基于特征波长提取的激光近红外光谱快速鉴别食用植物油种类

提出了基于CARS、SPA和CARS-SPA特征波长提取的激光近红外光谱技术快速鉴别食用植物油种类的方法。应用光谱仪采集127个食用植物油样本的光谱数据,采用标准正态变量变换算法(SNV)、标准正态变量变换和去趋势技术联用算法(SNV-DT)对其进行预处理,采用CARS、SPA和CARS-SPA 3种方法对经过预处理的光谱数据进行特征波长提取,应用支持向量机分类方法(SVC)建立食用植物油种类定性分类校正模型,选择网格搜索算法对模型参数组合(C,g)进行寻优,确定最优参数组合。结果表明,CARS-SVC、SPA-SVC和CARS-SPA-SVC模型预测集准确率均达到96.77%,预测效果理想,其中SNV-DT-SPA-SVC模型预测效果最优,预测集准确率达到100%。综上基于特征波长提取的激光近红外光谱分析技术能够快速准确鉴别食用植物油种类,为便携式现场检测设备开发提供了理论基础。     

食用植物油掺伪鉴别快速检验方法研究

提出了一种应用近红外光谱技术与化学计量学相结合的快速、无损鉴别植物油掺伪的新方法。收集了713个不同植物油样品,采用近红外光谱技术进行光谱扫描与分析,建立数据模型。应用数据模型对植物油样品的纯品及混合油进行定性鉴别,准确度高,适应现代快速检测的需要,为保证食用油品质安全奠定了一定技术基础。     

近红外光谱检测用纤维含量样品精确度研究

采用近红外光谱分析技术对纺织品含量进行定量分析可以实现对样品快速无损检测.但是近红外光谱分析技术是一种间接分析技术,它需要从已知原料组分的样品中采集样品的近红外光谱,并根据样品的纤维含量,结合化学计量法建立近红外校正模型,才能将近红外光谱技术应用于实际的检测工作中,所以建模样品原料组分的精确度决定了近红外模型预测结果的精确度,提高所用样品原料组分赋值的精确度就能提高近红外光谱分析技术对纺织品含量进行定量分析的精确度.     

近红外光谱技术在食用油种类鉴别及定量分析中的应用

用近红外光谱技术与聚类分析方法相结合,建立了一种可用于鉴别食用油种类的快速鉴定模型。实验根据30个食用油的近红外光谱,建立了芝麻油-大豆油-花生油-玉米油定性识别的模型,模型的识别率和预测率可达到100%。根据40个芝麻油样品的近红外光谱建立芝麻油的酸价预测模型,且模型指标较好。可见近红外光谱技术在食用油快速检测方面有较好的应用前景。     

应用拉曼光谱技术识别食用油的种类

采用拉曼光谱技术对食用油的种类建立定性分析模型,实现快速、无损地识别食用油的种类。选取3种常用食用油(大豆油、花生油、玉米油)共87个样品采集其拉曼光谱,采用一阶导数的方法对光谱进行预处理,Norris导数法进行滤波去噪,处理后的光谱采用判别分析算法建立食用油种类识别模型,模型能够实现3种食用油的准确分类。选取大豆油、花生油、玉米油各5个样品作为测试样品,测试结果为大豆油、花生油和玉米油都能够正确地分入所属类别。结果表明,拉曼光谱结合判别分析的方法能够实现食用油种类的识别,校正模型的分类结果能达到100%,预测样本分类结果准确率为86.7%。     

基于多源光谱特征融合技术的花生油掺伪检测

以拉曼、近红外2种光谱特征融合结合化学计量学方法对花生油掺伪进行了定量分析。分别用激光拉曼、激光近红外光谱仪采集134个掺伪油样本的光谱数据,采用SPXY算法对样本集进行划分。拉曼光谱(Ram)和近红外光谱(near infrared spectroscopy,NIR)数据进行预处理后,采用后向间隔偏最小二乘法(BiPLS)和联合间隔偏最小二乘法(synergy interval partial least squares,Si PLS)分别提取2种光谱的特征波长;将提取的特征波长融合,结合支持向量机回归(SVR)建立数学模型,采用网格搜索算法(CV)对SVR模型的参数组合(C,g)值寻优,建立最优参数模型。研究表明:建立的Ram-NIR-SVR模型能够实现花生油中掺杂油脂含量的快速准确预测,预测集和校正集的相关系数R分别达到0.98和0.99,均方根误差(MSE)低于2.38E-3;对比不同特征波长提取方法,并与单光谱分析技术比较,可以看出,数据融合技术能够增强模型预测能力,减小模型参数,有利于模型的实际应用,体现了2种光谱很好的互补性。表明光谱分析结合数据融合技术对食用油真实性综合鉴别具有重要意义。     

