酸枣仁不同伪品掺假检测

本文采用近红外光谱技术对酸枣仁及其三种常见伪品理枣仁、枳椇子和兵豆进行定性定量检测研究。分别制备不同伪品掺杂质量分数为1%~90%的单种掺杂物实验样品,以及多种伪品同时掺杂的样品,采集800~2500 nm范围的近红外光谱数据。首先利用主成分分析（principal component analysis,PCA）对酸枣仁及三种伪品进行初步定性鉴别。对于单一掺假物样品,采用五种不同预处理方法对光谱数据进行去噪。利用偏最小二乘回归（partial least squares regression,PLS）方法,建立PLS1模型定量预测掺假物含量,并采用连续投影算法（successive projection algorithm,SPA）挑选最优波长,优化定量模型。结果表明,理枣仁掺假建立的3波长检测模型的预测集决定系数R2_p为0.9659,均方根误差（root mean square error,RMSEP）为6.1910%。枳椇子掺假建立的8波长检测模型的预测集决定系数R2_p为0.9491,均方根误差（RMSEP）为7.6232%。兵豆掺假建立的5波长检测模型的预测集决定系数R2_p为0.9666,均方根误差（RMSEP）为6.1437%。对于多掺杂物样品,建立了PLS2模型同时对不同成分进行定量预测,酸枣仁效果最好,R2_p≥0.7115,枳椇子预测效果最差,R2_p≥0.2007。研究表明,利用近红外光谱技术可以实现酸枣仁不同伪品掺假的快速无损检测。所建方法为后续酸枣仁及其他种子类中药材便携式无损检测仪器的开发提供了理论基础与参考依据,对保证中药材质量安全具有重要社会意义。     

核磁共振氢谱结合化学计量学快速检测掺假茶油

摘 要：以纯茶油和掺假茶油（掺入大豆油、玉米油）作为核磁共振氢谱检测对象,结合化学计量学方法分析处理核磁数据,建立一种能快速预测茶油掺假的方法。结果表明：纯茶油和掺假茶油在主成分分析得分图上有较好地区分,且掺假样品随掺假比例在图中呈规律性分布,但少部分低体积分数的掺假油与纯茶油重叠。而采用偏最小二乘判别（partial least squares discriminant analysis,PLS-DA）法可以得到更好的分离效果,在该模型中,纯茶油的判别准确率为100%。进一步采用PLS可实现对茶油掺假水平的准确定量测定。该方法可简单、快速地用于茶油的掺假鉴别,在茶油品质控制及评价方面具有很大的应用潜力。     

基于近红外高光谱成像快速无损检测注胶肉研究

采用近红外高光谱成像技术结合化学计量学方法建立注胶肉的快速无损检测模型。首先通过近红外高光谱成像系统获取含有不同浓度梯度卡拉胶的猪里脊肉高光谱图像,然后提取图像中的光谱数据,使用偏最小二乘法(Partial least square,PLS)探究光谱信息与不同掺假比例卡拉胶之间的定量关系。结果表明全波段光谱(900~1700 nm)所构建的PLS校正集模型均方根误差(Root mean square error,RMSE)为1.74%,预测模型RMSE为3.16%。表明基于全波段所建立的PLS模型具有较优的预测性能。利用连续投影算法(Successive projection algorithm,SPA)筛选获得11个特征波长,并优化全波长PLS模型,将预测集样品带入,以验证模型的预测效果,结果表明SPA算法结合PLS建模方法所建立的模型预测效果更优,预测集相关系数(R_P)为0.93,均方根误差(Root mean square error of prediction,RMSEP)为3.51%,预测偏差(Residual predictive deviation,RPD)为2.66。试验表明利用高光谱成像技术可实现对注胶猪肉的快速无损检测。     

