基于主成分分析和判别分析的大米产地溯源

以提高矿物元素对大米产地溯源的稳定性和准确性,找寻表征小范围相似地域特性的溯源指标为目的。采用原子吸收光谱法(AAS)分析吉林省松原市三大主产区10个产地100个大米样品中的矿物元素含量,对所得矿物元素含量数据进行差异分析、判别分析、主成分分析和聚类分析。试验结果实现了松原市三大主产区大米产地溯源,正确判别率为100%。松原市矿物元素溯源指标的筛选主成分分析结果:第一主成分主要由Zn、K、Mg、Na、Ca和Mn等6种元素构成,贡献率最大,占47.176%。判别分析验证主成分分析和聚类分析的准确性,其正确判别率为100%。利用矿物元素实现小范围产地溯源,并获得吉林省松原市溯源指标:Zn、K、Mg、Na、Ca和Mn 6种元素。     

基于主成分分析和判别分析的稻米产地溯源

以提高矿物元素对大米产地溯源的稳定性和准确性,找寻表征小范围相似地域特性的溯源指标为目的。采用原子吸收光谱法（AAS）分析吉林省松原市三大主产区10个产地100个大米样品中的矿物元素含量,对所得矿物元素含量数据进行差异分析、判别分析、主成分分析和聚类分析。试验结果为实现了松原市三大主产区大米产地溯源,正确判别率为100%。松原市矿物元素溯源指标的筛选主成分分析结果：第一主成分主要由Zn、K、Mg、Na、Ca和Mn 等6种元素构成,贡献率最大,占47.176%。判别分析验证主成分分析和聚类分析的准确性,其正确判别率为100%。利用矿物元素实现小范围产地溯源,并获得吉林省松原市溯源指标：Zn、K、Mg、Na、Ca和Mn 6种元素。     

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36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测试集分类正确率分别为100.0%和95.5%。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。     

蜂蜜产地与蜜源矿物元素溯源方法的建立

基于矿物元素含量进行蜂蜜产地和蜜源溯源分析,建立产地和蜜源双目标溯源方法。采用全谱直读电感耦合等离子体原子发射光谱法(ICP-OES)测定蜜样矿物元素含量,在单目标溯源方法基础上,引进哑变量回归和校正模型,从而建立了蜂蜜产地、蜜源双目标溯源分析方法,并以四川蜂蜜为例,进行验证分析。结果显示,针对产地进行的逐步判别分析筛选出As、B、Ca等6个元素用于建立判别模型,回代验证的正确判别率达91.7%,交叉检验判别率为83.3%;针对蜜源的逐步判别分析筛选出B、Ca、Cu等5种元素用于建立判别模型,判别率为80%,交叉检验判别率为78.2%。基于矿物元素含量对蜂蜜进行产地与蜜源的溯源是可行的,所建立的方法具有一定借鉴意义;产地、蜜源两组判别方程适宜于研究区的溯源研究。     

基于近红外光谱技术的黑龙江地理标志大米产地溯源研究

为建立地理标志大米的快速检测技术,更好地维护地方名优大米品牌效益,利用近红外光谱技术结合定性分析(鉴别分析和聚类分析)和偏最小二乘法(PLS)对黑龙江省3个水稻主产区的地理标志大米进行产地溯源研究。结果表明:运用鉴别分析和聚类分析建立的模型对建三江、五常地域预测正确率为100%,响水地域预测正确率为95.83%;五常、响水地域判别正确率为100%,建三江地域判别正确率为95.83%。采用PLS建立定量分析模型对建三江、五常、响水三个地域的预测正确率分别为95.83%、100%、95.83%。通过鉴定及检测结果可知利用近红外光谱技术可对黑龙江地理标志大米进行产地保护,且产地预测正确率达95%以上。     

