近红外光谱技术对加工后鸡肉产地溯源的研究

本文选择来自昌邑新昌、牟平仙坛、莱阳春雪、亚太中慧四个产地,不同厂家的180只同鸡龄同部位鸡肉样本,分别采用蒸、煮、微波三种方式加工后,经预处理粉碎过筛,利用安全、快速的近红外光谱技术,对不同产地的鸡肉样本进行近红外扫描并对所采集的近红外光谱进行聚类分析(CA)、主成分分析(PCA),针对三种加工方式分别建立鸡肉产地溯源的定性判别模型,以探究加工后鸡肉产地溯源的可行性。试验表明:在波数范围7000~4000 cm-1内,原始光谱经二阶求导(13点平滑)和矢量归一化(SNV)预处理后,经三种方式加工后鸡肉的近红外光谱图均有显著差异,其中聚类分析判别正确率均高于90%,鸡肉样本的主成分空间分布位于不同的区域。利用来自四个厂区的独立样本经相同处理后对模型进行验证,识别正确率可达90%~95%。近红外光谱分析技术对加工鸡肉制品的产地溯源具有可行性。     

基于近红外光谱技术的农产品产地溯源研究进展

农产品产地溯源的目的是保证农产品的真实性, 为地理标志产品、地区特征性产品产地真伪鉴别提供关键技术。近红外光谱是一种新兴的检测技术, 因操作简单、绿色、高效、快速等特点, 被广泛应用于农产品产地溯源研究中。本文介绍了近红外光谱分析技术的原理和特点, 综述了基于近红外光谱技术的谷物、油料产品、水果等主要农产品产地溯源的研究进展, 分析了现有技术存在的问题, 并对今后农产品产地溯源的研究进行了展望, 以期为近红外光谱技术在农产品产地溯源的进一步应用提供参考。     

基于近红外光谱技术的枸杞产地溯源研究

采用近红外光谱技术对宁夏、甘肃、青海、内蒙、河北的8个不同产地40种枸杞样品进行扫描,在主成分分析基础上利用简易分类法(simple modeling of class analogy,SIMCA)模式识别原理分别建立模型。结果表明：在950～1650nm全光谱波长范围内,光谱经一阶导数(5点平滑)和矢量归一化(standard normal variate,SNV)预处理后,8个产地模型的主成分数均为3时,采用 SIMCA模式识别法可以建立较为稳健的枸杞产地溯源模型;在α＝5%的显著水平条件下检验模型的可靠性,8个产地校正集模型的识别率除青海为80%外,其他产地均为100%,拒绝率分别为100%、100%、97%、100%、91%、94%、97%、100%,其验证集模型的识别率均为100%,拒绝率分别为100%、100%、100%、100%、75%、88%、100%、100%。表明该方法在枸杞产地识别中具有可行性。     

基于近红外光谱技术的茶叶新旧鉴别及产地溯源研究

目的 建立基于近红外光谱的定性分析模型,实现对茶叶的新旧分类和产地溯源。方法 首先采用傅立叶近红外光谱仪采集茶叶样品的漫反射光谱数据,然后使用卷积(Savitzky-Golay,S-G)平滑算法和数据标准化(Normalization)对光谱数据进行预处理,最后基于遗传优化算法(genetic algorithem,GA)和粒子群优化算法(particle swarm optimization, PSO)分别建立了优化向量机模型(support vector machine, SVM),从而实现新旧茶叶的分类以及产地溯源。结果 与GA-SVM模型相比,PSO-SVM模型的建模效果较好,且分类时间更短,在新旧鉴别和产地溯源实验中都达到了100%的预测精度。结论 基于近红外光谱建立的PSO-SVM模型可以实现茶叶新旧的判别以及产地溯源,为鉴别茶叶年份和追踪茶叶产地提供了理论支撑和技术指导。     

