基于近红外光谱技术的枸杞产地溯源研究

采用近红外光谱技术对宁夏、甘肃、青海、内蒙、河北的8个不同产地40种枸杞样品进行扫描,在主成分分析基础上利用简易分类法(simple modeling of class analogy,SIMCA)模式识别原理分别建立模型。结果表明：在950～1650nm全光谱波长范围内,光谱经一阶导数(5点平滑)和矢量归一化(standard normal variate,SNV)预处理后,8个产地模型的主成分数均为3时,采用 SIMCA模式识别法可以建立较为稳健的枸杞产地溯源模型;在α＝5%的显著水平条件下检验模型的可靠性,8个产地校正集模型的识别率除青海为80%外,其他产地均为100%,拒绝率分别为100%、100%、97%、100%、91%、94%、97%、100%,其验证集模型的识别率均为100%,拒绝率分别为100%、100%、100%、100%、75%、88%、100%、100%。表明该方法在枸杞产地识别中具有可行性。     

基于可见-近红外光谱及随机森林的鸡蛋产地溯源

为了研究快速无损鉴别鸡蛋产地的可行性,利用可见-近红外光谱技术,采集4种湖北不同产地鸡蛋的透射光谱(500~900 nm),利用中心化、归一化、标准正态变量(SNV)、Savitzky-Golay平滑滤波(SG)和多元散射校正(MSC)、直接正交信号校正(Direct Orthogonal Signal Correction,DOSC)算法对光谱数据进行预处理,采用t分布式随机邻域嵌入(t-distributed stochastic neighbor embedding,t-SNE)、主成分分析(PCA)方法对预处理后的数据降维,并将降维后的数据分别输入极限学习机(extreme learning machine,ELM)和随机森林(random forest,RF),建立鸡蛋产地溯源模型。比较两种方法建立的模型,发现运用DOSC预处理及t-SNE提取的光谱特征信息建立的RF模型鉴别效果最好,训练集和预测集的鉴别正确率分别为100%和98.33%。研究结果表明基于可见-近红外光谱技术对鸡蛋产地溯源是可行的,为进一步研究与开发鸡蛋产地溯源便携式仪器提供技术支持。     

基于近红外光谱技术的鸡肉产地溯源

采用近红外光谱技术对辽宁大连、河北遵化、潍坊坊子、潍坊昌邑、潍坊诸城5个产地的100个鸡肉样本进行扫描,对这些样本的近红外光谱进行主成分分析、聚类分析,建立了鸡肉产地溯源的定性判别模型。试验结果表明:在全光谱范围(780~2 500 nm)内,经二阶求导(13点平滑)和矢量归一化(standard normal variate,SNV)预处理后,5个地区鸡肉的近红外光谱图有显著差异,鸡肉样本的主成分空间分布位于不同的区域,聚类分析树状图中不同产地也各自聚为一类。利用来自5个产区的30个独立样本对模型进行验证,识别率和拒绝率均为100%。此结果表明近红外光谱分析技术可准确、快速追溯鸡肉的产地来源。     

基于主成分分析和人工神经网络的近红外光谱大豆产地识别

为了准确、快速地识别大豆产地,通过近红外光谱技术（NIRS）结合主成分分析（PCA）和人工神经网络技术（ANN）研究不同国家大豆内含特征,建立进口大豆产地识别模型。采用箱型图校正法,剔除阿根廷、巴西、乌拉圭、美国等4个国家166组大豆样本中12组异常样本。采用多元散射校正（MSC）、标准正态变量（SNV）、Savitzky-Golay（SG）平滑滤波等方法进行光谱数据预处理,结果表明,采用SG（3）平滑结合MSC预处理效果最好。主成分分析表明,前10个主成分的累积贡献率达到99.966%。选取主成分分析得到前10个主成分为输入向量,4个产地作为目标向量,分别采用支持向量机（SVM）、邻近算法（KNN）与人工神经网络法（ANN）建立识别模型。结果表明,采用BP-ANN建模效果最好,总体测试集准确率为95.65%,其中阿根廷准确率为100%,巴西准确率为100%,乌拉圭准确率为80%,美国准确率为100%,该模型能够实现对进口大豆生产国别的识别。     

