太赫兹衰减全反射技术对板栗果仁霉变程度判别研究

板栗作为我国重要的经济作物，每年因储存不当造成的损失高达年产量的35%~50%，这造成了巨大的经济损失。本文利用太赫兹时域光谱技术，结合模式识别算法建立板栗果仁霉变程度的定性判别模型，从而保障板栗果仁的品质安全。实验选取迁西板栗、沂蒙短枝、怀柔板栗这三个品种的60颗饱满果仁进行霉变培养，并依据国家标准GB/T 22346-2008《板栗质量等级》将板栗果仁分为正常、轻度霉变、重度霉变3类，采集板栗果仁样本太赫兹光谱（波段0.3~3.6THz）后进行光学常数提取，从而得到样本的吸收系数谱图和折射率谱图，并结合基于遗传算法（Genetic Algorithm ，GA）寻优和基于粒子群算法（Particle Swarm Optimization，PSO）寻优的支持向量机算法（Support Vector Machine Algorithm，SVM）建立定性判别模型。实验结果表明，PSO-SVM算法模型对板栗果仁霉变程度的预测集识别正确率为91.6667%，GA-SVM算法模型对板栗果仁霉变程度的预测集识别正确率为100%。由此可得，利用太赫兹时域光谱技术可以实现对板栗果仁霉变程度的区分识别，为太赫兹技术在食品检测领域的应用提供了理论基础。     

基于太赫兹成像技术的发芽葵花籽无损检测研究

发芽葵花籽中脂肪和蛋白质等营养物质的含量会减少，影响油脂产品的产量及品质，因此需要保证葵花籽的品质安全。在对发芽葵花籽进行检测研究时，通常需要剥除葵花籽的外壳，破坏样本，这一操作不利于后续的贮藏加工。文章对发芽葵花籽的带壳无损检测方法进行了研究，采用太赫兹透射成像技术结合最大峰值(Max Peak Size)图像重构方法获取发芽葵花籽图像，应用自适应阈值分割法提取图像特征，应用连续投影(Successive Projections Algorithm,SPA)算法提取光谱特征，并通过串行融合实现特征融合，采用误差反向传播(Back propagation,BP)神经网络算法建立了发芽葵花籽在不同频率段内的识别模型。结果表明，采用SPA-BP算法建立的基于融合特征的发芽葵花籽识别模型效果较好，模型整体识别准确率为100%。由此可得，利用太赫兹时域透射成像技术可以实现发芽葵花籽的带壳无损检测，这对未来带壳油料作物品质的无损检测提供新思路。     

结合太赫兹光谱与机器学习的小麦霉变程度判别

为快速、准确地判断小麦籽粒的霉变程度，研究基于太赫兹时域光谱技术，结合支持向量机（support vector machine,SVM）、随机森林（random forest,RF）和极限学习机（extreme learning machine,ELM）的霉变小麦定性分析方法。首先，将小麦籽粒分为正常、轻度霉变、中度霉变和重度霉变4类，利用CCT-1800太赫兹时域光谱仪获取小麦样本在0.1～4.0 THz波段的光谱数据。对比采用不同光谱预处理方法对判别结果的影响后，使用主成分分析、线性判别分析（linear discriminant analysis,LDA）、t分布随机近邻嵌入3种方法对光谱数据进行降维，结果表明LDA的降维效果最好。最后，构建基于SVM、RF和ELM的小麦霉变程度判别模型，结果显示SVM的判别效果最好，当核函数选择多项式核、误差惩罚系数为1时，判别准确率高达98.61%，预测集均方根误差值为0.142 9。本研究表明利用太赫兹光谱技术可实现小麦霉变程度的准确检测，为食品安全和粮食贮藏检测提供一种检测手段。     

太赫兹衰减全反射技术对花生冻伤快速判别研究

目的 利用太赫兹衰减全反射(terahertz attenuated total reflection,THz-ATR)光谱法实现花生冻伤的快速鉴别。方法 实验选择种子公司购入的同品种冻伤和非冻伤花生各500粒,采集1000粒花生样本的0～359.97 cm^-1 THz光谱,通过光学参数计算得到样本集的吸光度、折射率和吸收系数。采用3点移动窗口平滑预处理和随机森林算法建立基于不同光学常数的花生冻伤识别模型。结果 在决策树棵数为500,特征变量数为38时,基于太赫兹吸光度建立的花生冻伤判别模型性能最佳,准确率、召回率、精确率达到97.0%、98.0%、96.1%。结论 本研究所建立的定性模型准确率高, THz-ATR技术有望为花生冻伤的快速无损鉴别提供一种新的高效的检测方法,为太赫兹技术在食品检测领域的应用提供了现实依据。     

