漫反射红外光谱法结合PLS测定稻谷脂肪酸值研究

为了快速、简便、无污染地测定稻谷中脂肪酸含量,提出基于漫反射傅里叶变换红外光谱法(DRIFTS)和近红外漫反射光谱法(NIDRS)测定稻谷脂肪酸值快速检测方法。同时探讨了反向区间偏最小二乘法(BiPLS)对中红外光谱区域的优化效果。傅里叶变换原始光谱模型经7点平滑预处理及BiPLS优化,得到的最佳模型的R~2、RMSECV、RMSEP分别为0.998、3.65、3.69。近红外光谱经一阶导数和多元散射校正预处理后建立最佳模型,其R~2为0.97,RMSECV为3.43。在验证实验中,傅里叶变换红外光谱预测值与国标测定值的相对标准偏差为1.16%,近红外光谱预测值与国标测定值的相对标准偏差为1.70%。结果表明,DRIFTS能够更加准确检测脂肪酸值。     

傅里叶变换近红外光谱分析技术在茶叶中的应用

利用傅里叶变换近红外光谱分析技术,通过建立茶叶中各主要组分和近红外光谱图对应模型,可快速、准确地测定茶叶的主要成分含量,判定茶叶品质优劣.     

红外光谱法对霍山石斛的鉴别

傅里叶变换红外光谱能反映特定分子官能团的振动模式,具有较好的指纹特性,是一种常用鉴别方法。利用傅里叶变换红外光谱技术测定霍山产的3种石斛的红外图谱,应用主成分分析和正交偏最小二乘判别分析处理数据以鉴别霍山石斛。结果表明,不同石斛的红外图谱峰型相似,相比主成分分析,红外光谱应用正交偏最小二乘判别分析方法更能有效地鉴别出霍山石斛,模型正确率更高。因此,红外光谱应用正交偏最小二乘判别分析是实现霍山石斛快速鉴别的一种有效方法。     

基于近红外光谱技术快速识别不同动物源肉品

利用傅里叶变换近红外光谱技术建立猪肉、牛肉和羊肉的定性识别模型。用主成分分析法将原始数据压缩为10 个主成分,在全波段9 881.46～4 119.20 cm－1范围内,利用附加散射校正技术结合Savitzky-Golay滤波法对光谱数据进行预处理,采用判别分析法建立模型。模型对训练集的识别准确率为100%,对预测集猪肉、牛肉和羊肉的识别准确率分别为99.28%、97.42%和100%。结果表明：近红外光谱结合模式识别方法能快速无损地识别猪肉、牛肉和羊肉。     

基于傅里叶近红外光谱和电子鼻技术的苹果霉心病无损检测

为研究傅里叶近红外光谱技术(Fourier transform near infrared spectroscopy,FT-NIRS)和电子鼻技术分别结合化学计量学方法对苹果霉心病的判别效果,以“红富士”霉心病苹果和健康苹果为试材,利用近红外光谱技术,基于主成分分析建立Fisher判别和多层感知器(multi-layer perceptron,MLP)神经网络模型;同时利用电子鼻技术分别结合Fisher判别、MLP神经网络和径向基函数神经网络3种化学计量学的方法建立判别模型。根据建模集和验证集的预测准确率综合考虑,基于主成分分析建立的MLP神经网络模型和电子鼻结合MLP神经网络模型对苹果霉心病的判别效果最好,验证集中的正确判别率分别达到87.7%和86.2%。说明电子鼻和近红外光谱技术均可以较好地判别苹果霉心病。     

ATR-FTIR结合PCA及DPLS快速识别不同品种薰衣草精油

筛选有代表性的4个不同品种的96个薰衣草精油样品为试验对象,应用衰减全反射傅里叶变换红外光谱(ATR-FTIR)获得光谱数据,在主成分分析的基础上采用偏最小二乘辨别法(DPLS)建立薰衣草精油品种识别的模型。结果表明:主成分分析基本能实现品种区分,DPLS法以68个样本作为校正集,交叉验证均方根标准差(RMSEE)为0.1590,以未知的28个样本进行预测,预测均方根标准差(RMSEP)为0.1860,品种识别率为100%,DPLS法建立的模型对薰衣草精油品种有很好的识别和分类能力。将红外光谱与化学计量学方法结合,可为薰衣草精油品种的优良宏观质控提供一个快速、直观、可行的方法。     

