应用主成分和判别分析的红外光谱法快速鉴别酸败植物油

通过收集并分析40个合格植物油和44个酸败植物油的傅里叶变换红外光谱,选取25个合格植物油和39个酸败植物油组成训练集,利用主成分分析获得累积可信度95%的三个主成分及对应的1743¹710cm-1、1172¹130cm-1、2945²844cm-1、1728¹689cm-1、2987²840cm-1和1731¹660cm-1对植物油酸败最为敏感的光谱波数范围。在主成分分析的基础上,选取对植物油酸败敏感的波段,利用训练集建立鉴别植物油酸败判别分析模型。采用验证集20个样品验证判别分析模型,判别正确率达100%。主成分结合判别分析的红外光谱法能快速、准确、无损地区分合格植物油和酸败植物油。      

葛粉掺假的傅里叶变换红外光谱法鉴别研究

以葛粉及葛粉中分别掺假红薯粉和马铃薯粉作为研究对象,采集400～4000cm-1波数范围内的红外傅里叶变换光谱,结合主成分分析对样品的进行聚类划分。并通过Fisher判别,建立葛粉真伪的判别方程。分别以样本回判及外部验证考察模型可靠性。结果表明：葛粉、红薯粉与马铃薯粉及三者不同比例混合样品的二维主成分分布位于不同区域,且葛粉与掺假葛粉之间无重叠。判别方程经样本回判及外部验证表明,葛粉中掺假红薯粉和葛粉中掺假马铃薯粉的自身验证准确率分别为93.3%和100%;交互验证准确率分别为86.7%和92.0%。此方法具有很好的鉴别作用,可作为葛粉中掺假红薯粉和马铃薯粉的一种鉴别方法。     

傅里叶变换红外光谱法鉴别纯核桃油并定量检测掺伪含量

应用傅里叶变换红外光谱(FT—IR)法测定纯核桃油和分别混合大豆油、普洱茶籽油和葵花籽油的掺伪核桃油的红外光谱,结合主成分分析法(PCA)以及马氏距离判别法对核桃油的纯度进行判别,3个判别模型的准确率均达到100%;同时对验证集样品的类归属进行判别,判别准确率达均为100%。结合偏最小二乘法(PLS)定量检测核桃油纯度,建立的PLS校正集模型中核桃油的真实含量与FT—IR预测含量的相关系数R2分别为0.990 8、0.994 4和0.995 5,校正集均方根误差分别为0.032 7、0.023 5和0.019 6。试验结果证明,该方法可以作为核桃油质量监控的快速检测方法。     

傅里叶变换红外光谱结合化学计量学用于山茶油中掺杂大豆油的鉴别

建立快速定性鉴别山茶油与大豆油、菜籽油和玉米油,以及定量检测山茶油中掺杂大豆油的傅里叶变换红外光谱(Fourier transform infrared spectroscopy,FTIR)检测方法。采用FTIR光谱技术,对比山茶油与大豆油、玉米油、菜籽油红外光谱中2个特征峰(1 122 cm~(-1)与1 096 cm~(-1))的峰高差异,可快速定性区分山茶油与其他3种食用油,并能鉴别掺入大豆油含量(质量分数)在30%及以上的山茶油;利用4种食用油的1 464～722 cm~(-1)范围内的指纹光谱,结合PCA算法,建立的定性判别模型可区分山茶油及其他3种食用油,并结合PLSR算法,构建了检测山茶油中掺入大豆油的定量模型,其中校正集的RMSECV值为0.032 0,验证集的RMSEP值为0.029 7,校正集和验证集的R~2值均能达到0.99,最低检测限达1%(质量分数)。结果表明,所建立的山茶油中掺杂大豆油的FTIR光谱检测方法简便、灵敏、准确,为市场筛查掺假山茶油的快速鉴别提供了技术参考。     

