近红外光谱结合化学计量法快速无损鉴别燕麦

提出了一种基于近红外光谱技术与化学计量学的燕麦无损鉴别方法。通过近红外光谱仪测定了5个品牌与劣质燕麦的光谱曲线,利用连续小波变换方法对光谱进行预处理,然后基于标准偏差与相对标准偏差的变量筛选方法筛选出具有代表的15个波数点,最后结合主成分分析法对不同燕麦样品快速鉴别。结果表明:连续小波变换可以有效地消除光谱中的背景干扰,提取光谱有效信息,波长筛选方法可以大大提高主成分分析结果的鉴别能力。通过结合近红外光谱分析技术与化学计量学方法,可对中国国产品牌、进口品牌和劣质燕麦进行准确鉴别。     

基于近红外光谱技术和优化预处理方法的豆浆粉无损鉴别研究

基于近红外光谱技术结合不同优化预处理方法建立不同品牌与简单研磨豆浆粉的无损鉴别方法。首先对简单研磨豆浆粉、国产品牌、国外品牌3类共132个样品进行近红外光谱采集,对比分析其近红外原始光谱图,随即结合不同预处理方法考察其对原始光谱的优化结果,最后结合主成分分析方法对简单研磨豆浆粉以及国内外不同品牌豆浆粉进行鉴别分析,筛选出最佳的优化预处理,并建立有效可靠的豆浆粉近红外鉴别模型。结果表明:原始光谱存在着明显的背景干扰和基线漂移现象,多种预处理均在一定程度上有效消除基线漂移;一阶导数、连续小波变换、多元散射校正、标准正态变量变换及其优化组合预处理的使用,实现了进口、简单研磨、国产3类豆浆粉样品的有效鉴别,但无法实现国产品牌之间的有效鉴别。二阶导数预处理的聚类分析结果则最终实现了所有品牌之间的完美区分,品牌间的鉴别成功率可达到100%。在豆浆粉的近红外快速无损鉴别当中最优光谱预处理方法为二阶导数预处理。     

近红外光谱技术鉴别方便面品牌的研究

对近红外光谱分析技术鉴别不同品牌的方便面进行了研究。选取三个代表性品牌,每个品牌各制45个样(其中40个样品用于建模,5个样品用于预测),通过比较不同光谱预处理方法及光谱范围,得到最优模型。结果表明,在8350～4190cm-1光谱范围内,采用矢量归一法对光谱数据进行预处理,再分别进行聚类分析与定性分析,得到的模型的品牌识别率均为100%,比较两种方法建立模型的效率,聚类分析比定性分析更加快速。说明应用近红外光谱分析技术能够快速、有效的鉴别方便面品牌,为方便面品牌的鉴别提供了一种新方法。     

近红外光谱法快速鉴别涪陵榨菜品牌的研究

提出了一种基于近红外漫反射光谱技术快速鉴别涪陵榨菜品牌的方法。应用近红外漫反射光谱技术对市场上6种典型品牌涪陵榨菜提取光谱,并对获得的原始光谱数据进行平滑、一阶导数以及矢量归一化等预处理后,采用因子法计算样品间的光谱距离,通过ward’salgorithm方法进行聚类分析。并与判别分析的实验结果进行了对比,结果显示聚类分析和判别分析对6种涪陵榨菜品牌均能很好地鉴别。     

不同品牌豆浆粉与假冒豆浆粉无损鉴别方法的建立

基于近红外光谱技术与化学计量学方法建立一种适合于假冒以及国内外不同品牌豆浆粉的无损鉴别方法。采集国内外不同品牌豆浆粉以及假冒豆浆粉共132个样本的近红外光谱,利用连续小波变换方法扣除光谱中的背景和基线干扰,基于标准偏差与相对标准偏差筛选出特征波长,并结合主成分分析方法对不同品牌与假冒豆浆粉进行鉴别。结果表明:连续小波变换能够有效消除基线的干扰,波长筛选方法可以大大提高鉴别的准确性。采用该方法,假冒豆浆粉、进口豆浆粉与国产豆浆粉之间的鉴别准确率达100%,而不同品牌豆浆粉之间的鉴别准确率达93.94%。采用近红外光谱技术与化学计量学方可有效实现对国内外不同品牌豆浆粉以及假冒豆浆粉的快速无损鉴别分析。     

