ATR-FTIR结合化学计量学鉴别猪牛羊革的研究

利用衰减全反射傅里叶变换红外光谱(ATR-FTIR)技术采集猪、牛、羊革样品的红外光谱信息,分析皮革红外光谱特征。通过化学计量学对光谱数据进行处理,选择合适的光谱区域和预处理方法,建立定性鉴别皮革种类的判别分析模型(Ⅰ和Ⅱ)及方法。根据计算得到的马氏距离,由模型I对样品"牛/羊"和"猪"革种类进行判别,然后由模型Ⅱ进一步对"牛"和"羊"革种类进行判别。通过验证集样品对模型性能进行评价,结果表明模型Ⅰ对猪革判别正确率为100%;由于牛、羊革的光谱信息极为相似,模型Ⅱ判别正确率有所降低。     

基于光谱技术的芝麻油掺假定性分析研究

为了实现对掺假芝麻油的快速鉴别,对24种不同品牌的纯正芝麻油和掺有芝麻香精的大豆油、菜籽油和玉米油进行鉴别分析。重点利用近红外光谱和中红外光谱技术结合极限学习机算法用于芝麻油掺假的定性鉴别。设定极限学习机算法相关网络参数,比较近红外光谱和中红外光谱的定性模型识别结果,研究光谱检测方法的可行性和分类识别的准确率,为实现基于光谱检测技术的假冒芝麻油快速辨别分析奠定理论和实践检验基础,有效地控制假芝麻油流入市场。     

近红外光谱技术在啤酒产品检测中的应用进展

近红外光谱技术作为鉴别技术被广泛地用于各种酒类产品的品质检测和定性鉴别。综述了近年来利用各种近红外光谱技术方法对啤酒产品指标的检测应用,介绍了近红外光谱技术的特点,分析了红外光谱技术应用于啤酒鉴别的各种优势和需要解决的问题,并展望了其在我国啤酒检测中的应用前景。     

近红外光谱技术在食用油种类鉴别及定量分析中的应用

用近红外光谱技术与聚类分析方法相结合,建立了一种可用于鉴别食用油种类的快速鉴定模型。实验根据30个食用油的近红外光谱,建立了芝麻油-大豆油-花生油-玉米油定性识别的模型,模型的识别率和预测率可达到100%。根据40个芝麻油样品的近红外光谱建立芝麻油的酸价预测模型,且模型指标较好。可见近红外光谱技术在食用油快速检测方面有较好的应用前景。     

利用近红外光谱技术进行羊毛、羊绒鉴别

文章从样品和谱图的采集、原始谱图的处理和校正模型的建立等方面介绍了近红外光谱技术的原理,并根据化学计量统计学理论,介绍了利用近红外光谱技术进行定性定量分析的方法.并由羊毛、羊绒样品初步建立了羊毛、羊绒定性分析模型,对该模型的验证结果表明,该模型可以用来进行羊毛、羊绒的初步鉴别.由于羊毛、羊绒样品采集数量和代表性有限,在将近红外光谱技术用于羊毛、羊绒产品的商品检验之前,还需进一步大量收集样品,建立更为稳定和具有代表性的数据库和数学模型.     

近红外光谱技术快速检测紫薯半干面中菌落总数及新鲜度

利用近红外光谱分析技术和化学计量学分析方法,对紫薯半干面菌落总数(TVC)及其新鲜度鉴别进行研究。结合偏最小二乘法对比10种光谱预处理方法,建立紫薯半干面的TVC预测模型,最终选定SNV+2D为最优预处理方法。经优化TVC最优模型的校正集和预测集的决定系数R分别为0.99213和0.97537,交互验证均方根误差及预测集均方根误差分别为0.250和0.445。采用主成分分析结合马氏距离的定性判别分析法,定性鉴别紫薯半干面新鲜程度。当选用标准归一化为光谱预处理方法时,正确识别率达到100%。利用近红外光谱分析技术可以快速、无损地检测紫薯半干面中TVC及新鲜度。     

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。     

基于近红外光谱技术的毛纤维及其产品快速无损检测

文章就近红外光谱技术在毛纺领域检测中的应用进行综述,包括毛纤维品质检测、毛纤维定性定量检测以及废旧毛纤维及其制品检测,其中毛纤维品质检测介绍了近红外光谱技术在毛纤维直径、光泽度、含水率、净绒率等多个指标检测中的应用,毛纤维定性定量检测介绍了近红外光谱技术在毛纤维定性鉴别和定量分析中的应用,废旧毛纤维及其制品的检测介绍了近红外光谱技术在古代纺织品成分检测、纺织品染料成分检测、废旧纺织品回收检测中的应用。最后分析了目前近红外光谱技术在检测中尚存在的问题以及近红外光谱技术在检测领域未来的研究展望。     