五常稻花香米的~1H-NMR波谱分析及掺假鉴别

结合核磁共振氢谱(~1H NMR)技术和多变量统计分析方法,研究五常稻花香米的掺假鉴别方法。采集稻花香米与掺假样品的~1H NMR谱,分析它们的化合物组成模式的差异,分别建立基于1H NMR谱和基于20种主要成分半定量数据的掺假鉴别模型。结果表明:五常稻花香米与掺假大米在α-葡萄糖、淀粉、蔗糖、甜菜碱、β-葡萄糖、胆碱、天冬酰胺、天冬氨酸、琥珀酸、谷氨酸、乙酸、γ-氨基丁酸、丙氨酸、苏氨酸、异亮氨酸和缬氨酸等16种主要成分上存在显著差异(p0.05);基于~1H NMR谱的模型预测准确率为83.5%,而基于20种半定量化合物的模型预测准确率为70.1%。     

基于近红外及中红外光谱融合技术快速检测黄酒中的总酚含量及其抗氧化能力

为了实现对黄酒中总酚含量(TPC)及其抗氧化能力(TAC)的快速检测,探索了将傅立叶红外光谱技术应用于快速检测这两项重要指标的可行性。协同区间偏最小二乘算法(Si PLS)用于选出有效波长区间以提高模型的预测能力。支持向量机(SVM)和主成分分析(PCA)用来融合由Si PLS选出的中红外(ATR-IR)和近红外(FT-NIR)光谱的有效波段。实验结果表明基于Si PLS筛选的有效光谱变量而建立的偏最小二乘回归模型(PLS)的精度优于基于全光谱建立的经典PLS模型。基于ATR-IR建立的模型的效果略优于基于FT-NIR光谱建立的模型。此外,基于提取自ATR-IR合FT-NIR的有效区间而建立的SVM模型的预测能力要好于建立的PLS或Si PLS模型。因此,ATR-IR及FT-IR结合特征谱区筛选方法可以作为理化检测的替代手段实现对黄酒中的TAC和TPC的快速检测,同时基于两种光谱的融合技术可显著提高模型的预测精度。     

近红外技术对不同动物来源肉掺假的检测

采用近红外光谱结合主成分分析法(PCA)、判别分析法,分别建立了牛肉和羊肉中掺杂其它动物肉的定性鉴别模型,根据鉴别准确率评价模型的预测性能。采用近红外光谱结合PCA、偏最小二乘法(PLS),建立了掺假物的定量检测模型,根据模型对预测集样品的预测均方差(RMSEP)以及预测值与实测值间的相关系数(r)验证模型的预测能力。结果,牛肉掺猪肉模型对训练集和预测集的鉴别准确率分别为97.86%和91.23%,羊肉掺猪肉模型对训练集和预测集的鉴别准确率分别为98.28%和92.98%,羊肉掺鸭肉模型对训练集和预测集的鉴别准确率分别为99.59%和93.97%,羊肉掺假模型对训练集和预测集的鉴别准确率分别为97.57%和90.76%。牛肉掺假定量模型对训练集的交互验证均方差(RMSECV)和预测集的RMSEP分别为3.87%和4.13%,r分别为0.9505和0.9134;羊肉掺假定量模型对训练集的RMSECV和预测集的RMSEP分别为4.48%和4.86%,r分别为0.9306和0.9082。表明近红外技术结合一定的化学计量学方法可实现不同动物来源肉掺假的鉴别,且能够对掺假物进行定量检测。     

核磁共振代谢组学技术鉴别天然奶油与人造奶油

采用核磁共振(nuclear magnetic resonance,NMR)代谢组学技术对天然奶油和人造奶油的氘代氯仿(CDCl_3)提取物进行了鉴别研究。结果表明:与麦淇淋相比,黄油中甾醇、丁酸、1-戊烯、共轭亚油酸含量较高,而总不饱和脂肪酸、亚油酸的含量较低;与植脂奶油相比,稀奶油中甾醇、丁酸、亚麻酸、亚油酸、1-戊烯、共轭亚油酸、总不饱和脂肪酸含量较高,而总饱和脂肪酸含量较低,并且都具有显著性差异(P0.05)。其中脂肪酸的代谢组学分析结果与气相色谱法所得结果一致。建立的基于NMR代谢组学技术对天然奶油与人造奶油快速、简便的鉴别方法,可以鉴定不同种类奶油的差异化学成分,为奶油制品的品质鉴别和质量控制研究提供分析方法。     