近红外光谱快速检测食用植物油中酸价

建立基于近红外光谱的食用植物油中酸价现场快速测定方法。方法 将食用植物油作为主要研究对象,采用冷溶剂指示剂滴定法检测371个食用植物油样本的酸价,并进行近红外光谱采集。经过标准正态变换结合一阶导数对近红外光谱进行数据预处理,选用竞争性自适应重加权采样算法选取重要变量,建立食用植物油酸价的偏最小二乘回归模型。结果 蒙特卡洛交互验证结果显示,食用植物油酸价预测模型的验证集决定系数Q2为0.9983,交互检验的均方根误差(Root Mean Square Error of Cross Validation, RMSECV)为0.0461 mg/g, 独立测试集验证所得到的酸价预测值与实测值决定系数R2为0.9834,食用植物油预测效果良好。结论 基于近红外光谱的检测方法能够预测食用植物油的酸价,为评价食用油品质优劣提供快速无损的技术思路。     

近红外光谱分析技术在食用植物油分析检测中的应用

食用植物油的品质检测和掺伪鉴别对于保障其食用安全性以及消费者利益具有重要意义。传统的分析方法由于操作繁琐、耗时较长,因此不能满足大量样品的实时快速检测要求。近红外光谱分析技术由于可以实现快速、无损、在线和多组分同时检测,目前已快速发展成为一种应用于食品分析领域的新方法,具有较大的应用前景。本文主要综述了近年来近红外光谱技术在食用植物油领域的研究及应用进展,包括在食用植物油品种定性鉴别、掺伪检测、品质检测及其在煎炸等热加工过程中的理化指标检测等多个方面的研究,对近红外光谱技术在食用植物油检测中的检测原理、影响因素、准确度等进行了综合分析,同时对目前近红外光谱技术在食品领域应用存在的问题进行了分析总结,并对今后进一步研究提出了展望。     

基于数据融合策略植物油光谱模式的识别

为实现对不同植物油的快速无损分类识别,探究数据融合技术在提升光谱分类模型精度方面的可行性与应用价值,借助衰减全反射-傅里叶变换红外光谱技术、表面增强拉曼光谱技术结合多源数据融合技术,开展了对7种共计180份植物油样本的分类识别。基于单一光谱模型、数据层融合模型和特征层融合模型,比较了Bayes判别分析(BDA)和多层感知器神经网络(MLP)两种化学计量学方法在区分各样本时的差异,同时考察了主成分分析、广义最小平方、最大似然、主轴因式分解4种算法在特征提取方面的差异。结果表明,光谱数据融合在识别植物油方面具有显著的优势,BDA模型对各样本的区分能力强于MLP模型,相较于其他3种算法,主成分分析在油样特征提取方面展现了较为理想的结果。基于PCA特征提取的特征层融合BDA模型为最佳识别模型,以此实现了180份植物油样本100%的准确区分,同时对5种品牌花生油达到了100%的准确区分,实现了对各样本“种类-品牌”的两级识别分类工作。     

新型专用煎炸油极性组分的光谱分析技术研究

随着时代的发展以及技术的进步,人们对用于煎炸食品的油脂要求也逐渐提高。多光谱法快速无损检测技术,不仅优于传统方法对样品进行无损检测,而且检测方法准确快速。研究分别利用近红外、中红外、拉曼光谱技术,将测量所得到的油样光谱数据借助分析软件和化学计量学方法,结合光谱预处理和偏最小二乘法(PLS)的数据分析方法,对煎炸油样的极性组分进行建模及校正分析。结果表明,通过不同光谱预处理后再结合PLS对近红外、中红外、拉曼光谱的建模分析以及对比发现拉曼光谱多建模型较为精确,对验证集的光谱对应的极性组分预测较红外光谱的预测准确。以研制新型专用煎炸油为目的进行研究探讨,旨在生产一种新型专用的煎炸油。     

无损检测阔叶材纤维长度的近红外光谱法

比较了近红外光谱分析技术测量木材纤维长度与传统的测量方法的优缺点并详细介绍了应用近红外光谱分析技术测量木材纤维长度,其中包括木材样品选择及制备、近红外光谱采集及纤维长度真值测量、多变量数据分析与模型建立的实验方法与操作步骤.实验表明近红外光谱分析技术可以快速准确地预测阔叶材纤维长度.     

基于偏最小二乘法的板栗近红外光谱分析模型的建立

目的:应用近红外光谱技术和化学计量学方法,建立板栗品质分析的近红外光谱模型。方法:采用傅里叶变换近红外光谱仪,采集样品的近红外漫反射光谱,再用传统理化分析方法测得样品的各项品质参数,采用偏最小二乘法(PLS)建立定标模型,内部交叉验证法对模型进行检验。结果:对板栗分别建立了水分、淀粉、硬度和糖度的PLS模型,4种PLS模型都非常理想,模型的相关系数均大于0.99。结论:采用近红外光谱法可以实现板栗品质指标的快速无损检测。     