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。     

红外光谱结合多元统计分析快速鉴别不同种类牛肝菌

采用傅里叶变换红外光谱结合多元统计分析方法快速鉴别不同种类食用牛肝菌。采集10 个不同种类93 个牛肝菌子实体的红外光谱,分析食用牛肝菌的红外光谱特征;用多元散射校正（multiplicative signal correction,MSC）、标准正态变量（standard normal variate,SNV）、二阶导数（second derivative,SD）、Norris平滑（ND）、正交信号校正（orthogonal signal correction,OSC）、小波压缩等方法对光谱进行优化处理;经优化处理的光谱数据分别建立马氏距离分类模型及偏最小二乘判别分析（partial least squares discriminant analysis,PLSDA）。结果显示,牛肝菌在3 325、2 934、2 927、1 637、1 547、1 402、1 375、1 259、1 453、1 081、1 029 cm－1等附近有多个吸收峰,主要归属为蛋白质、多糖、氨基酸等的特征吸收峰。MSC＋SD＋ND（15∶5）和SNV＋SD＋ND（15∶5）两种预处理方式前10 个主成分累积贡献率分别为95.58%、95.54%,基于两种预处理方法建立马氏距离分类模型,验证集预测准确率分别为90%和95%。PLS-DA结果显示经MSC＋SD＋ND（15∶5）和SNV＋SD＋ND（15∶5）预处理不易于区分牛肝菌种类;原始光谱经正交信号校正及小波压缩（orthogonal signal correction waveletcompression,OSCW）、优化处理并进行PLS-DA分析,能够很好地区分不同种类牛肝菌。马氏距离分类模型不仅能反映样品的分类情况,同时计算出与测试样品相似度最大的物种,可为食用菌种类鉴别和未知物种鉴定提供可靠依据;OSCW预处理后进行PLS-DA分析能有效鉴别不同种类牛肝菌,为野生食用菌的鉴别分类提供一种辅助方法。     

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。     

基于红外光谱指纹和挥发性组分信息融合模型鉴别大米产地来源

为建立一种红外光谱指纹信息和挥发性组分信息融合鉴别模型,提高模型对大米产地的鉴别率。通过傅里叶红外光谱和气相色谱-质谱联用分析20?份盘锦大米、19?份射阳大米和15?份五常大米样品中红外光谱吸光度和挥发性组分含量,利用方差分析筛选出特征光谱和挥发性组分,结合偏最小二乘判别分析（partial least squares-discriminant analysis,PLS-DA）法建立融合这2?种指纹信息的鉴别方法。结果表明,信息融合模型的大米产地鉴别准确率为97.4%,与单一光谱指纹信息模型（92.9%）和挥发性指纹信息模型（88.9%）相比,分别提高了4.5%和8.5%。因此,信息融合技术提高了该模型鉴别效果,采用PLS-DA法信息融合模型对大米产地进行鉴别是可行有效的。     

红外光谱法定量检测纺织品成分的影响因素分析

系统研究了红外光谱法测试纤维成分的影响因素,包括化学计量方法的选择、光谱预处理方法、试样制备过程中的匀样随机性等,对测试方法进行优化,建立了一种环保、高效的纤维成分分析模型。结果表明:利用红外光谱法分析涤/棉混纺产品成分的质量分数是可行的,选用偏最小二乘回归法,通过中心化处理的光谱预处理方式,建立测定涤棉混纺产品的定量分析模型,其测试结果偏差较小。     

傅里叶近红外光谱法快速检测5种常见的食源性致病菌

目的 建立傅里叶近红外光谱法快速检测5种常见的食源性致病菌。方法 将5种常见致病菌的标准菌株和分离株分别富集培养, 再经冷冻干燥制备成菌粉, 利用傅里叶近红外光谱仪全波长扫描, 得其原始特征光谱, 由仪器自带OPUS软件进行光谱图预处理, 再对用软件进行主成分分析和偏最小二乘法判别分析, 最后建立起快速鉴别菌种的模型。结果 最终显示偏最小二乘法模型优于主成分分析模型。偏最小二乘法模型提取的特征波段为7506.1~6098.1 cm?1, 选择的预处理方式是一阶求导和扣除一条直线, 其决定系数的平方(R2)为93.14%较为接近1, 交叉验证均方根的值为0.361较为接近零, 预测偏差大于3.82, 正确率达到90%, 模型拟合良好。结论 该方法分析速度快, 产出多, 不用试剂, 不污染坏境, 不破坏样品, 适合在线实时检测。     