老化时间对搅打植脂奶油品质的影响

研究了老化时间(0~24 h)对搅打植脂奶油乳浊液粒度分布、表观黏度、稳定性、打发时间、打发倍数、泡沫稳定性、质构性质以及感官品质的影响。结果表明:搅打植脂奶油的乳浊液粒度和表观黏度随着老化时间的延长而增加;乳浊液的稳定性先升高后降低;打发性质差异较小;泡沫稳定性较高;奶油泡沫硬度先增加后趋于稳定;感官品质在老化时间4 h时最好。因此,老化时间为4 h时,搅打植脂奶油的品质最佳。     

基于PCA-SVM结合共聚焦拉曼光谱的特级 初榨橄榄油掺伪压榨菜籽油定量分析

为了促进国内橄榄油市场的健康发展，对掺伪同样存在天然类胡萝卜素的低温压榨菜籽油的特级初榨橄榄油进行了定量鉴别研究。采用共聚焦拉曼光谱技术对不同掺伪浓度油样进行测试，基于密度泛函理论对油样的拉曼光谱峰的归属进行了理论分析，并对拉曼光谱数据进行主成分分析（PCA），然后利用支持向量机（SVM）构建PCA-SVM模型。另外，对PCA-SVM模型的检出限进行了研究。结果表明：特级初榨橄榄油与低温压榨菜籽油的拉曼光谱存在一定差异，最明显的光谱差异主要集中在谱峰1 008、1 161、1 528 cm-1和谱段2 800～3 000 cm-1内，与密度泛函理论对不同油样拉曼光谱峰的分析一致；不考虑类胡萝卜素特征信号建立的PCA-SVM模型决定系数大于0.989，均方根误差小于2.990%，检出限为2%（低温压榨菜籽油体积分数）;在特级初榨橄榄油掺伪定量分析中，考虑类胡萝卜素的特征信号有助于提高模型预测精度，但仅限于掺伪低价植物油中无类胡萝卜素存在的情况;PCA-SVM模型在不考虑类胡萝卜素特征信号的情况下依然具有良好的定量预测效果。综上，所建立的PCA-SVM模型可以用于掺伪2%以上低温压榨菜籽油的特级初榨橄榄油的定量鉴别。     

氢核磁共振结合正交偏最小二乘法对油菜蜜中果葡糖浆掺假的判别分析

利用氢核磁共振(1H nuclear magnetic resonance,1H NMR)谱图结合正交偏最小二乘(orthogonal partial least squares,OPLS)法对油菜蜂蜜和果葡糖浆掺假蜂蜜进行判别分析。采集了303个油菜蜜样品和180个按照不同比例配制的果葡糖浆掺假蜂蜜样品的1H NMR谱图,并对油菜蜜主要糖类成分和部分低含量化合物进行了信号归属。采用OPLS对训练集数据进行分析,建立蜂蜜果葡糖浆掺假判别模型。通过排列实验法对模型进行可靠性检验。结果显示,油菜蜜和果葡糖浆掺假蜂蜜样品在OPLS得分图中能明显区分。训练集和测试集样品的总体判别正确率分别为98.40%和98.24%。因此,1H NMR与OPLS相结合可以实现油菜蜜中果葡糖浆掺假的快速鉴别。该方法是基于对蜂蜜成分的整体分析,避免了仅仅分析个别成分指标的检验方法中存在的缺陷,为蜂蜜质量监控提供了一种新思路。     

基于介电频谱的枣果品种鉴别模型的建立

利用LCR测试仪在1~1 000 kHz的频率范围内,选取55个频率点,测定灵武长枣、冬枣和团枣的介电损耗因子ε"频谱和相对介电常数ε’频谱,通过主成分分析(principal component analysis,PCA)法和遗传算(genetic algorithm,GA)法提取介电频谱的有效信息,并选取偏最小二乘判别分析(partial least squares discriminant analysis,PLS-DA)、线性判别分析(linear discriminant analysis,LDA)和支持向量机(support vector machine,SVM)3种方法进行枣果品种的鉴别模型研究。结果表明,频率和品种对枣果的介电参数均有显著性影响;用PCA与GA方法提取频谱有效信息的建模效果要优于原始频谱的建模效果;SVM法的建模效果要优于PLS-DA与LDA法的建模效果;以介电损耗因子ε"建立的PCA-SVM模型优于介电常数ε’的GA-SVM模型,其预测集的鉴别准确率为100%。因此,基于介电损耗因子ε"频谱的PCA-SVM模型为枣果品种鉴别的最优模型。     

