基于近红外光谱技术的枸杞产地溯源研究

采用近红外光谱技术对宁夏、甘肃、青海、内蒙、河北的8个不同产地40种枸杞样品进行扫描,在主成分分析基础上利用简易分类法(simple modeling of class analogy,SIMCA)模式识别原理分别建立模型。结果表明：在950～1650nm全光谱波长范围内,光谱经一阶导数(5点平滑)和矢量归一化(standard normal variate,SNV)预处理后,8个产地模型的主成分数均为3时,采用 SIMCA模式识别法可以建立较为稳健的枸杞产地溯源模型;在α＝5%的显著水平条件下检验模型的可靠性,8个产地校正集模型的识别率除青海为80%外,其他产地均为100%,拒绝率分别为100%、100%、97%、100%、91%、94%、97%、100%,其验证集模型的识别率均为100%,拒绝率分别为100%、100%、100%、100%、75%、88%、100%、100%。表明该方法在枸杞产地识别中具有可行性。     

基于近红外透射光谱及多种数据降维方法的红富士苹果产地溯源

为了探寻苹果产地溯源新方法,本文以新疆阿克苏、陕西洛川、山东烟台三个不同产地600个红富士苹果样本为试材分别采集其590～1250nm的近红外透射光谱图,将经过光谱校正后的光谱数据做归一化(Normalization)、多元散射校正(Multivariate Scattering Correction,MSC)等8种光谱预处理,对经过预处理后的光谱数据建立全波长分类模型发现二阶求导为最优预处理方法;然后再将经过二阶求导预处理的光谱数据结合以欧几里得距离(Euclidean)、相关距离(correlation)、余弦相似度(cosine)、城市街区距离(cityblock)作为距离度量的K最近邻法建模,发现K最近邻法(correlation)为最优分类识别方法;随后再分别用高斯过程隐变量模型(Gaussian Process Latent Variable Model,GPLVM)、线性局部切空间排列(Linear Local Tangent Space Alignment,LLTSA)、等12种数据降维方法对经二阶求导预处理后的光谱做降维处理,并结合K最近邻法(correlation)鉴别苹果产地。结果表明,提取前9个主成分,采用二阶求导-扩散映射-K最近邻法(correlation)模型识别效果最优,建模集和预测集的分类识别率分别为97.30%与92.30%。故,深度学习数据降维方法结合近红外透射光谱技术可成功、有效地实现苹果产地溯源。     

基于近红外光谱技术的茶叶新旧鉴别及产地溯源研究

目的 建立基于近红外光谱的定性分析模型,实现对茶叶的新旧分类和产地溯源。方法 首先采用傅立叶近红外光谱仪采集茶叶样品的漫反射光谱数据,然后使用卷积(Savitzky-Golay,S-G)平滑算法和数据标准化(Normalization)对光谱数据进行预处理,最后基于遗传优化算法(genetic algorithem,GA)和粒子群优化算法(particle swarm optimization, PSO)分别建立了优化向量机模型(support vector machine, SVM),从而实现新旧茶叶的分类以及产地溯源。结果 与GA-SVM模型相比,PSO-SVM模型的建模效果较好,且分类时间更短,在新旧鉴别和产地溯源实验中都达到了100%的预测精度。结论 基于近红外光谱建立的PSO-SVM模型可以实现茶叶新旧的判别以及产地溯源,为鉴别茶叶年份和追踪茶叶产地提供了理论支撑和技术指导。     

