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。     

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。     

基于近红外光谱的椰肉含油率模型构建

目的:为了实现椰肉含油率的高效率实时在线检测,满足椰子油产量预测和椰子高油种质的快速鉴定需求,建立了基于近红外光谱技术的椰肉含油率定量检测模型.方法:利用国产光栅近红外光谱仪,对成熟椰果的椰肉样本进行近红外光谱扫描,将采集到的光谱建立模集:检验集为4∶1的比例进行样本集划分,利用定量偏最小二乘分析方法建立椰肉含油率定量...     

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。     

霉变小麦品质评价数学模型的建立

选用5种小麦为原料,研究霉变小麦霉菌和酵母菌总数变化与品质变化及其相关性,随着霉变程度的加深,小麦籽粒霉菌和酵母菌总数与容重、千粒重、发芽率、面筋指数、面团吸水率呈极显著性负相关,相关系数分别为:-0.713、-0.928、-0.766、-0.847、-0.628;与降落数值、湿面筋含量、干面筋含量、面团形成时间、稳定时间呈显著性负相关,相关系数分别为:-0.565、-0.489、-0.564、-0.534、-0.517;与面团最大拉伸比呈显著性正相关,相关系数为0.565.并建立数学模型进行验证回归分析,得出霉菌和酵母菌总数与各品质指标的回归方程为Y=-8 323.899X千粒重+123.628X容重-11 633.727X拉伸比+16 799.679X形成时间+2 973.845X面筋指数+415.119X发芽率-1 778.245 X湿面筋含量+17 598.095,验证结果表明建立的数学评价模型具有一定的统计意义和实际意义.     

小种红茶水浸出物近红外定量分析模型的建立

为实现近红外光谱技术在小种红茶中的快速无损检测,对76份有代表性的小种红茶按现行国家标准测定其水浸出物含量,采集样品的近红外光谱,采用OPUS 7.5软件,结合偏最小二乘法(partial least squares,PLS)建立小种红茶水浸出物含量的近红外定量分析模型。结果表明,所建立的水浸出物定量模型决定系数R2为95.73%,校正均方差(root mean square error of calibration,RMSEC)为0.629,验证均方差(root mean square error of prediction,RMSEP)为0.513。所建立的小种红茶水浸出物含量的近红外定量分析模型较为成功,模型预测效果较好,能够对小种红茶中水浸出物的含量进行快速地分析。     

PET塑料桶装大豆油中DEHP迁移的数学模型的建立

选取PET塑料桶及PET塑料桶装大豆油为研究对象,分析了储藏期间PET塑料桶中DEHP向大豆油中迁移的规律,建立了DEHP迁移的数学模型.采用超声波法提取DEHP(55℃、40 min),采用GCMS法检测DEHP迁移量,PET塑料桶中DEHP检出量为4.594 mg/kg,大豆油中DEHP最大检出量为1.292 mg/kg,最大迁移率为28.12％.以储藏温度(A)和储藏时间(B)为试验因素,大豆油中DEHP迁移检出量为试验指标(Y),进行均匀试验设计及响应面分析,DEHP迁移规律的数学模型为:Y=0.77+0.089A+0.11B-0.013AB +0.039A2 +5.072×10-3B2.经响应面分析,大豆油中DEHP的迁移量与储藏温度和储藏时间呈正相关性,随着储藏温度的升高和储藏时间的延长,大豆油中DEHP的迁移量也逐渐升高,储藏温度和储藏时间的交互作用对DEHP的迁移影响显著.     

