利用可见/近红外光谱判别干枣品种

目的利用可见/近红外反射光谱技术快速判别干枣的品种。方法使用光谱仪获取山西永和枣、山西板枣和新疆和田枣3种干枣在345~1100 nm波段范围内的漫反射光谱;分别使用多元散射校正(MSC)法和一阶导数法(1~(st)-D)和二阶导数法(2~(st)-D)对反射光谱进行预处理;对预处理光谱进行主成分分析,全交差验证法确定最佳主成分数量,提取主成分,结合马氏距离法和线性判别法建立品种判别模型,建立模型过程中使用全交叉验证法确定最佳主成分数,将模型应用于干枣的品种判别。结果可见/近红外反射光谱经过MSC处理后提取主成分建立品种预测模型对枣的品种判别结果最好,利用前4个主成分结合马氏距离法建立的判别模型和利用前5个主成分结合线性判别法建立判别模型,对于3个品种的枣的校正和验证判别准确率都达到了100%。结论可见/近红外反射光谱技术可以较好地判别干枣品种,本研究可为可见/近红外光谱技术在于枣品种和产地的快速鉴别和溯源中的应用提供一定的技术基础。     

近红外光谱对灰枣产地的鉴别

为鉴别不同产地的灰枣品种,以河南新郑和新疆2个产地9种来源的灰枣为对象,通过分析检测灰枣样品的近红外扫描数据,采用MSC、SNV处理结合PCA分析并采用LOOCV建立了PLS-DA模型。结果表明,该模型对建模集和验证集的不同产地灰枣均可完全判别。该法具有快速、方便、对样品无损等优点,可为灰枣产地鉴别方法提供1种新技术。     

基于GC-MS结合偏最小二乘判别分析的薰衣草精油指纹图谱研究

建立气相色谱-质谱联用(GC-MS)技术测定薰衣草精油的方法,分析了新疆法国蓝和C-197(2)2个不同品种的21批薰衣草精油样品,并基于该方法建立了薰衣草精油的指纹图谱。以GC-MS结合保留指数对复杂未知物进行定性分析,共确定了26个共有峰。采用偏最小二乘判别分析(PLS-DA)对训练集样本进行模式识别,根据模型的变量权重系数(VIP)筛选出了对品种的分类具有较大贡献的潜在标志物。并通过PLS-DA模型对7个未知样品进行预测,2个品种的薰衣草精油的均方根预测偏差(RMSPE)均为0.1323,模型对验证集中薰衣草样本的判别准确率为100%。结果表明:该方法精密度好,简单快速,为新疆薰衣草精油的品种鉴定与质量评估提供了可靠的依据。     

苹果品种及损伤苹果的FT-NIR鉴别研究

用傅里叶近红外光谱技术(FT-NIR)对不同品种的苹果以及损伤嘎啦和完好嘎啦进行快速、无损检测,比较不同判别方法对所建立的区分苹果品种及苹果损伤模型的影响。结果表明:损伤嘎啦和完好嘎啦的近红外图谱经小波分析预处理后,用12000～4000cm-1波数范围的前5个主成分分别结合多层感知神经网络、径向基神经网络、Fisher判别3种方法所建立的判别模型对未知样本的正确判别率分别为97.8%、87.2%和84.8%,基于权重法用多元线性回归(MLR)所选择的特征波长所建立的Fisher判别模型对未知样本的正确判别率为89.1%;用偏最小二乘判别(PLS-DA)所建立的判别模型对未知样本的正确判别率为100%,由于PLS-DA模型对训练集和验证集的正确判别率均为100%,因此PLS-DA模型优于其他模型。不同品种苹果的光谱经平滑预处理后,用全波数范围12000～4000cm-1的前6个主成分所建立的判别模型优于经验波数范围8000～4500cm-1所建立的判别模型,其较优模型对建模集和验证集的正确判别率分别为90.9%和92.1%。近红外光谱技术结合化学计量学可以快速、无损鉴别苹果是否有损伤以及不同品种的苹果。     