近红外光谱-人工神经网络的模型优化用于银耳产地识别研究

研究通过近红外光谱技术（NIRS）结合人工神经网络技术（ANN）识别银耳的不同产地。实验以四川省与福建省两个产地共120组银耳样品为研究对象,对其进行近红外光谱测定,计算光谱吸收值的平均偏差与一阶导数进而选取有效数据,结合主成分分析方法将原始数据降维并采用反向人工神经网络技术构建近红外分析模型。结果显示,通过对有效数据主成分分析,前3个主成分的累计方差贡献率达到100%,判断准确率为88.3%;进一步采用人工神经网络优化模型,在输出层为2隐藏层为11时,判断准确率达100%;此时校正集与预测集的均方根误差分别为3.05×10^-2与2.90×10^-2,模型具有良好的泛化能力。因此,结合人工神经网络的近红外光谱检测技术,优化检测模型,能够准确、快速地识别银耳产地,为食品原材料的质量控制及地理标志的建立提供科学依据。      

基于近红外光谱技术的鸡肉产地溯源

采用近红外光谱技术对辽宁大连、河北遵化、潍坊坊子、潍坊昌邑、潍坊诸城5个产地的100个鸡肉样本进行扫描,对这些样本的近红外光谱进行主成分分析、聚类分析,建立了鸡肉产地溯源的定性判别模型。试验结果表明:在全光谱范围(780~2 500 nm)内,经二阶求导(13点平滑)和矢量归一化(standard normal variate,SNV)预处理后,5个地区鸡肉的近红外光谱图有显著差异,鸡肉样本的主成分空间分布位于不同的区域,聚类分析树状图中不同产地也各自聚为一类。利用来自5个产区的30个独立样本对模型进行验证,识别率和拒绝率均为100%。此结果表明近红外光谱分析技术可准确、快速追溯鸡肉的产地来源。     

苹果货架期的近红外光谱定性分析

以嘎啦苹果为试材,使用ASD公司的FieldSpec3光谱仪在常温条件下进行近红外光谱采集,应用OPUS软件的快速比较法和电子称重数据对苹果样品的近红外光谱信息进行处理。结果表明,苹果样品在室内常温及通风条件下10d失重率即可达到5%;货架期苹果的近红外光谱在水分吸收峰1440nm和1936nm发生显著变化;快速比较法在使用二阶导数预处理方法可以准确、有效地进行定性鉴别。     

利用近红外透射光谱技术测定苹果糖度的研究

利用近红外透射光谱法对苹果糖度进行检测分析,表明在600￣1100nm的波长范围内建立对苹果糖度的预测模型是可行和有效的。苹果糖度的实际化学值和NIT测定值的相关系数为0.955335,标准误差为0.241307。此种方法测定苹果的糖度仅需十几秒钟,并且样品无需任何处理,具有快速、方便、无损伤等特点,对苹果的分级具有实际的意义。     

基于近红外光谱技术的农产品产地溯源研究进展

农产品产地溯源的目的是保证农产品的真实性, 为地理标志产品、地区特征性产品产地真伪鉴别提供关键技术。近红外光谱是一种新兴的检测技术, 因操作简单、绿色、高效、快速等特点, 被广泛应用于农产品产地溯源研究中。本文介绍了近红外光谱分析技术的原理和特点, 综述了基于近红外光谱技术的谷物、油料产品、水果等主要农产品产地溯源的研究进展, 分析了现有技术存在的问题, 并对今后农产品产地溯源的研究进行了展望, 以期为近红外光谱技术在农产品产地溯源的进一步应用提供参考。     

不同产地稻米的二维相关近红外光谱鉴别

为了实现针对不同产地稻米样品的无损判别，提出一种基于同步二维相关近红外光谱的欧氏距离判别方法。在分别得到5种稻米样品的标准二维相关谱后，通过计算测试集样品与各个标准相关谱的欧氏距离，根据最小距离原则进行归类判别，经实际测试正确率达到95%。通过定义区分度系数还可以更精确判断对各类别样品的区分效果。为了比较二维相关方法与常用建模方法的实际效果，在同样的数据基础上进行偏最小二乘判别分析和支持向量机分类的尝试，其最高正确率分别为75%和70%，验证了二维相关方法的有效性。本研究为无损鉴别稻米样品提供了一种新的可能方法，并可为在线检测提供参考。     

