芝麻油真伪快速检测方法研究

为了实现对掺假芝麻油的快速鉴别,将豆油、花生油、棉籽油和菜籽油分别与同一种纯正芝麻油按体积分数0.5％ ～ 100％的比例混合,在3 200 ～ 10000cm-1光谱范围内采集了掺假芝麻油样品的近红外吸收光谱.通过特征谱区的选择、光谱预处理方法的优化,采用聚类分析和主成分分析法(PCA)分别建立了芝麻油的鉴别模型.结果表明:4种掺假油品有不同的较优光谱处理范围;两种模式识别方法对于掺假量5％～100％的芝麻油真伪识别率达到100％;而掺假量在5％以下时,两种方法都失去鉴别能力,说明近红外光谱分析技术在检测掺假芝麻油时的最低掺假下限为5％.综上,近红外光谱结合模式识别技术在掺假量大于5％时,可快速、准确地鉴别真伪芝麻油.     

近红外光谱技术鉴别地理标志产品黄骅冬枣

采用近红外光谱技术结合合格性测试、主成分分析聚类方法,建立了快速鏊别地理标志产品黄骅冬枣的模型.收集产地不同的冬枣,使用聚焦不旋转固体漫反射方法,设定分辨率16cm-1,扫描范围4000～12000cm-1,采集样品近红外光谱.每个产地随机选取45个枣果,其中30个用来建立模型,余下的15个用于预测.通过对预处理方法和光谱波段的选择,两种方法使用的光谱范围均为4952.7～5693.2cm-1和6611.3～7537cm-1.原始光谱经矢量归一化预处理后进行合格性测试分析,建立黄骅冬枣的鉴别模型,预测准确率93.3%;经一阶导数+矢量归一化,17点移动式平均平滑预处理后,采用主成分分析(PCA)法对光谱进行聚类,预测准确率93.3%.两种方法均可作为快速无损地鉴别真伪黄骅冬枣的技术依据.     

近红外光谱技术定性鉴别蜂蜜品种及真伪的研究

提出了蜂蜜品种及真伪定性鉴别的新方法。在12000～4000cm-1范采集荆条蜜、槐花蜜、油菜蜜和掺假蜜的近红外光谱,结合一阶导、多元散射校正及变量标准化)三种方法对光谱进行预处理,以主成分分析结合马氏距离判别法,在不同谱区建立蜂蜜品种及真伪定性鉴别模型。研究发现6100～5700cm-1谱区为最佳建模波段,品种判别正确率达90%以上,真伪鉴别正确率为93.10%。     

近红外光谱法快速鉴别成安草莓

为实现对成安草莓的快速鉴别,本文采集了不同产地草莓样品的近红外吸收光谱,选择不同的光谱范围,经二阶导数、一阶导数+矢量归一化、最小-最大归一化等预处理,利用因子化法、合格性测试和主成分分析法(PCA)建立了成安草莓的鉴别模型,并取样对该模型进行验证。结果表明:三种模式识别方法对于其他产地草莓的识别正确率高于93.3%,因此认为,采用近红外光谱结合模式识别技术可快速、准确地鉴别成安草莓的真伪。     

近红外光谱法快速鉴别花生油真伪及掺伪成分

为实现对掺伪花生油的快速鉴别, 本文对花生油样品的原始光谱先后经过小波变换、特征谱区的选择、一阶导数加上矢量归一化预处理、剔除异常样品等方法处理后, 采用主成分分析法对预处理后的光谱数据进行聚类分析.结果表明, 该方法对花生油的真伪鉴别准确率达到了100%, 而且能对伪品花生油掺伪量及掺伪量大于20%时使用的掺伪植物油种类做出鉴别.说明利用近红外光谱技术结合小波变换和模式识别技术可快速、准确地鉴别花生油的真伪及掺伪成分.     

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。     

近红外光谱技术鉴别方便面品牌的研究

对近红外光谱分析技术鉴别不同品牌的方便面进行了研究。选取三个代表性品牌,每个品牌各制45个样(其中40个样品用于建模,5个样品用于预测),通过比较不同光谱预处理方法及光谱范围,得到最优模型。结果表明,在8350～4190cm-1光谱范围内,采用矢量归一法对光谱数据进行预处理,再分别进行聚类分析与定性分析,得到的模型的品牌识别率均为100%,比较两种方法建立模型的效率,聚类分析比定性分析更加快速。说明应用近红外光谱分析技术能够快速、有效的鉴别方便面品牌,为方便面品牌的鉴别提供了一种新方法。     

基于近红外光谱技术的纸浆原料快速分类

针对传统纸浆纤维种类鉴别费时、费力等问题,提出近红外光谱分析法。将常用造纸原料制浆并抄片为成品纸,测量各样品在10000～4000cm-1区段范围内的近红外光谱,谱图信号经滤波和一阶微分预处理后提取主成分,用于聚类分析。结果表明：近红外光谱技术结合聚类分析能对样品正确、快速分类,可以为快速无损鉴别纸浆种类提供一种准确可靠的方法。     

SIMCA模式识别方法在近红外光谱识别茶叶中的应用

茶叶快速准确识别方法研究是当前茶叶行业亟待解决的一项重大课题。本研究采用一种近红外光谱结合SIMCA模式识别方法对茶叶进行识别与分类。研究结果表明,选取6500～5300cm-1波长范围内的光谱,通过标准归一化(SNV)预处理后,利用SIMCA的模式识别方法分别为龙井、碧螺春、祁红和铁观音等四类茶叶建立了类模型。主成分数分别为4、5、2和3时,类模型对未知样本的识别效果最佳。在α=5%的显著性水平下,四类模型的对未知茶叶样本的识别率分别是90%、80%、100%和100%,拒绝率全是100%。本论文为快速准确识别茶叶提供了一种新思路。     

拉曼光谱结合随机森林方法应用于全棉纺织品真伪鉴别的研究

在本文的研究中,建立了基于拉曼光谱的全棉纺织品真伪鉴别分析方法。首先,使用1064nm激发波长的便携式拉曼光谱仪扫描100个全棉和棉涤纺织样品的拉曼光谱并对谱图的特征峰进行归属分析。选取1120cm-1~1180 cm-1、1320cm-1~1400cm-1和1560cm-1~1600cm-1三个波段进行分析并运用随机森林法对100个样品进行了判定。结果表明,利用拉曼光谱结合随机森林法可以将全棉纺织品和棉涤纺织品区分开来,该方法操作简单,快速环保,是全棉纺织品真伪鉴别的新型方法。