近红外光谱分析技术在花生原产地溯源中的应用

采用近红外光谱结合化学计量学方法对不同省份来源的花生样品进行溯源研究。首先花生近红外光谱通过标准正态变换加去趋势化预处理降噪、主成分分析降维和小波转换降噪降维两种处理,然后结合线性判别分析、贝叶斯判别分析和k最近邻分析3种判别模型对不同省份来源地花生进行判别。通过分析最优判别组合结果表明,小波转换结合k最近邻分析对花生产地分类效果最好,原始正确分类率为100.0%;交叉验证正确分类率为55.9%。初步实现了花生产地判别,但模型的性能仍有待提高。     

基于可见-近红外光谱及随机森林的鸡蛋产地溯源

为了研究快速无损鉴别鸡蛋产地的可行性,利用可见-近红外光谱技术,采集4种湖北不同产地鸡蛋的透射光谱(500~900 nm),利用中心化、归一化、标准正态变量(SNV)、Savitzky-Golay平滑滤波(SG)和多元散射校正(MSC)、直接正交信号校正(Direct Orthogonal Signal Correction,DOSC)算法对光谱数据进行预处理,采用t分布式随机邻域嵌入(t-distributed stochastic neighbor embedding,t-SNE)、主成分分析(PCA)方法对预处理后的数据降维,并将降维后的数据分别输入极限学习机(extreme learning machine,ELM)和随机森林(random forest,RF),建立鸡蛋产地溯源模型。比较两种方法建立的模型,发现运用DOSC预处理及t-SNE提取的光谱特征信息建立的RF模型鉴别效果最好,训练集和预测集的鉴别正确率分别为100%和98.33%。研究结果表明基于可见-近红外光谱技术对鸡蛋产地溯源是可行的,为进一步研究与开发鸡蛋产地溯源便携式仪器提供技术支持。     

基于高光谱反透射图像的新疆冰糖心红富士水心鉴别

采用高光谱成像技术结合化学计量法,采集新疆冰糖心红富士好果与水心病果样本在波长范围380～1 004 nm的可见近红外高光谱反透射图像,选取感兴趣区域获得平均光谱,对原始光谱采用直接差分一阶求导等9种光谱预处理方法,再分别用主成分分析、快速独立分量分析、相关系数法完成数据降维,结合贝叶斯判别、K最近邻法、马氏距离判别、最小二乘支持向量机、二次线性判别方法识别是否有水心病。结果表明,主成分分析提取前15主成分,采用标准正态变量变换-主成分分析-最小二乘支持向量机与多元散射校正-主成分分析-最小二乘支持向量机模型识别效果最优,校正集和预测集识别率分别为100%和91.2%。     

基于可见/近红外透射光谱结合蜜獾算法优化支持向量机的糖心苹果鉴别

传统的糖心苹果鉴别方法具有破坏性和不可逆性,无法大范围推广使用。为实现糖心苹果和健康苹果的快速准确分类,提出基于可见/近红外透射光谱结合蜜獾算法优化支持向量机的糖心苹果鉴别方法。首先采集正常苹果和疑似糖心苹果样本的3个不同方向的可见/近红外透射光谱,并利用最大最小值归一化对原始光谱数据进行预处理,然后使用主成分分析对预处理完的数据进行降维和特征提取,再取前10个主成分作为降维后的样本数据,最后将降维后的样本数据输入支持向量机进行分类,结果发现分类效果一般。引入蜜獾算法对支持向量机进行优化,建立新模型,通过结果表明,方向二为光谱数据采集的最佳方向,新模型可以实现对健康苹果和糖心苹果的快速准确分类,为糖心苹果的鉴别和其他果蔬的分类提供新思路。     

CARS-SVM预测哈密瓜可溶性固形物含量

采用近红外光谱技术结合数据降维的方法,建立了哈密瓜可溶性固形物含量的预测模型：对比多种光谱预处理方法,确定二阶求导用于处理原始光谱;经预处理的光谱数据分别结合特征选择竞争性自适应重加权采样法（CARS）、蒙特卡罗无信息变量消除法（MC-UVE）提取特征波长,以及利用主成分分析进行降维;再使用特征选择和特征提取的光谱数据作为模型的输入变量,建立哈密瓜可溶性固形物含量预测模型。结果显示,CARS+SVM建立的预测模型最优,模型的校正集相关系数为0.981 4,预测集相关系数为0.900 2,模型能够准确预测哈密瓜可溶性固形物含量。     

基于变量优选和近红外光谱技术的红富士苹果产地溯源

为实现对红富士苹果的产地溯源,采集阿克苏、静宁、灵宝、烟台的红富士苹果近红外光谱数据,分别采用归一化、中心化、一阶导数、二阶导数、标准正态变换、多元散射校正(multivariate scattering correction, MSC)、小波变换、SG平滑变换、傅里叶变换等9种方法对原始光谱进行预处理,建立概率神经网络(probabilistic neural network, PNN)模型对苹果的产地进行识别。结果表明,MSC预处理之后的模型总准确率最高,为97.5%,阿克苏、静宁、灵宝、烟台4个产地的准确率分别为100%、100%、90%、100%。为简化模型,对MSC预处理之后的光谱数据分别采用主成分法、连续投影算法(successive projection algorithm, SPA)、竞争性自适应重加权算法(competitive adaptive reweighted sampling, CARS)、随机蛙跳算法(random frog, RF)、CARS-SPA、RF-SPA选取特征变量建模。综合考虑正确率和模型的复杂性,最优模型MSC-CARS-SPA-PNN的测...     