基于多元素和稳定同位素的特基拉酒原产地鉴定

为探索特基拉酒中多元素和稳定同位素的地域特色及其产地溯源的可能性,研究采用电感耦合等离子体质谱法(ICP-MS)和稳定同位素比质谱法(IRMS)测定特基拉酒中多元素含量和稳定同位素比值,并结合化学计量学中主成分分析(PCA)和偏最小二乘法-判别分析法(PLS-DA)建立模型,对墨西哥特基拉酒进行产地溯源判定。结果表明, 4个产区的特基拉酒中22种元素含量和稳定同位素δ13C和δ18O数值范围不同,具有一定地域特征。采用PCA和PLS-DA法能对墨西哥的特基拉酒进行产地判别,通过对16个样本进行判别验证,预测正确率为93.75%。研究表明,通过多元素含量和稳定同位素比值的测定,结合化学计量学分析方法,能够区分墨西哥不同产地的特基拉酒,为特基拉酒产地溯源可行性提供方法依据。     

基于矿物元素指纹图谱技术的芸豆产地溯源研究

探讨矿物元素指纹分析技术对芸豆产地溯源的可行性,筛选出判别芸豆产地溯源的有效指标。利用电感耦合等离子体质谱仪(ICP-MS)测定来自依安县和拜泉县2个地域54份芸豆样品中31种矿物元素的含量,对数据进行方差分析、主成分分析、聚类分析和判别分析。研究表明,芸豆中25种矿物元素含量在地域间存在显著性差异,通过逐步判别分析筛选出Ca、As、Mg和Pt 4项元素指标建立芸豆产地判别模型,所建立的模型对芸豆产地整体交叉检验判别率为94.4%。因此,矿物元素指纹图谱技术可用于判别芸豆产地来源。     

基于ICP-MS的甘肃不同产地小米矿物元素含量特征及判别分析

通过分析不同主产区小米矿物元素含量特征,结合化学统计学建立小米产地判别模型。该研究以甘肃省陇中地区、陇东地区和河西地区的主栽小米品种为研究对象,采用电感耦合等离子体质谱(ICP-MS)法测定了小米中18种矿物元素含量,利用方差分析、主成分分析(PCA)、正交偏最小二乘判别分析(OPLS-DA)、线性判别分析(LDA)和聚类分析(HCA)对数据进行统计分析。结果表明:小米样品18种矿物元素中有13种元素含量在3个主产区间存在显著差异(P<0.05),不同主产区小米矿物元素含量具有独特的地域分布特征;18种矿物元素之间存在较强的相关性;PCA分析共提取4个主成分,累计方差贡献率为75.82%;基于LDA和OPLS-DA的判别模型对小米产地判别正确率均为100%,基本可以实现甘肃省不同区域小米产地的精准判别,通过OPLS-DA模型确定了小米产地判别的特征元素(V、Fe、Cu、Cd、Se、Pb);基于特征元素的HCA分析可以成功地对小米产地进行判别。研究证明基于小米矿物元素含量构建的判别模型可以有效区分甘肃省不同产区的小米,为小米产地溯源和质量控制提供了科学依据。     

大豆有机成分辅助矿物元素指纹特征产地溯源

为提高矿物元素指纹图谱技术对大豆产地溯源的稳定性和准确性。采用电感耦合等离子体质谱仪测定黑龙江嫩江及北安共168?份大豆及对应土壤样品中矿物元素含量并分别测定大豆中蛋白质、脂肪、可溶性总糖和灰分含量。结果表明,采用步进式方法筛选出的10?种特征指标建立的判别模型对训练集大豆产地的整体正确判别率为96.4%,其中对黑龙江嫩江、北安大豆产地的正确判别率分别为98.1%、95%。回代检验对验证集大豆产地的整体正确判别率为98.2%,其中对黑龙江嫩江、北安大豆产地的正确判别率分别为100%、96.7%。验证集中对黑龙江嫩江、北安大豆产地的整体正确判别率高于测试集两产地的正确判别率（98.2%＞96.4%）,说明这7?种矿物元素和3?种有机成分是用于大豆产地判别的主要特征指标,携带了充分的产地判别信息。     

