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。     

烟叶霉变的快速识别——基于近红外光谱与随机森林算法

为建立烟叶霉变快速识别模型,以复烤片烟为研究对象,在高温高湿条件下进行霉变实验,获得不同霉变程度的烟叶样本。应用近红外光谱技术在4000~12000 cm-1范围内对烟叶的近红外光谱进行采集,获得烟叶样本的基础光谱数据。采用小波分解法对基础光谱数据进行解析,选择中间频率小波系数[cd4, cd5]为光谱变量,利用随机森林算法建立了不同霉变烟叶的识别模型。模型对训练集预测准确率达到93.82%,独立测试集判别准确率达到94.84%,对未霉变样品、临近霉变样品和霉变样品的判别均取得了令人满意的结果。      

采用近红外光谱进行采后苹果品种及货架期定性判别

运用近红外光谱技术,通过不同光谱预处理和不同光谱波段选择,研究苹果品种(嘎啦、乔纳金、金冠、寒富)及货架期(0、14、28 d)的近红外判别模型。结果表明,不同品种苹果定标判别模型最优光谱预处理方法为:在全波长范围(408. 8～2 492. 8 nm)内,采用去散射结合二阶导数光谱预处理,对未知样品判别正确率为85. 00%～95. 00%;苹果货架期较优定标模型在1 108～2 492. 8 nm范围内,光谱预处理方法为标准正常化处理(standard normal variate,SNV)+去散射处理(detrend,D)+一阶导数,预测样品正确率为91. 67%～96. 67%。实验证明,近红外光谱技术对采后苹果品种及货架期检测具有适用性。     

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。     

基于光谱和图像信息融合的玉米霉变程度在线检测

融合可见-近红外光谱和机器视觉分析技术,建立玉米霉变程度在线检测方法。辐照灭菌玉米分别接种5 种谷物中常见有害霉菌,并于28 ℃和85%相对湿度环境中储藏15 d至严重霉变。在样品储藏的第0、6、9、12、15天,同时在线采集其光谱及图像特征信息,将提取的样品光谱特征波长和图像颜色特征参数融合成总特征参数,建立玉米霉变程度定性定量模型。结果表明,主成分分析可成功区分不同霉变程度的玉米样品;基于光谱和图像信息融合的线性判别分析模型对不同霉变程度玉米样品的整体识别率达91.1%,比单独应用光谱和图像时的准确率分别提高4.4%和8.9%;基于信息融合的玉米菌落总数偏最小二乘回归模型结果也同样较优,模型预测决定系数Rp2为0.894 1,均方根预测误差为0.665（lg（CFU/g））,相对分析偏差达3.06。结果表明光谱和图像数据融合能够提高模型精度,在霉变玉米在线检测方面具有可行性。下一步应不断扩大样品量,补充自然霉变及受更多代表性霉菌侵染的玉米样品,以不断增强模型的鲁棒性和适用性。     

可见/近红外结合MIA变量优选和支持向量机判别山茶油的制取方式

山茶油的主要制取方式有压榨法和浸出法,且压榨山茶油的品质优于浸出法。本研究利用可见/近红外光谱技术结合化学计量学对山茶油的制取方式进行判别研究。采集不同制取方式的山茶油样本在350~1800nm波段范围的可见/近红外光谱,利用边界影响分析(margin influence analysis,MIA)新方法进行波长变量优选,并应用支持向量机(support vector machines,SVM)对优选的波长变量建立山茶油制取方式的判别分类模型。结果表明:可见/近红外光谱联合MIA-SVM方法判别山茶油的制取方式是可行的,其校正集和预测集样本的灵敏度、特异性及正确率分别为100%、87.50%、93.75和100%、87.50%、93.75%。说明MIA是一种有效的波长变量选择方法,能简化分类模型,提高分类模型的稳定性和预测精度。     

可见/近红外光谱技术无损检测新鲜鸡蛋pH及蛋白质的研究

本文利用可见/近红外光谱技术检测新鲜鸡蛋p H和蛋白质。分别采集新鲜鸡蛋在400~1000 nm和900~1700 nm波长范围的漫反射光谱,使用多元散射矫正(MSC)、标准正态变量变换(SNV)等光谱预处理技术,选择最佳的预处理方法,使用偏最小二乘法(PLS)建立p H和蛋白质模型并对其进行评价。结果表明,基于900~1700 nm波长范围的光谱获得的p H模型较好,其校正集相关系数为0.948,预测集相关系数为0.855;基于400~1000 nm波长范围的光谱获得的蛋白质模型较好,其校正集相关系数为0.927,预测集相关系数为0.906。研究表明,可见/近红外光谱技术可以较好的预测新鲜鸡蛋的p H和蛋白质,为鸡蛋营养成分的快速无损检测提供新的思路和方法。     