线椒货架期的近红外光谱定性判别

利用近红外漫反射光谱技术对线椒的货架期进行定性判别研究。实验以常温货架期1、3、5 d的线椒为研究对象,利用主成分分析法（PCA）建立近红外漫反射定性判别模型,在全光谱范围（400²500 nm）内比较了不同的光谱预处理方法结合不同散射和标准化方法对所建模型的影响。结果表明,采用全光谱下Log（1/R）+None光谱预处理方法建立的模型预测最好,该模型的交互验证相关系数(R_CV)为0.9455,交互验证误差（SECV）为0.1534,其正确分类率达95.56%¹00%,预测准确率达88.89%⁹7.78%,该模型能够准确地区分不同货架期的线椒鲜果。因此,近红外光谱技术为线椒货架期的鉴别提供了一种新方法。      

近红外漫反射光谱技术对小米产地溯源的研究

为建立小米产地溯源的快速检测技术,更好的维护地方名优小米品牌效益,试验利用近红外漫反射光谱技术对不同状态小米进行产地溯源鉴别,试验分别选取来自肇源和肇州两个小米主产区的144份小米样品,应用近红外漫反射光谱技术结合化学计量学对不同状态下的小米进行产地溯源研究,结果表明:在全波长范围内采用因子化法建立的定性分析模型和在特征波段范围内采用偏最小二乘法(PLS)建立的定量分析模型,对肇源、肇州两个小米主产区的小米籽粒和小米粉末的正确鉴别率均在90%以上,其中小米粉末的模型正确预测率要高于小米籽粒。因此,应用近红外漫反射光谱技术对不同状态小米产地溯源的鉴别具有一定的可行性。     

基于近红外光谱和随机森林方法鉴别蜂蜜真伪

目的建立蜂蜜样品真伪鉴别的近红外光谱快速检测方法,为今后蜂蜜检验工作提供可靠参考依据。方法采用积分球透反射模式采集样品近红外光谱数据,以Savitzky-Golay 1阶微分方法对原始光谱进行预处理,以随机森林方法建立光谱数据与蜂蜜真伪的定性判别模型。结果所建立的判别模型中训练样本判别正确率为100%,测试样本判别正确率为95%。结论近红外透反射光谱技术应用于蜂蜜真伪鉴别的可行性,同其他分析方法相比具有操作简单、速度快、效率高、无污染、费用低、无需复杂前处理等优点。     

基于电子鼻和可见/近红外光谱技术的羊肉真实性鉴别

为快速、准确鉴别市面上羊肉中掺入鸭肉的商品,本研究应用电子鼻结合可见/近红外光谱技术,实现了羊肉中掺入不同比例鸭肉样品的有效鉴别。试验制备了174个羊肉中掺入不同比例鸭肉样品,分别采集了样品电子鼻数据和200~1 100 nm、900~1 700 nm波长范围内的反射光谱数据,利用2分类定性判别和6分类定量检测法分别构建了支持向量机（Support Vector Machine,SVM）和偏最小二乘法（Partial Least Squares,PLS）定性定量判别模型,并用6分类最优模型进行预测。结果表明：电子鼻可以利用不同比例羊肉鸭肉样品间的气味差异对不同组进行判别,羊肉中含有的挥发性香气成分如萜烯类、芳香类、有机硫化物等物质的含量高于鸭肉。基于两个波段数据、两种分类方法构建的PLS模型判别效果优于SVM模型,总的判别正确率均达到96%以上,光谱数据经过多元散射校正处理的效果最佳,且最优模型预测效果良好。电子鼻结合可见/近红外光谱分析技术可有效鉴别羊肉中掺入不同比例鸭肉样品,为羊肉真实性的快速无损鉴别提供技术支撑。     

基于可见/近红外高光谱成像技术的牛肉品种鉴别

利用可见/近红外高光谱成像技术实现荷斯坦奶牛、秦川牛、西门塔尔牛三个品种牛肉的快速无损鉴别。首先,对原始光谱进行预处理并对样本集进行划分;应用竞争性自适应重加权算法(CARS)、连续投影算法(SPA)和无信息变量消除算法(UVE)对预处理后的光谱数据提取特征波长;结合偏最小二乘判别模型(PLS-DA)、K最近邻(KNN)模型及支持向量机(SVM)模型进行全波段及特征波段鉴别分析。结果表明,一阶导数(FD)法为最优预处理方法,利用光谱-理化值共生距离法(SPXY)法划分后的样本模型预测性能最好;利用CARS、SPA和UVE分别选出24、17和19个特征波长;基于CARS法提取的特征波长所建的RBF-SVM模型的校正集与预测集正确率分别为100%、98.82%。由此可见,基于高光谱成像技术能够获得较好的牛肉品种鉴别效果。该研究可为牛肉品种的快速无损鉴别提供参考。     