基于矿物元素指纹差异的不同产地滩羊肉判别

通过分析不同地域滩羊肉中矿物质元素含量差异,结合多元统计分析,筛选出有效的溯源指标,构建用于原产地鉴别的判别模型。采用电感耦合等离子质谱技术测定宁夏盐池县、内蒙古自治区鄂托克前旗、陕西省定边县和甘肃省环县滩羊背最长肌样品中25种矿物质元素含量,对采样地区样品中的矿物质元素含量进行方差分析、主成分分析及线性判别分析,建立判别模型并验证。结果显示,滩羊肉样品中测定的25种矿物质元素其中17种矿物质元素含量在不同地域间存在显著差异,主成分1主要由Cr、Mn、Ni、Cu、Se和Rb 6种元素构成,判别贡献率最大,为26.403%;主成分2主要由K、P、Fe和Sn 4种元素构成,贡献率为22.285%。通过逐步判别分析筛选出Ca、P、Cr、Mn、Ni、Cu、Se、Rb、Mo和Sn 10项元素指标建立滩羊肉产地判别模型,所建立的模型对滩羊肉产地判别整体正确率均为100%,模型对不同产地滩羊肉的区分判别准确。因此,基于矿物元素指纹的判别可以有效鉴别不同产地滩羊肉。     

基于大米特征矿物元素产地鉴别建模方法比较研究

基于前期实验筛选到的与产地和母质土壤直接相关的23种特征矿物元素作为产地判别特征指标,比较Fisher判别模型和前馈神经网络预测模型的适用性。以连续3年随机采集的五常、查哈阳和建三江地理保护区274份样本作为建模对象,以模型的判别率为指标,采用电感耦合等离子体质谱仪(ICP-MS)和X射线荧光光谱仪测定样本中特征矿物元素含量(Mg、Ca、Cr、Mn、Zn、As、Rb、Sr、Ag、Cd、Sb、Te、Ba、La、Nd、Sm、Gd、Dy、Ho、Er、Yb、Pb、U),结合线性(一般线性判别分析)和非线性(前馈神经网络训练方法)模型构建方法用于产地鉴别。结果表明,Fisher判别分析模型对训练集判别率为81.5%,交叉检验判别率为78.8%,测试集总体判别率为87.5%。前馈神经网络预测模型对大米产地识别结果平均相对误差值为17.14%,产地的整体识别准确率为100%。筛选到的特征矿物元素携带了足够多的产地信息,通过前馈神经网络法建立的判别模型具有更优的判别能力,能解决小距离相似自然环境产地样本难以识别的问题。     

基于矿物元素与同位素联合分析的吉林大米产地判别的研究

为实现更加准确、可靠的吉林省大米产地判别分析,利用电感耦合等离子质谱仪(ICP-MS)和同位素质谱仪(IRMS)测定样品中的12种矿物元素和δ¹³C、δ¹⁵N同位素含量,结合线性判别分析(LDA)和支持向量机(SVM)模型探究同位素数据的加入对产地确证结果的影响;利用Xgboost模型和交叉验证,筛选判别因子最优合集。结果表明,在12种矿物元素数据联合δ¹³C、δ¹⁵N数据分别代入模型后,线性判别分析结果准确率和回代正确率从79%、73.3%提升到80.1%、74.0%;支持向量机模型结果的准确度和精确度从83.019%、82.589%提高到90.245%、87.549%。得到吉林省大米最优判别因子合集为{Si、Mn、Ca、Mg、Al、Na、Cr、P、δ¹³C},为快速准确实现吉林省大米产地溯源提供理论参考。     

母质土壤对大米矿物元素含量的影响

研究母质土壤对大米矿物元素含量影响。以2018年在查哈阳、五常和建三江种植试验田得到的90份样品(龙粳31)和对应的母质土壤为实验样本。检测分析三产地母质土壤基本理化性质,采用电感耦合等离子质谱仪和X荧光射线光谱仪测定样品中元素的含量。结合方差分析和相关性分析,筛选到Mg、Sr、Te、Nd、Gd、Yb和U7种元素与母质土壤相关。利用筛选到的特征元素进行判别分析,结果表明：模型对三产地的正确判别率为96.7%、100%和100%,交叉验证产地正确判别率分别为96.7%、100%和100%,说明筛选得到的与母质土壤相关的7种元素可作为大米产地判别的可靠判别指标,建立的模型对查哈阳、建三江和五常大米具有有效的判别力。     