利用可见/近红外光谱技术对小米产地进行溯源研究

目的利用可见/近红外光谱技术对产自不同地区的晋谷21号小米进行溯源研究。方法使用近红外光谱仪获取产自洪洞、浮山、沁县3个不同地区的晋谷21号小米400~1004nm波段范围内的漫反射光谱;对光谱分别进行多元散射校正法(multiple scattering correction,MSC)、一阶导数法(first derivative,1St-D)预处理;对预处理光谱进行主成分分析,全交叉验证确定最佳主成分数量,获取主成分;同时选择预处理光谱特征波长。使用马氏距离法、线性判别法建立判别模型,最后用未知样品的验证准确率来表示模型的判别效果。结果原始光谱和MSC处理光谱提取特征波长分别建立的产地判别模型对3个不同产地的小米判别完全准确;1St-D处理光谱基于7个主成分结合马氏距离法和基于9个主成分结合线性判别法建立的2种判别模型对3个不同产地的小米亦实现完全准确判别。结论可见/近红外反射光谱技术用于小米产地的判别具有可行性,本研究可为小米产地的快速判别应用中提供技术基础。     

利用可见/近红外光谱判别干枣品种

目的利用可见/近红外反射光谱技术快速判别干枣的品种。方法使用光谱仪获取山西永和枣、山西板枣和新疆和田枣3种干枣在345~1100 nm波段范围内的漫反射光谱;分别使用多元散射校正(MSC)法和一阶导数法(1~(st)-D)和二阶导数法(2~(st)-D)对反射光谱进行预处理;对预处理光谱进行主成分分析,全交差验证法确定最佳主成分数量,提取主成分,结合马氏距离法和线性判别法建立品种判别模型,建立模型过程中使用全交叉验证法确定最佳主成分数,将模型应用于干枣的品种判别。结果可见/近红外反射光谱经过MSC处理后提取主成分建立品种预测模型对枣的品种判别结果最好,利用前4个主成分结合马氏距离法建立的判别模型和利用前5个主成分结合线性判别法建立判别模型,对于3个品种的枣的校正和验证判别准确率都达到了100%。结论可见/近红外反射光谱技术可以较好地判别干枣品种,本研究可为可见/近红外光谱技术在于枣品种和产地的快速鉴别和溯源中的应用提供一定的技术基础。     

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。     

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。     

基于锶同位素和7种元素的红枣产地判别

为建立红枣产地判别模型,提供红枣原产地溯源理论依据,采集河南新郑、山西太谷和新疆哈密、策勒、于田的红枣样品,采用热电离质谱仪和电感耦合等离子体质谱仪测定锶同位素(87Sr/86Sr)和33种元素含量,结合化学计量学主成分分析和判别分析建立判别模型,对新疆不同产地红枣和河南、山西红枣进行判别分析。多重比较结果表明:新郑、于田红枣Rb含量显著高于哈密、策勒,太谷红枣Zn含量显著高于于田。策勒红枣87Sr/86Sr显著高于新郑、太谷、于田、哈密,而新郑、太谷、于田红枣87Sr/86Sr显著高于哈密。通过共线性诊断分析,选取87Sr/86Sr和7种元素(Sc、V、Co、Zn、Y、Cd、Cs)建立判别模型,5个产地红枣回代检验、留一交叉验证的整体判别率分别为100%、82.7%。87Sr/86Sr和7种元素结合化学计量学判别不同产地红枣的方法切实可行。     

基于NIRS的食用醋品牌溯源模型的建立与优化

本文主要探讨了近红外光谱(NIRS)结合模式识别技术应用于食用醋品牌溯源研究。采集了四个品牌(四川保宁香醋、山西东湖老陈醋、镇江恒顺香醋、镇江香醋)共160组食醋样品的近红外漫反射光谱,通过主成分分析(PCA)进行光谱变量压缩及剔除8个异常样本数据后,随机选取其中的114组样品组成训练集用于建立溯源模型,剩余38组样品用作测试集进行模型验证。比较了MSC、SD、SNV等几种不同光谱预处理方法以及它们的不同组合对溯源模型的影响,同时考察了PLS-DA与SIMCA两种建模方法对模型的影响。结果表明:选择MSC与SD相结合的方法对光谱数据进行预处理,并采用SIMCA建模方法所建立的醋品牌溯源模型对四大品牌醋的正确识别率分别可达100%、100%、91.7%、90%。由此说明采用近红外光谱技术结合模式识别技术可有效实现食用醋品牌溯源的目的。     