太赫兹时域光谱检测谷粒中储粮害虫的研究

快捷方便检测粮粒中是否有储粮害虫及其种类,对储粮害虫虫情调查和监测,实现粮库中储粮害虫的准确检测和口岸害虫快速检测检疫具有重要实践意义。以最主要的初期性害虫玉米象为例,对玉米象、谷壳、米粉样品进行了太赫兹时域光谱测试,获得了样品在0.2~1.6 THz波段的折射率和吸收光谱,分析了这些样品的特征吸收谱,并利用PLS-DA方法对含有玉米象和不含玉米象的谷粒样品的太赫兹光谱进行鉴别分析,结果表明用0.2~1.6 THz范围内的THz吸收光谱结合PLS-DA方法对校正样本建立判别模型,其校正和验证结果与实际分类变量的相关性高,交叉验证均方根误差(RMSECV)和预测均方根误差(RMSEP)都小于0.150,建立的PLS-DA分类模型对检测样本的判别准确率为100%,为检测粮粒中是否有储粮害虫提供快速方便的鉴别分析方法。     

不同新疆红枣营养成分比较分析

以哈密大枣、骏枣(哈密、阿克苏、和田)、灰枣(若羌、阿克苏、喀什)典型生产区域及品种的7个新疆红枣样品为试材,对其中的营养与功能性成分进行全面比较分析,结果表明:不同生态区域、不同品种新疆红枣的营养品质存在较大差异,但对于不同的营养指标,其影响程度也存在差异。品种是影响新疆红枣糖、酸、氨基酸含量的主要因素,而产地对新疆红枣蛋白质、脂肪、维生素、矿质元素、总酚、总黄酮含量的影响较大。总糖及还原糖含量以灰枣最高,其次为骏枣,哈密大枣最低,而总酸和氨基酸含量以哈密大枣为最高,骏枣次之,灰枣最低。和田骏枣中钙、铁、镁的含量均明显高于其他新疆红枣,可作为补钙、补铁的重要来源。哈密骏枣的总酚含量较高,若羌灰枣、哈密大枣的总黄酮含量较高,可作为提取多酚和黄酮类物质或生产功能性红枣产品的优质原料。     

基于中红外光谱技术的甘氨酸铁螯合物判别研究

目的研究基于中红外光谱(mid infrared spectroscopy,MIRS)技术定性判别有机微量元素添加剂掺假的可行性。方法以甘氨酸铁螯合物和硫酸亚铁为研究对象,分析样品的中红外光谱,解析不同样品光谱的特异性;建立偏最小二乘判别(partial least squares discriminant analysis,PLS-DA)校正模型对掺假样品进行判别,并比较不同预处理方法、全光谱与特征波段对校正模型判别效果的影响。结果甘氨酸铁螯合物与硫酸亚铁光谱差异显著,主要分布在(3500～3000) cm~(-1)、(1600～1300) cm~(-1)、(1300～1000) cm~(-1)、(660～550) cm~(-1),通过采用平滑(smoothing,SM)、归一化(normalization,Norm)与一阶导数(first derivative,FD)相结合的方法对光谱进行预处理,结合1300 cm~(-1)～1000 cm~(-1)波段建立的PLS-DA校正模型判别效果最优,校正集的判别正确率为97.5%,验证集的判别正确率为100.0%,对外部样品的判别正确率达到92.7%。结论中红外光谱技术结合化学计量学方法能够对甘氨酸铁螯合物的掺假进行准确判别。     

不同月龄乌珠穆沁羊肌纤维类型与肉品质的变化分析

利用可见/近红外高光谱(400 nm～1 000 nm)成像技术实现对荷斯坦奶牛、秦川牛、西门塔尔牛、安格斯牛、力木赞牛5个品种牛肉进行快速无损判别。首先对原始光谱进行预处理,并利用光谱-理化值共生距离法(sample set partitioning based on joint X-Y distance,SPXY)法划分样本集;结合偏最小二乘判别模型(partial least squaresdiscrimination analysis,PLS-DA),K最近邻(K-nearest neighbor,KNN)模型和径向基函数-支持向量机(radial basis function-support vector machine,RBF-SVM)模型进行全波段及特征波段判别分析。结果表明,一阶导数(first derivative,FD)法为最优预处理方法;基于RBF-SVM法所建模型的校正集与预测集准确率分别为100%、99%。可见,基于高光谱成像技术能够获得较好的牛肉品种判别效果。     

