遗传算法联合LS-SVM的苹果原醋成分定量分析

利用近红外光谱技术对苹果原醋中的重要指标进行定量分析,并进行模型优化以提高性能。采用遗传偏最小二乘法（GA-PLS）提取的特征波长作为最小二乘支持向量机（LS-SVM）的输入变量,先后建立苹果原醋中总酸、可溶性固形物的近红外定量模型,并与建立的偏最小二乘（PLS）模型结果进行比较。用决定系数（R2）、预测均方根误差（RMSEP）以及相对分析误差（RPD）对模型进行评价,确定最佳建模方法。结果表明,相比于PLS模型,总酸及可溶性固形物指标的LS-SVM定量模型的R2、RMSEP以及RPD值均有更好的表现,且在进行独立测试集验证时,LS-SVM模型的预测精度也明显优于PLS模型。说明遗传算法联合LS-SVM建立的定量模型有很高的准确度及稳定性,可以应用于苹果原醋总酸和可溶性固形物含量的快速检测。     

玉露香梨可溶性固形物近红外漫透射光谱在线检测

应用近红外漫透射光谱技术探索玉露香梨可溶性固形物在线无损检测的可行性。358个试验样本被分成建模集和预测集(269∶89),分别用于建立模型和验证模型的预测能力。通过对玉露香梨样品近红外漫透射光谱分析发现,样品光谱在625,725,800nm处存在3个波峰,在673,765,825nm处存在3个波谷。通过对比不同预处理方法,发现漫透射近红外光谱分别经一阶微分、移动窗口平滑和多元散射校正组合预处理后建立的模型效果最好。结合组合预处理方法建立了偏最小二乘和偏最小二乘支持向量机预测模型,经比较,偏最小二乘支持向量机模型预测能力更强,模型预测均方根误差和相关系数分别为0.316%和0.949。对比发现主成分分析和径向基函数有利于提高最小二乘支持向量机模型的预测能力。试验结果表明采用近红外漫透射光谱技术结合最小二乘支持向量机算法,实现了玉露香梨可溶性固形物在线无损检测。     

基于微型近红外光谱仪的油菜籽含油率模型参数优化研究

为实现油菜籽含油率快速无损检测,采用微型近红外光谱仪,结合竞争性自适应重加权(CARS)、遗传算法(GA)、连续投影算法(SPA)、无信息变量消除法(UVE)、向后区间偏最小二乘法(BIPLS)、联合区间偏最小二乘法(SIPLS)等方法优选油菜籽含油率近红外光谱特征波长,建立偏最小二乘回归(PLSR)和最小二乘支持向量机(LS-SVM)定量分析模型,同时对LS-SVM模型参数进行优化。研究表明,对PLSR模型,BIPLS+GA优选的26个特征波长建模效果最好,其预测相关系数(Rp)和预测均方根误差(RMSEP)分别为0.9330和0.0075,对LS-SVM模型,SIPLS+GA优选的13个特征波长建模效果最好,预测相关系数(Rp)和预测均方根误差(RMSEP)分别0.9192和0.0055。证明了波长优选和参数优化可有效简化油菜籽含油率近红外光谱定量分析模型,提高模型预测精度和稳定性,为进一步拓展微型近红外光谱仪的应用提供技术参考。     

食用油油酸的近红外特征谱区挑选

为提高食用油油酸的近红外定量分析模型的预测性能,采用4种波长变量优选方法:移动窗口偏最小二乘算法(MWPLS)、间隔偏最小二乘法(i PLS)、向后间隔偏最小二乘法(Bi PLS)、组合间隔偏最小二乘算法(Si PLS),优选食用油油酸近红外光谱特征区间,建立57份食用油样本的油酸定量分析模型。试验结果表明,相较于全谱建模,4种变量优选方法都能在有效地减少建模所用的变量数的同时提高模型性能,其中采用Si PLS优选变量所建的油酸定量模型的预测性能最优,决定系数R2为0.995 0,交叉校验均方根误差(RMSECV)为1.037 2,预测均方根误差(RMSEP)为0.924 6。     

