近红外光谱法快速鉴别涪陵榨菜品牌的研究

提出了一种基于近红外漫反射光谱技术快速鉴别涪陵榨菜品牌的方法。应用近红外漫反射光谱技术对市场上6种典型品牌涪陵榨菜提取光谱,并对获得的原始光谱数据进行平滑、一阶导数以及矢量归一化等预处理后,采用因子法计算样品间的光谱距离,通过ward’salgorithm方法进行聚类分析。并与判别分析的实验结果进行了对比,结果显示聚类分析和判别分析对6种涪陵榨菜品牌均能很好地鉴别。     

近红外光谱法快速鉴别涪陵榨菜品牌的研究

提出了一种基于近红外漫反射光谱技术快速鉴别涪陵榨菜品牌的方法。应用近红外漫反射光谱技术对市场上6种典型品牌涪陵榨菜提取光谱,并对获得的原始光谱数据进行平滑、一阶导数以及矢量归一化等预处理后,采用因子法计算样品间的光谱距离,通过ward’salgorithm方法进行聚类分析。并与判别分析的实验结果进行了对比,结果显示聚类分析和判别分析对6种涪陵榨菜品牌均能很好地鉴别。      

近红外光谱技术在快速鉴别真伪小磨香油中的应用

为实现对掺伪小磨香油的快速鉴别,本文采集了小磨香油样品的近红外吸收光谱,经二阶导数+矢量归一化预处理,17点移动式平均平滑后,选择光谱范围为9 000 cm-1～4 500 cm-1,利用合格性测试和主成分分析法(PCA)建立了小磨香油的鉴别模型,并取样对该模型验证.结果表明:两种模式识别方法对于掺假量10%～90%的小磨香油的真伪识别率均为100%.因此认为,采用近红外光谱结合模式识别技术结合可快速、准确地鉴别小磨香油真伪.     

近红外光谱法对鸡肉品种的快速无损鉴别

选取爱拔益加肉鸡（又名AA肉鸡）、京海黄鸡和狼山鸡鸡胸肉各40 个肉样,应用便携式近红外光谱仪在1 000～2 500 nm波长条件下分别对鸡肉肉块和肉糜进行光谱扫描,并测定肉样的颜色、蛋白质、脂肪和水分含量。各选择90 个肉样作为建模集,采用偏最小二乘判别分析法分别建立了鸡肉肉块和肉糜的品种鉴别模型。所建的两个模型对校正集和验证集样本的鉴别准确率均分别为100%和97.7%,对剩余预测集的各30 个肉样进行鉴别分析的鉴别准确率均为90%。     

近红外光谱法快速鉴别转基因大豆模型优化

目的应用近红外光谱(NIR)结合偏最小二乘判别分析(PLS-DA)建立转基因大豆的快速鉴别模型,并选择最优模型。方法主成分分析(PCA)用于从光谱数据中提取相关特征并剔除异常样品。在试验中,94份样品用于构建模型,41份样品用作验证评估模型的效果。分别讨论样品形态(整粒和粉末)、波长范围和光谱预处理方法对所建模型判别正确率的影响。结果粉末状大豆样品建模的效果好于整粒大豆样品。其中判定效果最好的模型,整粒大豆在9 403～5 438 cm~(-1)范围内,采用二阶导数(2nd)处理光谱,模型的校正集和验证集的判定正确率均为100.00%;粉末状大豆在7 505～4 597 cm~(-1)范围内,采用矢量归一化+一阶导数(SNV+1st)处理光谱,模型的校正集和验证集的判定正确率也均为100.00%。结论通过选择样品形态、波长范围和光谱预处理方法可以优化鉴别模型,提高近红外判别模型的鉴别正确率。     