主成分和判别分析在清香型白酒产地溯源中的应用

采用气相色谱法分析不同产地清香型白酒中乙酸乙酯、乳酸乙酯、乙酸等12种主体香味成分的含量,利用SPSS22.0软件对数据进行主成分和判别分析,可以将12个指标提取3个主成分,建立3个判别典型函数。利用建立判别函数可以对5个不同产地的78个白酒样品100%进行正确判别。该方法为不同产地白酒的溯源和真伪鉴别提供一条新的途径。     

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。     

Lychee Variety Discrimination by Hyperspectral Imaging Coupled with Multivariate Classification

This current study was carried out to investigate the ability of hyperspectral imaging (HSI) technique and multivariate classification for the differentiation of lychee varieties. A total of 122 lychee samples from three varieties (“Baila,” “Jizhui,” and “Guiwei”) were used. The relationship between reflectance spectra and lychee varieties were established. Principal component analysis (PCA) was implemented on the region of interest (ROI) image to reduce data dimensionality and visualize the cluster trend. The first two principal components (PCs) explained over 97 % of variances of all spectral bands. Linear (soft independent modeling of class analogy (SIMCA) and partial least square discriminant analysis (PLS-DA)) and nonlinear (back propagation neural network (BPNN) and support vector machine (SVM)) multivariate classification methods were used to develop discrimination models. The results revealed that SVM model achieved the best result, with the identification rate of 100 % in the calibration set and 87.81 % in the prediction set. BPNN had a discrimination rate of 100 % for the training set and 85.37 % for prediction set, while PSL-DA and SIMCA model had a discrimination rate of 78.05 % and 60.98 % for prediction sets, respectively. The nonlinear classification methods used were superior to the linear ones. The overall results showed that HSI system with SVM classification tool could be used in identification of lychee varieties.     

基于矿质元素指纹分析的陈皮产地溯源研究

通过分析不同产地陈皮中矿质元素含量的差异,结合多元统计分析,筛选基于矿质元素指纹分析技术的有效产地溯源指标,构建陈皮不同产地鉴别的判别模型。该研究采集了广东、福建、重庆3个不同产地的206份陈皮样品,利用电感耦合等离子体质谱仪（ICP-MS）和电感耦合等离子体发射光谱仪（ICP-AES）测定了32种矿质元素含量,结合方差分析、主成分分析和线性判别分析、正交-偏最小二乘法判别分析方法建立了陈皮产地判别模型。结果表明,陈皮样品的32种矿质元素中有26种元素含量在广东与其他两个产地间存在显著差异,而其中11种元素在3个不同产地间存在显著差异。经过主成分分析,从32种矿质元素可提取出4个主成分,代表了总指标70.0%的信息。基于主成分分析,陈皮样品可根据其来源进行初步聚类。其中前2个主成分的主要变量为Dy、Sm、Gd、Pr、Nd、Y、La、Fe、Be、V、Ce、Sc、Co、P、Mo、As、Pb、B这18种元素。通过线性判别分析确定了K、P、Ca、Co、Cu、Mn、Mo、V、Ni、B、Li、Pb、As、Sr、Ti、Th、Gd、Sc、Nd、Pr、Y这21种矿质元素为陈皮的有效溯源指标,基于正交-偏最小二乘法判别分析方法建立的判别模型确定了Sc、B、Y、Co、Nd、La、Pr、Be、Gd、Dy、Sm、Mo、Fe这13种元素的重要性。2种判别分析方法构建的判别模型的交叉验证和外部样品验证的整体正确判别率均达到100%,基本实现了陈皮的产地判别,研究证明矿质元素指纹分析技术可用于陈皮的产地溯源判别。     

