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.     

基于近红外光谱法鉴别不同麻类纤维

各麻类纤维的外观形态和化学性能相似,为鉴别不同麻类纤维,基于傅里叶变换近红外光谱分析方法,采用主成分分析结合SIMCA模式识别方法,对苎麻、亚麻、大麻、黄麻、红麻、罗布麻6种纤维进行鉴别.结果表明:6种纤维经平滑及基线校正光谱预处理,构建主成分因子为3的分析模型,结合SIMCA模式识别方法,所有纤维的识别率和拒绝率达到...     

基于近红外光谱技术的抹茶掺伪定性判别研究

本实验采用近红外光谱技术与主成分分析法结合线性判别分析法（PCA-LDA）和K最邻近法,对抹茶中添加白砂糖、麦芽糊精、桑叶粉、大麦苗粉的现象进行定性判别分析。结果显示,PCA-LDA的定性判别结果优于K最邻近法,纯抹茶与掺伪抹茶、纯抹茶与掺糖抹茶、纯抹茶与掺糊精抹茶、纯抹茶与掺桑叶粉抹茶、纯抹茶与掺大麦苗粉抹茶、4种掺伪抹茶的定性分析模型的校正集识别率为98.3%、100%、91.7%、100%、100%、100%;预测集识别率为96.5%、100%、87.5%、95.8%、90.3%、95.3%。由此可知,通过PCA-LDA建立的定性判别模型准确度和识别率都很好,能够快速、准确的对抹茶中是否掺伪进行定性判别。      

基于近红外光谱技术的纸浆原料快速分类

针对传统纸浆纤维种类鉴别费时、费力等问题,提出近红外光谱分析法。将常用造纸原料制浆并抄片为成品纸,测量各样品在10000～4000cm-1区段范围内的近红外光谱,谱图信号经滤波和一阶微分预处理后提取主成分,用于聚类分析。结果表明：近红外光谱技术结合聚类分析能对样品正确、快速分类,可以为快速无损鉴别纸浆种类提供一种准确可靠的方法。     

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。     

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。     

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。     

基于KPCA苹果近红外光谱的特征提取研究

利用核主成分分析(KPCA)对苹果近红外光谱进行特征提取,不但使得光谱维数大幅降低,而且能有效地提取原始光谱的非线性信息。实验表明,KPCA结合支持向量回归机(SVR)建立的苹果酸度回归模型与PCA-SVR和SVR模型相比,提高了预测精度,缩短了训练时间和预测时间,是一种有效的光谱特征提取方法。     

同步荧光光谱法快速鉴别食用油

利用同步荧光光谱法鉴别沙棘果油、沙棘籽油、核桃油、菜籽油、芝麻油、亚麻仁油。结果显示：不同食 用油荧光光谱具有明显的差异,在激发波长250～720 nm范围内,沙棘果油、沙棘籽油、核桃油、亚麻仁油、芝麻 油和菜籽油的最大激发波长范围分别为315～450、520～650、315～490、300～500、300～550、300～490 nm。在 激发光与发射光波长差为90 nm、激发波长250～720 nm的条件下,对6 种不同食用油进行同步荧光扫描,利用主成 分分析得分图可以直观、快速地区分鉴别各种食用油。     

基于拉曼光谱技术的掺鸡肉牛肉馅快速判别方法

利用拉曼光谱技术结合化学计量学方法对掺入鸡肉的掺假牛肉馅进行快速判别。选取89 个样本,采集样 本的拉曼光谱,对原始光谱进行卷积平滑预处理,采用主成分分析法进行聚类分析,并利用支持向量回归建立模 型。结果表明：掺假牛肉馅样本校正模型的决定系数R2 c为0.999 4,均方根误差（root mean sruare error,RMSE）为 0.230 0;交互验证决定系数R2 cv为0.999 3,RMSE为0.298 0;预测模型的决定系数R2 p为0.971 6,RMSE为0.236 0。因 此,利用拉曼光谱技术结合化学计量学方法对掺鸡肉的牛肉馅进行快速判别是可行的。     

小麦脂肪酸值的近红外光谱快速测定研究

采用近红外光谱(NIRS)分析技术和化学计量方法建立小麦脂肪酸值的近红外分析模型,并对模型进行预测准确性评价。结果表明:所建立模型的定标相关系数(RSQ)为0.9026,交叉验证相关系数(1-VR)为0.6278,定标标准偏差(SEC)为3.8735,交叉验证标准偏差(SECV)为7.0908。外部验证的相关系数(r)为0.948,外部验证标准偏差(SEP)为3.8709。标准方法与NIRS测定方法测定的小麦脂肪酸值含量之间的t检验值为1.345,显示两种方法测定结果无显著性差异(P<0.05),预测值与实测值的平均绝对偏差为0.25,说明所建立的稻谷脂肪酸值的NIRS数学模型预测准确性较好,可用于小麦脂肪酸值的快速预测。     

同步荧光光谱法鉴别山西老陈醋

使用同步荧光光谱技术对不同品牌、不同年份山西老陈醋进行研究。结果表明：相同品牌、不同年份老陈醋的荧光吸收峰都在280 nm和360 nm波长附近出现,但荧光强度存在较大的差异,可据此对同一品牌老陈醋进行年份判定。不同品牌、相同年份老陈醋在荧光吸收峰位置和荧光强度上都存在较大的差异,故可根据荧光光谱图进行判别。对所得的同步荧光光谱数据进行主成分分析,从得分图可以直观地鉴定各种醋。本研究建立一种运用同步荧光光谱法快速鉴别老陈醋的方法,具有重要的实践意义和应用前景。     

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。     

应用近红外光谱技术快速测定葵花籽油的理化指标

应用傅里叶变换近红外光谱技术结合不同的定量分析方法建立葵花籽油4 种不同理化指标的快速预测模型。在用化学方法获得不同氧化程度葵花籽油的共轭二烯、共轭三烯、p-茴香胺值、总极性化合物的参照数据的基础上,比较不同光谱预处理方法及建模方法对预测效果的影响。结果表明,葵花籽油原始光谱不经处理、经Norris平滑和一阶导数处理或Norris平滑和二阶导数处理后应用偏最小二乘法可分别建立共轭二烯、共轭三烯、p-茴香胺值及总极性化合物的预测模型,建模决定系数均在0.98以上,交互验证均方根误差分别为1.37、0.38%、0.51、0.46,相对预测均方根误差分别为1.24、0.18%、0.40、0.16。说明利用近红外光谱技术结合化学计量法可实现不同氧化程度葵花籽油理化指标的快速、准确检测。     

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。