近红外光谱法鉴别奶牛饲料中三聚氰胺甲醛树脂的可行性研究

收集国内常用的、具有代表性的奶牛精补料33个样品,制备99个三聚氰胺甲醛树脂(MF)掺假样品,在全光谱范围内进行近红外透反射光谱扫描,选择合适的前处理方法,采用BP神经网络方法和PLS-LDA方法分别建立判别模型。建立的BP神经网络判别分析模型的预测正确率为100%,建立的PLS-LDA判别分析模型的交互验证最低错误率为0.0778,模型错分率为0.0667,模型预测错误率为0.1429。说明利用近红外透反射光谱建立定性分析模型来检测奶牛饲料中是否掺有MF的研究是可行的。     

CARS结合PLS-LDA法识别奶牛饲料中土霉素的可行性研究

收集了一年内不同月份不同种类的纯奶牛精补料20个,制备土霉素含量不同的掺假奶牛精补料100个,在全光谱范围内对样品进行近红外透反射光谱扫描,利用CARS法对光谱数据进行前处理,采用偏最小二乘-线性判别分析(PLS-LDA)法来建立判别模型。建立的PLS-LDA模型的交互验证最小错误率为0.0729,模型错分率为0,模型预测错误率为0.0417。说明利用近红外光谱技术建立定性判别模型来检测奶牛饲料中是否掺有土霉素是可行的。     

茶油品质鉴别的透射和透反射模式分析比较

采用近红外光谱透射模式与透反射模式结合化学计量学方法对茶油进行品质鉴别。对收集的139个样品,分别用透射和透反射模式扫描,采用全光谱10 000～4 000cm-1波段,对光谱不做任何预处理,采用判别分析(discriminant a-nalysis,DA)建立油茶籽油(包括原茶油)和其它油的分类模型,真假茶油分类模型及原茶油和精炼茶油分类模型。透反射和透射模式都能够得到满意的结果,两种光谱采集方法的分类准确率均达到92%以上,透反射采集模式要优于透射采集模式。结果表明,近红外光谱可作为一种简单、快速、无损、可靠的方法用于鉴别茶油品质。     

近红外光谱结合偏最小二乘法用于纯茶油中掺杂菜籽油和大豆油的定量分析

采用偏最小二乘法(PLS)建立了油茶籽油中掺杂菜籽油和大豆油的近红外光谱定量检测模型。配制不同比例(0～100%)的油茶籽油和菜籽油、油茶籽油和大豆油混合样品共256个,采集样品在10000～4000cm-1范围内的近红外透反射光谱,模型采用交互验证和外部检验来考察所建立模型的可靠性,不需进行任何光谱预处理,所建立的PLS模型相关系数为0.9997,训练集的交叉验证均方根误差(RMSECV)为0.504,预测集的预测均方根误差(RMSEP)为0.66。应用建立的模型对未知样品进行预测,并对预测值和真实值进行比较,在掺杂油含量为2.5%～100%之间范围内准确可靠,研究结果表明,采用近红外光谱技术可以实现纯茶油中菜籽油和大豆油掺杂量检测。     

基于近红外光谱和随机森林方法鉴别蜂蜜真伪

目的建立蜂蜜样品真伪鉴别的近红外光谱快速检测方法,为今后蜂蜜检验工作提供可靠参考依据。方法采用积分球透反射模式采集样品近红外光谱数据,以Savitzky-Golay 1阶微分方法对原始光谱进行预处理,以随机森林方法建立光谱数据与蜂蜜真伪的定性判别模型。结果所建立的判别模型中训练样本判别正确率为100%,测试样本判别正确率为95%。结论近红外透反射光谱技术应用于蜂蜜真伪鉴别的可行性,同其他分析方法相比具有操作简单、速度快、效率高、无污染、费用低、无需复杂前处理等优点。     

