基于近红外技术和偏最小二乘判别法对无花果成熟度的快速判别

以无花果为试验对象,对其进行近红外光谱采集,并对其糖度、单果重、纵径、横径、硬度5个指标进行K-均值聚类;根据光谱数据、主成分分析确定最优聚类效果的成分和各类别的指标分布构建偏最小二乘判别分析(PLS-DA)模型进行聚类判别,以实现对果实成熟度(幼果期、成长期、成熟期)分类的准确、快速、无损伤鉴别。结果表明,3种成熟阶段的无花果样品的糖度、单果重和硬度均具有显著性差异,成熟果和成长果与幼果的纵径和横径间具有显著性差异。根据PLS-DA判别模型累计训练集的分类正确率为99.59%,测试集的分类正确率为99.15%。说明主成分分析与光谱数据所建立的PLS-DA模型性能较好,对无花果成熟度的快速鉴别是有效且可行的。     

基于近红外漫反射光谱的云芝提取物品级分类研究

为探索快速无损分析云芝提取物品级的方法,采集不同产地云芝提取物的近红外漫反射光谱,通过主成分分析(PCA)对样本原始光谱数据进行降维、压缩,并分别结合偏最小二乘判别法(PLS-DA)和反向传输人工神经网络(BP-ANN)建立识别模型。结果表明:采用主成分分析结合偏最小二乘判别法,建模集和验证集的识别正确率分别为100%和84%;采用主成分分析结合反向传输人工神经网络模型,其建模集和验证集的识别正确率均为100%。由此可见,主成分分析结合反向传输人工神经网络模型可以更好地实现对不同品级的云芝提取物进行分类识别。     

用遗传算法提取南疆红枣总糖的近红外光谱特征波长

本研究尝试利用近红外光谱技术测量红枣的总糖含量,针对采用偏最小二乘(PLS)法建立近红外光谱预测模型时波长筛选问题,提出用联合区间偏最小二乘法(si PLS)与遗传算法(GA)相结合的方法遗传联合区间偏最小二乘法(GA-si PLS)来提取近红外光谱特征区域和特征波长,提高模型预测精度的方法。结果表明:将全谱等分成20个子区间,用联合区间偏最小二乘法优选出4个特征子区间,在这4个子区间的基础上再用遗传偏最小二乘法继续筛选出12个特征波长。用12个特征波长建立的偏最小二成模型精度要好于全谱建立的模型,其主因子数减少了4个,预测集标准偏差(RMSECP)减少了25%,预测相关系数(RP)提高了5%。该方法选取的波长变量建立的校正模型,不仅使模型简洁、优化,而且增强了模型的预测能力。     

近红外光谱结合模式识别技术快速鉴别煎炸油质量

采用近红外透反射光谱结合模式识别技术建立煎炸油质量的快速鉴别方法。采用国标方法测定79个煎炸油样本的酸价与羰基值,通过羰基价确定样本真实属性。利用Kennard-stone算法选取训练集和预测集。探讨样本NIR光谱预处理方法,以平滑、一阶导数和均值中心化处理的全光谱作为数据输入,采用偏最小二乘识别分析(PLS-DA)方法建立煎炸油质量的定性分类模型,并对模型进行验证。模型训练集与预测集的正确识别率分别达94.5%与100%。比较主成分识别分析(PCA-DA)、K最近邻法(KNN)与分类回归树(CART)3种建模方法。结果表明PLS-DA预测能力优于其它方法,NIR光谱结合PLS-DA可作为快速鉴别煎炸油质量的一种新方法。     

基于便携式近红外光谱仪的食品接触性塑料鉴别

采用便携式近红外光谱仪对聚对苯二甲酸乙二酯(PET)、高密度聚乙烯(HDPE)、低密度聚乙烯(LDPE)、聚氯乙烯(PVC)、聚苯乙烯(PS)和聚碳酸酯(PC)6类食品接触性塑料材质进行鉴别研究。用5点平滑、多元散射校正(MSC)、一阶导数和标准正态变量变换(SNV)4种方法对塑料样品光谱进行预处理;主成分分析(PCA)和偏最小二乘判别分析(PLS-DA)分别用于塑料样品光谱空间分布分析和定性判别模型的建立。结果表明:光谱经SNV和MSC预处理后,6类塑料样品在前3个主成分空间得到了较好的分离;PLS-DA结合SNV预处理方法可得到精简的塑料材质定性判别模型,模型校正集和预测集的正确识别率(CRR)均为100%。该方法可为食品接触性塑料材质的快速鉴别提供参考。     