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。     

电子鼻技术结合化学计量学快速鉴别掺假茶籽油

目的:建立茶籽油掺假的快速定性和定量检测方法。方法:采用电子鼻技术结合化学计量学,基于单因素方差分析筛选差异变量,通过主成分分析(PCA)和判别分析(DA)建立茶籽油掺假类型鉴别的定性模型;通过正交偏最小二乘法(OPLS)建立了茶籽油掺假类型和掺假度鉴别的定量模型。结果:模型的R²均高达0.98,RMSEE均低于0.005,RMSECV均低于0.01,具有较高性能指标。通过外部验证,DA模型对不同掺假类型的茶油样品定性识别率高达100%,OPLS模型具有良好的准确性。结论:电子鼻技术结合化学计量学能够实现茶籽油掺假的快速、无损鉴定。     

不同储存条件下的蜂王浆中红外光谱判别方法

为了能够快速、无损地检测不同储存条件下的蜂王浆,探究了一种基于中红外光谱技术结合支持向量机算法(support vector machine,SVM)与正交偏最小二乘判别分析法(orthogonal partial least squares discriminant analysis,OPLS-DA)的蜂王浆定性分析方法。试验以-4℃冷冻储存和25℃室温储存7、14、21 d的蜂王浆为样品,应用中红外光谱技术采集蜂王浆样本光谱,并建立蜂王浆二分类(冷冻和室温储存)和三分类(室温储存7、14、21 d)定性分析模型。试验结果显示,基于SVM算法建立的蜂王浆二分类定性鉴别模型的预测准确率达到了92. 31%,三分类定性模型预测准确率达到了100%。结合OPLS-DA法所建立的蜂王浆二分类模型和三分类模型的预测准确率分别为95. 52%和96. 97%。结果表明,运用中红外光谱技术结合SVM算法和OPLS-DA法可以有效鉴别出冷冻和室温储存的蜂王浆,为蜂王浆品质的快速、无损鉴别提供了可能性。     

基于便携式近红外光谱仪的食品接触性塑料鉴别

采用便携式近红外光谱仪对聚对苯二甲酸乙二酯(PET)、高密度聚乙烯(HDPE)、低密度聚乙烯(LDPE)、聚氯乙烯(PVC)、聚苯乙烯(PS)和聚碳酸酯(PC)6类食品接触性塑料材质进行鉴别研究。用5点平滑、多元散射校正(MSC)、一阶导数和标准正态变量变换(SNV)4种方法对塑料样品光谱进行预处理;主成分分析(PCA)和偏最小二乘判别分析(PLS-DA)分别用于塑料样品光谱空间分布分析和定性判别模型的建立。结果表明:光谱经SNV和MSC预处理后,6类塑料样品在前3个主成分空间得到了较好的分离;PLS-DA结合SNV预处理方法可得到精简的塑料材质定性判别模型,模型校正集和预测集的正确识别率(CRR)均为100%。该方法可为食品接触性塑料材质的快速鉴别提供参考。     

多元统计分析在小麦粉产地溯源中的应用

目的筛选小麦粉产地溯源特征元素,为深入挖掘食品安全风险监测数据,开发成熟有效的食品溯源技术积累基础。方法采用电感耦合等离子体质谱法测定河北省、新疆维吾尔自治区和江苏省共计173份小麦粉样品中的10种无机元素含量,利用主成分分析(PCA)、偏最小二乘判别分析(PLS-DA)、正交偏最小二乘判别分析(OPLS-DA)建立模式识别模型,考察建模效果。结果 PCA模型可以将新疆维吾尔自治区样品与其他两省实现分离;PLS-DA可以实现3个地区样品的分离;河北省和新疆维吾尔自治区、江苏省和新疆维吾尔自治区均在OPLSDA模型中得到良好分离。结论利用PCA、PLS-DA和OPLS-DA三种多元统计分析方法对河北省、新疆维吾尔自治区和江苏省3个地区小麦粉中10种无机元素进行分析,筛选出铜(Cu)、铁(Fe)和砷(As)三个特征元素,这些特征元素有望被应用于小麦粉产地溯源。     