基于便携式近红外光谱技术的茯苓粉真实性无损检测研究

目的 基于便携式近红外光谱技术结合化学计量学方法建立了一种茯苓粉真实性无损检测新方法。方法 以与茯苓粉外观相似的生粉、木薯粉和小麦粉为假冒以及掺假物质, 利用便携式近红外光谱仪采集假冒以及不同比例掺假茯苓粉的光谱数据; 利用光谱预处理方法消除光谱中的背景以及基线漂移干扰; 结合主成分分析方法构建假冒以及掺假茯苓粉的鉴别模型。结果 采用原始光谱建立的主成分分析模型即可实现假冒茯苓粉(生粉和木薯粉)以及不同比例掺假茯苓粉(生粉)的准确鉴别, 但无法实现假冒以及所有比例掺假茯苓粉(小麦粉)、25%掺假比例茯苓粉(木薯粉)的准确鉴别; 合适的预处理方法可以提高模型的鉴别准确率, 经预处理后的主成分分析模型可以实现所有假冒以及掺假茯苓粉的准确鉴别。结论 采用近红外光谱技术与化学计量学方法可实现茯苓粉真实性无损检测。     

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。     

SVM方法在淀粉分类问题中的应用

采用不同品牌的马铃薯淀粉和玉米淀粉共计49个样品,运用VERTEX70进行光谱扫描,在不同光谱范围内,通过对原始光谱进行不同的预处理,得到淀粉样品的近红外光谱数据。在Matlab6.5仿真环境下,采用SVM工具包实现对样品数据的训练和预测,选取不同的核函数和惩罚因子C,可以准确地将淀粉进行分类。实验结果表明,利用近红外技术结合支持向量机对淀粉类别进行判别是可行的。     

近红外光谱技术结合化学计量方法用于大米的快速分析

基于近红外光谱结合化学计量学建立一种可以快速、无损鉴别大米品种的新方法。采集不同厂家以及不同品牌的大米共115类并得到其光谱数据。利用连续小波变换技术消除背景干扰和基线漂移,从而加强光谱特征信息,提高信噪比。此外,结合主成分分析方法对不同品牌与不同厂家的大米进行鉴别分析。结果表明:连续小波变换可以有效地消除背景干扰,极大地提高模型的鉴别能力。采用近红外光谱技术结合化学计量学方法可以准确地鉴别不同大米的品种及产地。     

近红外光谱技术检测燕麦中蛋白质含量

以93份燕麦样品为研究对象,比较了不同光谱预处理方法和不同回归方法对定标模型的影响,建立了定量分析燕麦中蛋白质含量的合理模型。结果表明,最佳的预处理方法:光谱散射处理为标准化处理(SNV),数学处理为2441;最佳的回归方法为改进偏最小二乘法(MPLS)。在此条件下模型对验证集的测定值与预测值的决定系数为0.954 3,均方根误差为0.160 7,模型的预测准确性良好。建立的近红外模型对燕麦中蛋白质快速测定有一定参考价值。     

近红外光谱技术结合支持向量机对食用醋品牌溯源的研究

研究近红外光谱技术对食用醋品牌进行快速无损溯源。收集市场上保宁、东湖、恒顺、镇江4个品种共152份具有代表性的食用醋样品,采集它们的近红外光谱数据,对原始光谱数据进行多元散射校正(multip,licative scatter corrertion,MSC)预处理,对预处理后的光谱数据利用主成分分析法(principal component analysis,PCA)进行聚类分析,根据主成分的累计贡献率选取主成分数,然后用支持向量机(support vector machine,SVM)建立预测模型,选取合适的SVM核函数,并利用粒子群优化算法(particle swarm optimization,PSO)优化模型参数。结果表明,近红外光谱技术结合支持向量机对食用醋品牌分类正确率可达100%。     

