拉曼光谱结合模式识别方法鉴别大米种类

为实现大米种类准确、快速的鉴别,选购72份大米样品,粉碎,采集粒度为100-140目米粉的拉曼光谱,对谱图数据进行去噪、归一化和特征提取后,综合运用主成分分析（PCA）、层次聚类分析（HCA）和支持向量机（SVM）三种方法对粳米、籼米和糯米进行聚类与模式识别研究。三种大米经PCA分析可直观地归为三簇,籼米和糯米可被区分开,但粳米与糯米、粳米与籼米不能区分。HCA结果表明粳米与籼米较难区分,糯米与其它两种米有较大差异,三种大米经HCA聚类分析准确率为81.94%。而采用SVM判别方法经10次运行后的平均识别率达98.86%。实验证明：拉曼光谱法结合支持向量机用于大米种类的分类与识别简单快速,在分析数据相对复杂的情况下,可快速建立分类模型并实现大米种类间的鉴定与识别。     

快速鉴别掺伪橄榄油的拉曼光谱-聚类分析方法

以不同产地、不同品牌的多批次橄榄油、大豆油、玉米油、菜籽油、葵花籽油、棕榈油、棉籽油及精炼地沟油为样品,探索建立快速鉴别掺伪橄榄油的拉曼光谱-聚类分析方法。在780、532 nm激光光源普通光栅、532 nm激光光源扩展光栅条件下,研究了橄榄油、低价食用植物油与精炼地沟油的拉曼光谱形态;并采用聚类分析法鉴别掺伪橄榄油。结果表明:在532 nm激光光源下,橄榄油与低价食用植物油及精炼地沟油扩展及其一阶导数拉曼光谱的信息量极为丰富,而且各类样品间的光谱形态差异显著。基于全波段光谱信息和形态建立的聚类分析模型既可准确鉴定橄榄油,还可准确鉴定各种类型的掺伪橄榄油。对30份不同橄榄油、105份不同低价食用植物油和38份不同精炼地沟油的判别正确率均为100%,对180份5%及以上的掺假橄榄油的判别正确率达94%以上,对75份5%及以上的掺杂橄榄油的判别正确率为100%,对72份5%及以上的掺杂植物油的判别正确率达88%以上。样品测量时无需制备样品及消耗化学试剂,测量和分析1份样品仅耗时5min左右,可实现对掺伪橄榄油的快速、无损和准确鉴别。     

拉曼光谱-聚类分析法快速鉴别掺伪花生油

目的建立快速鉴别掺伪花生油的拉曼光谱.聚类分析方法。方法以不同产地、不同品牌的多批次花生油、大豆油、玉米油、菜籽油、葵花籽油、精炼棕榈油、精炼棉籽油及精炼地沟油为样品,在780 nm和532 nm激光光源下,扫描和比较其普通、扩展及导数拉曼光谱的形态。结果在532 nm激光光源的扩展光谱及一阶导数光谱中,花生油与低价植物油及精炼地沟油光谱的信息量最大,样品间光谱形态的差异显著,谱峰得到有效分离。基于此全波段光谱信息和形态建立的多步聚类分析模型及鉴别程序对36份不同花生油、105份不同低价植物油、30份仿冒花生油和38份不同精炼地沟油的判别正确率均为100%,对180份5%及以上的掺假花生油的判别正确率达86%以上,对75份5%及以上的掺杂花生油的判别正确率为92%,对72份5%及以上的掺杂植物油的判别正确率达92%以上。样品测量时无需制备样品及消耗化学试剂,测量和分析一份样品仅耗时5 min左右。结论所建立的拉曼光谱.聚类分析模型既可准确鉴定花生油,还可准确鉴定各种类型的掺伪花生油,可实现对掺伪花生油的快速、无损和准确鉴别。     

基于拉曼光谱-聚类分析快速鉴别掺伪油茶籽油

在532 nm激光光源的扩展拉曼光谱及一阶导数光谱中,油茶籽油与低价植物油及精炼地沟油光谱形态的差异显著,谱峰得到有效分离。基于全波段光谱信息和形态建立的多步聚类分析模型既可准确鉴定油茶籽油,还可准确鉴定各种类型的掺伪油茶籽油。对26份不同油茶籽油、105份不同低价植物油、75份5%及以上的掺杂油茶籽油和38份不同精炼地沟油的判别正确率均为100%,对5%及以上的180份掺假油茶籽油和72份掺杂植物油的判别正确率达92%以上。样品测量时无需制备样品及消耗化学试剂,测量和分析1份样品仅耗时5 min左右,可实现对掺伪油茶籽油的快速、无损和准确鉴别。     

拉曼光谱快速鉴别花生油掺棕榈油的研究

本文利用激光拉曼光谱实现了纯花生油中掺棕榈油的快速定性鉴别和定量分析.通过因子分析法的二维因子图,能够定性鉴别纯花生油和掺棕榈油的花生油;通过最小二乘法建立的拉曼光谱相对峰强度（Y）与掺入棕榈油的质量百分数（X）之间的线性方程（Y=-0.233 7X ＋0.506 8,R2=0.995 9）能够实现纯花生油掺棕榈油的定量分析.     