基于THz-ATR技术的水稻品种快速无损识别研究

水稻的品质和产量与自身品种密切相关,本研究应用太赫兹衰减全反射式(THz-ATR)技术采集8个品种水稻种子0～359.97 cm^-1光谱,并通过光学参数计算得到样本集的折射率谱和吸收谱。采用3点移动窗口平滑预处理和支持向量机分别优化及建立基于折射率和吸收系数的8个水稻品种识别模型,其中基于吸收系数的SVM模型预测准确率为98.5%,基于折射率谱的SVM模型预测准确率为89%;实验结果表明,将THz-ATR技术用于水稻品种识别具有初步可行性,有望为水稻品种快速鉴定提供为参考。     

基于高光谱成像技术的小白杏成熟度判别模型

为快速、准确检测小白杏的成熟度,该研究选择七成熟、八成熟、九成熟、十成熟的小白杏样本各120个,采用近红外高光谱成像系统采集样本的高光谱数据,进行去除噪声和剔除界外样本处理。然后使用均值中心化（mean centering,MC）、Savitzky-Golay卷积求导法（Savitzky-Golay derivative,S-G）、多元散射校正（multiplicative scatter correction,MSC）、标准正态变量变换（standard normal variate transformation,SNV）、归一化法5种方法分别对全波段和特征波段光谱进行预处理,采用光谱-理化值共生距离算法（sample set partitioning based on joint x-y distance,SPXY）、K-S法（Kennard-stone,K-S）、双向算法（Duplex）、交叉验证法、随机法将样本划分为校正集和验证集。最后用极限学习机（extreme learning machine,ELM）、支持向量机（support vector machine,SVM）、偏最小二乘法（partial least squares,PLS）、K最邻近法（K-nearest neighbor,KNN）、贝叶斯判别法建立不同的分类判别模型,比较各模型的识别率。结果表明,对小白杏成熟度定性判别模型,有以下最优组合：全波段+MSC+SPXY/Duplex/K-S/交叉验证/随机法+ELM/PLS/SVM/KNN、全波段+S-G/MSC/归一化/SNV+随机法+贝叶斯、全波段+S-G+SPXY/Duplex/K-S/交叉验证/随机法+ELM/PLS/SVM/KNN、全波段+归一化+SPXY/Duplex/K-S/交叉验证/随机法+PLS、特征波段+MSC+SPXY/Duplex/K-S/交叉验证/随机法+ELM/PLS/SVM/KNN/贝叶斯、特征波段+归一化+SPXY/Duplex/K-S/交叉验证/随机法+PLS。     

几种化学纤维的太赫兹时域光谱研究

 为了解化学纤维在太赫兹波段的光学特性,尝试通过太赫兹时域光谱测试技术和自由空间电光采样方法,获得几种化学纤维(涤纶、芳纶、维纶)的透射光谱,进而计算他们在0.2～1.0 THz频段的吸收系数和折射率。实验结果表明：纤维在太赫兹频段存在特征频谱响应,可以用来探测分子的结构信息和振动情况。所得结果表明,不同化学纤维在远红外区域的光谱存在差异,太赫兹光谱可以作为红外光谱的互补技术鉴别不同的化学纤维。     

植物油的太赫兹时域谱分析

利用太赫兹(THz)时域谱技术测量了山茶油、麻油、橄榄油在0.3~1.5 THz范围内的THz波时域谱,使用迭代算法来计算分析三种植物油的折射率、吸收系数等重要的光学参数。结果表明三种植物油的吸收系数在此波段存在显著差异,三种植物油的平均折射率分别为1.458,1.468和1.452,植物油的折射率随着频率的增加而逐渐减小。该研究成果对于太赫兹时域光谱技术应用于不同的植物油成分及质量评价具有重要意义。     

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。     

小麦粉中掺杂滑石粉的太赫兹光谱检测

利用太赫兹时域光谱(THz-TDS)技术在室温下分别对小麦粉、滑石粉及其混合物进行了光谱测量,获得了它们在0.2～1.5 THz波段的吸收谱和折射率谱.结果表明滑石粉在太赫兹波段存在明显的特征吸收峰,可以作为其在太赫兹波段的指纹特征用于物质识别;另外,混合物中滑石粉含量越高,吸收系数越小.采用偏最小二乘(PLS)方法对小麦粉中滑石粉的含量进行了定量分析,结果表明小麦粉中的滑石粉含量与太赫兹吸收系数具有较高的相关性,相关系数为0.993 9,均方根误差为1.48％,检出限优于2.0％.     