可见/近红外反射光谱法检测马铃薯抗性 淀粉含量的研究

目的利用可见/近红外反射光谱技术无损检测新鲜马铃薯茎块中抗性淀粉的含量。方法使用光谱仪获取新鲜马铃薯在345~1100 nm波段范围内的漫反射光谱;分别使用Savitzky–Golay(S-G)平滑处理、多元散射校正(MSC)法和一阶导数法(1st-D)对反射光谱进行预处理;对(S-G)反射光谱、MSC处理光谱和1st-D光谱使用逐步回归法判别法选择最优波长组合,建立多元线性回归模型,使用全交叉验证法验证模型。结果结果表明,可见/近红外反射光谱经过一阶导数处理后,确定的8个最优波长(370、569、576、866、868、886、922和963 nm)组合建立模型的校正和验证结果最好:模型的校正结果为相关系数R=0.996,标准差SEC=0.521%;模型交叉验证相关系数Rcv=0.982,验证标准差SECV=0.791%。结论可见/近红外反射光谱技术可以较好地预测新鲜马铃薯茎块的抗性淀粉含量,本研究可为可见近红外光谱技术在马铃薯功能成分的快速检测提供一定的技术基础。     

可见/近红外光谱技术无损检测新鲜鸡蛋蛋白质含量的研究

鸡蛋是一种重要的食品,蛋白质是鸡蛋的主要营养成分。本研究利用可见近红外反射光谱技术无损检测新鲜鸡蛋的蛋白质含量。使用光谱仪获取新鲜鸡蛋在400~1100 nm波段范围内的漫反射光谱;分别使用多元散射校正(MSC)法和一阶导数法(1-D)对反射光谱进行预处理;对反射光谱、MSC处理光谱和1-D光谱,使用逐步回归法判别法选择最优波长组合,建立多元线性回归模型,使用全交叉验证法验证模型。结果表明,可见/近红外反射光谱经过多元散射校正后,确定的10个最优波长(400、403.16、407.9、714.6、715、715.58、970.4、970.75、973和974.45 nm)组合建立模型的校正和验证结果最好:选定模型的校正结果为R=0.92,SEC=0.42%;验证结果为Rcv=0.89,SECV=0.47%。研究表明可见/近红外反射光谱技术可以较好的预测新鲜鸡蛋的蛋白质含量,本研究可为可见近红外光谱技术在鸡蛋营养成分的快速检测提供一定的理论基础。     

基于近红外高光谱图像的花生内部霉变快速判别方法研究

目的 针对外观正常但内部存在不同程度霉变的花生,探索采用近红外高光谱成像技术结合机器学习方法构建花生内部霉变快速无损判别模型的可行性。方法 采集100粒内部霉变和100粒健康花生的近红外高光谱图像构成数据集,将多种经典光谱预处理方法与支持向量机(support vector machine, SVM)组合建立花生内部霉变判别模型,并采用蒙特卡洛-无信息变量消除法(Monte Carlo-uninformative variable elimination,MC-UVE)找出霉变判别中有效的光谱特征波长。结果 将Savitzky-Golay卷积平滑方法和二阶求导光谱预处理方法与SVM组合,对内部霉变严重样本判别的总体识别准确率可达95%,对不同程度内部霉变样本的平均识别准确率为88%;基于MC-UVE筛选得到10、5、3个特征波长构建的模型总体识别准确率为90%、85%和82%。结论 实验结果表明高光谱技术结合机器学习可为花生内部霉变的快速、无损判别提供可行的解决方案,同时特征波长筛选为基于光电原理的霉变花生色选机系统开发提供了参考。     

基于高光谱成像的羊肉掺假可视化无损定量检测

目的：快速、准确检测羊肉掺假。方法：利用可见—近红外(400~1 000 nm)和短波近红外(900~1 700 nm)高光谱成像仪对羊肉中掺假不同比例的鸭肉进行数据采集,比较两个波段范围内不同光谱预处理方法的偏最小二乘法(PLS)建模效果,最终在可见—近红外波段选择归一化预处理方法,在短波近红外波段选择标准正态变量变换(SNV)预处理方法。分别对两个波段的光谱数据进行最优的预处理后,采用连续投影算法(SPA)、竞争性自适应重加权算法(CARS)、区间随机蛙跳算法(iRF)和组合区间偏最小二乘法(SiPLS)对特征波长进行选取。结果：在短波近红外(900~1 700 nm)波段采用SNV-SPA-PLS模型的羊肉掺假预测效果最好,预测集决定系数为0.968 4,预测标准偏差为0.058 2,预测集相对分析误差为5.625 4,并得到较好的图像反演结果。结论：利用不同波段的高光谱成像技术可实现对羊肉掺假的快速无损定量检测。     