中国市场食品中反式脂肪酸含量现状调研

比较了中国市售食品中的反式脂肪酸(TFA)含量调研数据,包括家用烹调油、餐饮用油和常见含油食品产品.从市场购买样品,然后测定TFA含量并进行分析和比较.对133个品牌的581个家用烹调油样品进行了测定,包括调和油、大豆油、玉米油、葵花籽油、菜籽油、橄榄油、花生油、芝麻油、茶籽油等15个油种.结果发现87.52％的烹调油样品中TFA质量分数在2％以下.收集并测定了5个油种74个样品的餐饮用油,结果表明各油种的TFA质量分数为0.45％～ 1.68％,可见调查范围内餐饮用油的TFA维持在一个较低水平.而对蛋糕、面包、饼干、炸薯条、冰激凌、巧克力、爆米花、方便面、植脂末、植物奶油等各类常见含油食品共计9大类76个主要品牌的257个样品进行分析的结果则表明,其TFA含量与2005～2010年公开发表的市场调研数据相比有了大幅度的下降.蛋糕面包派、饼干两类产品的TFA质量分数高于1％(油基),其他产品中TFA的质量分数较低.对各类主要产品间TFA含量和种类的差异原因也进行了深入分析.     

基于电子鼻技术鉴别蜂蜜掺入果葡糖水的研究

采用电子鼻对掺假蜂蜜样品进行分析,对所获得的数据进行主成分分析和偏最小二乘回归分析,对掺假蜂蜜样品建立了偏最小二乘回归分析预测模型。结果表明:电子鼻响应信号和果葡糖水掺入比例之间有很好的相关性(决定系数R2为0.980 3),偏最小二乘回归分析模型预测误差均≤8%(掺入比例20%~70%)。试验证明当果葡糖水掺入比例较高时,电子鼻可用于掺假蜂蜜的识别。     

太赫兹时域光谱识别4种食用油真实性的研究

采用太赫兹时域光谱系统(THz-TDS),研究了4种食用油(黑芝麻油、芝麻油、小磨香油和花生油)在0.2~1.6 THz波段的延时特性和折射率特性。使用主成分分析法(PCA),根据累计贡献率的大小提取光谱的特征数据。提取了4个主成分(累计贡献率大于95%)作为一个支持向量机(SVM)模型的输入用于识别食用油的种类。结果表明:结合主成分分析法,通过选择合适的支持向量机核函数及其参数,食用油种类识别的正确率可达到93%;通过与主成分回归(PCR)、偏最小二乘回归(PLS)和后向(BP)神经网络方法的比较,支持向量机结合主成分分析(PCA-SVM)方法具有更突出的分类性能,同时也说明了采用太赫兹时域光谱,结合化学计量学方法精准鉴别食用油种类的可行性。     

电子舌对掺入果葡糖浆掺假蜂蜜的识别

采用电子舌对不同蜂蜜以及掺入果葡糖浆的蜂蜜样品进行测定,对所获得的数据进行主成分分析、判别因子分析和偏最小二乘回归分析。结果表明:电子舌能够区分不同蜂蜜样品和掺假蜂蜜样品(果葡糖浆掺入比例≥5%);对掺假蜂蜜样品建立了偏最小二乘回归分析预测模型,电子舌响应信号和果葡糖浆掺入比例之间有很好的相关性(决定系数R2为0.992 0),偏最小二乘回归分析模型预测误差均≤5%(掺入比例为10%~70%)。试验证明电子舌可用于掺入果葡糖浆的掺假蜂蜜的识别。