拉曼光谱法快速检测猪肉脯中的掺伪鸡肉

目的 建立拉曼光谱法快速、准确、无损地检测猪肉脯样品中掺假鸡肉的方法。方法 制备33份猪肉中掺入不同比例鸡肉的肉脯样品,采集拉曼光谱数据,分别采用标准正态变换、多元散射校正、卷积平滑、归一化、一阶导数等5种不同预处理方法,对原始光谱数据进行预处理,采用连续投影算法、竞争性自适应重加权算法及随机蛙跳算法对光谱数据进行特征波长筛选,建立偏最小二乘法(partial least squares,PLS)模型对猪肉脯进行定性定量判别。结果 拉曼光谱数据经过多元散射校正处理的效果最佳,竞争性自适应重加权算法竞筛选效果更佳,构建猪肉脯中猪肉含量的PLS定量模型,其预测集决定系数和预测均方根误差分别为0.9762、7.2998。建立的PLS判别模型的校正集和预测集总判别正确率分别为100.00%和98.33%。结论 拉曼光谱分析技术可有效用于定性鉴别猪肉脯是否掺伪及定量分析猪肉肉脯中掺入鸡肉的比例,为肉脯掺假的快速无破坏性检测的应用提供支持。     

拉曼光谱结合距离匹配法快速鉴别掺伪食用油

以农贸市场购买的散装问题油为掺伪物,采用大豆油和玉米油为简单背景制备掺伪样本65份,采用4类食用调和油为复杂背景制备掺伪样本40份,收集市售合格食用植物油样本27份。按样本数3∶1划分建模集和校验集,采用拉曼光谱和距离匹配法分别建立简单背景和复杂背景的食用油掺伪快速定性识别模型:在简单背景掺伪下采用全谱建模预测可得真样本识别率为85.7%,伪样本识别率为94.1%,总识别率为91.7%;在复杂背景掺伪下经谱区挑选优化建模预测可得真样本识别率为87.5%,伪样本识别率为100%,总识别率为94.4%。试验结果表明拉曼光谱结合距离匹配法能简单、有效、快速地检测食用植物油是否掺伪。     

拉曼光谱-聚类分析快速鉴别掺伪芝麻油

目的建立快速鉴别掺伪芝麻油的拉曼光谱-聚类分析方法。方法以不同产地、不同品牌的多批次芝麻油、大豆油、玉米油、菜籽油、精炼棕榈油、精炼棉籽油及精炼地沟油为样品,在780 nm和532 nm激光光源下,扫描和比较其普通、扩展及导数拉曼光谱的形态。结果在532 nm激光光源的扩展光谱及一阶导数光谱中,芝麻油与低价植物油及精炼地沟油光谱的信息量最大,样品间光谱形态的差异显著。基于此全波段光谱信息和形态建立的多步聚类分析模型对芝麻油、低价植物油、仿冒芝麻油和精炼地沟油的判别正确率均为100%;对5%、10%、20%、30%和50%掺假芝麻油的判别正确率分别为72%、92%、100%、100%和100%;对5%、10%和20%掺杂芝麻油的判别正确率分别为97%、100%和100%;对5%、10%和20%掺杂植物油的判别正确率分别为94%、100%和100%。样品测量时无需制备样品及消耗化学试剂,测量和分析一份样品仅耗时5 min左右。结论所建立的拉曼光谱-聚类分析模型既可准确鉴定芝麻油,还可准确鉴定各种类型的掺伪芝麻油,可实现对掺伪芝麻油的快速、无损和准确鉴别。     

便携式激光拉曼光谱法快速鉴别橄榄油掺假

目的采用便携式激光拉曼光谱仪,建立激光拉曼光谱对橄榄油进行快速鉴别的方法。方法对橄榄油样品进行光谱扫描及基线校正后,以1440 cm-1作为参考波数,对拉曼光谱数据进行归一化处理。结果对80余份橄榄油样品进行统计分析,发现75%的样品在1265 cm-1的拉曼光谱强度值低于540。特级初榨橄榄油中掺加果渣油,会使1265 cm-1和1650 cm-1的特征峰增强,1525 cm-1处的精细结构变小直至消失。结论拉曼光谱具有便捷、快速、无损分析的特点,可作为橄榄油真伪鉴别在线初步筛查的工具。     

寒地粳稻种子的拉曼光谱鉴别方法研究

针对水稻种子的品种鉴别存在检验周期长、种类少等实际问题,本研究提出一种高效、快捷、准确鉴别水稻种子的方法.以拉曼光谱技术为基础、寒地粳稻种子为研究对象,进行快速、准确鉴别.首先,利用Savitzky-Golay(SG)、一阶导(1-Der)、二阶导(2-Der)、迭代自适应加权惩罚最小二乘(AIRPLS)和均值中心化(...     