酒精诱导氧化应激小鼠模型建立及姜黄素抗氧化活性的初步研究

目的建立酒精诱导的氧化应激小鼠模型,对姜黄素的抗氧化活性进行初步评价,探讨补充生物活性因子的抗氧化功能评价方法。方法8周龄,昆明小鼠60只,动物房适应1周,按体重随机分为5组。实验周期内,每日按0.2ml/10g·BW给予各组实验小鼠连续灌服相应剂量受试物。实验结束时,处死全部小鼠,取血,测定肝脏相关生化指标。结果酒精模型组血浆和肝脏谷胱甘肽过氧化酶GPx的酶活性均显著低于正常对照组(P0.05);肝脏蛋白质羰基含量(PCO)显著高于正常对照组(P0.05)。结论长期摄入低浓度酒精,可以诱导建立氧化应激小鼠模型;实验中姜黄素的抗氧化活性得到初步证实;蛋白质羰基含量的测定显示,其可有效补充生物活性因子抗氧化功能评价方法。     

基于近红外光谱技术的面粉水分无损检测模型的建立

直接对面粉样品进行近红外光谱扫描,采用105℃恒重法测定面粉中水分含量,在不同的光谱数据预处理方式下运用改进偏最小二乘法(MPLS)建立水分含量定标模型,通过比较模型预测效果以确定最佳预处理方法,随后用PCA、PLS、MPLS三种建模方法在最佳预处理方式下建模通过比较模型预测效果以确定最佳建模方法并用验证集对最优模型进...     

一种基于BALB/c背景由膳食麸质引起的乳糜泻小鼠模型的构建及其评价

目的：利用麸质诱导建立小鼠乳糜泻（celiac disease,CeD）模型,通过检测乳糜泻相关指标来评价该模型的可行性。方法：将连续食用无麸质饲料3 代以上的雌性BALB/c小鼠（6～8 周龄）随机分为两组（对照组（Control组）和模型组（CeD组））,CeD组于实验开始的第1天将饲料换为麸质含量2.5 g/kg的含麸质饲料,Control组则继续饲喂无麸质饲料。实验前3 周,分别给予CeD组每只小鼠腹腔注射含150 μg麦醇溶蛋白的磷酸盐缓冲溶液（0.2 mL 0.01 mol/L）,每周两次。在实验的第4周,给予CeD组每只小鼠后脚掌注射乳化有50 μg麦醇溶蛋白的弗氏完全佐剂50 μL两次（第1天和第4天各注射一次）。利用血清荧光素异硫氰酸酯-葡聚糖质量浓度表征小鼠的肠道通透性;利用实时荧光定量聚合酶链式反应检测小鼠十二指肠组织中紧密连接蛋白（ZO-1、ZO-2、Claudin-1等）、相关炎症因子白细胞介素（（interleukin,IL）-15、干扰素（interferon,IFN）γ和IL-4等）和相关免疫细胞的表面标志物基因（CD4、CD19、CD138等）的表达水平;采用酶联免疫吸附试验测定小鼠十二指肠中组织转谷氨酰胺酶（tissue transglutaminase,tTG）和连接蛋白水平。结果：相比Control组,CeD组小鼠十二指肠肠道屏障被明显破坏,小肠绒毛长度明显缩短,TGM2 mRNA相对表达量显著升高（P＜0.05）,与乳糜泻相关的炎症因子和免疫细胞的标志物基因相对表达量都显著升高。结论：该造模方法在肠道病理情况、肠道屏障以及免疫方面均能很好地模拟临床上乳糜泻的病理学特征,可用于未来乳糜泻新的潜在治疗措施研究中。     

紫外光谱结合BP神经网络算法建立食用油掺伪煎炸油的快速鉴定模型

为建立一种快速食用油掺伪煎炸油检测方法,采用紫外光谱法鉴别其掺伪,本研究选取大豆油、玉米油和葵花籽油为代表分别煎炸,在纯油中掺入相应煎炸时间0~6 h及掺假梯度0~90%的煎炸油制备掺伪油样,进行紫外光谱及二阶导数预处理,经处理后的光谱特征峰与BP（Backpropagation,BP）神经网络算法结合建立食用油掺伪煎炸油模型,对掺入煎炸油类别、煎炸时间和煎炸油含量进行鉴别分析。结果表明二阶导数预处理后掺伪煎炸油的光谱特征峰中大豆油为446和462 nm、玉米油为268和274 nm、葵花籽油为280和288 nm,根据其特征峰位与峰值建立Levenberg–Marquardt算法（LMA）、动量梯度下降法（MGD）及弹性梯度下降法（EGD）掺伪模型识别率分别为98.15%、91.67%和95.52%。