共查询到17条相似文献,搜索用时 265 毫秒
1.
目的:采用低场核磁共振技术对6个不同品牌的270个奶粉样品进行检测判别。方法:采用主成分分析(PCA)、偏最小二乘判别分析(PLS-DA)、误差反传人工神经网络(BP-ANN)等化学计量学方法对样品数据进行处理。结果:采用PCA方法的主成分三维投影图无法达到对奶粉品牌快速判别的目的;PLS-DA方法的训练集和预测集的正确识别率分别为66.1%,52.2%,可信度较低,也难以实现奶粉品牌的快速判别;BP-ANN方法的训练集和预测集的正确识别率分别为99.4%, 100.0%。结论:低场核磁共振与BP-ANN结合可以很好地识别奶粉品牌。 相似文献
2.
为探求一种白酒品牌判别的方法,基于低场核磁共振(LF-NMR)技术,综合运用主成分分析(PCA)、偏最小二乘法-判别分析(PLS-DA)、反向传播人工神经网络(BP-ANN)方法对6种浓香型白酒品牌共300个样本进行模式识别分析,解析了对不同品牌浓香型白酒进行判别的可行性。结果表明,运用PCA方法对样品进行识别,无法区分白酒品牌;运用PLS-DA的方法对白酒样品进行识别,训练集的识别率约为99.5%,预测集识别率约为96.7%;运用BP-ANN的方法对白酒样品进行识别,训练集识别率约为99.5%,预测集识别率约为98.9%。结果表明,PLS-DA方法和BP-ANN方法对浓香型白酒样品的区分成功,表示将低场核磁共振方法应用到浓香型白酒的品牌判别中是可行有效的。 相似文献
3.
4.
多光谱数据融合技术对绒柄牛肝菌产地的鉴别 总被引:1,自引:0,他引:1
采集5?个产地96?份绒柄牛肝菌样品的红外光谱和紫外光谱,结合多光谱信息融合策略,建立快速、有效鉴别绒柄牛肝菌产地的方法。运用多元散射校正、标准正态变量、二阶导数等预处理方法对原始光谱数据进行优化处理,减少噪音干扰。选取具有指纹特性的光谱信息进行初级数据融合;通过偏最小二乘判别分析(partial least squares-discriminant analysis,PLS-DA)筛选光谱数据中变量在投影方向重要程度大于1的波段,进行中级数据融合。利用优化处理后的单一光谱数据及多光谱融合数据建立PLS-DA模型和支持向量机(support vector machine,SVM)判别模型,比较两种判别模型对绒柄牛肝菌产地的鉴别效果。结果显示,通过红外光谱、紫外光谱、初级融合和中级融合数据分别建立PLS-DA模型,对绒柄牛肝菌产地的预测正确率为56.25%、56.25%、62.50%和81.25%;建立SVM判别模型,产地预测正确率分别为90.63%、65.63%、87.50%和96.88%,表明中级融合技术对绒柄牛肝菌产地鉴别效果显著,优于其他技术;并且SVM判别模型对牛肝菌产地区分效果优于PLS-DA模型。采用中级融合技术建立SVM判别模型,能够快速、有效鉴别不同产地绒柄牛肝菌,同时为食品质量监控提供有效方法和理论基础。 相似文献
5.
目的:识别核桃油中同时掺入多种其他植物油的多元掺伪。方法:采用气相色谱技术分析核桃油、菜籽油掺伪混合物中脂肪酸含量,结合化学计量方法对气相色谱数据进行建模,并对不同比例核桃油、菜籽油混合物进行判别分析。结果:主成分分析法(PCA)能快速鉴别出纯核桃油和掺伪核桃油,并在一定程度上反映样本的掺伪比例;Bayes判别分析将83.33%的样品归入正确的分类;偏最小二乘判别分析法(PLS-DA)的判别准确率达87.50%;基于BP神经网络模型的判别分析,其训练集的正确率为84.21%,测试集的正确率为80.00%;基于遗传算法优化支持向量机(SVM-ga)的判别分析,其训练集和测试集的正确率均为100%。结论:多种分析模型均能不同程度地识别核桃油、菜籽油掺伪比例,其中SVM-ga模型的预测精度最佳。 相似文献
6.
赤霞珠干红葡萄酒产地识别的研究 总被引:2,自引:0,他引:2
以取自不同产地的37个赤霞珠干红葡萄酒样品的38项指标的检测结果为数据,用主成分分析(PCA)筛选出8个有代表性的主成分,利用其因子得分进行产地判别分析(DA),判别效果较好,其中昌黎、蓟县、贺兰山A和贺兰山B4个产地100%识别,南疆、北疆识别效果略差,但总识别率达到86.5%,并建立了判别方程模型。 相似文献
7.