基于光谱融合的茶油真伪快速鉴别研究

目的 为实现高值茶油的快速鉴别。 方法 优化设备条件,同时采集茶油的近红外光谱(NIRS)和拉曼光谱(RS),分别使用六种方法进行预处理,再优选了四种方法来提取光谱特征波段,并应用了数据层、特征层两种策略融合多光谱信息,比较验证不同模型的准确率（Accuracy）和预测均方根误差（RMSEP）来评估效果。结果 单独使用NIRS经标准正态变换（SNV）处理后的偏最小二乘判别分析（PLS-LDA）结果最优,Accuracy为0.8361,RMSEP为0.1060;单独使用RS经二阶导数（Sg2nd）处理后的结果最优,Accuracy为0.8443,RMSEP为0.1332;经NIRS和RS融合后数据结果高于任意单一光谱结果,其中数据层光谱融合模型Accuracy为0.8525,RMSEP为0.1270,特征层融合后的模型效果较好,最佳结果为基于核主成分分析（KPCA）下的支持向量机（SVM）模型,Accuracy达到95.082%。结论 表明光谱融合提升茶油掺伪定性鉴别具有较好的应用前景。     

近红外光谱法用于橄榄油的快速无损鉴别

通过近红外光谱仪采集各种食用油与掺杂的初榨橄榄油的数据,运用聚类分析法对各种食用油进行聚类分析,结合主成分分析法对橄榄油的掺杂与否进行定性判别。结果表明,聚类分析和主成分分析法都有很好的定性鉴别能力,主成分分析法的鉴别模型预测未知样本的正确率达到100%。该方法快速、无损、简便,为橄榄油掺杂的定性鉴别提供了一种新的选择。     

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.     

近红外光谱法快速测定烟草中的钙

采用傅立叶变换近红外(NIR)光谱法建立了烟草中钙含量的NIR数学预测模型。该模型的内部验证决定系数(R2)为92.00,均方差(RMSECV)为0.121;外部验证的决定系数(R2)为90.99,均方差(RMSEP)为0.122,NIR预测值与化学测定值的平均相对误差为6.20%。该法简捷、快速、精密度高,可用于烟草中钙的快速测定。     

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,建立了快速鉴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4000¹2000cm-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4952.7⁵693.2cm-1和6611.3⁷537cm-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。      

近红外光谱法快速检测饮料中的日落黄

合成色素是食品中最常见的一种添加剂,如果不规范使用将对人体健康产生潜在危害。该研究中光谱扫描范围为1100~1650nm,分辨率0.2nm,通过对不同浓度的日落黄溶液扫描,将得到的原始光谱图经过一阶导数、二阶导数等方法进行预处理。然后通过修正的最小二乘法(MPLS)结合变量标准化且去散射处理(SNV Detrend)的光谱预处理手段建立了相关的MPLS模型。最后利用所建模型,对饮料中的色素含量进行预测。预测相关系数为0.985,预测标准差为0.09%,相对分析误差为3.51。结果表明:近红外光谱可作为一种简单、快速、无损、可靠的方法用于检测饮料中的日落黄。     

近红外光谱分析在寿山石鉴别中的应用

寿山石品种繁多,其鉴别和分类也一直是个难题。首次利用便携式近红外光谱仪(NIR)研究了不同类别寿山石的近红外光谱特征。根据寿山石样品状态(块状和粉末状)的不同表面形态、粒度、质量等因素对近红外光谱测试结果的影响进行了分析,讨论了近红外光谱的主要吸收峰归属,旨在探索一种无损、便捷的寿山石鉴别方法。结果表明,利用便携式近红外光谱仪完全可以区分寿山石的三个主要类别,即高山石类(高岭石族)、芙蓉石类(叶蜡石)、汶洋石类(伊利石)。在块状寿山石样品的近红外光谱1400nm区域,高岭石族矿物表现为一对双峰;叶蜡石和伊利石都仅有一特征单峰,叶蜡石表现为1392nm,伊利石表现为1406nm。寿山石样品的表面形态对近红外光谱没有明显的影响。粉末状寿山石样品的近红外光谱吸收峰更为尖锐,分裂程度更好。除了1400nm处的吸收峰外,在2180nm左右,高岭石类矿物表现为双峰,而叶蜡石和伊利石为单峰,但叶蜡石的吸收峰位于2168nm,伊利石位于2195nm。在条件允许的情况下,获取10mg左右的寿山石样品粉末,便可获得清晰的近红外光谱。     

