基于近红外光谱特征的赤霉病小麦籽粒SIMCA识别模型构建研究

利用近红外光谱分析仪采集2012年度江苏、安徽、河南等省份25份农户田间小麦品种籽粒样品的近红外光谱信息,对获取的近红外光谱数据分别进行均值标准化、一阶求导、二阶求导和多元散射校正处理,利用全波段(950~1 650 nm)和特征波长处(985、1130、1160、1190、1235、1320、1385、1410 nm)的近红外光谱数据,采用离差平方和法(Ward法)聚类分析和主成分分析等化学计量学方法,构建赤霉病小麦籽粒和未病小麦籽粒的SIMCA识别模型。模型诊断和验证结果显示,构建的SIMCA识别模型对赤霉病小麦籽粒和未感病小麦籽粒的正确识别率均为100%,识别效果良好。     

SIMCA模式识别方法在近红外光谱识别茶叶中的应用

茶叶快速准确识别方法研究是当前茶叶行业亟待解决的一项重大课题。本研究采用一种近红外光谱结合SIMCA模式识别方法对茶叶进行识别与分类。研究结果表明,选取6500～5300cm-1波长范围内的光谱,通过标准归一化(SNV)预处理后,利用SIMCA的模式识别方法分别为龙井、碧螺春、祁红和铁观音等四类茶叶建立了类模型。主成分数分别为4、5、2和3时,类模型对未知样本的识别效果最佳。在α=5%的显著性水平下,四类模型的对未知茶叶样本的识别率分别是90%、80%、100%和100%,拒绝率全是100%。本论文为快速准确识别茶叶提供了一种新思路。     

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。     

基于近红外光谱的烟叶SIMCA模式识别

研究了基于烟叶的近红外光谱数据通过软独立模式分类(SIMCA)识别不同烟叶的方法。首先对每种具有确定产地、等级、品种的目标烟叶进行多次分布式取样,扫描目标烟叶多个样品的近红外光谱;再对目标烟叶近红外光谱进行主成分分析(PCA)运算生成每种目标烟叶的数据模型;然后扫描未知烟叶的近红外光谱,用目标烟叶数据模型对未知烟叶近红外光谱进行主成分分解计算,计算未知烟叶与目标烟叶的距离,通过距离衡量未知烟叶与目标烟叶的相似程度。建立了包含115种不同产地、等级、品种的目标烟叶的数据模型,对115个外部检验样品进行了模式识别,正确识别率高于90%。结果表明该烟叶模式识别方法基础数据易得,同时考虑了烟叶的平均水平和分布水平,识别准确率高,具有良好的发展前景。      

基于玉米籽粒近红外光谱的品种与产地识别研究

为考察近红外光谱对玉米种子的品种识别与产地识别性能,采集了8个玉米品种波长范围为12 000~4 000 cm-1的近红外光谱数据,并基于此数据研究了基于PCA的光谱数据特征的提取方法,并探讨了神经网络(ANN)和支持向量机模型(SVM)在品种识别上的性能,进一步研究了玉米品种的产地识别技术,且比较了传统可见光图像的品种识别。研究发现:基于近红外的玉米品种识别,在6个主分量的情况下整体上性能达到90%以上;SVM算法较ANN算法稳定可靠,更适合于小样本情况下的光谱分析;基于光谱的品种识别与基于可见光图像的品种识别效果相当;另外发现同一品种在不同产地上其光谱特征差别较大,据此可以应用光谱进行产地鉴别,鉴别力达到95%以上。本研究所构建的方法对玉米品种识别和产地识别具有积极意义。     

近红外光谱技术检测鱼丸凝胶温度的方法研究

鱼丸凝胶成型温度关系鱼丸品质与货架期。本文采用近红外光谱技术建立鱼丸成型温度快速检测方法。在5个温度(40,50,70,80,90℃)下成型的鱼丸被用于建模,SIMCA与PLS分别用于定性判别和定量预测模型的建立。SIMCA判别结果显示,5个温度下成型的鱼丸能够被较好地区分,判别准确率达到92%。通过比较不同光谱预处理对优化模型的作用,得到R=0.97077,RMSEC为4.49,RMSEP为4.58的PLS定量模型。模型的预测值与实际值之间有较好的线性关系。近红外光谱技术可为实现鱼丸成型温度的定性判别与定量预测提供一种方法。     