多源光谱分析技术被用于鱼油品牌快速无损鉴别。采用可见光谱分析技术、短波近红外光谱分析技术、长波近红外光谱分析技术、中红外光谱分析技术和核磁共振光谱分析技术采集了7种不同品牌的鱼油的光谱特征,并应用偏最小二乘判别分析法(partial least squares discrimination analysis,PLS-DA)和最小二乘支持向量机(least-squares support vector machine,LS-SVM)建立判别模型并比较判别结果。基于长波近红外光谱的PLS-DA模型和LS-SVM模型取得了最高识别正确率,建模集和预测集识别正确率均达到100%。采用中红外光谱和核磁共振谱分别建立的LS-SVM模型,也可以获得100%的判别正确率。而可见光谱和短波近红外光谱则判别准确率较差。且LS-SVM算法较PLS-DA更加适合用于建立光谱数据和鱼油品牌之间的判别模型。研究结果表面长波近红外光谱技术能够有效判别不同鱼油的品牌,为将来鱼油品质鉴定便携式仪器的开发提供了技术支持和理论依据。 相似文献
8.
基于主成分分析和人工神经网络的近红外光谱大豆产地识别 总被引:1,自引:0,他引:1
为了准确、快速地识别大豆产地,通过近红外光谱技术(NIRS)结合主成分分析(PCA)和人工神经网络技术(ANN)研究不同国家大豆内含特征,建立进口大豆产地识别模型。采用箱型图校正法,剔除阿根廷、巴西、乌拉圭、美国等4个国家166组大豆样本中12组异常样本。采用多元散射校正(MSC)、标准正态变量(SNV)、Savitzky-Golay(SG)平滑滤波等方法进行光谱数据预处理,结果表明,采用SG(3)平滑结合MSC预处理效果最好。主成分分析表明,前10个主成分的累积贡献率达到99.966%。选取主成分分析得到前10个主成分为输入向量,4个产地作为目标向量,分别采用支持向量机(SVM)、邻近算法(KNN)与人工神经网络法(ANN)建立识别模型。结果表明,采用BP-ANN建模效果最好,总体测试集准确率为95.65%,其中阿根廷准确率为100%,巴西准确率为100%,乌拉圭准确率为80%,美国准确率为100%,该模型能够实现对进口大豆生产国别的识别。 相似文献
9.
10.
采用傅里叶红外光谱数据分析技术结合多元统计分析对银耳产地进行识别研究。采集福建古田、四川通江和河南的41个银耳样品的红外光谱信息,分析银耳的红外光谱特征;运用基线校正、多元散射校正(Multiplicative signal correction,MSC)、一阶导数(First derivative,FD)、二阶导数(Second derivative,SD)、Norris平滑(ND)、Savitzky-Golay平滑(SG)等方法对其进行预处理,选择最佳组合方法预处理后的光谱数据,建立最小偏二乘判别(PLS-DA)模型,并进行验证。结果表明,MSC+SD+SG(13,3)组合方法的预处理光谱效果最佳,与原始光谱相比,样品正确识别率提高了17.41%,达到100%。训练集和预测集的相关系数分别为0.9766、0.9559,校正标准差和预测标准差分别为0.1182、0.1740,模型对训练集和预测集样品的识别率均为100%。因此,红外光谱通过PLS-DA分析可以对不同产地的银耳进行快速、有效、准确的识别。 相似文献
11.
选择了不同温度、光照及加入TBHQ抗氧化剂的条件下,以冷榨核桃油储存期间过氧化值和酸值变化为评价指标,对其氧化稳定性进行评价,结果表明:经50d储存,冷榨核桃油酸值和过氧化值都有不同程度的升高,不同温度下过氧化值、酸值升高变化趋势为:50℃>室温25℃避光>5℃;见光条件下的过氧化值、酸值升高变化趋势为:室温25℃见光>室温25℃避光;不同温度下加入抗氧化剂的过氧化值、酸值变化趋势为:50℃>室温25℃避光>5℃;采用Rancimat仪评价几种抗氧化剂提高核桃油的氧化稳定性值结果为:TBHQ>VE>BHT>空白样。 相似文献
12.
采用模式识别技术对不同品种(柴葛及粉葛)及不同产地(云南、安徽、广西、湖北、四川、重庆、湖南)的葛根进行判定。采集12个产地共120个葛根样品的近红外光谱数据,对光谱进行预处理并建立共有模式后,进行相似度及PLS判别分析,多元统计分析结果显示,除安徽柴葛外,其他组样品之间的相似度较高。分别选择不同的样品为测试集和训练集,基于PLS-DA对葛根种类粉葛和柴葛进行模式识别,对种类识别率为100%,对产地识别率为84.44%。采用kNN分析对葛根产地和品种同时进行模式识别,样品识别率达100%。实验结果表明,采用kNN模式识别可以很好识别不同产地和类别的葛根样品,方法具有可行性和有效性,为利用近红外光谱结合模式识别技术进行葛根品种真伪优劣鉴别、道地性及产地可追溯研究提供了理论依据和实用方法。 相似文献
13.