基于连续投影算法的油菜蜜近红外光谱真伪鉴别的研究

采用连续投影算法（successive project algorithm,SPA）对177个不同产地油菜蜜样本的近红外光谱做波长选择,然后以33个特征变量作线性识别分析（LDA）。同时,也采用了主成分分析（PCA）对变量进行压缩。比较了二次识别分析（QDA）和簇类独立软模式分类法（SIMCA）的鉴别结果。SPA-LDA模型预测集的鉴别准确率为97.7%,而PCA-LDA、全谱的SIMCA和SPA-QDA预测集的正确率分别为93.2%、95.4%和90.9%;上述四种方法ROC曲线下的面积分别为0.964、0.912、0.948和0.933。SPA-LDA性能比其他三种方法要好。该方法准确、可靠,为蜂蜜真实性的现场快速检测提供了一种新方法。      

基于连续投影算法的油菜蜜近红外光谱真伪鉴别的研究

采用连续投影算法(successive project algorithm,SPA)对177个不同产地油菜蜜样本的近红外光谱做波长选择,然后以33个特征变量作线性识别分析(LDA)。同时,也采用了主成分分析(PCA)对变量进行压缩。比较了二次识别分析(QDA)和簇类独立软模式分类法(SIMCA)的鉴别结果。SPA-LDA模型预测集的鉴别准确率为97.7%,而PCA-LDA、全谱的SIMCA和SPA-QDA预测集的正确率分别为93.2%、95.4%和90.9%;上述四种方法ROC曲线下的面积分别为0.964、0.912、0.948和0.933。SPA-LDA性能比其他三种方法要好。该方法准确、可靠,为蜂蜜真实性的现场快速检测提供了一种新方法。     

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。     

傅立叶变换近红外光谱法快速测定葡萄酒中的酒精度

建立快速、简便的测定葡萄酒中酒精度的方法。以蒸馏水为背景,利用傅立叶变换近红外光谱透射法直接对葡萄酒样液进行测定,建立了葡萄酒酒精度定量分析模型。该方法具有良好的线性相关性,近红外光谱法与实验室标准分析方法测定结果基本一致,其预测相关系数R^2=0．998,和平均相对误差为0．5401％。该方法重复性好,具有操作简单、快捷、无污染等诸多优点。     

傅立叶变换近红外光谱法快速测定葡萄酒中的酒精度

建立快速、简便的测定葡萄酒中酒精度的方法.以蒸馏水为背景,利用傅立叶变换近红外光谱透射法直接对葡萄酒样液进行测定,建立了葡萄酒酒精度定量分析模型.该方法具有良好的线性相关性,近红外光谱法与实验室标准分析方法测定结果基本一致,其预测相关系数(R2)和平均相对误差为0.998、0.5401%.该方法重复性好,具有操作简单、快捷、无污染等诸多优点.     

应用近红外透射光谱法快速测定糖浆的研讨

应用近红外技术和化学计量学的方法对制糖生产过程中的糖浆进行定量分析 ,对其中的锤度、纯度等指标进行分析测定。建立的预测模型对糖浆各项指标的测定是可行和有效的 ,样品分析只需要几分钟 ,快速、简便、环保 ,结果准确 ,对及时指导生产管理有重要意义     

近红外光谱法快速测定饮料酒中酒精度

研究了近红外光谱法快速测定饮料酒中酒精度的技术方法。基于专用型近红外光谱仪,以模式葡萄酒为研究对象,确定该方法的线性范围。用该方法与数字密度计法同时测定100份葡萄酒样品,进行方法比较。并进一步研究该方法对测定其他类型饮料酒酒精度的准确性,包括发酵酒（果酒、清酒和黄酒）以及蒸馏酒（伏特加,威士忌、白兰地、朗姆酒和白酒）。该方法实际数值显示范围为0~28% vol,在0~20% vol范围内结果较准确。与密度计法测定葡萄酒中酒精度比较,经t检验（t0.05,4=2.78）和F检验（F0.05(2, 2)=19.0）,两种方法结果一致,没有显著性差异。与密度计法测定其他类型饮料酒中酒精度比较,符合性判别结果也均一致。研究表明,该方法操作简便、快速、重复性好、既可满足葡萄酒的日常酒精度检测需求外,还可应用于其他饮料酒样品。