基于近红外光谱技术的沙棘籽油鉴伪方法研究

针对市场上沙棘籽油质量参差不齐的情况,结合近红外光谱技术研究沙棘籽油快速鉴伪的方法。采用234份沙棘籽油、其他植物油、掺假沙棘籽油的近红外透反射光谱,结合簇类独立软模式法(SIMCA)、偏最小二乘判别法(PLS-DA)、支持向量机法(SVM)3种化学计量学方法,在4 000~6 000 cm-1波段范围内分别建立这3类油的判别模型,并用117份独立样品对模型进行验证。结果表明:3种建模方法均得到了满意的结果,其中SVM在训练和验证过程中均得到100%的正确率,判别效果最好;近红外光谱技术应用于识别纯沙棘籽油和区分沙棘籽油掺假类别具有实用性,近红外光谱技术应用于沙棘籽油鉴伪是可行的。     

近红外光谱技术检测石榴汁酸度的研究

目的:研究石榴汁酸度的近红外光谱检测技术。方法:实验以不同产地的石榴汁样品为对象,对其近红外光谱数据进行预处理和通过主成分分析法提取光谱特征后,采用遗传算法(GA)对支持向量机(SVM)的三个参数进行优化,建立了石榴汁酸度近红外光谱检测的模型。结果:所建的模型对验证集预测的决定系数为0.9928,均方根误差(RMSE)为0.01359,模型预测性能良好。结论:近红外光谱技术能用于石榴汁酸度的定量检测。     

基于近红外分析技术快速测定灯盏花素注射液的含量

目的 基于近红外光谱分析技术结合偏最小二乘法建立快速测定灯盏花素注射液含量的方法 .方法 选取2个厂家生产的27批灯盏花素注射液及实验室自制的54个样品为建模样本,首先以液体附件采用透反射法采集样品的近红外光谱,同时以标准方法 测定含量,进而利用化学计量学方法 辅助建立模型.结果 基于内部交叉验证构建模型.测定样本的含...     

基于近红外光谱的胡椒产地鉴别方法研究

该研究旨在探索一种基于近红外光谱技术对胡椒产地进行分类的方法。收集海南、云南、广西、越南、马来西亚5个产地的胡椒共计300份样品,采集近红外光谱。采用小波去噪等方法对光谱进行预处理,通过支持向量机(support vector machine,SVM)、径向基神经网络(radical basic function,RBF)和线性判别分析(linear discriminant analysis,LDA)建立产地定性鉴别模型。研究表明,SVM和RBF神经网络模型鉴别准确率较好。db5小波预处理后仅选择7个主成分正确率达到100%的数据。结果表明基于近红外光谱的胡椒产地鉴别方法是可行的,预处理可以有效地提高近红外光谱胡椒产地鉴别模型的准确率。     

近红外光谱结合偏最小二乘法用于纯茶油中掺杂菜籽油和大豆油的定量分析

采用偏最小二乘法（PLS）建立了油茶籽油中掺杂菜籽油和大豆油的近红外光谱定量检测模型。配制不同比例（0～100%）的油茶籽油和菜籽油、油茶籽油和大豆油混合样品共256个,采集样品在10000～4000cm-1范围内的近红外透反射光谱,模型采用交互验证和外部检验来考察所建立模型的可靠性,不需进行任何光谱预处理,所建立的PLS模型相关系数为0.9997,训练集的交叉验证均方根误差（RMSECV）为0.504,预测集的预测均方根误差（RMSEP）为0.66。应用建立的模型对未知样品进行预测,并对预测值和真实值进行比较,在掺杂油含量为2.5%～100%之间范围内准确可靠,研究结果表明,采用近红外光谱技术可以实现纯茶油中菜籽油和大豆油掺杂量检测。      