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。     

谱图数据融合结合模式识别算法鉴别苹果香精

采用拉曼光谱-离子迁移谱（ion mobility spectrometry,IMS）数据融合技术结合主成分分析（principal components analysis,PCA）-最近邻（nearest neighbor,NN）算法的模型鉴别9 种食用苹果香精。香精先经水溶液稀释处理,再经拉曼光谱和IMS分析,建立样品的拉曼光谱和IMS指纹图谱库,然后分别使用单谱数据结合PCA-NN模型以及拉曼光谱-IMS数据融合结合PCA-NN模型鉴别香精。结果表明：拉曼光谱-IMS结合PCA-NN模型对9 种食用苹果香精的识别率达98.35%,高于拉曼光谱的78.14%和IMS的94.18%。使用水溶液稀释技术,不存在副反应,无污染,操作简单快速,保留了样品的整体物质,保证了实验结果的可靠性和稳定性。拉曼光谱仪和离子迁移谱仪具有操作简单、分析速度快的优点。拉曼光谱-IMS结合PCA-NN模型为鉴别食用苹果香精提供了一种可靠、稳定、快速、全新的方法。     

基于近红外光谱无损快速检测面粉品质的研究

提出一种基于近红外光谱技术结合偏最小二乘法对面粉品质进行无损快速检测的方法．配制含滑石粉的面粉样品30个，采集样品在12500～4000cm^-1范围内的近红外漫反射光谱，选择最优的光谱预处理方法和光谱范围，采用偏最小二乘法（PLS）建立定量分析模型．结果表明所建定量分析模型的相关性能比较高，预测相关系数和预测均方根误...     

基于有效波长选择的近红外光谱枸杞总糖含量快速检测

为建立枸杞总糖含量快速准确的检测方法,采用近红外光谱为检测手段,以114 个不同产区枸杞样品为研究对象。采用积分球漫反射模式采集样品近红外光谱,利用化学计量学方法确定光谱信息与总糖含量之间的关系,通过载重图法及相关系数法进行有效光谱选择,比较确定枸杞总糖光谱建模有效波段,建立枸杞总糖近红外光谱定量检测模型,并利用国标方法进行验证分析。结果发现：对全样品光谱进行Norris Gap Derivative求导预处理后,采用相关系数法选择8 700～4 000 cm－1波段进行建模。当主成分数为8时,建模效果较好,模型的校正集决定系数与验证集决定系数均高于0.91。结果表明,基于近红外光谱技术的枸杞总糖含量快速检测是可行的。     

基于近红外光谱法的鱼粉快速判别

基于近红外漫反射光谱分析技术对市场上常见的淡水鱼粉、进口鱼粉和国产鱼粉3 类商品化的鱼粉样品进行自动化判别实验。通过分析鱼粉样品光谱之间的差异,采用主成分分析法建立鱼粉种类的定性判别的分类模型,光谱范围为波长1 100～2 498 nm,交互定标决定系数为0.913 5,交互定标标准误差为0.133 8。通过对验证样品的分析,建立的判别模型预判准确率达到84.6%,外部验证准确率达到100%。结果表明,近红外光谱技术结合化学计量学法可以作为一种快速、无损、可靠的方法用于鱼粉种类的判别。     

基于近红外光谱对淀粉种类的定性鉴别及定量分析

淀粉在调味品生产中应用广泛,同时其本身也作为调味品具有勾芡等用途。不同种类淀粉分子结构不同导致性质用途不同,文章基于近红外漫反射技术,建立了不同种类淀粉快速无损定性及定量检测方法。通过对73份不同种类的淀粉进行光谱采集,结合主成分分析法(PCA),建立了不同种类淀粉的定性判别模型;基于淀粉种类判别结果,以不同比例的马铃薯和小麦淀粉的混合物为检测对象,采集光谱信息,基于偏最小二乘法(PLS)建立近红外定量分析模型,并对该模型进行了验证,校正模型和预测模型的决定系数分别为0.9988和0.9982,均方根误差分别为0.385和0.347,预测相对分析误差(RPD)为14.3。结果表明,近红外光谱技术可用于淀粉的定量预测以及不同种类淀粉的快速定性识别。     

基于近红外光谱技术的咖啡掺假快速鉴别方法

本文研究了利用近红外光谱技术结合AdulterantScreen算法建立的咖啡快速鉴别方法。采用傅里叶变换近红外光谱仪采集咖啡样品光谱,建立标样(材料光谱)光谱数据库,采集掺假物光谱数据,建立掺假物光谱数据库,建立了咖啡分类模型及掺假物模型,运用Adulterant Screen算法技术对模型的主成分及掺假成分进行计算分析,建立了咖啡掺假快速鉴别模型。本咖啡快速鉴别方法对含量在2%、5%、10%、15%、20%、30%及40%巴西莓果粉和5%、10%、15%、20%、30%及40%大麦掺假咖啡可以实现有效的掺假鉴别,最低识别咖啡中巴西莓果粉及大麦掺假含量分别为2%及5%。利用近红外光谱技术结合Adulterant Screen算法建立咖啡快速鉴别模型可以鉴别咖啡中巴西莓果粉和大麦等掺假物,为咖啡样品掺假鉴别提供了一种快速、可靠、无损的检测方法,能有效的运用于咖啡样品掺假鉴别的日常检测工作中。     

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.