基于主成分分析与近红外光谱技术的窖泥聚类研究

采用近红外光谱技术和主成分分析法相结合的检测手段,从60年、90年、200年窖龄的窖池和封窖泥中取样,每个窖池样本为12个,测量其近红外漫反射红外光谱,在4000～10000 cm-1区间选取不同范围内的光谱数据,对48个样本进行主成分分析,作二维线性投影图和三维线性投影图,比较了48个样品在红外光谱上的差异程度,发现基于傅里叶变换近红外光谱的主成分分析投影图能够较好地表征48个样品的类别关系,不同窖龄的样本在空间分布中能够得到较好的区分。结果表明,应用近红外漫反射光谱法能够鉴别窖泥的使用年份。作为一种窖泥质量检测手段,该方法具有一定的应用价值。     

基于近红外光谱技术的咖啡掺假快速鉴别方法

本文研究了利用近红外光谱技术结合AdulterantScreen算法建立的咖啡快速鉴别方法。采用傅里叶变换近红外光谱仪采集咖啡样品光谱,建立标样(材料光谱)光谱数据库,采集掺假物光谱数据,建立掺假物光谱数据库,建立了咖啡分类模型及掺假物模型,运用Adulterant Screen算法技术对模型的主成分及掺假成分进行计算分析,建立了咖啡掺假快速鉴别模型。本咖啡快速鉴别方法对含量在2%、5%、10%、15%、20%、30%及40%巴西莓果粉和5%、10%、15%、20%、30%及40%大麦掺假咖啡可以实现有效的掺假鉴别,最低识别咖啡中巴西莓果粉及大麦掺假含量分别为2%及5%。利用近红外光谱技术结合Adulterant Screen算法建立咖啡快速鉴别模型可以鉴别咖啡中巴西莓果粉和大麦等掺假物,为咖啡样品掺假鉴别提供了一种快速、可靠、无损的检测方法,能有效的运用于咖啡样品掺假鉴别的日常检测工作中。     

FTIR结合主成分分析鉴别不同年份六堡茶

采用傅里叶变换红外光谱(FTIR)法结合主成分分析鉴别不同储存年份的六堡茶,并找出其化学组分差异,为鉴别不同储存年份六堡茶提供快速无损的方法。通过采集5个不同年份六堡茶的红外光谱,利用一阶导数重构红外图谱,建立主成分分析鉴别模型,并提取出模型的载荷因子。结果表明:样本在主成分空间中区分为不同的类别,基本实现不同年份六堡茶的鉴别。载荷因子分析显示,5个年份六堡茶化学组成的差异主要体现在茶多酚、咖啡碱及氨基酸3类物质成分含量的不同。本法可以快速、无损地鉴别不同年份的六堡茶,并且能反映不同年份六堡茶主要成分组成的差异。     

3种副伤寒沙门氏菌的傅里叶变换红外光谱快速分类鉴定

建立高效的致病菌分类、鉴定方法是保障食品卫生安全和人类健康的重要技术手段。红外光谱技术具有信息全面,分辨率高,鉴定速度快等优点。本文采用傅里叶变换红外光谱技术采集副伤寒沙门氏菌的3个亚种(甲型、乙型、丙型)的近红外光谱,建立这3种菌的一阶导数谱数据库。结合主成分分析和分级聚类分析两种化学计量分析方法,成功建立不同亚种菌种的聚类分析模型,实现副伤寒沙门氏菌亚种水平上的区分;加标验证试验证明建立的标准菌株光谱数据库和聚类分析模型可用于可疑目标菌的分类鉴定。研究结果表明FT-IR技术可用于甲型、乙型、丙型副伤寒沙门氏菌的分类鉴定,具有操作简便、快捷,结果准确,成本低廉等优点。     