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%。     

广域照射拉曼光谱技术结合簇类独立软模式法快速鉴别原料肉及掺假肉

应用广域照射（wide area illumination，WAI）拉曼光谱技术与簇类独立软模式（soft independent modeling of class analogy，SIMCA）法，结合多元散射校正（multiplicative scatter correction，MSC）和光谱仪降噪和波长标定（spectrometer noise reduction and wavelength calibration，SNRWC）降噪技术，建立鸭、羊、猪3 种原料肉及掺假羊肉的定性识别模型。结果表明：经MSC与SNRWC处理后，鸭、羊、猪3 种原料肉之间及羊肉、掺假羊肉之间的主成分分析结果具有明显的聚类趋势，在此基础上建立SIMCA定性分类模型，对不同产地的37 个原料肉样品种属进行定性鉴别，识别正确率达100%；对4 个掺假羊肉和5 个未掺假羊肉样品识别正确率也为100%。因此，拉曼光谱分析技术结合有效的数据前处理方法及化学计量学方法可对鸭、羊、猪原料肉种属及掺假羊肉进行鉴别。与常规方法相比，该检测过程快速、方便，并且无需样品前处理。     

基于稳定同位素和矿物元素的牛奶产地溯源技术

随着乳品产业的发展,乳品质量安全备受关注,具有特定产地、草饲散养等声称的高端乳制品层出不穷,牛奶的原产地溯源尤为必要。本研究分别测定黑龙江省、云南省、河北省、甘肃省、内蒙古自治区5个省区牛奶样本中的δ13C、δ15N、δ2H、δ18O四种稳定同位素比值及钙、铁、锌三种矿物元素的质量浓度,结合多元统计分析方法建立5个地区的牛奶产地的数据模型,探究稳定同位素和矿物元素在牛奶产地溯源中的应用前景,开发一种基于稳定同位素和矿物元素的牛奶产地溯源技术。结果显示,牛奶中稳定同位素比值δ13C、δ15N、δ2H、δ18O和矿物元素钙、锌的产地差异性显著（P<0.05）,可作为养殖模式及产地鉴别的依据,而铁的产地差异性不显著（P>0.05）。聚类分析和主成分分析可有效区分出甘肃省的样品,在其他产地间存在一定交叉,通过判别分析可有效区分全部产地,原始整体判别率为100%,交叉验证的正确判别率为96%。利用本研究开发的牛奶产地溯源技术可实现有效的产地判别,可为控制奶源、提振国民消费信心提供强有力的技术支持。     

基于高光谱技术的籼稻霉变程度鉴别模型构建与优化

为解决快速无损鉴别籼稻霉变程度问题,利用高光谱技术采集200份霉变样本可见/近红外光谱信息,随机选取155份样本作为校正集,剩余45份作为验证集,根据预测浓度残差检验标准对校正集中异常样本进行剔除。以新校正集建立主成分线性判别分析(PCA-LDA)和簇类独立软模式法(SIMCA)模型,选用正确识别率为指标,优选最佳鉴别模型。并采用连续投影算法(SPA)提取特征波长,优化优选的最佳模型构建速度。研究结果表明,PCA-LDA对所有样本的误判总数为15,正确识别率为92.50%;SIMCA和SPASIMCA对所有样本的未能正确识别总数分别为6、2,正确识别率分别为97.00%、99.00%,并且经SPA筛选的变量数为20,仅占原始变量数的7.81%,建模时长缩短为原始变量的40.93%。因此,SPA-SIMCA鉴别效果最好,该方法在快速、准确鉴别籼稻霉变程度上具有可行性。     

基于多元分类判别方法对普洱生茶进行产地溯源研究

目的 探究多元分类判别方法对普洱茶产地溯源的有效性与可行性。 方法 基于云南5个产地的60份普洱茶生茶样本,利用5种有机成分以及35种矿物元素的含量,结合主成分分析、判别分析和多层感知器分析等多元分类方法构建普洱茶产地溯源模型。结果 普洱茶（生茶）中总计33项指标具有与产地的显著相关性。不同产地的普洱茶样本在主成分上有差异,但分类的准确性较低。通过判别分析得到了普洱茶产地溯源的判别函数和组质心函数,该样本溯源正确率高于98%。通过多层感知器分析,该方法的分类正确率最高,生茶样本的训练集和验证集分类正确率分别为100%和95%,分类准确。结论 普洱茶中有机成分与矿物元素受环境因素影响,在各自产地间形成各自的指纹特征,多维组合可用于建立普洱茶产地溯源模型,为普洱茶产地追溯提供一定的方法支持。