基于多类别的镉稻米近红外光谱识别分析

采用近红外(NIR)光谱结合化学计量学方法对不同镉污染程度的稻米进行鉴别。首先利用主成分分析(PCA)对样本的NIR光谱进行解析,再用有监督学习算法偏最小二乘识别分析(PLS-DA)、径向基人工神经网络(RBF-ANN)及支持向量机(SVM)对不同污染程度的镉稻米进行定性建模分析。本文还讨论了不同的光谱预处理方法以及建模方法对识别效果的影响。由于NIR光谱差异太小,所以PCA得分图重叠严重,类之间很难区分,PLS-DA、RBF-ANN与SVM模型的预测集鉴别准确率分别为77.1%,67.8%与67.2%,PLS-DA的识别率最高。近红外光谱技术与化学计量学方法虽难以获得预测准确率较高的识别模型,但其预测结果还是可用于超标镉稻米的初步筛查。     

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。     

基于GC-MS结合偏最小二乘判别分析的薰衣草精油指纹图谱研究

建立气相色谱-质谱联用(GC-MS)技术测定薰衣草精油的方法,分析了新疆法国蓝和C-197(2)2个不同品种的21批薰衣草精油样品,并基于该方法建立了薰衣草精油的指纹图谱。以GC-MS结合保留指数对复杂未知物进行定性分析,共确定了26个共有峰。采用偏最小二乘判别分析(PLS-DA)对训练集样本进行模式识别,根据模型的变量权重系数(VIP)筛选出了对品种的分类具有较大贡献的潜在标志物。并通过PLS-DA模型对7个未知样品进行预测,2个品种的薰衣草精油的均方根预测偏差(RMSPE)均为0.1323,模型对验证集中薰衣草样本的判别准确率为100%。结果表明:该方法精密度好,简单快速,为新疆薰衣草精油的品种鉴定与质量评估提供了可靠的依据。     

基于近红外光谱的大鲵肉粉掺伪鉴别及纯度检测

利用近红外光谱技术进行大鲵肉粉的掺伪鉴别及纯度检测。分别采集大鲵纯肉粉、掺入江团鱼肉粉、草鱼肉粉和土豆淀粉的掺伪大鲵肉粉（各40 个样本,4 类共160 个样本）的近红外光谱图。原始光谱经光谱预处理后,利用偏最小二乘-判别分析（partial least square-discriminant analysis,PLS-DA）法分别建立2分类（纯样和掺伪样）和4分类（纯样、掺江团鱼样、掺草鱼样和掺淀粉样）的定性判别模型,利用偏最小二乘回归（partial least squares regression,PLSR）分析法分别建立3 类掺伪大鲵肉粉的纯度定量校正模型。结果表明,PLS-DA定性模型中,经一阶导数＋多元散射校正光谱预处理后,所建2分类和4分类模型性能均为最佳,校正集和预测集的预测准确率均为100%;PLSR定量模型中,大鲵肉粉掺江团鱼肉粉、大鲵肉粉掺草鱼肉粉和大鲵肉粉掺土豆淀粉模型的校正集相关系数（Rc2）分别为0.990 6、0.986 4和0.993 3,校正集的均方根误差分别为1.14%、1.39%和0.88%;测试集的相关系数（Rp2）分别为0.994 4、0.992 4和0.990 8,测试集的均方根误差分别为0.83%、0.89%和1.22%。运用近红外光谱技术结合化学计量学方法能够对大鲵肉粉进行掺伪鉴别及纯度检测。     

近红外光谱结合PLS-DA划分烟叶等级

为了对烟叶等级进行快速分类,采用云南曲靖地区150个烟草样品近红外光谱,结合偏最小二乘判别分析(PLS-DA),建立了烟叶等级分类模型,并对60个预测集样品进行了等级分类预测.结果表明:①训练集和预测集的预测正确率分别为100.0％(150/150)和96.7％(58/60).②PLS-DA对烟叶等级具有良好的分类效果.该模型为烟叶等级分类提供了一种新的快速鉴别分析的方法.