基于FT-NIR和电子鼻的苹果水心病无损检测

探讨傅里叶变换近红外光谱技术和电子鼻技术应用于苹果水心病检测的可行性。以277?个“秦冠”水心病苹果和健康苹果为试材,分别采集每个样本在12?000～4?000?cm－1波数范围的近红外光谱和10?个传感器的电子鼻信号,用不同预处理的近红外光谱方法提取主成分建立Fisher判别模型;同时电子鼻结合3?种化学计量学的方法进行建模。结果表明,经一阶导数（9?点平滑）预处理的近红外光谱,提取前20?个主成分建立的Fisher判别模型效果最好,对未知样本的正确判别率达100%;电子鼻分别结合Fisher判别、多层感知器神经网络和径向基函数神经网络判别模型对未知样本的识别率为89.7%、89.5%和85.7%。故利用近红外光谱和电子鼻技术分别结合化学计量学的方法可快速、无损检测苹果的水心病。其中,近红外光谱技术结合Fisher判别对苹果水心病的识别率最高,是一种准确可靠的测定方法。     

基于数据融合策略植物油光谱模式的识别

为实现对不同植物油的快速无损分类识别,探究数据融合技术在提升光谱分类模型精度方面的可行性与应用价值,借助衰减全反射-傅里叶变换红外光谱技术、表面增强拉曼光谱技术结合多源数据融合技术,开展了对7种共计180份植物油样本的分类识别。基于单一光谱模型、数据层融合模型和特征层融合模型,比较了Bayes判别分析(BDA)和多层感知器神经网络(MLP)两种化学计量学方法在区分各样本时的差异,同时考察了主成分分析、广义最小平方、最大似然、主轴因式分解4种算法在特征提取方面的差异。结果表明,光谱数据融合在识别植物油方面具有显著的优势,BDA模型对各样本的区分能力强于MLP模型,相较于其他3种算法,主成分分析在油样特征提取方面展现了较为理想的结果。基于PCA特征提取的特征层融合BDA模型为最佳识别模型,以此实现了180份植物油样本100%的准确区分,同时对5种品牌花生油达到了100%的准确区分,实现了对各样本“种类-品牌”的两级识别分类工作。     

近红外光谱技术快速检测腊肉酸价和过氧化值

探讨应用傅里叶近红外光谱技术快速定量检测腊肉酸价和过氧化值的方法。腊肉样品经粉碎、混匀后在AntarisⅡ傅里叶近红外光谱分析仪上扫描,获得其近红外光谱与国标法测定的酸价和过氧化值含量数据进行关联,用傅里叶变换近红外光谱技术结合偏最小二乘法建立近红外光谱与腊肉酸价和过氧化值含量的数学模型并进行预测。结果表明：酸价模型中,校正决定系数和交叉验证决定系数分别是0.99582和0.98687,校正均方差和交叉验证均方差分别是0.1370和0.1900;过氧化值模型中,校正决定系数和交叉验证决定系数分别是0.99999和0.99926,校正均方差和交叉验证均方差分别是0.756×10-4和0.684×10-3。用该模型对验证集样本进行预测并统计分析,表明预测值与测定值无显著差异,傅里叶近红外光谱技术快速定量检测腊肉酸价和过氧化值是可行的。     

基于偏最小二乘法的板栗近红外光谱分析模型的建立

目的:应用近红外光谱技术和化学计量学方法,建立板栗品质分析的近红外光谱模型。方法:采用傅里叶变换近红外光谱仪,采集样品的近红外漫反射光谱,再用传统理化分析方法测得样品的各项品质参数,采用偏最小二乘法(PLS)建立定标模型,内部交叉验证法对模型进行检验。结果:对板栗分别建立了水分、淀粉、硬度和糖度的PLS模型,4种PLS模型都非常理想,模型的相关系数均大于0.99。结论:采用近红外光谱法可以实现板栗品质指标的快速无损检测。     

近红外光谱对食醋有机酸含量快速、无损测定方法研究

将近红外光谱分析技术应用在食醋内部有机酸的定量分析研究中,分别建立了8种有机酸的偏最小二乘近红外预测模型和主成分分析近红外预测模型,模型的相关系数均大于0.9,模型具有较好的预测准确性。横向对比偏最小二乘和主成分分析两种建模方法对食醋有机酸的定量分析发现,采用偏最小二乘法建立的食醋有机酸近红外预测模型较优。采用近红外光谱分析技术对食醋中有机酸含量的测定具有快速、无损的特点,具有较大的实际应用价值。     

基于近红外光谱法鉴别不同麻类纤维

各麻类纤维的外观形态和化学性能相似,为鉴别不同麻类纤维,基于傅里叶变换近红外光谱分析方法,采用主成分分析结合SIMCA模式识别方法,对苎麻、亚麻、大麻、黄麻、红麻、罗布麻6种纤维进行鉴别.结果表明:6种纤维经平滑及基线校正光谱预处理,构建主成分因子为3的分析模型,结合SIMCA模式识别方法,所有纤维的识别率和拒绝率达到...     