太赫兹时域光谱识别4种食用油真实性的研究

采用太赫兹时域光谱系统(THz-TDS),研究了4种食用油(黑芝麻油、芝麻油、小磨香油和花生油)在0.2~1.6 THz波段的延时特性和折射率特性。使用主成分分析法(PCA),根据累计贡献率的大小提取光谱的特征数据。提取了4个主成分(累计贡献率大于95%)作为一个支持向量机(SVM)模型的输入用于识别食用油的种类。结果表明:结合主成分分析法,通过选择合适的支持向量机核函数及其参数,食用油种类识别的正确率可达到93%;通过与主成分回归(PCR)、偏最小二乘回归(PLS)和后向(BP)神经网络方法的比较,支持向量机结合主成分分析(PCA-SVM)方法具有更突出的分类性能,同时也说明了采用太赫兹时域光谱,结合化学计量学方法精准鉴别食用油种类的可行性。     

太赫兹时域光谱技术测定淀粉中的丙烯酰胺

目的:利用太赫兹时域光谱(terahertz time-domain spectroscopy,THz-TDS)技术对丙烯酰胺、淀粉及两者混合物进行定性、定量检测。方法:通过采集时域光谱数据,获得丙烯酰胺、淀粉及两者混合物在THz波段的吸收谱与折射率谱;采用偏最小二乘法(partial least squares,PLS)对淀粉中丙烯酰胺的低浓度含量进行回归拟合分析。结果:丙烯酰胺在1.33 THz处有一个明显的特征吸收峰,可用于物质识别;随着混合物中丙烯酰胺质量的增加,样品的吸收系数和折射率都呈现逐渐下降的趋势。由回归模型分析可得,混合物中丙烯酰胺质量含量与吸收系数、折射率都有良好的线性关系,其中基于折射率的PLS模型相关系数可达0.9994,标准误差0.1335%,检出极限0.4402%,定量限1.334%,最大绝对偏差小于0.2497%。结论:THz-TDS技术具有检测结果可靠的优点,可用于淀粉中丙烯酰胺含量的快速、无损检测,为太赫兹光谱检测食品中的有害添加物提供了理论基础。     

玉米中黄曲霉毒素B1的太赫兹时域光谱检测与识别

针对近红外和传感器方法检测精度差的问题,采用太赫兹时域光谱技术,研究了黄曲霉毒素B1对太赫兹波的响应。首先研究了玉米中黄曲霉毒素的提取过程和保存方法,根据B1溶液在不同频率范围内的光学参数(主要是折射率和吸收系数)的不同,对B1溶液的太赫兹光谱进行定性分析,利用一种改进的多重D-S证据理论对其进行了识别。试验和分析结果表明,利用太赫兹时域光谱技术结合信息融合技术能够对不同浓度的黄曲霉毒素B1溶液进行精确识别,为以后建立黄曲霉毒素太赫兹谱库和快速检测食品中的黄曲霉毒素提供了理论依据。     

基于融合预处理的掺假咖啡太赫兹光谱识别

该研究通过太赫兹时域光谱采集70组含有西布曲明成分的咖啡在0～2.5 THz频段的光谱信息，建立随机森林、支持向量机、贝叶斯判别分析3种模式识别方法并进行比较研究。结果表明，未经过预处理的模型识别准确率较低。选择一阶导数、二阶导数、不同类型的巴特沃斯滤波器和Pearson特征选择融合光谱方法进行光谱信号处理。基于一阶导数处理的贝叶斯判别分析模型准确率为98.6%,基于高通巴特沃斯滤波器的随机森林模型分类准确率为94.2%,基于特征提取的融合光谱支持向量机(support vector machine, SVM)模型分类准确率为100%。选择最优预处理的SVM模型进一步对同一品牌不同地区的掺假咖啡进行鉴别，准确率为100%。研究实现了“品牌-产地”的二级特征识别，可为公安机关打击涉及咖啡的食品安全犯罪提供参考。     

增白剂中吊白块含量的太赫兹光谱定性与定量检测

利用太赫兹时域光谱(THz-TDS)技术在室温下分别对吊白块(甲醛次硫酸氢钠)、增白剂(过氧化苯甲酰)及其混合物进行了光谱测量,获得了在0.2~1.5 THz波段的吸收谱和折射率谱。结果表明增白剂在太赫兹波段存在明显的特征吸收峰,可以作为其在太赫兹波段的指纹特征用于物质识别;另外,混合物中吊白块含量越高,吸收系数越小,折射率越大。采用偏最小二乘(PLS)方法对增白剂中掺杂吊白块的含量进行了定量分析,结果表明增白剂中的吊白块含量与太赫兹吸收系数具有较高的相关性,相关系数为0.999 8,均方根误差(RMSE)为1.21%,检出限优于2.0%。研究表明THz-TDS技术可以用于食品领域中快速、无损检测增白剂中严禁使用的吊白块。     

