几种模式识别方法在豆酱近红外光谱鉴别中的应用

为建立快速鉴别豆酱品质的适用方法,利用近红外光谱技术,针对市场上常见的四类豆酱样本,分别进行异常样本剔除和预处理,采用判别偏最小二乘法(DPLS)、相似分析法(SIMCA)和误差反向传播神经网络(BPANN)定性模式识别方法,进行豆酱类别的识别研究。研究结果表明:3种识别方法的校正集正确识别率分别为99.10%、98.20%、100%,预测集识别率为94.55%、89.09%、90.91%。综合比较3种不同的识别算法,采用判别偏最小二乘法(DPLS)时校正集和验证集的正确判别率效果都较好。研究结果表明采用近红外光谱分析技术实现豆酱的快速准确分类和鉴别是可行的。     

基于连续投影算法的油菜蜜近红外光谱真伪鉴别的研究

采用连续投影算法(successive project algorithm,SPA)对177个不同产地油菜蜜样本的近红外光谱做波长选择,然后以33个特征变量作线性识别分析(LDA)。同时,也采用了主成分分析(PCA)对变量进行压缩。比较了二次识别分析(QDA)和簇类独立软模式分类法(SIMCA)的鉴别结果。SPA-LDA模型预测集的鉴别准确率为97.7%,而PCA-LDA、全谱的SIMCA和SPA-QDA预测集的正确率分别为93.2%、95.4%和90.9%;上述四种方法ROC曲线下的面积分别为0.964、0.912、0.948和0.933。SPA-LDA性能比其他三种方法要好。该方法准确、可靠,为蜂蜜真实性的现场快速检测提供了一种新方法。     

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SIMCA模型的纸浆种类近红外光谱鉴别

研究了近红外光谱分析与SIMCA模式识别技术相结合鉴别纸浆种类的方法。收集了桉木浆、麦草浆(漂白与未漂白)、棉浆、湿地松浆等4种纸浆共90个样品,抄成不同定量纸样并采集其近红外光谱,其中部分桉木浆添加化学助剂。选择60个样品作为训练集建立SIMCA类模型,剩余30个样品用于模型检验。研究结果表明,建立的模型能完全正确识别各类纸浆,且不受抄纸定量和添加化学助剂因素的影响,为快速无损鉴别纸浆种类提供了一种准确可靠的方法。     

基于红外衰减全反射光谱的面粉种类快速鉴别

研究提出基于支持向量机（support vector machine,SVM）算法结合红外衰减全反射光谱对不同种类的面粉进行快速分类。实验随机采集富强粉、精制雪花粉、麦芯粉及面包粉4 种共139 份常见面粉红外衰减全反射光谱,运用马氏距离筛选异常样本,并建立SVM模型对待测样本进行预测。实验采用二叉树SVM模型识别面粉种类,并通过网格法优化核函数参数,结果显示：富强粉、精制雪花粉、麦芯粉及面包粉的识别准确率分别为100%、100%、75%和85.71%,模型平均识别准确率为90.177 5%。结果表明,利用红外光谱结合SVM算法快速识别面粉种类是准确可行的。     

傅里叶变换红外光谱结合模式识别法在食用油真伪鉴别中的实践分析

探讨在食用油真伪鉴别中,傅里叶变换红外光谱(FTIR)联合模式识别法(SIMCA),建立FTIR-SIMCA分类识别模型的实践应用效果。方法:选取各品牌合格食用油15种和伪食用油5种,抽取样品进行FTIR检验,并根据图谱完成SIMCA模型的建立。结果:训练集真伪食用油模型中,拒绝率与识别率均为100%,两种食用油有较高独立性,互不交叉;验证集模型识别,拒绝率与识别率同为100%。结论:FTIR-SIMCA分类识别模型具有较高的可行性,可有效实现食用油真伪的鉴别,且具有较高的可操作性。     

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。     

基于近红外光谱法鉴别不同麻类纤维

各麻类纤维的外观形态和化学性能相似,为鉴别不同麻类纤维,基于傅里叶变换近红外光谱分析方法,采用主成分分析结合SIMCA模式识别方法,对苎麻、亚麻、大麻、黄麻、红麻、罗布麻6种纤维进行鉴别。结果表明:6种纤维经平滑及基线校正光谱预处理,构建主成分因子为3的分析模型,结合SIMCA模式识别方法,所有纤维的识别率和拒绝率达到100%,成功实现纤维鉴别。为不同麻类纤维鉴别提供了简便、无损、快速、准确的鉴定方法。     

基于数据融合策略植物油光谱模式的识别

为实现对不同植物油的快速无损分类识别,探究数据融合技术在提升光谱分类模型精度方面的可行性与应用价值,借助衰减全反射-傅里叶变换红外光谱技术、表面增强拉曼光谱技术结合多源数据融合技术,开展了对7种共计180份植物油样本的分类识别。基于单一光谱模型、数据层融合模型和特征层融合模型,比较了Bayes判别分析(BDA)和多层感知器神经网络(MLP)两种化学计量学方法在区分各样本时的差异,同时考察了主成分分析、广义最小平方、最大似然、主轴因式分解4种算法在特征提取方面的差异。结果表明,光谱数据融合在识别植物油方面具有显著的优势,BDA模型对各样本的区分能力强于MLP模型,相较于其他3种算法,主成分分析在油样特征提取方面展现了较为理想的结果。基于PCA特征提取的特征层融合BDA模型为最佳识别模型,以此实现了180份植物油样本100%的准确区分,同时对5种品牌花生油达到了100%的准确区分,实现了对各样本“种类-品牌”的两级识别分类工作。     

