基于近红外光谱的中宁枸杞子判别分析

为实现中宁枸杞子产地的自动化快速鉴别,利用近红外光谱仪对不同产地42 个枸杞子样品进行扫描,对 枸杞子近红外光谱分别进行距离判别分析和聚类分析,建立枸杞子产地判别模型。结果表明：在6 500～5 200 cm－1波 数范围内,采用多元散射校正和标准正态变量变换预处理,对样品的识别率均达到100%,模型预测效果好;采用 马氏距离结合离差平方和法,枸杞子可分为宁夏中宁枸杞和非宁夏中宁枸杞两大类群,样品判别率达到96.9%。利 用近红外光谱对中宁枸杞子产地判别分析是可行的。     

基于近红外光谱的胡椒产地鉴别方法研究

该研究旨在探索一种基于近红外光谱技术对胡椒产地进行分类的方法。收集海南、云南、广西、越南、马来西亚5个产地的胡椒共计300份样品,采集近红外光谱。采用小波去噪等方法对光谱进行预处理,通过支持向量机(support vector machine,SVM)、径向基神经网络(radical basic function,RBF)和线性判别分析(linear discriminant analysis,LDA)建立产地定性鉴别模型。研究表明,SVM和RBF神经网络模型鉴别准确率较好。db5小波预处理后仅选择7个主成分正确率达到100%的数据。结果表明基于近红外光谱的胡椒产地鉴别方法是可行的,预处理可以有效地提高近红外光谱胡椒产地鉴别模型的准确率。     

基于近红外光谱技术的赣南茶油掺假快速鉴别北大核心CSCD

为了探索基于近红外光谱技术快速无损鉴别掺假油茶籽油的可行性,以赣南茶油为研究对象,通过掺入不同植物油如玉米油、花生油、菜籽油、葵花籽油和大豆油等制备掺假油茶籽油,应用近红外光谱技术采集其光谱特征信息,对比不同预处理方法和主成分数,并结合线性和非线性建模方法建立油茶籽油掺假鉴别模型,以识别准确率(纯油茶籽油样品和掺假油茶籽油样品被正确判别的比例)、灵敏度(纯油茶籽油样品被正确判别为纯油茶籽油的比例)、特异性(掺假油茶籽油样品被正确判别为掺假油茶籽油的比例)作为模型的评价指标,优选出最佳模型。结果表明:二阶微分联合线性判别分析(SD-LDA)模型为最优线性模型,标准正态变量变换联合人工神经网络(SNV-ANN)模型为最优非线性模型,两个模型的识别准确率、灵敏度、特异性分别为97.58%、100%、97.33%和98.99%、100%、98.88%。SNV-ANN模型鉴别效果优于SD-LDA模型,说明非线性模型更适于油茶籽油掺假判别,该模型能更准确地鉴别油茶籽油是否掺假。     

基于近红外高光谱成像技术的宁夏羊肉产地鉴别

使用900~1700 nm高光谱成像系统采集宁夏银川、固原、盐池三个不同产地的绵羊后腿样本的近红外高光谱数据,对光谱采用面积归一化方法预处理,利用SPA、CARS、UVE算法对预处理后的光谱数据提取特征波长分别为17、40、121个;结合PLS-DA及KNN建立特征波段下的判别模型。结果表明KNN判别模型效果较差,3种特征波长中利用CARS提取的特征波长建模效果最佳,代替全光谱建立PLS-DA判别模型是可行的;综合对比模型效果,CARS-PLS-DA为最优模型,校正集正确率90.48%,预测集正确率84.21%。证明利用近红外高光谱成像技术对羊肉产地鉴别是可行的。     

近红外光谱技术结合偏最小二乘判别分析检测三七品质

目的 利用近红外光谱技术实现不同等级三七样品的快速鉴别。方法 采集等级A（20头）、等级B（30头）、等级C（40头）、等级D（60头）四种不同等级三七样品的近红外光谱,构建偏最小二乘判别分析（partial least squares discriminant analysis, PLS-DA）分类器模型鉴别四种等级的三七样品,同时为了减近红外光谱中的冗余波长变量,进一步优化模型的判别结果,利用竞争自适应重加权采样（competitive adaptive reweighted sampling, CARS）算法提取近红外光谱中的特征变量。结果 所构建的PLS-DA分类器模型对等级C和等级D的三七样品,鉴别准确率达到100%,但是对于等级A和等级B的三七样品因为存在误判,鉴别准确率仅为0%和20%。经过CARS算法提取近红外光谱特征变量后,光谱变量数大幅减少,从1557个变量下降到78个变量。以优选后的特征变量构建的CARS-PLS-DA分类器模型更加简化,对四种等级三七样品的预测均方根误差均明显下降,说明模型的预测分类变量更接近真实的分类变量,鉴别结果更加准确。同时,对四种等级三七样品的鉴别准确率显著上升,其中对于等级C和等级D的鉴别准确率为100%,对于等级B的鉴别准确率从20%提升到100%,等级A鉴别准确率从0%提升到75%。结论 所构建的CARS-PLS-DA分类器模型对四种等级的三七样品具有更好的鉴别效果,可以实现不同等级三七的品质鉴定。     