基于矿质元素和稳定同位素的马铃薯产地溯源技术

为探讨矿质元素和稳定同位素在马铃薯产地鉴别上的可行性,分别对内蒙古、黑龙江、新疆、四川和广东5个马铃薯主产区进行代表性样品采集,测定其矿质元素含量和稳定同位素比值,主成分分析、聚类分析和判别分析表明:采用步进式方法筛选出钠、铝、磷、锰、钴、镍、铜、镉8种矿质指纹指标,8种元素的交叉验证的正确判别率为89.3%;δ~(13)C比值和δ~(15)N比值基本可以成功区分内蒙古样品与黑龙江、新疆、广东样品,采用δ~(13)C和δ~(15)N建立的产地判别模型的判别正确率为82.0%;在钠、铝、磷、锰、钴、镍、铜、镉、δ~(13)C和δ~(15)N的综合指标下,不同产地的初始判别正确率达94.7%,交叉验证正确率达93.2%,均高于矿质元素含量和同位素比值单独判别正确率,判别结果良好。结果证明利用矿物元素和稳定同位素相结合的技术可以对马铃薯进行有效的产地判别,判别正确率较高,是产地溯源的有效方法。     

我国多产区羊肉中无机元素含量特征及其在溯源研究中的应用

目的 研究我国多个产区所产羊肉中多种无机元素含量的特征,探索元素含量差异在羊肉产地溯源研究中的应用。方法 收集在地域和喂养方式上具有一定代表性的产区所产羊肉样本,采用电感耦合等离子体质谱法检测羊肉中无机元素含量。结合方差分析、主成分分析、聚类分析、判别分析多种统计方法对各元素含量特征进行分析。结果 通过单因素方差分析,确定了18种元素在产地间存在显著差异。通过主成分分析确定了5个主成分,可以大致将4个产地的样品区分开。通过聚类分析,可以将牧区的样品大致与农饲区样品区分开。通过判别分析建立判别函数,对样品的交叉判别正确率为82.0%。结论 研究表明无机元素可以作为羊肉产地溯源的指标。本研究初步建立了国内4个羊肉产地的溯源模型,为国产羊肉产地溯源研究提供依据。     

基于矿物元素指纹差异的榴莲产地甄别

为保护高值热带作物榴莲的原产地信息,采集马来西亚、泰国、柬埔寨和越南共4 个产区73 份不同品种榴莲样本,利用电感耦合等离子体质谱法测定榴莲果核与榴莲果肉中28 种矿物元素含量,结合方差分析、主成分分析、Fisher逐步判别分析和BP人工神经网络,建立基于矿物元素的榴莲产地判别模型并验证其准确率。结果表明,榴莲果核和果肉中分别有16 种和13 种矿物元素在4 个产区存在显著差异;主成分分析中前6 个主成分累计贡献率为85.207%,代表矿物元素含量的主要信息;将有显著差异的元素代入Fisher逐步判别方程,结果发现单一榴莲果核及榴莲果肉判别准确率较低,榴莲果核和榴莲果肉耦合指标显著提高判别准确率,筛选出果核中Li、Be、Mg、Mn、Rb元素和果肉中Be、Ag、Ba元素8 项指标构建榴莲产地溯源模型,模型的初始验证准确率为91.8%,交叉验证准确率为90.4%;将有显著差异的元素代入BP人工神经网络模型,榴莲果核As、Ag、Al、Rb和果肉中Ag元素为BP人工神经网络前5重要元素,模型训练验证准确率为96.1%,检验验证准确率为95.5%。初步证明利用矿物元素指纹特征结合化学计量学方法对东南亚产地榴莲判别具有可行性。     