苹果质地的近红外光谱无损检测模型研究

为了建立快速而无损检测苹果质地的新方法,应用近红外光谱仪研究不同建模方法和光谱预处理方法对苹果质地(脆度、硬度、回复性、凝聚性和咀嚼性)无损检测模型性能的影响。结果表明,波长范围400~2500nm内,采用改进偏最小二乘法、原始光谱结合反相多元离散校正处理所建苹果质地的校正模型最优,脆度、硬度、回复性、凝聚性和咀嚼性预测相关系数均大于0.8,而预测标准误差分别为7.6763N、6.5876N、0.0085、0.0175、1.2466N,残差之和均小于0.2。因此,通过近红外光谱对苹果质地进行快速而无损检测具有一定可行性,但模型精度有待进一步提高。     

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%。     

苹果质地的近红外光谱无损检测模型研究

为了建立快速而无损检测苹果质地的新方法,应用近红外光谱仪研究不同建模方法和光谱预处理方法对苹果质地(脆度、硬度、回复性、凝聚性和咀嚼性)无损检测模型性能的影响。结果表明,波长范围400~2500nm内,采用改进偏最小二乘法、原始光谱结合反相多元离散校正处理所建苹果质地的校正模型最优,脆度、硬度、回复性、凝聚性和咀嚼性预测相关系数均大于0.8,而预测标准误差分别为7.6763N、6.5876N、0.0085、0.0175、1.2466N,残差之和均小于0.2。因此,通过近红外光谱对苹果质地进行快速而无损检测具有一定可行性,但模型精度有待进一步提高。      

近红外光谱技术对加工后鸡肉产地溯源的研究

本文选择来自昌邑新昌、牟平仙坛、莱阳春雪、亚太中慧四个产地,不同厂家的180只同鸡龄同部位鸡肉样本,分别采用蒸、煮、微波三种方式加工后,经预处理粉碎过筛,利用安全、快速的近红外光谱技术,对不同产地的鸡肉样本进行近红外扫描并对所采集的近红外光谱进行聚类分析(CA)、主成分分析(PCA),针对三种加工方式分别建立鸡肉产地溯源的定性判别模型,以探究加工后鸡肉产地溯源的可行性。试验表明:在波数范围7000~4000 cm-1内,原始光谱经二阶求导(13点平滑)和矢量归一化(SNV)预处理后,经三种方式加工后鸡肉的近红外光谱图均有显著差异,其中聚类分析判别正确率均高于90%,鸡肉样本的主成分空间分布位于不同的区域。利用来自四个厂区的独立样本经相同处理后对模型进行验证,识别正确率可达90%~95%。近红外光谱分析技术对加工鸡肉制品的产地溯源具有可行性。     

近红外光谱技术快速鉴别查哈阳大米

查哈阳大米为黑龙江特色品牌大米,为保护查哈阳大米品牌,实现查哈阳大米原产地快速真伪鉴别。通过构建不同地域和品种水稻试验田,收获期内对试验田大米的近红外光谱进行全波长扫描,筛选与产地相关特征波段。在特征波段处对来自查哈阳地区及非查哈阳地区的233份大米进行定性分析及定量分析。结果表明,与产地因素主要相关的波长为5 136~5 501 cm~(-1),利用此波段采用因子化法建立定性分析模型对查哈阳大米正确鉴别率为100%,采用偏最小二乘法建立的定量分析模型对查哈阳大米正确判别率为95.83%。     

利用快检车近红外光谱鉴别多潘立酮片

利用近红外光谱快速鉴别多潘立酮片的真伪。方法:在12 000～4 000 cm^-1波段范围内对多潘立酮片进行图谱扫描,并对图谱进行一阶求导处理。结果:比较图谱可鉴别假冒产品与名牌厂家产品。结论:所用方法快速简便、准确有效,可对多潘立酮片进行快速筛查,为监督抽样工作提供有力的技术支持。     