基于深度信念网络的近红外光谱鉴别莲子粉掺假

为快速鉴别莲子粉真伪,利用近红外光谱技术对莲子粉掺杂进行鉴别。基于已知利用支持向量机(support vectormachine,SVM)对光谱数据分类的结果,在未知样品类别的情况下使用基于深度信念网络(deepbelief network,DBN)进行判别。结果表明,当训练集数目达到600时,SVM模型对掺入不同比例各类其他作物粉的平均识别率达到98%;基于DBN模型能够有效识别掺杂了各类其他作物粉的莲子粉,极个别掺杂比例的平均识别率在96%左右。采用DBN算法避免了当前深层神经网络易陷入局部最优和无大量标签样本的情况。近红外光谱技术结合DBN为农产制品掺假的快速检测提供了新的尝试。     

近红外光谱技术对圆枣产地的判别分析

采用近红外高光谱成像系统对3类不同产地的圆枣进行判别分析,快速鉴别圆枣产地。应用近红外高光谱获取3类圆枣样本的光谱数据,对光谱采用标准正则变换(SNV)方法预处理,从原始光谱数据中提取特征波长,并建立全波段与特征波段下的线性判别模型来判别3类圆枣的产地。结果表明,近红外光谱结合线性判别法对圆枣产地鉴别的特征波段模型可有效替代全波段模型,模型准确率均大于99%,为实现农产品产地鉴别和自动分类提供理论依据。     

傅里叶变换红外光谱鉴别芝麻酱中掺杂花生酱

提出了基于傅里叶变换红外光谱鉴别纯芝麻酱中掺杂花生酱的方法。使用傅里叶变换红外光谱仪采集650~4000cm-1范围内的纯芝麻酱样品和掺杂花生酱的芝麻酱样品共计93例,以标准正态变量变换(standard normal variate,SNV)做光谱预处理,比较了支持向量机(support vector machine,SVM)、线性判别分析(liner discriminant analysis,LDA)2种判定方法,并选择有效波长建立模型。研究表明,采用SVM建立判别模型较优;选取3071~2792cm-1,1786~667cm-1为有效波长后SVM模型的综合判别正确率提高至93.55%,且模型输入变量减少58.20%。采用傅里叶变换红外光谱结合支持向量机判别模型可以较好地应用于纯芝麻酱中掺杂花生酱的鉴别。     

基于近红外光谱与矿物元素指纹信息融合对绿豆产地判别模型比较分析

为提高模型对绿豆产地的鉴别率,通过近红外光谱指纹信息和矿物元素指纹信息融合技术分析来自黑龙江省杜尔伯特蒙古自治县、吉林省白城市、黑龙江省泰来县、山东省泗水县绿豆样品中近红外光谱吸收强度和矿物元素含量,结合偏最小二乘判别分析(PLS-DA)法建立融合这两种指纹信息的鉴别方法。结果表明,信息融合模型的绿豆产地鉴别准确率为100%,与单一光谱指纹信息模型(90.0%)和矿物元素指纹信息模型(96.7%)相比,分别提高了10.0%和3.3%。因此,采用PLS-DA法信息融合模型对绿豆产地进行鉴别是可行的,近红外光谱指纹信息和矿物元素指纹信息融合技术可以提高绿豆产地的鉴别效果。     

菜籽品种可见近红外光谱鉴别研究

菜籽品种是决定蔬菜品质的主要因素之一,为了快速鉴别菜籽品种,提出一种菜籽品种的可见近红外光谱鉴别方法.在450～1 000 nm光谱范围内,采集了6种菜籽的可见近红外光谱.采用主成分载荷曲线法,从全光谱变量中筛选出17个特征光谱变量,作为线性判别分析(LDA)的输入向量,建立了菜籽品种LDA鉴别模型,且模型判别结果优于主成分判别结果,误判率为2.42％.结果表明,采用可见近红外光谱技术结合线性判别分析方法,进行菜籽品种的快速鉴别是可行的.     