近红外方法预测馒头品质

本研究利用近红外方法预测馒头品质评分参数,并取得了较好的预测效果。从150份小麦粉样品中筛选出31个具有不同品质特性的小麦粉样品,使用FOSS Infraxact Lab近红外光谱仪在570~1 850 nm波长下扫描,按实验室馒头制作方法制作馒头并进行评分,使用WinISIⅢ处理软件处理数据,结合修正偏最小二乘法(MPLS)建立了定标模型,高径比、比容、色泽、外观性状等11项参数的定标决定系数(r2)在0.60~0.94之间,定标标准误差(SEC)范围为0.02~2.06,并且取得较好的交叉验证相关系数(1-VR)和较低的交叉验证标准误差(SECV),结果表明利用近红外方法预测馒头品质评分参数具有可行性。     

Glucose Adulteration in Saudi Honey with Visible and Near Infrared Spectroscopy

This article reports on the implementation of visible and near infrared spectroscopy for the detection of glucose concentration in a mixture of Saudi and imported honey samples adulterated by glucose syrup of five concentrations: 0, 5, 12, 19, and 33 g/100 g. Honey samples were scanned in trans-reflectance mode with an AgroSpec mobile, fibre type, visible and near infrared spectrophotometer (tec5 Technology for Spectroscopy, Germany), with a measurement range of 305–2200 nm. The entire data set of 345 spectra was randomly divided into calibration (70%) and prediction (30%) sets. The first group was subjected to a partial least squares regression analysis with a leave-one-out cross-validation to establish a calibration model for the prediction of glucose concentration, whereas the second group was used to validate the partial least squares model. For the cross-validation, the values for root mean square error of prediction, coefficient of determination, and ratio of prediction deviation, which is the standard deviation divided by root mean square error of prediction were 4.52 g/100 g, 0.85, and 2.53, respectively. A slightly lower range of accuracy was obtained in the prediction set, with root mean square error of prediction, coefficient of determination, and ratio of prediction deviation values of 5.56 g/100 g, 0.78 and 2.06, respectively. The results achieved suggest that the visible and near infrared spectroscopy is a powerful technique for the quantification of glucose adulteration in Saudi honey.     

加工番茄虫眼及霉变的可见近红外高光谱成像检测

为了探求一种快速有效识别虫眼和霉变加工番茄的无损检测方法,利用高光谱成像技术,从光谱和图像2个角度对其进行检测。先借助可见近红外高光谱成像系统获取408~1 013nm的加工番茄高光谱图像数据,提取并分析感兴趣区域的平均光谱曲线进行主成分分析,根据各波段权重系数优选了550,750,900nm 3个特征波长;然后通过特征波长下图像的主成分分析,选择缺陷部位与正常区域强度对照最明显的第一主成分图像,通过掩模、阈值处理和形态学开运算等图像处理方法对缺陷番茄进行检测判别。虫眼、霉变和正常三类番茄的识别率分别为93.3%,90%,100%。同时利用上述3个特征波长进行波段比图像运算,并选择波段比550nm/750nm图像进行缺陷识别,虫眼、霉变和正常三类加工番茄的识别率分别为93.3%,96.7%,100%。研究结果表明,二次主成分分析和波段比检测算法均可以有效地识别缺陷加工番茄。另外研究中仅选用了3个特征波段,数据量大大减少,为搭建开发适于加工番茄缺陷的多光谱在线检测系统提供了可能。     

Prediction of Benzoyl Peroxide in Flour Using Near Infrared Spectroscopy Technique

This research proposed to design a prediction model based on radial basis function neural network and near infrared reflectance spectroscopy in detecting concentration of benzoyl peroxide in flour. Near infrared reflectance spectra acquired from 100 different concentration samples were pre-processed by the standard normal variate method, detection of leverage, and student residual. Near infrared reflectance spectroscopy models were designed to predict benzoyl peroxide in the 36 samples by means of partial least squares, back propagation neural network, and radial basis function, respectively. The results demonstrated that the radial basis function model, with prediction correlation coefficient (R), root mean squared error of prediction, and ratio of performance to standard deviate reaching 0.9937, 15.5095, and 8.8216, respectively, had optimal prediction accuracy and feasibility providing quality evaluation and dynamic monitoring service for quality inspection department and consumers.     