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。     

经19种光谱预处理筛选建立3种连翘叶茶近红外定性定量模型

目的 建立一种能快速判定连翘叶绿茶、红茶及黑茶类别并预测其总黄酮、总多酚含量的分析模型。方法 以3种连翘叶茶的近红外（near infrared, NIR）光谱和总黄酮、总多酚含量为研究对象,对19种NIR光谱预处理方法进行比较,在最佳预处理方法下,用判别偏最小二乘（discriminant partial least-squares regression, DPLS）法、马氏距离（Mahalanobis distance, MD）法对连翘叶茶建立定性模型,用偏最小二乘（partial least squares,PLS）法对连翘叶茶建立定量模型,通过内部交互验证和外部验证,筛选出最佳的定性定量模型。结果 DPLS定性模型可100%识别3种连翘叶茶类别;MD定性模型可100%实现3种连翘叶茶两两间的类别判定;PLS法建立的总黄酮定量模型中绿茶、红茶及黑茶的预处理方法分别为矢量归一化、矢量归一化、标准正态变量变换（Standard normal variate, SNV）;预测含量与实测含量间回归方程的相关系数分别为0.9825、0.9881、0.9976;平均相对误差分别为0.26%、7.70%、0.63%;总多酚定量模型中绿茶、红茶及黑茶的预处理方法分别为卷积(Savitzky-Golay, S-G)平滑+矢量归一化+多元散射校正、SNV、S-G平滑+矢量归一化+SNV;预测含量与实测含量间回归方程的相关系数分别为0.8890、0.9805、0.8699;平均相对误差分别为6.29%、2.55%、5.67%。结论 通过对19种光谱预处理方法进行筛选,所建立的3种连翘叶茶定性定量模型稳定可靠,预测精度更高,可用于连翘叶茶样品质量品质的快速判别与检测。     

Classification of Green and Black Teas by PCA and SVM Analysis of Cyclic Voltammetric Signals from Metallic Oxide-Modified Electrode

Forty-three samples of green and black teas were analyzed by an electronic tongue technique. A class of metallic oxide-modified nickel foam electrodes (SnO₂, ZnO, TiO₂, Bi₂O₃) was compared in their sensitivity in this system. The signals obtained by cyclic voltammetry were submitted to multivariate data analysis. In the explorative analysis based on principal component analysis (PCA), the score plots showed that two of these sensors were able to distinguish varieties of teas. The resulting PCA scores were modeled with a support vector machine (SVM) that accomplished final prediction with the qualitative classification of teas. The optimal SVM model was achieved after grid search optimization of some parameters and the conduction of the three commonly used kernel functions. With a comparison of classification accuracies, Bi₂O₃-modified nickel foam electrode performed the best among the four electrodes and SVM model using the polynomial kernel attained the highest within the three used kernels. This work demonstrated that cyclic voltammetry combined with the SVM pattern recognition method could be successfully applied in the classification of green and black teas.     

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。     

Evaluation of Data Mining Strategies for Classification of Black Tea Based on Image-Based Features

In this study, a new procedure based on computer vision was developed for qualitative classification of black tea. Images of 240 samples from four different classes of black tea, including Orange Pekoe (OP), Flowery Orange Pekoe (FOP), Flowery Broken Orange Pekoe (FBOP), and Pekoe Dust One (PD-ONE), were acquired and processed using a computer vision system. Eighteen color features, 13 gray-image texture features, and 52 wavelet texture features were extracted and assessed. Two common heuristic feature selection methods: correlation-based feature selection (CFS) and principal component analysis (PCA), were used for selecting the most significant features. Seven of the primary features were selected by CFS as the most relevant ones, while PCA converted the original variables into 11 independent components. These final discriminatory vectors were evaluated by using four different classification methods including decision tree (DT), support vector machine (SVM), Bayesian network (BN), and artificial neural networks (ANN) to predict the qualitative category of tea samples. Among the studied classifiers, the ANN with 7–10–4 topology developed by CFS-selected features provided the best classifier with a classification rate of 96.25%. The other methods assayed provided slightly lower accuracies than ANN from 86.25% for BN till 87.50% for SVM and 88.75% for DT. In all the cases, the accuracy of the classifiers increased when using the CFS-selected features as input variables in front of PCA obtained ones. It can be concluded that image-based features are strong characterizing factors which can be effectively applied for tea quality evaluation.     