Multispectral image analysis approach to detect adulteration of beef and pork in raw meats

The aim of this study was to investigate the potential of multispectral imaging supported by multivariate data analysis for the detection of minced beef fraudulently substituted with pork and vice versa. Multispectral images in 18 different wavelengths of 220 meat samples in total from four independent experiments (55 samples per experiment) were acquired for this work. The appropriate amount of beef and pork-minced meat was mixed in order to achieve nine different proportions of adulteration and two categories of pure pork and beef. After an image processing step, data from the first three experiments were used for partial least squares-discriminant analysis (PLS-DA) and linear discriminant analysis (LDA) so as to discriminate among all adulteration classes, as well as among adulterated, pure beef and pure pork samples. Results showed very good discrimination between pure and adulterated samples, for PLS-DA and LDA, yielding 98.48% overall correct classification. Additionally, 98.48% and 96.97% of the samples were classified within a ± 10% category of adulteration for LDA and PLS-DA respectively. Lastly, the models were further validated using the data of the fourth experiment for independent testing, where all pure and adulterated samples were classified correctly in the case of PLS-DA, while LDA was proved to be less accurate.     

Authentication of Olive Oil Adulterated with Vegetable Oils Using Fourier Transform Infrared Spectroscopy

Determination of the authenticity of extra virgin olive oils has become more important in recent years following some infamous adulteration and contamination scandals. The study focused on application of Fourier transform infrared spectroscopy to identify the adulteration of olive oils. Single-bounce attenuated total reflectance measurements were made on pure olive oil and olive oil samples adulterated with varying concentrations of sunflower oil (20-100 mL vegetable oil/L of olive oil). Discriminant analysis using 12 principal components was able to classify the samples as pure and adulterated olive oils based on their spectra. A partial least squares model was developed and used to verify the concentrations of the adulterant. Furthermore, the discriminant analysis method was used to classify olive oil samples as distinct from other vegetable oils based on their infrared spectra.     

基于顶空气相色谱-离子迁移谱与电子鼻技术快速检测宁夏滩羊肉中掺假鸭肉

为实现掺假宁夏滩羊肉的准确快速检测,按照不同比例将鸭肉混入滩羊肉中制备掺假肉。基于顶空气相色谱-离子迁移谱（gas chromatography-ion mobility spectrometry,GC-IMS）及电子鼻结合统计学方法对掺假肉样进行快速检测。通过GC-IMS采集掺假肉气味图谱,利用主成分分析和相似度差异分析对掺假肉进行分析;采用线性判别法分析电子鼻传感器响应值,后采用多元线性回归建立电子鼻响应值与鸭肉掺假比例的定量模型。结果表明：通过GC-IMS气味图谱可直观看出掺假不同比例鸭肉的滩羊肉中挥发性有机物差异,但对于掺假比例相近的样品区分度不明显;采用线性判别分析可很好区分掺假不同比例鸭肉的滩羊肉;采用多元线性回归分析,以鸭肉掺假比例及电子鼻传感器响应值进行拟合,得到回归方程决定系数为R2=0.967 1,拟合度高,实际测定值与预测值具有较好的相关性。GC-IMS技术、电子鼻结合统计学方法可以对掺入不同比例鸭肉的滩羊肉进行鉴别。     

气相色谱结合化学计量在核桃油、菜籽油掺伪混合物含量判别分析中的应用

目的：识别核桃油中同时掺入多种其他植物油的多元掺伪。方法：采用气相色谱技术分析核桃油、菜籽油掺伪混合物中脂肪酸含量,结合化学计量方法对气相色谱数据进行建模,并对不同比例核桃油、菜籽油混合物进行判别分析。结果：主成分分析法（PCA）能快速鉴别出纯核桃油和掺伪核桃油,并在一定程度上反映样本的掺伪比例;Bayes判别分析将83.33%的样品归入正确的分类;偏最小二乘判别分析法（PLS-DA）的判别准确率达87.50%;基于BP神经网络模型的判别分析,其训练集的正确率为84.21%,测试集的正确率为80.00%;基于遗传算法优化支持向量机（SVM-ga）的判别分析,其训练集和测试集的正确率均为100%。结论：多种分析模型均能不同程度地识别核桃油、菜籽油掺伪比例,其中SVM-ga模型的预测精度最佳。     