综合肉样及环境矿物质元素信息的滩羊肉产地鉴别

采用电感耦合等离子体质谱仪测定盐池县滩羊肉和环境中25种矿物元素含量,并结合主成分分析、聚类分析及线性判别分析进一步解析盐池县滩羊肉及环境中矿物元素含量特征,从而筛选盐池滩羊肉产地溯源指标及环境溯源指标,综合肉样及环境矿物质元素信息,建立判别模型并验证。最终筛选出的盐池县滩羊肉矿物元素指标为Cr、Ni、Cu、Rb、Sr、Mo、Ba、Mn、Sn,回代检验和交叉检验的整体正确判别率分别为97.50%、95.00%;盐池县环境矿物元素指标为K、P、Ca、Na、Mg、V、Ni、Zn、Ba、Rb、Cr、Sr、Fe,回代检验和交叉检验的整体正确判别率分别为93.80%、97.50%;盐池县滩羊肉与环境的共同矿物元素溯源指标为Cr、Ni、Rb、Sr、Ba,回代检验和交叉检验的整体正确判别率分别为96.30%、95.00%。说明筛选出的元素对随机滩羊肉样品产地鉴别有效,可作为盐池滩羊肉产地矿物元素指纹溯源的信息指标。     

矿物元素和有机成分指纹组合判别芸豆产地

分析不同地域来源芸豆中矿物元素和有机成分组成特征及含量差异,探讨矿物元素和有机成分指纹组合分析技术对芸豆产地鉴别的可行性。检测来自依安、拜泉县2个主产区54份芸豆样品中31种矿物元素和3项有机成分含量,对数据进行方差分析和判别分析。研究表明,矿物元素指纹对芸豆产地交叉检验的整体正确判别率为94.1%;有机成分指纹对芸豆产地交叉检验的整体正确判别率为83.3%;矿物元素和有机成分指纹组合对芸豆产地的正确判别率显著提高,交叉检验的整体正确判别率达到100.0%。因此,矿物元素和有机成分指纹组合分析结合多元统计学是用于芸豆产地溯源的一种有效技术。     

基于PLS-DA判别法对黑龙江大米产地溯源的研究

为了开发更方便、准确、快速的大米产地溯源方法,更好地维护市场秩序,保护消费者的合法权益,研究运用近红外光谱技术并结合PLS-DA法(Partial least squares discriminant analysis,偏最小二乘判别分析)进行建模,对2012年黑龙江5个水稻主产区(五常、佳木斯、齐齐哈尔、双鸭山和牡丹江)的118份大米粉末样品进行近红外光谱的扫描,确定光谱预处理方法为9点二阶求导结合7点平滑,建模波长为全波长。主成分分析提取3个有效主成分。用预测样本集进行模型的验证,5个地域的预测正确率分别为87.5%,87.5%,100%,100%和100%。初步认定可用于2012年黑龙江大米产地溯源模型的建立。     

基于产地、品种和年份影响矿物元素含量的大米判别

通过分析品种、年份与产地及其交互作用对大米矿物元素含量造成的差异,筛选有效特征指标,结合统计分析进行产地判别。以连续3?a（2016—2018年）在查哈阳、五常和建三江地区种植9?个品种的90?份田间试验样本为研究目标,采用电感耦合等离子体质谱仪测定样品的52?种元素。结果表明：Mg、Ca、Cr、Mn、Zn、As、Rb、Sr、Ag、Cd、Ba、La、Sm、Dy、Ho、Er、Pb、U受产地影响较大;Na、Mg、Al、Ca、Pb、U、V受年份影响较大;Na、Cr、Co、Ni、Tl、U、Mg、Al、La、Ho受品种影响较大。实验对筛选到与产地直接相关的18?种元素进行主成分分析和判别分析。6?个主成分累计贡献率80.333%。建立的判别模型对3?个产地的判别正确率均为100%,交叉验证率为100%。说明由这些元素组成的模型可以对样本实现正确判别。