FT-IR结合SIMCA法识别糯米产地

利用傅里叶变换红外光谱法结合软独立模式分类法,在3000～2800cm-1和1760～1700cm-1波长范围内,经Savitzky-Golay平滑、基线校正和标准矢量归一化预处理,利用留一交互验证法建立主成分分析模型,以识别率和拒绝率为指标对7个产地的糯米进行识别。结果显示,在α=0.05显著水平下,陕西省汉中市糯米的识别率为80%,湖北省武穴市和浙江省杭州市糯米的拒绝率分别为83%和97%,其余产地糯米的识别率和拒绝率均为100%,表明傅里叶变换红外光谱法结合软独立模式分类法可成为快速识别糯米产地的有效方法。     

Simultaneous Classification of Teas According to Their Varieties and Geographical Origins by Using NIR Spectroscopy and SPA-LDA

Due to the human health benefits already scientifically proven, tea (Camellia sinensis) has been widely studied in the literature. Several studies report the classification of the variety or geographical origin of teas, separately. Thus, this paper has proposed a methodology for simultaneous classification of tea samples according to their varieties (green or black) and geographical origins (Brazil, Argentina, or Sri Lanka). For this purpose, near-infrared (NIR) spectroscopy and three differing supervised pattern recognition techniques, namely SIMCA (soft independent modeling of class analogy), PLS-DA (partial least squares-discriminant analysis), and SPA-LDA (successive projections algorithm associated with linear discriminant analysis) have been used. Despite having good results, both full-spectrum PLS-DA and SIMCA were not able to achieve 100 % classification accuracy, regardless of the significance level for the F test in the case of the SIMCA model. On the other hand, the resulting SPA-LDA model successfully classified all studied samples into five differing tea classes (Argentinean green tea; Brazilian green tea; Argentinean black tea; Brazilian black tea; and Sri Lankan black tea) using 12 wave numbers alone.     

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。     

基于近红外光谱技术快速识别不同动物源肉品

利用傅里叶变换近红外光谱技术建立猪肉、牛肉和羊肉的定性识别模型。用主成分分析法将原始数据压缩为10 个主成分,在全波段9 881.46～4 119.20 cm－1范围内,利用附加散射校正技术结合Savitzky-Golay滤波法对光谱数据进行预处理,采用判别分析法建立模型。模型对训练集的识别准确率为100%,对预测集猪肉、牛肉和羊肉的识别准确率分别为99.28%、97.42%和100%。结果表明：近红外光谱结合模式识别方法能快速无损地识别猪肉、牛肉和羊肉。     

基于近红外透射光谱的食用油氧化定性分析

为建立食用油氧化的快速鉴别方法,以食用油为材料,根据国家标准对酸价和过氧化值的限量规定将不同氧化程度的样品分为未氧化油和已氧化油两类,通过近红外光谱透射技术结合距离判别分析,建立未氧化油和已氧化油的定性判别模型。结果表明：在波数范围为5450～4650cm-1,采用多元散射校正、一阶求导和Norris导数平滑光谱处理,校正集模型识别率为99%,验证集模型识别率为97.8%,模型预测效果良好,利用近红外透射光谱食用油氧化定性分析可行。     

智舌快速检测水产品中的麦氏弧菌

探索仿生传感器--智舌在麦氏弧菌快速检测中的可行性,以期构建一种新型的水产品中致病性弧菌的快速检测技术。用智舌结合主成分分析法对11种致病性弧菌的液体培养物进行区分,以确定该法能否将11种致病性弧菌区分开及其所需的最短培养时间,并确定针对被测物的适宜电极和频率段组合;然后用智舌结合簇类独立软模式识别法构建麦氏弧菌的判别模型,并对判别模型进行回判及验证,根据判别准确率确定最佳判别模型,从而探索智舌结合簇类独立软模式识别法能否用来建立快速检测麦氏弧菌的数据库。结果显示：当弧菌在其特异性培养基中培养7h后,智舌能很好地将11种致病性弧菌区分开;6种电极与其频率段组合下的判别模型对所有样本的判别准确率均达到了100%。说明所建模型可用于麦氏弧菌的快速筛检。     

基于紫外光谱的茶叶识别

茶叶品质主要是根据人的主观判断进行评估,缺乏客观依据。因此对茶叶种类进行快捷评价是发展趋势。茶叶品质的准确、快速、科学的鉴别对消费者和生产者都具有极其重要的现实意义。为建立一种快速地评估茶叶品种的方法,试验挑选4种选择性茶叶样本为材料,以开水泡制茶叶浸汁液的方式制作样本,利用紫外光谱分析技术,实现茶叶种类鉴别。在对光谱进行降噪处理同时用光谱对波长的相对变化率进行预处理,结合主成分分析法对光谱数据进行降维,进行BP神经网络识别,准确率达97.66%,该方法样品制备简单,能够准确地识别茶叶种类,避免人为的主观评价,使得茶叶鉴定更具有客观性。     

Application of near infrared spectral fingerprinting and pattern recognition techniques for fast identification of Eleutherococcus senticosus

Eleutherococcus senticosus, a member of the Araliaceae family, has attracted the interest of many people due to its therapeutic properties. Consequent trading has impelled the development of analytical procedures for fast identification and counterfeit detection. For that purpose, a near-infrared spectroscopic procedure to obtain a fingerprint of E. senticosus has been developed using raw materials. The spectra were processed by using different pattern recognition procedures. General classification success rates of 84% and 92% were achieved by Soft Independent Modeling of Class Analogy (SIMCA) and Partial Least Squares Discriminant Analysis (PLS-DA), respectively. Tests on laboratory-made mixtures showed that it is possible to detect adulterations or counterfeits with about 5% foreign herbal material, depending on their closeness to the Araliaceae family. The sensitivity and specificity of constructed models were above 73%. The results suggest that NIR spectroscopy can be used to authenticate E. senticosus material.