葛粉掺假的傅里叶变换红外光谱法鉴别研究

以葛粉及葛粉中分别掺假红薯粉和马铃薯粉作为研究对象,采集400～4000cm-1波数范围内的红外傅里叶变换光谱,结合主成分分析对样品的进行聚类划分。并通过Fisher判别,建立葛粉真伪的判别方程。分别以样本回判及外部验证考察模型可靠性。结果表明：葛粉、红薯粉与马铃薯粉及三者不同比例混合样品的二维主成分分布位于不同区域,且葛粉与掺假葛粉之间无重叠。判别方程经样本回判及外部验证表明,葛粉中掺假红薯粉和葛粉中掺假马铃薯粉的自身验证准确率分别为93.3%和100%;交互验证准确率分别为86.7%和92.0%。此方法具有很好的鉴别作用,可作为葛粉中掺假红薯粉和马铃薯粉的一种鉴别方法。     

电子鼻对芝麻油掺假的检测

使用电子鼻系统PEN3 对芝麻油中掺入大豆油、玉米油、葵花籽油进行检测分析,分别对芝麻油中不同量的掺假进行辨别,用主成分分析(PCA)和线性判别式分析(LDA)两种方法分析。结果表明：电子鼻能够较好的识别芝麻油掺假不同比例的大豆油、玉米油和葵花籽油,而且LDA 方法比PCA 方法的效果好。PCA 方法对掺入大豆油、玉米油超过50% 和葵花籽油超过70% 的芝麻油能明显区分,而LDA 方法对芝麻油中掺入不同量的大豆油、玉米油和葵花籽油均能明显区分。     

电子鼻鉴别核桃油中掺入大豆油、菜籽油及玉米油研究

为了快速简便地鉴别核桃油掺伪,利用电子鼻技术鉴别核桃油中掺入大豆油、菜籽油及玉米油,并采用主成分分析(PCA)和线性判别式分析(LDA)对结果进行分析,研究表明:采用PCA方法可以鉴别核桃油掺入大于20%大豆油、7%菜籽油和7%玉米油;采用LDA方法可以鉴别核桃油中掺入大于1%大豆油、1%菜籽油和7%玉米油,LDA方法比PCA方法能更加有效地鉴别核桃油中掺入大豆油、菜籽油和玉米油的现象。电子鼻技术可以作为鉴别核桃油掺假的一种快速简便的检测技术。     

Classification of simple and complex sugar adulterants in honey by mid-infrared spectroscopy

Adulteration of honey with sugars is the most crucial quality assurance concern to the honey industry. The application of Fourier transform infrared spectroscopy as a screening tool for the determination of the type of sugar adulterant in honey was investigated. Spectra of honey adulterated with simple and complex sugars were recorded in the mid-infrared range using the attenuated total reflectance accessory of a Fourier transform infrared spectrometer. Adulterants considered were sugars (glucose, fructose and sucrose) and invert sugars (cane invert and beet invert). Predictive models were developed to classify the adulterated honey samples using discriminant analysis. Spectral data were compressed using principal component analysis and partial least-square methods. Linear discriminant analysis was used to discriminate the type of adulterant in three different honey varieties. An optimum classification of 100% was achieved for honey samples adulterated with glucose, fructose, sucrose and beet and cane invert sugars. Results demonstrated that discriminant analysis of the spectra of adulterated honey samples could be used for rapid detection of adulteration in honey.     

电子鼻结合统计学分析对牛肉中猪肉掺假的识别

利用电子鼻结合统计学分析对掺入猪肉的掺假牛肉进行定性和定量研究。采用平均值法和K均值聚类分析法提取特征值;通过主成分分析、判别分析进行分析并使用多层感知神经网络进行模式识别;通过偏最小二乘、多元线性回归和BP神经网络建立定量模型来预测掺假物含量。结果表明：K均值聚类分析法提取的特征值能更全面地反映电子鼻的响应信号,同时判别分析能更好地对掺假牛肉进行定性检测。多层感知神经网络分析中训练集正确分类率达98.8%,验证集正确分类率达97.4%,说明分类结果较好。BP神经网络的决定系数R2（0.9993、0.9930）和均方根误差（0.90%、2.50%）明显优于其他两种方法,故BP神经网络建模分析能更好地预测掺假牛肉中猪肉的含量。说明应用电子鼻技术检测掺入猪肉的掺假牛肉具有一定的可行性。     

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。