磨盘柿褐变指标的可见/近红外漫反射无损预测研究

为了建立可见/近红外漫反射光谱与磨盘柿果皮和果肉褐变之间的关系,作者在全光谱区域(570～1 848 nm)对比分析了不同处理方法对磨盘柿果皮颜色b*和果肉浊度定标模型的影响。结果表明,应用MPLS、原始光谱和无散射处理建立果皮颜色b*的定标模型预测性能较好,Rp2为0.968,RMSEP为1.417 7,RPD为7.92。应用PLS、一阶导处理和无散射处理建立磨盘柿果肉浊度的定标模型预测性能较好,Rp2为0.757,RMSEP为0.107 9,RPD为2.22。因此,可见/近红外漫反射技术对磨盘柿果皮颜色b*和果肉浊度的快速无损检测具有可行性。     

滩羊肉中油酸和亚油酸含量的近红外预测模型建立

基于近红外光谱技术结合化学计量学方法建立滩羊肉中油酸和亚油酸含量的预测模型。选取滩羊肉外脊、里脊、羊霖、羊腩共138 份样本,在900～2 500 nm波长范围内,采集滩羊肉糜样品的近红外反射光谱,利用气相色谱法作为参考,测定样品中油酸和亚油酸含量,并建立滩羊肉中油酸和亚油酸含量的偏最小二乘回归（partial least squares regression,PLSR）模型。为优化模型性能,使用间隔随机蛙跳（interval random frog,IRF）算法进行数据降维处理。结果表明：对于油酸模型,经过标准正态变量变换结合一阶导数处理后的全波长模型相关性较高,校正相关系数（Rc）和交叉验证均方根误差（root mean square error of cross-validation,RMSECV）分别为0.889 5和10.2515,预测相关系数（Rp）和预测集均方根误差（root mean square error of prediction set,RMSEP）分别为0.7357和10.2492,然而,经IRF算法提取92个特征波长后,Rc和Rp均低于全波长模型;对于亚油酸模型,使用多元散射校正处理后的全波长模型Rc最大,为0.8747,RMSECV为1.0512,但其Rp和RMSEP较小,利用IRF算法提取102 个特征波长后,建立的亚油酸模型相关性得到极大改善,其中Rc最大达到0.9912,相应的RMSECV为0.0118,Rp为0.9879,RMSEP为0.0122。因此,近红外光谱技术结合IRF算法不能较好预测滩羊肉中油酸含量,但对亚油酸含量具有较好的预测能力。     

基于衰减消去蜻蜓算法的小麦粉蛋白质近红外特征波长优选

为优选小麦粉蛋白质近红外光谱特征波长,结合指数和线性衰减函数对单群蜻蜓算法（single-binary dragonflyalgorithm,single-BDA）进行改进并提出一种衰减消去蜻蜓算法（attenuationelimination-BDA,AEBDA）。分别使用single-BDA和AE-BDA筛选160个小麦粉样本中蛋白质近红外光谱的波长,并用偏最小二乘回归法建立蛋白质定量分析模型评价波长选择效果。结果表明：与single-BDA相比,AE-BDA所选波长数量少、稳定性强,建立的模型预测效果最佳,模型最佳的预测决定系数为0.972 7,预测标准偏差为0.281 1。8次AE-BDA实验挑选出特征波长的平均数量为15.8个,占原始波长数的12.6%,其中有3个波长每次均被选中。经近红外光谱解析,各入选的波长均包含在小麦粉蛋白质及背景组分的主要吸收谱带范围内。AE-BDA能够以较高的计算效率从小麦粉近红外光谱中筛选出较少的特征波长建立蛋白质分析模型,提高了模型的预测精度和稳定性,可为近红外分析建模提供一种更加简便有效的波长优选方法。     

近红外光纤光谱法快速检测葡萄酒中酒精度

目的 构建近红外光纤传感检测系统,结合近红外光谱分析技术和化学计量学,对葡萄酒中酒精度进行快速检测.方法 以葡萄酒为研究对象,构建近红外光纤传感检测系统,分别使用偏最小二乘法和主成分回归对葡萄酒中酒精度进行近红外光谱分析,进行模型参数的比较.采用国标GB/T 15038-2006《葡萄酒、果酒通用分析方法》中气相色谱法...