基于偏最小二乘法的磷脂红外快速检测

本试验介绍一种采用傅里叶变换红外光谱仪(FTIR)结合偏最小二乘法快速检测植物油中磷脂含量的方法.采集了400 ～4 000 cm-1波数范围内的磷脂红外光谱,并采用偏最小二乘法(PLS)对磷脂含量在200～ 20 000 mg/kg的植物油样品建立定量分析模型.结果表明,采用SNV的预处理方法,在970～1 320 cm-1波数范围内建立的定量分析模型,其相关系数(R2)达到0.997 9,校正均方差(RMSEC)和预测均方差(RMSEP)分别为316,386.同传统的钼蓝比色法相比,FTIR/PLS法测得的磷脂含量的相对标准偏差为1.42％～3.52％,平均相对偏差为2.36％,均优于钼蓝比色法的结果,两者平均相对误差为0.75％,说明FTIR/PLS法具有良好的精密度和准确度,能够实现植物油中磷脂的快速检测,并有简单、高效的优点.     

基于拉曼光谱的大米快速分类判别方法

以拉曼光谱技术为手段,结合化学计量学方法,对来自黑龙江、江苏、湖南3个产地共123份大米样品的光谱数据进行采集,并对得到的拉曼图谱进行主成分分析(PCA)和偏最小二乘判别分析(PLSDA),建立大米快速分类判别方法。应用主成分分析对不同种类、产地和品种的大米进行粗分类鉴别;选择不同种类、品种和产地的稻米样本建立相应的偏最小二乘判别分析模型,其中2/3的样本作为建模训练集,1/3的样本作为建模校正集,按照种类、产地、品种建立的模型其训练集样本正确判别率均为100%,校正集样本正确判别率分别为100%,100%,94.12%。因此,研究所建立的拉曼光谱技术结合化学计量学方法可以快速、有效地鉴别大米种类、品种及产地。     

利用傅里叶变换红外光谱法分析燕麦片的品质

为了建立一种快速、无损的鉴定市场所销售的燕麦片的品质鉴定分析方法,对宁波市超市所销售的品牌1～品牌8的燕麦片商品进行了抽样,采取傅里叶变换红外光谱法(FTIR)进行定性分析。结果表明,通过红外光谱图和特征峰之间的比较,可以分析出燕麦中含有的营养成分及其含量高低;结合二阶导数谱能把红外图谱中重叠的峰区分开来,增大谱图的分辨率,使分析更加精细准确;利用热微扰法测定燕麦红外光谱及其二维相关红外光谱可以判断燕麦的热稳定性。因此,傅里叶变换红外光谱法是一种快速、无损的鉴定燕麦片品质的分析方法。     

傅里叶变换中红外光谱技术快速检测油条中的脂肪含量研究

目的:了解市售油条的脂肪含量情况,给市民提供营养与健康的膳食指南,并为质检部门提供快速检测油条中脂肪含量的方法。方法:该研究采集了上海市99个摊点的油条,运用索氏抽提法测定油条的脂肪含量,并采用傅里叶变换红外光谱技术（FT-IR）,运用衰减全反射装置（ATR）采集油条的红外谱图,结合偏最小二乘回归法（PLS）建立快速测定油条中脂肪含量的化学计量模型。结论:上海市售油条的脂肪含量相差很大（12.12%³0.89%,w/w）,平均值为20.22%;FT-IR结合ATR可以应用于对油条中脂肪进行快速定量分析（PLS模型预测值与实际值R2=0.883,预测标准偏差SEP=1.54）,达到对大量样品进行快速筛选的目的。