基于电子舌和近红外光谱技术的进口牛肉产地溯源

为评估电子舌和近红外光谱技术对进口牛肉产地溯源的可行性,以澳大利亚、新西兰和加拿大进口安格斯牛肉为研究对象,分别测定其电子舌滋味特征图谱和近红外光谱数据,利用主成分分析和判别分析法,建立进口牛肉产地溯源的定性判别模型。研究结果显示,3个产地进口牛肉样本的电子舌滋味特征信号在SRS（酸味）、STS（咸味）、SWS（甜味）和GPS（复合味2） 4根传感器上响应值差异显著。在全光谱范围（4 000～12 000 cm-1）,经SNV（标准正态变量变换）+FD（一阶导数）+SG（Savitzky-Golay平滑）预处理后,3个产地进口牛肉样本的近红外平均光谱有显著差异。基于电子舌滋味特征图谱和预处理后近红外光谱数据的主成分分析和典则判别分析均能有效区分不同产地进口牛肉样本,判别正确率均为100%。说明电子舌和近红外光谱技术结合多元统计分析法可作为澳大利亚、新西兰和加拿大进口安格斯牛肉产地判别的有效手段。本研究结果为我国进口牛肉质量安全检测、监测提供了技术参考和数据支撑。     

基于近红外光谱的鸡蛋产地溯源

为了快速、准确、无损地追溯鸡蛋的不同产地,借助于近红外光谱技术,采用主成分析结合PLS-DA判别模型和簇类独立软模式法(SIMCA)建立了鸡蛋的溯源模型。利用标准正态变量(standard normal variate,SNV)、Savitzky-Golay平滑滤波(SG)和多元散射校正(multiplicative scatter correction,MSC)等方法对原始光谱数据进行了预处理,结果表明SG(3点)平滑处理结果最好;利用主成分分析方法对不同地区的鸡蛋进行聚类分析,发现当主成分数为3时,建立的SIMCA溯源效果最好。结果表明,在显著水平0.05时,4个地区(朔州、吕梁、太谷、运城)验证集的识别率均为100%,其中吕梁和运城地区的拒绝率为100%,朔州和太谷地区的拒绝率为98.6%。说明SIMCA模式建立的模型基本能够判别鸡蛋产地。     

基于近红外光谱技术的小米产地溯源研究

采用便携式近红外光谱仪结合主成分分析(PCA)、费舍尔线性判别(FLDA)及多层感知器神经网络(MLPNN)模型,探讨近红外光谱技术应用于小米产地溯源的可行性。PCA分析显示,除山西、河南、黑龙江3省的样品差异较小难以区分外,其余8个省份的样品均能清晰区分产地。FLDA和MLP-NN分析均能识别出小米样品产地,但MLP-NN识别效果优于FLDA,两个模型对预测集的识别正确率分别为92.3%,84.6%。以上结果表明,近红外光谱技术可有效应用于小米的产地溯源。     

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。     

基于近红外透射光谱及多种数据降维方法的红富士苹果产地溯源

为了探寻苹果产地溯源新方法,本文以新疆阿克苏、陕西洛川、山东烟台三个不同产地600个红富士苹果样本为试材分别采集其590～1250nm的近红外透射光谱图,将经过光谱校正后的光谱数据做归一化(Normalization)、多元散射校正(Multivariate Scattering Correction,MSC)等8种光谱预处理,对经过预处理后的光谱数据建立全波长分类模型发现二阶求导为最优预处理方法;然后再将经过二阶求导预处理的光谱数据结合以欧几里得距离(Euclidean)、相关距离(correlation)、余弦相似度(cosine)、城市街区距离(cityblock)作为距离度量的K最近邻法建模,发现K最近邻法(correlation)为最优分类识别方法;随后再分别用高斯过程隐变量模型(Gaussian Process Latent Variable Model,GPLVM)、线性局部切空间排列(Linear Local Tangent Space Alignment,LLTSA)、等12种数据降维方法对经二阶求导预处理后的光谱做降维处理,并结合K最近邻法(correlation)鉴别苹果产地。结果表明,提取前9个主成分,采用二阶求导-扩散映射-K最近邻法(correlation)模型识别效果最优,建模集和预测集的分类识别率分别为97.30%与92.30%。故,深度学习数据降维方法结合近红外透射光谱技术可成功、有效地实现苹果产地溯源。     