最小二乘支持向量回归与偏最小二乘回归建立烟草总糖NIR预测模型比较

采用最小二乘支持向量回归(LSSVR)法和偏最小二乘回归(PLSR)法及192个烟叶样品的近红外(NIR)光谱与总糖含量的测定数据,分别建立了烟叶总糖含量的NIR预测模型,并利用这两种模型对95个烟叶样品进行了预测。结果表明:LSSVR法模型的预测误差范围为-3.08%~3.71%,预测回收率范围为90.0%~112.2%。LSSVR法模型的预测准确度比PLSR法的高。     

基于支持向量机的食醋总酸近红外光谱建模

为了得到稳定可靠的食醋总酸光谱模型,以不同产地、不同种类的95个食醋样品为研究对象,应用基于统计学原理的最小二乘支持向量机(LS-SVM)对食醋总酸含量进行光谱分析.对预处理后的光谱进行主成分分析(PCA),以主成分信号作为输入变量建立食醋总酸含量的近红外光谱模型,并与偏最小二乘法(PLS)和向后区间偏最小二乘法(biPLS)模型进行比较.结果表明,LS-SVM模型中的校正集中的相关系数(rc)和交互验证均方根误差(RMSECV)分别达到0.9614和0.2192,预测集相关系数(rp)和预测均方根误差(RMSEP)分别达到和0.919和0.3226,均优于PLS和biPLS模型.研究表明,近红外光谱与食醋总酸含量呈非线性关系,采用LS-SVM建立的模型预测性能更好,精度更高.     

基于偏最小二乘(PLS)法白酒中乙醇含量的近红外检测

将近红外光谱与偏最小二乘法相结合,对白酒中乙醇含量进行快速准确检测。研究了标准溶液的近红外吸收光谱和一阶导数光谱,采用偏最小二乘法建立校正模型,选择了最佳主成分数,并对实际酒样中乙醇进行预测,得到了比较满意的结果。     

基于PSO-LSSVM和特征波长提取的羊肉掺假检测方法

为解决羊肉—猪肉掺假快速检测这一问题,利用多光谱仪器对掺假羊肉进行光谱采集,得到样品在350~1 100 nm 波段下的反射率。对数据预处理后,利用粒子群算法(PSO)对最小二乘支持向量机(LSSVM)进行优化,建立了基于粒子群优化的最小二乘支持向量机模型(PSO-LSSVM),与偏最小二乘(PLS)、反向传播神经网络(BPNN)和LSSVM 3种模型结果进行比较,结果表明,PSO算法能有效优化LSSVM模型,预测的决定系数和均方根误差分别为0.920 4和0.089 2。进一步采用随机青蛙算(RF)、无信息变量消除法(UVE)、竞争性自适应重加权法(CARS)提取特征波长并建立偏最小二乘模型,结果显示,UVE-PLS模型预测集的决定系数和均方根误差分别为0.996 7和0.016 2,UVE优于其他特征波长提取方法。     

基于液体样品近红外模型在白酒酒醅分析中的应用

对直接采用白酒固体酒醅建立近红外模型分析酒醅中低含量组分时存在的数据差异进行了系统分析,找到了影响检测数据准确性和灵敏度的关键因素。通过调整白酒酒醅浸取液的处理方式、优化光谱和数据处理方法,显著提高了定标模型的稳定性和准确度,首次建立了基于液体样品近红外定量模型测定酒醅中还原糖、酸度和酒精度的快速、准确的方法,为酒醅组分分析提供了新的思路。结果表明:采用偏最小二乘法(PLS)建立的酒醅浸取液定量模型,能够有效扩大酒醅中还原糖、酸度和酒精度的含量分析范围,显著提高定标模型的稳定性和准确度,模型的决定系数(R~2)分别为0.9686、0.9950、0.9807,预测集标准偏差(RMSEP)分别为0.0427%、0.0791mmol/10g、0.0932%vol。     