利用傅里叶变换红外光谱法分析燕麦片的品质

为了建立一种快速、无损的鉴定市场所销售的燕麦片的品质鉴定分析方法,对宁波市超市所销售的品牌1～品牌8的燕麦片商品进行了抽样,采取傅里叶变换红外光谱法(FTIR)进行定性分析。结果表明,通过红外光谱图和特征峰之间的比较,可以分析出燕麦中含有的营养成分及其含量高低;结合二阶导数谱能把红外图谱中重叠的峰区分开来,增大谱图的分辨率,使分析更加精细准确;利用热微扰法测定燕麦红外光谱及其二维相关红外光谱可以判断燕麦的热稳定性。因此,傅里叶变换红外光谱法是一种快速、无损的鉴定燕麦片品质的分析方法。     

萤火虫优化支持向量机参数的近红外光谱技术鉴别卷烟牌号

目的：准确快速鉴别卷烟牌号。方法：采集不同牌号卷烟的近红外光谱,通过光谱预处理方法降低干扰因素后,利用萤火虫算法(FA)优化支持向量机(SVM)参数,考察光谱预处理方法、萤火虫算法的种群数目和迭代次数对卷烟分类正确率的影响。结果：采用标准正态变量变换(SNV)结合一阶导数(1D)方法进行近红外光谱预处理,当萤火虫种群数目为20,迭代次数为20时,优化支持向量参数可达到较好的识别效果,训练集的分类正确率为100%,测试集的分类正确率为96.67%~100.00%。结论：利用近红外光谱技术结合FA算法优化SVM可实现对卷烟牌号的准确鉴别     

利用FTIR-ATR快速鉴别几种常见产业用纤维

利用衰减全反射傅里叶红外光谱(FTIR-ATR)技术对几种常见的产业用纤维——乙纶、丙纶、锦纶、涤纶、芳纶1313、芳纶1414、聚四氟乙烯纤维等进行测试,通过提取各纤维红外谱图的特征峰及特征谱带,实现从化学结构上对几种常见产业用纤维的定性鉴别。FTIR-ATR技术采用点对点采样,所需样品量少,可实现无损检测,且检测周期短、测试灵敏度高、结果准确可靠。     

傅里叶变换红外光谱鉴别黑茶样品

利用傅里叶红外光谱法分析比较具有代表性的黑茶的5个样品。结果表明：各样品由于原料老嫩和具体加工工艺差异而使它们所含化学成分及相对含量不同,具有其各自的特征红外光谱;根据红外一阶光谱的峰数、波数、峰形、相对强度的差异及二阶导数谱的相似度可以区分5个黑茶样品。傅里叶红外光谱法快速、简便且直观,适用于不同黑茶的鉴别。     

Standard infrared absorption spectrum of betaine and optimal conditions for its measurement

The infrared absorption (IR) spectrum is often used as a standard reference in identification tests of food additives in Japan. In the case of betaine, many different IR spectra have been reported and, therefore, it is necessary to establish an IR spectrum that is reproducible and reliable enough to be used as a standard for identification. In the present study, suitable conditions to obtain a standard IR spectrum were examined from various viewpoints, including pretreatment, selection of method, and measuring technique. The KBr disk method, which has generally been used to identify betaine, was found to be humidity-dependent, and there was also an interaction between betaine and KBr. A reproducible IR spectrum suitable as a standard could be obtained by drying betaine at 105 degrees C for 3 hours over phosphorus pentoxide, and then measuring the IR spectrum by the liquid paraffin (Nujol) paste method.     