基于太赫兹时域光谱的芝麻油品种识别研究

为了实现对芝麻油品种的快速鉴别,本文基于太赫兹时域光谱(THz-TDS)提出一种芝麻油品种识别的方法。选取0~2.5 THz范围内的光谱进行分析,通过主成分分析法(PCA)对时域光谱数据进行降维,选择前4个主成分(累计贡献率大于99%)代表原始数据,然后利用支持向量机(SVM)方法对不同品种芝麻油进行分类识别,分类时使用3种不同的核函数建模,并采用网格搜索算法获得最优模型及其模型参数。使用径向基核函数(参数为惩罚函数C=0.01,核函数系数γ=0.1)的模型识别率最高,达到100%,说明太赫兹时域光谱技术结合PCA和SVM方法可以快速可靠的进行食用油的识别,为食品安全的识别提供一种新的技术手段。     

基于太赫兹时域光谱技术的面粉品质快速无损检测研究

太赫兹(THz)波能够穿透大多数干的介电材料(塑料、陶瓷、衣物等),可实现对带包装物品的质量检测。为了研究THz光谱技术对带包装面粉的无损检测,首先对不带包装面粉进行太赫兹时域谱可行性分析及建模研究。对101份不同种类的面粉样本,用Tera Pulse 4000的太赫兹脉冲光谱仪采集了其太赫兹时域谱,对光谱预处理后,用偏最小二乘法(PLS)算法建立了面粉中3个指标水分、灰分、面筋的定量分析模型。各模型的预测相关系数都在0.89以上,研究结果表明,通过太赫兹时域光谱技术对面粉品质进行无损、快速检测具有可行性,对下一步太赫兹光谱技术直接对带包装的面粉进行检测研究奠定了坚实的基础。     

基于CNN神经网络的小麦不完善粒高光谱检测

利用高光谱成像技术对小麦不完善粒进行无损检测。以932个小麦为样本,其中正常粒样本486个、破损粒样本170个、虫蚀粒样本149个及黑胚粒样本127个为研究对象,通过高光谱图像采集系统采集样本的光谱信息,然后从每个样本的116个波段中选取30个波段,建立基于深度学习的卷积神经网络(convolutional neural networks,CNN)模型。实验中的CNN采用2个卷积层,第1层采用大小为3×3的32个卷积核,第2层采用大小为5×5的64个卷积核,池化层采用最大池,激活函数采用修正线性单元,为避免过拟合,在全连接层后面接入dropout层,参数设置为0.5,其他卷积参数均为默认值,得到校正集总识别率为100.00%,测试集总识别率为99.98%。最后,以支持向量机(support vector machine,SVM)为基线模型进行对比,从116个波段中选取90个波段进行建模,测试集总识别率为94.73%。通过实验对比可以看出,CNN模型比SVM模型识别率高。研究表明CNN模型能够实现对小麦不完善粒的准确、快速、无损检测。     

太赫兹时域光谱在高油玉米检测中的应用初探

目的 采用太赫兹时域光谱在透射模式下对不同品种玉米品质进行探测。方法 分别得到样品不同部位的时域谱、吸收谱和折射率曲线, 探究玉米籽粒测定部位、平滑度、品种等因素对所得谱图的影响, 进而分析太赫兹波段对玉米种子进行油分无损检测和品种判别的可行性。结果 未制成标样的玉米样品难以得到有效谱图, 而标样中种胚在太赫兹波段未出现特征吸收。为进一步深入研究胚乳的太赫兹吸收, 对玉米种子的胚乳进行了傅里叶红外光谱测定, 结果表明不同品种的玉米胚乳谱在太赫兹谱区存在明显差异, 且存在特征吸收。结论 为进一步判别高、低油玉米品种以及其主要成分的太赫兹检测等提供参考。     

基于太赫兹光谱分析技术的肉类鉴别

利用太赫兹时域光谱仪,获取和分析不同来源及品种肉质冻干及压片后的太赫兹光谱参数信息,从而实现不同肉类组织之间的鉴别。研究表明,含水量差距较大的新鲜肉组织,可直接通过太赫兹时域/频域信号的强度差异进行快速判别;含水量相近的不同肉类,通过定性分析冻干样品在0.6～1.4 THz波段上的吸收系数、折射率、介电常数虚部和介质损耗角正切等多维光谱参数,采用主成分分析-支持向量机可实现不同肉类之间的准确判别。研究结果展示了太赫兹光谱分析技术在不同组织、不同品种及同品种不同品牌肉类鉴别上的可行性,为在肉类掺假打击等实际应用场景中提供了理论基础和实验依据。