基于近红外光谱的鸡蛋产地溯源

为了快速、准确、无损地追溯鸡蛋的不同产地,借助于近红外光谱技术,采用主成分析结合PLS-DA判别模型和簇类独立软模式法(SIMCA)建立了鸡蛋的溯源模型。利用标准正态变量(standard normal variate,SNV)、Savitzky-Golay平滑滤波(SG)和多元散射校正(multiplicative scatter correction,MSC)等方法对原始光谱数据进行了预处理,结果表明SG(3点)平滑处理结果最好;利用主成分分析方法对不同地区的鸡蛋进行聚类分析,发现当主成分数为3时,建立的SIMCA溯源效果最好。结果表明,在显著水平0.05时,4个地区(朔州、吕梁、太谷、运城)验证集的识别率均为100%,其中吕梁和运城地区的拒绝率为100%,朔州和太谷地区的拒绝率为98.6%。说明SIMCA模式建立的模型基本能够判别鸡蛋产地。     

近红外光谱技术在肉类定性鉴别中的研究进展

近红外光谱技术作为新型的快速绿色检测技术,在肉类工业中得到了广泛的应用。本文综述了近红外光谱技术在肉类定性鉴别中的研究进展,主要包括在肉的等级鉴别、品种鉴别、物种鉴别以及产地溯源、饲喂方式中的鉴别研究。肉的等级一般人工分为RFN、PFN、PSE、RSE四类,近红外光谱对肉的等级鉴别正确率在80%以上;对于同一物种不同品种肉的研究主要是在猪肉、牛肉上,主要通过多元定量校正方法或判别分析法来鉴别同一物种不同品种、不同年龄阶段的肉,且鉴别正确率大于95%;在不同物种之间的鉴别主要应用于鉴别猪肉、羊肉、牛肉、鸡肉等不同物种以及掺假肉,鉴别正确率在90%以上;在产地溯源、不同饲喂方式之间的鉴别,能够正确鉴别牧草和浓缩料饲喂的羔羊、母羊和人工饲喂的羔羊、不同地区的牛肉以及羊肉的产地溯源等,鉴别正确率大于83%。综上所述,近红外光谱在肉类定性鉴别中可行。     

基于变量优选和近红外光谱技术的红富士苹果产地溯源

为实现对红富士苹果的产地溯源,采集阿克苏、静宁、灵宝、烟台的红富士苹果近红外光谱数据,分别采用归一化、中心化、一阶导数、二阶导数、标准正态变换、多元散射校正(multivariate scattering correction, MSC)、小波变换、SG平滑变换、傅里叶变换等9种方法对原始光谱进行预处理,建立概率神经网络(probabilistic neural network, PNN)模型对苹果的产地进行识别。结果表明,MSC预处理之后的模型总准确率最高,为97.5%,阿克苏、静宁、灵宝、烟台4个产地的准确率分别为100%、100%、90%、100%。为简化模型,对MSC预处理之后的光谱数据分别采用主成分法、连续投影算法(successive projection algorithm, SPA)、竞争性自适应重加权算法(competitive adaptive reweighted sampling, CARS)、随机蛙跳算法(random frog, RF)、CARS-SPA、RF-SPA选取特征变量建模。综合考虑正确率和模型的复杂性,最优模型MSC-CARS-SPA-PNN的测...     

近红外光谱测定苹果饮料中原果汁含量

提出了一种遗传算法优化支持向量机参数的近红外光谱技术对苹果饮料中原果汁含量的快速测定方法。在确定光谱数据预处理方法的基础上,通过遗传算法对支持向量机(SVM)预测模型的各项参数进行寻优,将优化出的参数代入SVM预测模型中,得到基于遗传算法的SVM模型,利用此模型对苹果饮料中原果汁含量进行预测研究。结果表明,建立的SVM模型对预测集的决定系数为0.9757,能快速测定苹果饮料中的原果汁含量。