基于光谱融合的茶油真伪快速鉴别研究

目的 为实现高值茶油的快速鉴别。 方法 优化设备条件,同时采集茶油的近红外光谱(NIRS)和拉曼光谱(RS),分别使用六种方法进行预处理,再优选了四种方法来提取光谱特征波段,并应用了数据层、特征层两种策略融合多光谱信息,比较验证不同模型的准确率（Accuracy）和预测均方根误差（RMSEP）来评估效果。结果 单独使用NIRS经标准正态变换（SNV）处理后的偏最小二乘判别分析（PLS-LDA）结果最优,Accuracy为0.8361,RMSEP为0.1060;单独使用RS经二阶导数（Sg2nd）处理后的结果最优,Accuracy为0.8443,RMSEP为0.1332;经NIRS和RS融合后数据结果高于任意单一光谱结果,其中数据层光谱融合模型Accuracy为0.8525,RMSEP为0.1270,特征层融合后的模型效果较好,最佳结果为基于核主成分分析（KPCA）下的支持向量机（SVM）模型,Accuracy达到95.082%。结论 表明光谱融合提升茶油掺伪定性鉴别具有较好的应用前景。     

便携式激光拉曼光谱仪快速鉴别灵芝孢子油掺伪

目的:采用便携式激光拉曼光谱仪,将灵芝孢子油与菜籽油、大豆油、玉米油、葵花籽油和花生油区别开来。方法:采用激光拉曼光谱仪对灵芝孢子油和5种食用植物油进行光谱扫描和基线校正,获得拉曼光谱图。结果:利用1115 cm^-1峰强度大于350和1300 cm^-1/1262 cm^-1峰强度比值及峰面积比值均大于2,可以将灵芝孢子油与菜籽油、大豆油、玉米油、葵花籽油和花生油区别开来。利于激光拉曼光谱仪对市售10个品牌灵芝孢子油进行鉴别,发现一可疑样品,脂肪酸组分分析及麦角甾醇含量测定进一步确认该样品为掺伪品。结论:拉曼光谱具有快速、无损等特点,可以作为灵芝孢子油初步鉴别的筛查工具,对于发现的可疑样品可通过脂肪酸组分分析及麦角甾醇含量测定进行进一步确证。      

拉曼光谱与中红外光谱融合技术快速定量食用酒精的乙醇浓度

目的? 利用拉曼光谱与中红外光谱的数据融合技术实现对食用酒精乙醇浓度（酒精度）的快速定量检测。方法? 首先,分别采集不同浓度食用酒精水溶液的拉曼光谱与中红外光谱。其次,采用多元散射校正(multiplicative scatter correction, MSC)、卷积平滑(Savitzky-Golay, S-G)、一阶求导的方法对原始数据进行预处理。然后,基于自举软缩减法(bootstrapping soft shrinkage, BOSS)和无信息变量消除算法(uninformative variable elimination, UVE)分别对预处理后的光谱数据进行特征提取,并利用X-Y距离样本集划分法(sample set partitioning based on joint x-y distance, SPXY)将光谱数据划分为校正集和预测集。最后,建立基于拉曼光谱－中红外光谱数据融合的偏最小二乘（partial least squares regression,PLSR）食用酒精乙醇浓度预测模型,并利用麻雀搜寻算法优化的混合核极限学习机算法（SSA-HKELM）提升预测性能,实现对不同浓度食用酒精的快速、准确定量检测。结果? 与拉曼光谱数据、中红外光谱数据以及中红外与拉曼光谱的数据层融合构建的预测模型相比,中红外光谱与拉曼光谱特征层融合数据构建的预测模型具有更好的预测性能。其中,最优模型的校正集均方根误差(root mean squared error of calibration set, RMSEC)为0.98314,校正集决定系数(coefficient of determination of calibration set, Rc2)为0.99634,预测集均方根误差(root mean squared error of prediction set, RMSEP)为1.03256,预测集决定系数(coefficient of determination of prediction set, Rp2)为0.99036。结论? 中红外光谱与拉曼光谱特征层融合预测模型可以实现对不同浓度食用酒精的高效定量检测,为食用酒精的质量检测提供了有效的理论支持与技术保障。     

拉曼光谱数据处理方式对大米产地鉴别模型的影响

为探究拉曼光谱数据处理方式对大米产地鉴别模型的影响,以盘锦大米、响水大米、西江大米、建三江大米、五常大米和延边大米为例,考察各数据处理方式下大米产地鉴别模型的准确度.稻谷样品经精米加工、粉碎、筛分,收集粒度为100～140目的 米粉,在5个测量点分别采集拉曼光谱,然后经相对标准偏差和层次聚类分析剔除差异数据,最后将剔除...     