基于近红外光谱技术对小麦中毒死蜱农药残留测定方法的研究

研究了基于近红外光谱技术结合化学计量法建立小麦中毒死蜱农药残留鉴定模型.采用喷洒法制备具有不同毒死蜱残留量的小麦样品,采集样品的近红外漫反射光谱,并建立因子化法、欧氏距离法的定性预测模型和偏最小二乘法的定量预测模型.结果 表明:因子化法较欧氏距离法的定性判别率更高,构建条件的特征波段为5543.68～4643.72、7...     

基于PSO-SVM的白酒品质鉴别电子鼻

研制一套白酒品质识别电子鼻,对检测样品的气味数据进行预处理,提取稳态响应值,并作为支持向量机(support vector mchine,SVM)分类模型的输入.为提高识别的准确度,利用粒子群算法(particle swarm optimization,PSO)来优化SVM的参数c和g.不同品质的白酒所对应的电子鼻传感器响应特性不同,PSO- SVM分类模型的识别准确率达到了97.5％.结果证明基于PSO-SVM分类模型具有较强的学习能力和泛化能力,可用于白酒品质鉴别电子鼻.     

基于红外衰减全反射光谱的面粉种类快速鉴别

研究提出基于支持向量机（support vector machine,SVM）算法结合红外衰减全反射光谱对不同种类的面粉进行快速分类。实验随机采集富强粉、精制雪花粉、麦芯粉及面包粉4 种共139 份常见面粉红外衰减全反射光谱,运用马氏距离筛选异常样本,并建立SVM模型对待测样本进行预测。实验采用二叉树SVM模型识别面粉种类,并通过网格法优化核函数参数,结果显示：富强粉、精制雪花粉、麦芯粉及面包粉的识别准确率分别为100%、100%、75%和85.71%,模型平均识别准确率为90.177 5%。结果表明,利用红外光谱结合SVM算法快速识别面粉种类是准确可行的。     

基于支持向量机的近红外光谱技术快速鉴别掺假羊肉

为实现掺假羊肉的无损鉴别,利用傅里叶变换近红外光谱分析技术建立混入鸭肉的掺假羊肉糜的快速检测方法。实验通过在羊肉糜中添加不同比例的鸭肉糜来制备掺假羊肉,采用近红外漫反射方式在全波段范围（10000⁴000 cm-1）内采集羊肉、掺假羊肉和鸭肉的近红外光谱图,分别考察多元散射校正（Multiplicative scatter correction,MSC）、标准正态变量变换（Standard normal variate correction,SNV）、面积归一化（Area normalization）、标准化（Autoscale）、15点平滑处理（Smoothing）、一阶导数处理（1stderivative）的光谱预处理方法对所建支持向量机（nuSVM）判别模型的预测效果。结果显示,不同光谱预处理所建nu-SVM判别模型预测效果不同。其中,经标准化处理后所建的nu-SVM模型的预测能力最差为90.38%;15点平滑处理后所建nu-SVM模型的预测效果最好（96.15%）,对建模集正确判别率为99.07%,对检验集正确判别率为96.15%;其余处理所建nu-SVM模型的判别能力介于二者之间。结果表明,采用近红外光谱技术结合15点平滑预处理后所建nu-SVM模型可以实现羊肉中的掺杂鸭肉的鉴别。      

食用植物油中掺混棕榈油的定性与定量分析

目的建立食用植物油中掺混棕榈油的定性与定量分析方法,为植物油掺假提供检测依据。方法植物油样品先经过皂化和甲酯化处理,然后采用气相色谱法对植物油中的各种脂肪酸组成进行检测。以月桂酸为特征指标,直接定性,应用面积归一化法进行定量分析。结果配比实验验证和检测数据分析表明,该方法月桂酸检出限为0.01%,植物油中棕榈油的定量限为5%~100%,最低可以分辨出添加了5%棕榈油的食用植物油样品。结论此方法操作简单、重现性好、精确度高,是一种分析迅速、经济实用的分析方法。