应用近红外技术快速鉴别原料肉注水的研究

提出一种用近红外光谱技术快速鉴别原料肉和注水肉的新方法。首先以原料肉和注水肉为原料,利用近红外光谱仪测定其漫反射光谱曲线,然后选取二阶导数+25点平滑方法进行预处理,再应用主成分分析结合人工神经网络技术对其进行判别分析。结果表明,前5个主成分的累计贡献率已达99.626%,以前5个主成分作为人工神经网络的输入,对应的肉种类(原料肉与注水肉)作为输出,建立了一个三层BP神经网络模型,模型对建模集109个样本的鉴别率为91.74%,对预测集30个样本的鉴别率为90%。说明利用近红外光谱分析技术对原料肉注水进行快速鉴别是可行的。     

食用植物油掺伪鉴别快速检验方法研究

提出了一种应用近红外光谱技术与化学计量学相结合的快速、无损鉴别植物油掺伪的新方法。收集了713个不同植物油样品,采用近红外光谱技术进行光谱扫描与分析,建立数据模型。应用数据模型对植物油样品的纯品及混合油进行定性鉴别,准确度高,适应现代快速检测的需要,为保证食用油品质安全奠定了一定技术基础。     

近红外光谱技术在纺织品定性检测中的应用

针对传统纺织面料定性检测中费时、费力、有污染等问题,提出近红外光谱检测法。利用近红外光谱技术对75个纯棉、纯涤、棉涤、棉氨面料进行定性聚类分析。采用主成分分析法提取特征光谱,利用马氏距离对样品进行聚类分析,取得了很好的归类效果,验证了近红外光谱法应用于纺织品成分检测的可行性。同时还比较了光谱预处理方法对聚类效果的影响,指出在纺织面料近红外光谱的噪声中,光谱平移占很大比例,为进一步提高模型的准确性提出了指导性意见。     

近红外光谱技术在肉类定性鉴别中的研究进展

近红外光谱技术作为新型的快速绿色检测技术,在肉类工业中得到了广泛的应用。本文综述了近红外光谱技术在肉类定性鉴别中的研究进展,主要包括在肉的等级鉴别、品种鉴别、物种鉴别以及产地溯源、饲喂方式中的鉴别研究。肉的等级一般人工分为RFN、PFN、PSE、RSE四类,近红外光谱对肉的等级鉴别正确率在80%以上;对于同一物种不同品种肉的研究主要是在猪肉、牛肉上,主要通过多元定量校正方法或判别分析法来鉴别同一物种不同品种、不同年龄阶段的肉,且鉴别正确率大于95%;在不同物种之间的鉴别主要应用于鉴别猪肉、羊肉、牛肉、鸡肉等不同物种以及掺假肉,鉴别正确率在90%以上;在产地溯源、不同饲喂方式之间的鉴别,能够正确鉴别牧草和浓缩料饲喂的羔羊、母羊和人工饲喂的羔羊、不同地区的牛肉以及羊肉的产地溯源等,鉴别正确率大于83%。综上所述,近红外光谱在肉类定性鉴别中可行。     

特殊风格山羊皮革的特征与鉴别

运用超景深三维显微镜观察并对比了普通的、仿鹿的、仿绵羊的、贴膜的、缩纹的、反绒面的山羊皮革以及鹿皮革、绵羊皮革的粒面与截面的表观形态特征,总结了它们的形态特征规律,可用于特殊风格山羊皮革的材质定性鉴别。     

基于近红外光谱技术的咖啡掺假快速鉴别方法

本文研究了利用近红外光谱技术结合AdulterantScreen算法建立的咖啡快速鉴别方法。采用傅里叶变换近红外光谱仪采集咖啡样品光谱,建立标样(材料光谱)光谱数据库,采集掺假物光谱数据,建立掺假物光谱数据库,建立了咖啡分类模型及掺假物模型,运用Adulterant Screen算法技术对模型的主成分及掺假成分进行计算分析,建立了咖啡掺假快速鉴别模型。本咖啡快速鉴别方法对含量在2%、5%、10%、15%、20%、30%及40%巴西莓果粉和5%、10%、15%、20%、30%及40%大麦掺假咖啡可以实现有效的掺假鉴别,最低识别咖啡中巴西莓果粉及大麦掺假含量分别为2%及5%。利用近红外光谱技术结合Adulterant Screen算法建立咖啡快速鉴别模型可以鉴别咖啡中巴西莓果粉和大麦等掺假物,为咖啡样品掺假鉴别提供了一种快速、可靠、无损的检测方法,能有效的运用于咖啡样品掺假鉴别的日常检测工作中。