拉曼光谱在食用油鉴别及检测领域的最新研究进展

主要概述了拉曼光谱在食用油鉴别及检测领域中3个方面的研究。在技术方面,拉曼光谱改善了其他传统分析方法的耗时、预处理复杂和检测样品过程中易损坏的缺点;在仪器方面,拉曼光谱仪器主要向手持式、便携式拉曼仪的发展;在应用方面,拉曼光谱技术主要应用在大豆原油掺伪和地沟油鉴定方面。     

拉曼光谱结合偏最小二乘法对食用油品质快速检测研究

研究采集不同种类、不同氧化程度的84个食用油样本拉曼光谱图,建立关于其过氧化值的偏最小二乘定量检测模型,进行波长筛选,并用“一阶导数法+SNV”对光谱进行预处理,建模相关系数达到0.952 8,校正标准偏差为0.572 0;预测相关系数为0.921 9,相对预测均方差为0.698。结果表明,经光谱预处理和波长筛选优化后,模型准确性和稳健性可靠,误差相对较小,最终得出了合理的食用油过氧化值定量模型。由此可见,研究所建定量模型稳健性良好,利用拉曼光谱分析技术对油品过氧化值进行快速检测具有可行性,并且这种技术有望用于日常食用油品质的快速检测。     

拉曼光谱技术在橄榄油掺伪及品质鉴定中的应用研究进展

拉曼光谱是一种非弹性的散射光谱,基于拉曼散射效应,对与入射光频率不同的散射光谱进行分析以得到分子振动、转动方面信息,由于不同物质具有不同的特征光谱,因此拉曼光谱具有优秀的指纹能力,具有快速、灵敏检测和识别橄榄油的优势。橄榄油是所有植物油中唯一可不经提炼而直接以原始液态食用的名贵植物油,具有多种生理活性,有益人体健康。因其具有较高的商业价值从而有人铤而走险掺假伪造,如何快速有效识别橄榄油成为质量检测部门及相关企业着重关注的问题。本文从橄榄油的品质鉴定如不饱和度、碘值、游离脂肪酸、氧化稳定性和掺假鉴别两方面综述其应用研究现状,指出其存在问题并展望未来的发展趋势。     

基于拉曼光谱技术的面粉品质快速检测

由于目前国标法检测面粉水分、灰分以及湿面筋等品质参数的方法费时、费力,研究提出基于拉曼光谱分析技术建立面粉中水分、灰分和湿面筋的定量分析研究。实验随机采集100 份不同种类的古船面粉样本,采集样本的拉曼光谱,运用光谱预处理方法结合偏最小二乘法建立分析模型,所建立的水分（含量取值范围为
13.3%～15.4%）、灰分（含量取值范围为0.46%～0.85%）和湿面筋（含量取值范围为28%～36.8%）定量模型的相关系数分别达到0.945 66、0.993 39、0.981 65,校正均方根误差分别为0.145、0.012 6、0.456。结果表明,通过拉曼光谱技术实现面粉品质快速、无损、高效的检测可行且具有较大的发展空间。实验还通过新旧面粉的拉曼光谱,建立2013年与2014年生产面粉的距离匹配分析模型,实现过期面粉的快速鉴别,实验准确率达100%。     

拉曼光谱结合模拟退火的小麦粉灰分含量检测

针对当前小麦粉中灰分的检测方法测量周期长,且手工操作复杂,容易产生误差的问题,研究提出采用拉曼光谱技术,结合5种光谱预处理方法和模拟退火算法进行波数筛选两方面优化小麦粉中灰分的拉曼光谱模型。实验结果中,卷积平滑SG(17)+标准正态变换(SNV)+模拟退火(SAA)的优化方式效果最优,相关系数(R~2)为0.9875,均方根误差(RMSEC)和预测均方根误差(RMSEP)分别为0.0161和0.15,相对分析误差(RPD)高达8.1679,模型稳健性参数良好。研究结果表明,在模型待测组分浓度与波数相关性以及模型预测准确性方面展现了自身的优越性,该方法简单实用,快速准确,有望将此技术扩展应用于整个食品行业。