最小二乘支持向量机和脂肪酸融合信息应用于花生油掺伪玉米油检测

将最小二乘支持向量机用于气相色谱分析实现对花生油掺伪玉米油的鉴别,基于油脂的全样和Sn-2位脂肪酸组成的不同,采用主成分分析消除融合数据中信息重叠的部分,利用粒子群优化最小二乘支持向量机的参数,对花生油的掺伪进行鉴别,识别率为100%;分别采用最小二乘支持向量机、偏最小二乘法和主成分回归对花生油中掺入玉米油含量进行预测,结果表明基于脂肪酸融合信息的最小二乘支持向量机的预测均方根误差和相关系数R2分别为3.452 1%和0.986 6,与偏最小二乘法和主成分回归法相比,最小二乘支持向量机具有更好的稳定性和预测精度,同时也为食用油的真伪鉴别及掺伪情况确定提供一种新方法。     

霉变玉米中玉米赤霉烯酮和黄曲霉毒素B1含量电子鼻检测模型的构建

为建立霉变玉米中玉米赤霉烯酮和黄曲霉毒素B1的电子鼻检测方法,首先以电子鼻对7 级不同霉变程度玉米响应信号的积分值作为特征参量,然后分别利用主成分回归、偏最小二乘回归、BP（back-propagation）神经网络、最小二乘支持向量机等方法建立霉变玉米中玉米赤霉烯酮与黄曲霉毒素B1含量的预测模型,并进行了比较分析。结果表明,主成分回归预测精度最差,偏最小二乘回归较差、BP神经网络和最小二乘支持向量机法比较好。对于玉米赤霉烯酮,4 种预测模型70 个样本中相对误差控制在5%以内的样本数分别为23、45、63、67 个。对于黄曲霉毒素B1,4 种预测模型70 个样本中相对误差控制在5%以内的样本数分别为19、41、62、65 个。同时,变换不同的训练集和测试集以考察BP神经网络、最小二乘支持向量机建模方法的稳健性,结果表明,在BP神经网络结构和最小二乘支持向量机核函数与核函数参数均未发生改变的条件下,两种建模方法依然有较高的预测精度,这说明了两种模型具有较高的稳健性。     

高光谱成像技术检测肴肉新鲜度

建立阿胶中马和驴成分高特异、高灵敏的实时荧光聚合酶链式反应（polymerase chain reaction,PCR）检 测方法。选择马和驴线粒体基因tRNA-Thr及D-loop区为靶序列,设计合成特异引物,通过普通PCR和实时荧光PCR 检测,结果表明,这两对引物能够准确检测阿胶或动物胶中马和驴成分。     

白酒糟醅中酸度值的高光谱检测方法

酸度值是评价白酒糟醅质量的重要指标之一,为进一步提高糟醅酸度值的检测精度,提出了一种应用高光谱成像技术检测糟醅酸度值的方法.采用高光谱成像系统,在900～1700 nm内采集糟醅样本的光谱信息,并提取全部样本的平均光谱数据.采用3种预处理方法对原始光谱进行预处理,得到多元散射校正(multiplica-tive sca...     

Measurement of Soluble Solids Content and pH of Yogurt Using Visible/Near Infrared Spectroscopy and Chemometrics

Visible/near infrared spectroscopy (Vis/NIRs) technique was applied to non-destructive quantification of sugar and pH value in yogurt. Partial least squares (PLS) analysis and least squares support vector machine (LS-SVM) were implemented for calibration models. In this paper, three brands (Mengniu, Junyao, and Guangming) were set as the calibration, and the remaining two brands (Yili and Shuangfeng) were used as prediction set. In the LS-SVM model, the correlation coefficient (r), root mean square error of prediction, and bias in prediction set were 0.9427, 0.2621°Brix, 1.804e−09 for soluble solids content, and 0.9208, 0.0327, and 1.094e−09 for pH, respectively. The correlation spectra corresponding to the soluble solids content and pH value of yogurt were also analyzed through PLS method. LS-SVM model was better than PLS models for the measurements of soluble solids content and pH value. The results showed that the Vis/NIRs combined with LS-SVM models could predict the soluble solids content and pH value of yogurt.     