近红外光谱技术在食品溯源中的应用进展

食品产地溯源的问题一直广受关注,一些制售假冒食品的现象屡禁不止,为维护市场秩序,保护消费者的合法权益,急需对食品产地溯源进行快速无损检测。目前,常用的检测方法有近红外光谱技术、矿物元素指纹分析技术、DNA指纹图谱技术等,其中近红外光谱技术(NIR)因具有高效、快速、无损、无污染及低成本检测的特点,而被广泛应用于食品产地溯源的研究中。主要概述近红外光谱技术的原理,并通过列举了其在肉类、水果、谷物的产地溯源研究中的方法手段和结论等,得出近红外光谱技术在食品产地溯源检测方面的研究具有一定可行性。同时分析了近红外光谱技术在食品产地溯源中应用现状,并指出了其存在的问题和今后其在食品产地溯源方面的研究展望,为近红外光谱技术在食品追溯体系分析中提供理论参考。     

基于近红外光谱技术对多年际建三江、五常大米产地溯源

研究多年际地理标志大米产地溯源判别技术,保护地理标志大米的品牌效益。利用近红外漫反射光谱技术对试验田样品进行与产地有关的特征波段筛选,并在其范围内对2013—2015年来自建三江地区及五常地区的291?份大米样品进行产地溯源研究。结果表明,试验田样品在波段为5?136～5?501?cm－1范围内产地因素差异显著。在此范围内利用因子化法建立的定性分析模型及聚类分析模型对建三江大米及五常大米的正确判别率均高于97.00%。利用偏最小二乘法建立的定量分析模对两地区大米的正确判别率分别为95.83%、94.00%。因此,应用该技术对多年份大米的产地溯源进行判别具有一定的可行性。     

基于可见-近红外光谱及随机森林的鸡蛋产地溯源

为了研究快速无损鉴别鸡蛋产地的可行性,利用可见-近红外光谱技术,采集4种湖北不同产地鸡蛋的透射光谱（500⁹00 nm）,利用中心化、归一化、标准正态变量（SNV）、Savitzky-Golay平滑滤波（SG）和多元散射校正（MSC）、直接正交信号校正（Direct Orthogonal Signal Correction,DOSC）算法对光谱数据进行预处理,采用t分布式随机邻域嵌入（t-distributed stochastic neighbor embedding,t-SNE）、主成分分析（PCA）方法对预处理后的数据降维,并将降维后的数据分别输入极限学习机（extreme learning machine,ELM）和随机森林（random forest,RF）,建立鸡蛋产地溯源模型。比较两种方法建立的模型,发现运用DOSC预处理及t-SNE提取的光谱特征信息建立的RF模型鉴别效果最好,训练集和预测集的鉴别正确率分别为100%和98.33%。研究结果表明基于可见-近红外光谱技术对鸡蛋产地溯源是可行的,为进一步研究与开发鸡蛋产地溯源便携式仪器提供技术支持。      

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。     

光谱无损检测技术在农产品产地溯源中的研究进展

实现农产品产地溯源的无损检测,是建立农产品质量安全追溯体系的重要途径,也是保障食品安全质量、维护消费者合法权益的有效手段。相比于传统的检测方法,无损检测技术因其能实现不破坏被检样品的同时获取内外部有效信息的优点而被广泛应用于食品的产地溯源领域。本文主要概述了近红外光谱、高光谱成像、拉曼光谱三种光谱检测技术的原理及其在不同种类可食用农产品产地溯源中的最新应用现状,得出各光谱检测技术在农产品产地鉴别方面具有一定的可行性,同时对未来的研究方向作了展望,以期为农产品产地溯源的无损检测技术体系研究提供理论参考。     

基于近红外光谱技术有监督模式识别的青皮产地溯源分析

利用便携式近红外光谱仪采集不同产地(安徽、广东、四川)青皮外壁和内囊光谱数据,采用单一预处理和组合预处理方法消除光谱中的多种干扰,结合主成分分析(PCA)、簇类独立软模式分类法(SIMCA)及Fisher线性判别分析(FLDA)等模式识别方法建立青皮产地溯源模型。结果表明,光谱预处理可以在一定程度上消除基线漂移、背景噪声和谱峰重叠干扰,但无法实现产地溯源。3种模式识别方法中,PCA无法实现青皮产地溯源;青皮外壁和内囊原始光谱的SIMCA模型获得的青皮产地溯源整体鉴别率分别为99.14%和98.28%;FLDA模型获得的整体鉴别率均为99.57%,优于SIMCA模型;经光谱预处理优化后的SIMCA和FLDA模型对青皮产地溯源的鉴别率均可达100%,即便携式近红外光谱技术结合有监督模式识别方法可实现青皮产地溯源的无损分析,可为食药同源物质产地溯源拓展新途径。     