壶瓶枣轻微损伤可见/近红外光谱动态判别模型研究

为了研究快速识别轻微损伤壶瓶枣与完好壶瓶枣的有效方法,本文以轻微损伤壶瓶枣和完好壶瓶枣为研究对象,动态采集轻微损伤壶瓶枣和完好壶瓶枣的近红外光谱数据。采用S-G平滑与多元散射校正(MSC)相结合的方法预处理光谱数据,分别以预处理后的全光谱(FS)数据和采用主成分分析(PCA)法提取主成分、采用连续投影算法(SPA)提取特征波长作为输入变量,建立偏最小二乘判别分析(PLS-DA)和最小二乘支持向量机(LS-SVM)模型,比较4种损伤壶瓶枣及完好壶瓶枣的判别准确性。结果表明:采用PCA提取主成分有较明显的优势,对4种损伤壶瓶枣的判别准确性均能满足实际要求,且采用PCA-LS-SVM模型对4种轻微损伤壶瓶枣和完好壶瓶枣的正确判别率最佳,分别达到100%、86%、100%、100%和100%,总的正确判别率为97.2%。该研究为轻微损伤壶瓶枣的动态判别提供了新的理论基础。     

基于红外光谱技术的银耳产地识别研究

采用傅里叶红外光谱数据分析技术结合多元统计分析对银耳产地进行识别研究。采集福建古田、四川通江和河南的41个银耳样品的红外光谱信息,分析银耳的红外光谱特征;运用基线校正、多元散射校正(Multiplicative signal correction,MSC)、一阶导数(First derivative,FD)、二阶导数(Second derivative,SD)、Norris平滑(ND)、Savitzky-Golay平滑(SG)等方法对其进行预处理,选择最佳组合方法预处理后的光谱数据,建立最小偏二乘判别(PLS-DA)模型,并进行验证。结果表明,MSC+SD+SG(13,3)组合方法的预处理光谱效果最佳,与原始光谱相比,样品正确识别率提高了17.41%,达到100%。训练集和预测集的相关系数分别为0.9766、0.9559,校正标准差和预测标准差分别为0.1182、0.1740,模型对训练集和预测集样品的识别率均为100%。因此,红外光谱通过PLS-DA分析可以对不同产地的银耳进行快速、有效、准确的识别。     

近红外光谱法对松原不同品种大米的确证探究

该文提出一种对松原不同品种大米进行判别的方法,对来自松原的稻花香、小高粱、通系926、吉粳515、农大521,5个品种共368个大米样品,利用波数范围为12000 cm^-1~4000 cm^-1的傅里叶近红外光谱仪获取光谱数据并对数据进行6种方法的预处理。结果表明,一阶导数结合SG9点平滑为最佳预处理方法,并用偏最小二乘判别(partial least squares discrimination analysis,PLS-DA)方法对校正样本建立判别分析模型,用验证集对模型进行验证,模型对验证集中稻花香、小高粱、通系926、吉粳515、农大521共5个品种的识别率均为100%;且优于主成分分析的结果。用来自柳河和梅河的稻花香样本与松原的稻花香样本进行产地判别,结果显示,此模型可以将松原样本与非松原样本进行判别。     