基于SIMCA、PLS-DA、WT-ANN模型的椰子油掺混定性识别研究

根据不同油脂的紫外特征光谱,利用SIMCA,PLS-DA,WT-ANN 3种模型对椰子油中掺混大豆油、葵花籽油和玉米油的油脂类别进行判定分析。结果显示,WT-ANN对3种掺混油脂类别的识别效果最佳,预测集R~2分别达到了0.9989(大豆油)、0.9811(葵花籽油)、0.9999(玉米油),且在不同浓度下识别率均达到了100%,而SIMCA和PLS-DA的识别准确度相对较低,且受掺混浓度的影响较大。WT-ANN结合紫外光谱是一种有效判定椰子油中掺混油脂类别的分析方法。     

基于近红外光谱的卷烟配方结构识别

采用近红外光谱仪分析烟末样品,并用偏最小二乘法分析近红外数据,研究了不同配方结构的烟丝与近红外光谱的关系,建立了4个不同配方的识别模型。结果表明:梗丝与叶丝配方模型具有较好的预测准确性,对不同批次的样品预测均方根误差小于0.9%,平均相对误差在7.6%以下;在4丝配方中,对梗丝、膨胀烟丝和再造烟丝的预测准确度较低,其平均相对误差在10%左右。     

小麦脂肪酸值的近红外光谱快速测定研究

采用近红外光谱(NIRS)分析技术和化学计量方法建立小麦脂肪酸值的近红外分析模型,并对模型进行预测准确性评价。结果表明:所建立模型的定标相关系数(RSQ)为0.9026,交叉验证相关系数(1-VR)为0.6278,定标标准偏差(SEC)为3.8735,交叉验证标准偏差(SECV)为7.0908。外部验证的相关系数(r)为0.948,外部验证标准偏差(SEP)为3.8709。标准方法与NIRS测定方法测定的小麦脂肪酸值含量之间的t检验值为1.345,显示两种方法测定结果无显著性差异(P<0.05),预测值与实测值的平均绝对偏差为0.25,说明所建立的稻谷脂肪酸值的NIRS数学模型预测准确性较好,可用于小麦脂肪酸值的快速预测。     

近红外光谱-人工神经网络的模型优化用于银耳产地识别研究

研究通过近红外光谱技术（NIRS）结合人工神经网络技术（ANN）识别银耳的不同产地。实验以四川省与福建省两个产地共120组银耳样品为研究对象,对其进行近红外光谱测定,计算光谱吸收值的平均偏差与一阶导数进而选取有效数据,结合主成分分析方法将原始数据降维并采用反向人工神经网络技术构建近红外分析模型。结果显示,通过对有效数据主成分分析,前3个主成分的累计方差贡献率达到100%,判断准确率为88.3%;进一步采用人工神经网络优化模型,在输出层为2隐藏层为11时,判断准确率达100%;此时校正集与预测集的均方根误差分别为3.05×10^-2与2.90×10^-2,模型具有良好的泛化能力。因此,结合人工神经网络的近红外光谱检测技术,优化检测模型,能够准确、快速地识别银耳产地,为食品原材料的质量控制及地理标志的建立提供科学依据。      

基于Kernel-ICA和X-ray成像的品种分类研究

对农作物品种正确分类是作物分类学的重要内容,为考察X-ray成像技术对小麦品种分类研究的有效性,基于软X-ray成像仪采集的3品种(Kama,Rosa and Canadian)每个品种70个籽粒,共210个籽粒样本的X-ray扫描图像,并针对其7个形态几何特征(面积、周长、紧致度、籽粒长度、宽度、偏斜度、种子腹沟长度),提出了一种使用Kernel-ICA的方法先对特征进行优化,再进行小麦品种的聚类与识别的方法,并与K-means、C-means 2种聚类方法以及基于工神经网络(ANN)和支持向量机(SVM)2种识别方法的分类结果进行比较,结果发现:分类正确率从高到低分别为:Kernel-ICA、SVM、C-means、K-means、BP-ANN,分类正确率分别为:91.9%、90.5%、89.5%、87.1%、86.9%。研究提出的Kernel-ICA的方法,聚类优化和识别能力较强,对软X-ray成像的小麦品种进行分类,已基本上满足农艺上对小麦品种分类需要,对农作物种质资源鉴别和作物品种分类研究具有积极意义。     

Discrimination of European wheat varieties using near infrared reflectance spectroscopy

Near infrared reflectance (NIR) spectroscopy combined with chemometrics was used to discriminate wheat varieties. A total of 249 samples of different wheat varieties from the 2003–2004 harvest were used to develop the best discriminant equation, by applying various scatters and mathematical treatments in the range of 400–2500 nm. Wheat varieties from Spain were ‘Sarina’, ‘Bolero’, ‘Berdún’, ‘Soisson’, ‘Chamorro’, ‘Artur Nick’, ‘Berdun’, ‘Marius’, ‘Anza’, ‘Kalifa’, and wheat varieties from France were ‘Galibier’ and ‘Quality’. The equation developed with the highest accuracy had an applied scatter of weighted multiplicative scatter correction, a math treatment of 2, 15, 8 (order of derivative, gap data points over which the derivative was taken, number of data points used in performing average smoothing). The percentage of correctly identified varieties was 99.5% for the calibration sample set and 94% for the validation sample set. The results demonstrated the usefulness of NIRS combined with chemometrics as a rapid method for discrimination of European wheat varieties. Although the application of the discriminant equation developed for the 2003–2004 harvest yielded a high rate, further test measurements are necessary to evaluate the robustness of the equation.     