薯蓣属5种药食同源植物红外光谱鉴别研究

采用傅里叶变换红外光谱(FT-IR)结合化学计量学鉴别不同种药食同源薯蓣植物。采集云南5种药食同源薯蓣属(淮山药、黄独、高山薯蓣、粘山药、参薯)样品红外光谱数据,选择基线校正、9点平滑、自动归一化、二阶导数等预处理方法对光谱进行优化。原始光谱显示,除粘山药样品,其余4种薯蓣属样品红外光谱相似度较高,在1 154、1 081、1 021、928、763、577 cm~(-1)附近均出现表征淀粉和一些糖苷类成分的吸收峰。选取1 800 cm~(-1)~400 cm~(-1)波段二阶导数光谱数据,结合聚类分析(HCA)和偏最小二乘判别分析(PLS-DA)法进一步挖掘红外光谱数据信息。通过HCA提取727个变量建立矩形阵列获得树状图,分类正确率为91.2%。PLS-DA模型前6个主成分累积贡献率为97.3%;得分图显示,5种样品分类效果理想。证明FT-IR结合HCA和PLS-DA方法,对5种不同种薯蓣植物的鉴别可行。     

近红外光谱结合化学计量学研究芝麻油的真伪与掺伪

应用傅里叶变换近红外光谱(FTNIR)结合化学计量学分别建立了芝麻油的真伪鉴别与掺伪定量的快速分析方法。真伪鉴别分别采用FTNIR结合主成分分析-簇类软独立模式识别(PCA-SIMCA)和偏最小二乘法-人工神经网络(PLS-ANN),建立了芝麻油、大豆油、花生油、葵花籽油的分类模型。经过验证,两种分类模型的准确识别率均达到了100%。芝麻油中掺伪油的定量分析采用FTNIR结合PLS。通过采集不同比例的芝麻油-大豆油与芝麻油-葵花籽油二元系统的FTNIR谱图,应用PLS分别建立二元系统定量分析模型并通过验证集检验其可靠性,研究结果表明该模型可以准确预测芝麻油中10%~100%的掺假油,其预测值与实际值的相对标准偏差(SEP)分别为1.027(大豆油)和0.9660(葵花籽油)。     

傅里叶变换红外光谱鉴别芝麻酱中掺杂花生酱

提出了基于傅里叶变换红外光谱鉴别纯芝麻酱中掺杂花生酱的方法。使用傅里叶变换红外光谱仪采集650~4000cm-1范围内的纯芝麻酱样品和掺杂花生酱的芝麻酱样品共计93例,以标准正态变量变换(standard normal variate,SNV)做光谱预处理,比较了支持向量机(support vector machine,SVM)、线性判别分析(liner discriminant analysis,LDA)2种判定方法,并选择有效波长建立模型。研究表明,采用SVM建立判别模型较优;选取3071~2792cm-1,1786~667cm-1为有效波长后SVM模型的综合判别正确率提高至93.55%,且模型输入变量减少58.20%。采用傅里叶变换红外光谱结合支持向量机判别模型可以较好地应用于纯芝麻酱中掺杂花生酱的鉴别。     

基于近红外光谱技术的大麻哈鱼品种快速鉴别研究

为了进行鱼品种快速鉴别,以2种大麻哈鱼57个样品为研究对象,分别进行绞碎和切块预处理,然后采用近红外光谱技术结合聚类分析(CA)和主成分分析(PCA)方法进行研究。结果表明,近红外漫反射光谱结合聚类分析和主成分分析方法均可以为快速无损鉴别鱼品种提供准确可靠的方法,在本试验范围内的准确率能达到100%。该方法为鱼品种的快速鉴别提供了依据。