新疆不同品种红枣农药残留风险评估与排序

为了评估新疆不同品种红枣中农药残留的危害,探明不同品种红枣(冬枣、灰枣和骏枣)中农药残留的高风险危害因子及其风险等级。利用液相色谱-质谱法和气相色谱-质谱法测定红枣中的93种农药,比较不同品种红枣的农药残留差异,并进行风险评估,对红枣中的农药残留风险和样品风险进行排序。85份红枣共检出农药16种,不同品种的红枣农药残留检出率和检出种类不同,冬枣的农药残留检出率93.33%、检出农药种类15种,明显高于灰枣和骏枣农药残留检出率和农药种类。红枣检出农药的慢性膳食摄入风险和急性膳食摄入风险远小于100%,风险在可接受范围。冬枣中高风险农药是甲氨基阿维菌素苯甲酸盐和中风险农药哒螨灵、联苯菊酯、辛硫磷、啶虫脒、甲氰菊酯。灰枣和骏枣中风险农药为:辛硫磷、丙溴磷和啶虫脒。冬枣样品中存在高风险和中等风险的样品,灰枣和骏枣样品为中风险和低风险样品。新疆红枣的质量安全状况整体良好,但冬枣农药残留风险整体偏高,应引起重视。     

利用隶属函数模型评价新疆红枣的品质

本文以32种不同品种和产地的干、鲜红枣为原材料,经过物理指标和营养成分的检测,选取关键性的理化指标,以此为评价要素对干红枣建立隶属函数模型,以期对其品质进行较为全面的分析对比和评价。得到的主要研究结果如下：新疆地区干红枣在蛋白质含量上和山东山西河南河北等红枣主产地干红枣相似,但新疆地区,尤其以哈密地区干红枣,在糖酸比上具有较明显的优势;以单果重、蛋白质、膳食纤维以及糖酸比等关键指标作为干红枣品质统计评价要素,建立新疆干红枣隶属函数模型,能够通过该模型对一般干红枣进行评价;通过对模型中所有品种干红枣评价要素统计计算,认为新疆哈密地区干红枣在综合品质上具有较明显的优势,优于其他产地干红枣;此隶属函数模型不适用于鲜枣。     

基于多源光谱分析技术的鱼油品牌判别方法研究

多源光谱分析技术被用于鱼油品牌快速无损鉴别。采用可见光谱分析技术、短波近红外光谱分析技术、长波近红外光谱分析技术、中红外光谱分析技术和核磁共振光谱分析技术采集了7种不同品牌的鱼油的光谱特征,并应用偏最小二乘判别分析法(partial least squares discrimination analysis,PLS-DA)和最小二乘支持向量机(least-squares support vector machine,LS-SVM)建立判别模型并比较判别结果。基于长波近红外光谱的PLS-DA模型和LS-SVM模型取得了最高识别正确率,建模集和预测集识别正确率均达到100%。采用中红外光谱和核磁共振谱分别建立的LS-SVM模型,也可以获得100%的判别正确率。而可见光谱和短波近红外光谱则判别准确率较差。且LS-SVM算法较PLS-DA更加适合用于建立光谱数据和鱼油品牌之间的判别模型。研究结果表面长波近红外光谱技术能够有效判别不同鱼油的品牌,为将来鱼油品质鉴定便携式仪器的开发提供了技术支持和理论依据。     

基于锶同位素和7种元素的红枣产地判别

为建立红枣产地判别模型,提供红枣原产地溯源理论依据,采集河南新郑、山西太谷和新疆哈密、策勒、于田的红枣样品,采用热电离质谱仪和电感耦合等离子体质谱仪测定锶同位素(87Sr/86Sr)和33种元素含量,结合化学计量学主成分分析和判别分析建立判别模型,对新疆不同产地红枣和河南、山西红枣进行判别分析。多重比较结果表明:新郑、于田红枣Rb含量显著高于哈密、策勒,太谷红枣Zn含量显著高于于田。策勒红枣87Sr/86Sr显著高于新郑、太谷、于田、哈密,而新郑、太谷、于田红枣87Sr/86Sr显著高于哈密。通过共线性诊断分析,选取87Sr/86Sr和7种元素(Sc、V、Co、Zn、Y、Cd、Cs)建立判别模型,5个产地红枣回代检验、留一交叉验证的整体判别率分别为100%、82.7%。87Sr/86Sr和7种元素结合化学计量学判别不同产地红枣的方法切实可行。     

山西红枣氨基酸含量测定及主成分分析

以山西红枣壶瓶枣、板枣、木枣为材料,利用氨基酸自动分析仪对红枣果肉中的17种氨基酸含量进行测定,红枣总氨酸含量最高的是木枣(45.88±2.11)mg/g,其次是板枣(39.78±3.17)mg/g,壶瓶枣最低(39.76±1.63)mg/g.通过方差分析表明,不同品种红枣的氨基酸含量差异不显著,但同一品种红枣之间的氨...     