本文主要探讨了近红外光谱(NIRS)结合模式识别技术应用于食用醋品牌溯源研究。采集了四个品牌(四川保宁香醋、山西东湖老陈醋、镇江恒顺香醋、镇江香醋)共160组食醋样品的近红外漫反射光谱,通过主成分分析(PCA)进行光谱变量压缩及剔除8个异常样本数据后,随机选取其中的114组样品组成训练集用于建立溯源模型,剩余38组样品用作测试集进行模型验证。比较了MSC、SD、SNV等几种不同光谱预处理方法以及它们的不同组合对溯源模型的影响,同时考察了PLS-DA与SIMCA两种建模方法对模型的影响。结果表明:选择MSC与SD相结合的方法对光谱数据进行预处理,并采用SIMCA建模方法所建立的醋品牌溯源模型对四大品牌醋的正确识别率分别可达100%、100%、91.7%、90%。由此说明采用近红外光谱技术结合模式识别技术可有效实现食用醋品牌溯源的目的。 相似文献
14.
15.
近红外光谱用于食醋品牌和食醋贮藏年份的鉴别。144个食醋样品用于食醋品牌的鉴别,其中114个为"恒顺"牌食醋,其余30个为山西"水塔"和天津"独流"品牌食醋;114个"恒顺"牌食醋用于食醋贮藏年份的鉴别;采用kennard-stone(KS)方法将样品划分为校正集和验证集,主成分分析(principal component analysis,PCA)和偏最小二乘判别分析(partial least squares-discriminant analysis,PLS-DA)用于食醋品牌和年份的鉴别;competitive adaptive reweighted sampling(CARS)方法用于食醋特征变量的筛选。结果表明,样品经PLS-DA方法后,食醋品牌的校正识别率为98.96%,验证识别率为95.83%;食醋年份的校正识别率为97.37%,验证识别率为100%;食醋光谱经CARS方法优选波长后结合PLS-DA方法进行判别,所有的识别率都为100%;近红外光谱结合CARS-PLS-DA方法可以用于食醋品牌和贮藏年份的鉴别.为食醋原产地保护和年份鉴别提供一种快速的参考方法。 相似文献
16.
Rapid Quantitative Determination of Walnut Oil Adulteration with Sunflower Oil Using Fluorescence Spectroscopy 总被引:1,自引:0,他引:1
Adulteration of walnut oil with sunflower oil is a major issue for the walnut oil industry. In this paper, the potential use of total synchronous fluorescence (TSyF) spectra to differentiate walnut oil from sunflower oil and synchronous fluorescence spectra combined with multivariate analysis to assess the adulteration of walnut oil is demonstrated. TSyF spectra were acquired by varying the excitation wavelength in the region 250–700 nm and the wavelength interval (Δλ) in the region from 10 to 100 nm. TSyF contour plots for walnut oil, in contrast to sunflower oil, show an extra fluorescence region in the excitation wavelength lower than 280 nm. Fifty-one oil mixtures were prepared by adulterating walnut oil with sunflower oil at varying levels (0–100 %). The partial least-squares regression model was used for the quantification of adulteration using wavelength intervals of 20, 40, 60 and 80 nm. This technique is useful for the detection of sunflower oil in walnut oil at levels down to 0.3 % (v/v) in just 2.5 min using an 80-nm wavelength interval. 相似文献
17.
Nooshin Araghipour Jennifer Colineau Alex Koot Wies Akkermans Jose Manuel Moreno Rojas Jonathan Beauchamp Armin Wisthaler Tilmann D. Märk Gerard Downey Claude Guillou Luisa Mannina Saskia van Ruth 《Food chemistry》2008
The volatile compositions of 192 olive oil samples from five different European countries were investigated by PTR-MS sample headspace analysis. The mass spectra of all samples showed many masses with high abundances, indicating the complex VOC composition of olive oil. Three different PLS-DA models were fitted to the data to classify samples into ‘country’, ‘region’ and ‘district’ of origin, respectively. Correct classification rates were assessed by cross-validation. The first fitted model produced an 86% success rate in classifying the samples into their country of origin. The second model, which was fitted to the Italian oils only, also demonstrated satisfactory results, with 74% of samples successfully classified into region of origin. The third model, classifying the Italian samples into district of origin, yielded a success rate of only 52%. This lower success rate might be due to either the small class set, or to genuine similarities between olive oil VOC compositions on this tight scale. 相似文献