近红外光谱技术对猪肉注水、注胶的快速检测

采用近红外光谱（near infrared spectroscopy,NIR）结合主成分分析（principal component analysis,PCA） 和判别分析法建立了注水肉、注胶肉和正常肉的定性判别模型。注水肉中注水量的多少对判别准确率产生影响, 当注水量为1.25%～20%时,3 种肉的总体判别准确率为94.23%;当注水量为3.75%～20%时,判别准确率提高至 96.96%。模型对所有预测集样品的总体判别准确率为94.92%。表明NIR结合PCA法、判别分析法判别注水肉、注胶 肉和正常肉具有可行性。采用偏最小二乘法（partial least squares,PLS）结合PCA分别建立了注水量和注胶量的定 量分析模型,经验证,两种模型对预测集样品的预测均方差分别为4.01%和3.87%,预测值与实测值间的相关系数 （r）分别为0.904 2和0.912 8。表明两种模型的预测性能良好。     

MWPLS法在羊肉中TVB-N近红外定量分析中的应用

将移动窗口偏最小二乘（moving window partial least squares,MWPLS）法应用于羊肉中挥发性盐基氮（total volatile basic nitrogen,TVB-N）含量的近红外定量分析模型的构建中,通过改变MWPLS的窗口宽度,优选与羊肉中TVB-N含量高度相关的光谱区域。模型评价及验证结果显示,移动窗口宽度为160 个波长点时优选得到的光谱区域（1 325～1 484 nm）所构建的定量分析模型最佳,其预测相关系数、预测标准偏差、主因子数和预测偏差比率分别为0.856 84、0.564 29 mg/100 g、5和2.9,这说明MWPLS可以有效地筛选羊肉中TVB-N的近红外光谱信息区间,提高定量分析模型的预测能力,并降低数据的处理量（数据点由800 个减少为160 个）。     

Infrared spectroscopy and chemometrics for the starch and protein prediction in irradiated rice

Infrared spectroscopy was investigated to predict components of starch and protein in rice treated with different irradiation doses based on sensitive wavelengths (SWs). Near infrared and mid-infrared regions were compared to determine which one produces the best prediction of components in rice after irradiation. Partial least-squares (PLS) analysis and least-squares-support vector machine (LS-SVM) were implemented for calibration models. The best PLS models were achieved with NIR region for starch and MIR region for protein. Moreover, independent component analysis (ICA) was executed to select several SWs based on loading weights, and the optimal LS-SVM model was achieved with SWs of 1210–1222, 1315–1330, 1575–1625, 1889–1909 and 2333–2356 nm for starch and SWs of 962–1091, 1232–1298, 1480–1497, 1584–1625 and 2373–2398 cm⁻¹ for protein. It indicated that IR spectroscopy combined with LS-SVM could be applied as a high precision way for the determination of starch and protein in rice after irradiation.     

葛粉掺假的近红外漫反射光谱快速检测

研究葛粉中掺假红薯淀粉和马铃薯淀粉的近红外漫反射光谱快速检测方法。采集样品的近红外漫反射光 谱,采用主成分回归和偏最小二乘法建立校正模型,并对比光谱预处理方法和光谱建模区间对模型的影响。结果表 明,采用偏最小二乘法建模,光谱采用标准正态变量变换预处理,光谱区间选择在962～1 389 nm时,模型预测效 果最佳,外部验证预测相关系数（RP 2）达0.994 5,均方根误差2.298 7%,相对分析误差13.56,平均回收率99.89% （n=9,RSD=2.96%）,这表明近红外漫反射技术能对葛粉中掺假红薯淀粉和马铃薯淀粉进行有效检测。     

汾酒酒醅有机酸的研究及酿造工艺的优化

采用高压液相色谱法分析了夏季汾酒酒醅中有机酸成分,以平板划线法分离得到夏季汾酒正常酒醅和酸度过高酒醅中的产酸细菌。研究了影响酒醅总酸度的因素进而对汾酒酿造工艺进行了优化。结果表明:酒醅中有机酸以乙酸和乳酸为主,从正常酒醅中分离到23株产乙酸细菌,5株产乳酸细菌,从酸度过高酒醅中分离到22株产乙酸细菌,29株产乳酸细菌。酒醅酿造的环境温度、入缸水分和装料量对酒醅总酸度影响较大。在此基础上,通过响应面试验,得到了适宜酸度的汾酒酿造条件,即环境温度20℃、入缸水分51%、装料量0.83 kg,出缸酒醅的总酸度为2.12(0.1 mol NaOH mL/g酒醅),与模型的预测值2.07基本相符。上述结果为解决汾酒夏季生产酒醅酸度过高问题提供了科学依据。