近红外光谱结合主成分分析和灰色关联分析的苦荞产地溯源

为实现苦荞产地溯源以及确定苦荞成分对苦荞产地溯源的影响程度,对朔州、内蒙古、云贵高原、四川大凉山、陕西5个产地的72个苦荞样本的近红外光谱数据进行了主成分分析(principal component analysis,PCA)和灰色关联分析。结果表明,PCA可以很好地实现不同产地苦荞的聚类,得到的特征波长分别为1 370、1 680、870和971 nm;将上述特征波长与苦荞的6种成分进行灰色关联分析,其灰色关联度由大到小排列为:碳水化合物>蛋白质>脂肪>钠>硒>黄酮;依据关联度大小,从官能团层面确定了碳水化合物和蛋白质是对苦荞产地溯源影响最大的两个成分。表明PCA和灰色关联分析结合近红外光谱技术可以实现苦荞产地溯源研究,为苦荞地理标志产品鉴别提供了一种快速、高效、低成本的方法。     

动物源性农产品产地溯源技术研究

食品产地溯源技术是国家有效推广实施食品原产地追溯、保护名优特产品的重要技术手段,为保护食品在市场上的独特性和真实性,维护市场秩序、保护生产者和消费者的合法利益,亟需对食品产地溯源提供快速无损检测。相比较其它检测技术,光谱技术作为极具有工业化应用前景的检测技术之一因其应用范围广、分析速度快、操作简单、非破坏性、无污染和可进行在线分析,而被广泛应用于产地溯源。本文介绍了近红外光谱技术（Near infrared spectroscopy,NIR）、中红外光谱技术（Mid Infrared Spectroscopy,MIR）和拉曼光谱技术（Raman spectroscopy,RS）这三种常见光谱技术的原理及其在植物源和动物源食品产地溯源中的应用现状,并对三种光谱技术相比较,同时系统论述了多光谱数据融合在食品产地鉴别中的应用,并对未来的发展趋势进行了展望,以期为光谱技术在食品产地溯源中的应用提供一定技术的参考。     

基于高光谱成像技术的板栗产地溯源

目的 建立了一种基于高光谱成像(Hyperspectral Imaging, HSI)技术的板栗产地溯源模型。方法 采集怀柔、迁西和沂蒙短枝三种不同产地板栗的高光谱图像,提取感兴趣区域(Region of Interest, ROI),建立支持向量机(Support Vector Machine, SVM)板栗产地溯源模型,通过比较分析不同预处理方法对建模结果的影响,选出最佳的预处理组合方法,并使用遗传算法对模型进一步优化。结果 实验结果表明,经多元散射校正(Multiplicative Scatter Correction, MSC)和移动窗口平滑法(Moving Window Smoothing, MWS)组合预处理后的数据所建立的溯源模型预测性能最好,分类的预测精确率达到了95%以上,模型整体的准确率为96.61%。经遗传算法(Genetic Algorithm, GA)对SVM的参数C进行优化,优化后的模型对怀柔板栗和沂蒙短枝板栗的预测精确率达到了100%,模型整体的准确率提高到了98.31%。结论 本研究基于高光谱成像技术建立了一种板栗产地溯源模型,经预处理和参数优化后,所建立的模型具有较好的预测性能,为板栗的产地溯源提供了一种新方法。     

基于Fisher判别法对黑龙江大米产地溯源

为了探索大米产地鉴别可行性,维护市场秩序和消费者的合法权益,该研究采用Fisher判别法(Fisher discriminant method,费希尔判别法)进行建模并结合近红外光谱技术,对2015年黑龙江5个水稻主产区(五常、佳木斯、齐齐哈尔、双鸭山、牡丹江)的118份大米粉末样品进行近红外光谱的扫描,光谱预处理方法为9点二阶求导结合5点平滑,建模波长为全波长。对模型采用留一交叉验证和预测样本集进行验证,5个地域的验证结果分别为94.4%、94.4%、91.7%、91.7%、94.4%和87.5%、87.5%、87.5%、100%、100%。预测结果达到80%以上,初步认定近红外光谱指纹分析技术可用于黑龙江大米产地溯源。