红外光谱结合多元统计分析快速鉴别不同种类牛肝菌

采用傅里叶变换红外光谱结合多元统计分析方法快速鉴别不同种类食用牛肝菌。采集10 个不同种类93 个牛肝菌子实体的红外光谱,分析食用牛肝菌的红外光谱特征;用多元散射校正（multiplicative signal correction,MSC）、标准正态变量（standard normal variate,SNV）、二阶导数（second derivative,SD）、Norris平滑（ND）、正交信号校正（orthogonal signal correction,OSC）、小波压缩等方法对光谱进行优化处理;经优化处理的光谱数据分别建立马氏距离分类模型及偏最小二乘判别分析（partial least squares discriminant analysis,PLSDA）。结果显示,牛肝菌在3 325、2 934、2 927、1 637、1 547、1 402、1 375、1 259、1 453、1 081、1 029 cm－1等附近有多个吸收峰,主要归属为蛋白质、多糖、氨基酸等的特征吸收峰。MSC＋SD＋ND（15∶5）和SNV＋SD＋ND（15∶5）两种预处理方式前10 个主成分累积贡献率分别为95.58%、95.54%,基于两种预处理方法建立马氏距离分类模型,验证集预测准确率分别为90%和95%。PLS-DA结果显示经MSC＋SD＋ND（15∶5）和SNV＋SD＋ND（15∶5）预处理不易于区分牛肝菌种类;原始光谱经正交信号校正及小波压缩（orthogonal signal correction waveletcompression,OSCW）、优化处理并进行PLS-DA分析,能够很好地区分不同种类牛肝菌。马氏距离分类模型不仅能反映样品的分类情况,同时计算出与测试样品相似度最大的物种,可为食用菌种类鉴别和未知物种鉴定提供可靠依据;OSCW预处理后进行PLS-DA分析能有效鉴别不同种类牛肝菌,为野生食用菌的鉴别分类提供一种辅助方法。     

近红外光谱的预处理对羊肉TVB-N模型的影响

为研究能否通过对算法参数的调整和算法的组合来减弱甚至消除便携式近红外仪和样品组织结构等对样品光谱信息的影响,提高模型的预测准确性和稳健性,实现现场快速无损检测生鲜羊肉挥发性盐基氮(total volatile basic nitrogen,TVB-N)的目的。本研究应用不同参数组合的单一算法和不同算法组合对样品的光谱信息进行预处理并建模,从模型的预测准确性和稳健性2个方面探讨算法参数和算法组合对模型性能的影响,找出针对检测生鲜羊肉中TVB-N含量的最佳预处理方法。结果表明,不同的算法参数和算法组合对模型性能的影响差别很大,对样品的近红外光谱信息进行差分求导(窗口数为6,求导阶次为1)后,模型性能最佳。模型的校正标准差和验证标准差分别为1.21和1.31,校正标准差和验证标准差的比值为1.08小于1.2,主成分数为10,校正集相关系数和验证及相关系数分别为0.94和0.92。说明通过对算法参数的调整和对算法的组合可以有效提高模型性能,满足应用便携式近红外仪现场快速无损检测生鲜羊肉TVB-N含量的要求。     

烟用爆珠内液质量稳定性检测——基于紫外光谱技术结合SVR算法

  目的  基于紫外（UV）光谱技术和支持向量机回归（SVR）算法,建立一种烟用爆珠内液判别和稳定性分析方法。  方法  采用无水乙醇稀释爆珠内液,UV扫描,光谱经预处理后,建立四种不同牌号烟用爆珠SVR模型,并对模型进行了验证。  结果  （1）最佳UV图谱预处理方法是平滑后归一化;最佳SVR类型是ν-SVR;最佳核函数是径向基核函数。（2）四个牌号烟用爆珠内液ν-SVR模型校正集分类变量的预测值与实测值的相关系数均≥0.9993,SVR模型对于参与建模的400个烟用爆珠内液样本（校正集）和未参与建模的80个烟用爆珠内液样本（验证集）的预测准确度均为100%,模型拟合性好,预测精度高,判别能力强。（3）基于SVR模型分类变量值建立的单值控制图可以对烟用爆珠内液的稳定性进行快速判定,判定结果与GC/MS检测结果一致。  结论  紫外可见光谱技术结合SVR算法可对不同牌号烟用爆珠内液质量进行有效判别,且方法快速准确、经济环保、易于推广。