近红外光谱在食醋品牌和贮藏年份鉴别中的应用研究

近红外光谱用于食醋品牌和食醋贮藏年份的鉴别。144个食醋样品用于食醋品牌的鉴别,其中114个为"恒顺"牌食醋,其余30个为山西"水塔"和天津"独流"品牌食醋;114个"恒顺"牌食醋用于食醋贮藏年份的鉴别;采用kennard-stone(KS)方法将样品划分为校正集和验证集,主成分分析(principal component analysis,PCA)和偏最小二乘判别分析(partial least squares-discriminant analysis,PLS-DA)用于食醋品牌和年份的鉴别;competitive adaptive reweighted sampling(CARS)方法用于食醋特征变量的筛选。结果表明,样品经PLS-DA方法后,食醋品牌的校正识别率为98.96%,验证识别率为95.83%;食醋年份的校正识别率为97.37%,验证识别率为100%;食醋光谱经CARS方法优选波长后结合PLS-DA方法进行判别,所有的识别率都为100%;近红外光谱结合CARS-PLS-DA方法可以用于食醋品牌和贮藏年份的鉴别.为食醋原产地保护和年份鉴别提供一种快速的参考方法。     

利用隶属函数模型评价新疆红枣的品质

本文以32种不同品种和产地的干、鲜红枣为原材料,经过物理指标和营养成分的检测,选取关键性的理化指标,以此为评价要素对干红枣建立隶属函数模型,以期对其品质进行较为全面的分析对比和评价。得到的主要研究结果如下:新疆地区干红枣在蛋白质含量上和山东山西河南河北等红枣主产地干红枣相似,但新疆地区,尤其以哈密地区干红枣,在糖酸比上具有较明显的优势;以单果重、蛋白质、膳食纤维以及糖酸比等关键指标作为干红枣品质统计评价要素,建立新疆干红枣隶属函数模型,能够通过该模型对一般干红枣进行评价;通过对模型中所有品种干红枣评价要素统计计算,认为新疆哈密地区干红枣在综合品质上具有较明显的优势,优于其他产地干红枣;此隶属函数模型不适用于鲜枣。.     

基于近红外漫反射光谱的云芝提取物品级分类研究

为探索快速无损分析云芝提取物品级的方法,采集不同产地云芝提取物的近红外漫反射光谱,通过主成分分析(PCA)对样本原始光谱数据进行降维、压缩,并分别结合偏最小二乘判别法(PLS-DA)和反向传输人工神经网络(BP-ANN)建立识别模型。结果表明:采用主成分分析结合偏最小二乘判别法,建模集和验证集的识别正确率分别为100%和84%;采用主成分分析结合反向传输人工神经网络模型,其建模集和验证集的识别正确率均为100%。由此可见,主成分分析结合反向传输人工神经网络模型可以更好地实现对不同品级的云芝提取物进行分类识别。     

近红外光谱技术对圆枣产地的判别分析

采用近红外高光谱成像系统对3类不同产地的圆枣进行判别分析,快速鉴别圆枣产地。应用近红外高光谱获取3类圆枣样本的光谱数据,对光谱采用标准正则变换(SNV)方法预处理,从原始光谱数据中提取特征波长,并建立全波段与特征波段下的线性判别模型来判别3类圆枣的产地。结果表明,近红外光谱结合线性判别法对圆枣产地鉴别的特征波段模型可有效替代全波段模型,模型准确率均大于99%,为实现农产品产地鉴别和自动分类提供理论依据。