浅谈面粉厂小麦清理设备的选用

分析了各种小麦清理设备的特点，介绍了目前面粉厂设计中选用小麦清理设备的现状和变化，探讨了今后小麦清理设备的发展方向。     

Robustness of the near infrared spectroscopy method determined using univariate and multivariate approach

The robustness assessment is a part of a method validation protocol, during which several characteristics of an analytical method are also evaluated (e.g. accuracy, repeatability, reproducibility, linearity, intermediate precision, measurement uncertainty) in order to assess its fitness for purpose. The purpose of robustness assessment of the near infrared spectroscopy method (NIRS) is to indicate which factor significantly influence the obtained results, as well as to point to the potential problems that might occur in the routine application of the method. The assessment of robustness of the NIRS method included variation of certain operational and environmental factors at three level (−1, 0, 1) by applying univariate (one-variable-at-a-time, OVAT) and multivariate (multivariate-at-a-time, MVAT) approach to the experimental design. Operational and environmental factors that were varied included the number of subsamples to be measured in the NIRS measurement (1), environmental temperature (2), sample temperature (3), environmental air humidity (4), instrument voltage (5) and lamp aging (6). Regardless the applied experimental design, external factors with significant influence on obtained NIRS results were indicated, as well as pointed the potential problems that might occur in the routine application of the method. In order to avoid them, every effort should be made to stabilize instrument and sample temperature and to standardize the homogeneity and number of subsamples to be measured in NIRS measurement. Moreover, the obtained results highlighted the necessity that the NIRS instruments should work through a voltage regulator.     

偏最小二乘-判别分析模型影响因素初步研究

目的研究偏最小二乘-判别分析模型的影响因素。方法以小麦为例,采用人工加速老化结合近、中红外光谱技术采集陈化、非陈化小麦粉的近、中红外光谱,分别针对小麦粉衰减全反射中红外数据、衰减全反射中红外一阶导数数据、近红外一阶导数数据以及小麦颗粒近红外一阶导数数据建立偏最小二乘-判别分析模型,分别获取模型参数及第1、2主成分得分分布情况。结果小麦粉近红外一阶导数建模的第1、2主成分得分散点图具有明显的两类样本分布。外部验证数据表明,小麦粉近红外一阶导数所建模型具有更好的稳健性。结论样品的物理形态、数据预处理以及红外光谱波段皆会对偏最小二乘-判别分析模型结果产生影响;同时,红外光谱偏最小二乘-判别分析模型的评价需要从正确识别率、模型的校正测定系数、交互验证测定系数、校正均方根误差、交互验证均方根误差以及模型主要成分得分分布等多种情况综合考虑。     

微波预处理对小麦面筋蛋白糖基化改性的影响

采用微波预处理小麦面筋蛋白并经葡萄糖糖基化改性后,研究其溶解性和乳化性的变化,同时对改性小麦面筋蛋白的结构进行了表征。结果表明,适当功率的微波预处理有利于小麦面筋蛋白的糖基化改性,微波功率为350 W时,小麦面筋蛋白糖基化改性效果最为显著,其在等电点处的溶解性较对照组提高了78.48%,且乳化活性及乳化稳定性最高分别达到41.65 m~2g~(-1)和11.99 min。适当功率的微波预处理使小麦面筋蛋白表面疏水性提高,而与葡萄糖接枝后,蛋白的表面疏水性降低。SDS-PAGE、傅里叶红外光谱及荧光光谱表明,小麦面筋蛋白以共价键的结合形式接入了葡萄糖分子,生成了糖蛋白。     

基于特征标志物的粮油食品掺假鉴别技术研究进展

粮油食品掺假鉴别研究一直是国内外食品质量安全领域的研究热点。基于特征标志物的粮油食品掺假鉴别技术具有灵敏度高、特异性好的优点,近年来在该领域发展迅速。本文综述了基于元素分析、色谱-质谱分析、DNA指纹图谱等技术的特征标志物在粮油食品掺假鉴别中的应用和研究进展,展望了发展趋势,为粮油食品中特征标志物的发现及最佳掺假鉴别技术的研究提供了依据。     

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。