近红外光谱技术对加工后鸡肉产地溯源的研究

本文选择来自昌邑新昌、牟平仙坛、莱阳春雪、亚太中慧四个产地,不同厂家的180只同鸡龄同部位鸡肉样本,分别采用蒸、煮、微波三种方式加工后,经预处理粉碎过筛,利用安全、快速的近红外光谱技术,对不同产地的鸡肉样本进行近红外扫描并对所采集的近红外光谱进行聚类分析(CA)、主成分分析(PCA),针对三种加工方式分别建立鸡肉产地溯源的定性判别模型,以探究加工后鸡肉产地溯源的可行性。试验表明:在波数范围7000~4000 cm-1内,原始光谱经二阶求导(13点平滑)和矢量归一化(SNV)预处理后,经三种方式加工后鸡肉的近红外光谱图均有显著差异,其中聚类分析判别正确率均高于90%,鸡肉样本的主成分空间分布位于不同的区域。利用来自四个厂区的独立样本经相同处理后对模型进行验证,识别正确率可达90%~95%。近红外光谱分析技术对加工鸡肉制品的产地溯源具有可行性。     

近红外光谱用于鉴别苹果产地的研究

目的:探索近红外光谱定性分析技术鉴别苹果产地的可行性。方法:对天津、陕西和北京3个产地富士苹果品质进行了分析,比较了波段范围、导数处理和散射及标准化处理建立主成分分析结合最小二乘法产地鉴别模型。结果:在1100~1848 nm波段范围内采用一阶导数结合趋势变化法散射处理的光谱预处理方法最优,校正集的鉴别正确率为100%,校正交互验证误差(SECV)0.1245,交互验证相关系数(Rcv)0.9641,预测集的鉴别正确率为98.33%。结论:应用近红外光谱定性分析技术可以准确地、快速地追溯苹果产地的溯源。     

基于近红外光谱技术的茶叶新旧鉴别及产地溯源研究

目的 建立基于近红外光谱的定性分析模型,实现对茶叶的新旧分类和产地溯源。方法 首先采用傅立叶近红外光谱仪采集茶叶样品的漫反射光谱数据,然后使用卷积(Savitzky-Golay,S-G)平滑算法和数据标准化(Normalization)对光谱数据进行预处理,最后基于遗传优化算法(genetic algorithem,GA)和粒子群优化算法(particle swarm optimization, PSO)分别建立了优化向量机模型(support vector machine, SVM),从而实现新旧茶叶的分类以及产地溯源。结果 与GA-SVM模型相比,PSO-SVM模型的建模效果较好,且分类时间更短,在新旧鉴别和产地溯源实验中都达到了100%的预测精度。结论 基于近红外光谱建立的PSO-SVM模型可以实现茶叶新旧的判别以及产地溯源,为鉴别茶叶年份和追踪茶叶产地提供了理论支撑和技术指导。     

基于Fisher判别法对黑龙江大米产地溯源

为了探索大米产地鉴别可行性,维护市场秩序和消费者的合法权益,该研究采用Fisher判别法(Fisher discriminant method,费希尔判别法)进行建模并结合近红外光谱技术,对2015年黑龙江5个水稻主产区(五常、佳木斯、齐齐哈尔、双鸭山、牡丹江)的118份大米粉末样品进行近红外光谱的扫描,光谱预处理方法为9点二阶求导结合5点平滑,建模波长为全波长。对模型采用留一交叉验证和预测样本集进行验证,5个地域的验证结果分别为94.4%、94.4%、91.7%、91.7%、94.4%和87.5%、87.5%、87.5%、100%、100%。预测结果达到80%以上,初步认定近红外光谱指纹分析技术可用于黑龙江大米产地溯源。     

基于可见/近红外高光谱成像技术的牛肉品种鉴别

利用可见/近红外高光谱成像技术实现荷斯坦奶牛、秦川牛、西门塔尔牛三个品种牛肉的快速无损鉴别。首先,对原始光谱进行预处理并对样本集进行划分;应用竞争性自适应重加权算法(CARS)、连续投影算法(SPA)和无信息变量消除算法(UVE)对预处理后的光谱数据提取特征波长;结合偏最小二乘判别模型(PLS-DA)、K最近邻(KNN)模型及支持向量机(SVM)模型进行全波段及特征波段鉴别分析。结果表明,一阶导数(FD)法为最优预处理方法,利用光谱-理化值共生距离法(SPXY)法划分后的样本模型预测性能最好;利用CARS、SPA和UVE分别选出24、17和19个特征波长;基于CARS法提取的特征波长所建的RBF-SVM模型的校正集与预测集正确率分别为100%、98.82%。由此可见,基于高光谱成像技术能够获得较好的牛肉品种鉴别效果。该研究可为牛肉品种的快速无损鉴别提供参考。     

萤火虫优化支持向量机参数的近红外光谱技术鉴别卷烟牌号

目的：准确快速鉴别卷烟牌号。方法：采集不同牌号卷烟的近红外光谱,通过光谱预处理方法降低干扰因素后,利用萤火虫算法(FA)优化支持向量机(SVM)参数,考察光谱预处理方法、萤火虫算法的种群数目和迭代次数对卷烟分类正确率的影响。结果：采用标准正态变量变换(SNV)结合一阶导数(1D)方法进行近红外光谱预处理,当萤火虫种群数目为20,迭代次数为20时,优化支持向量参数可达到较好的识别效果,训练集的分类正确率为100%,测试集的分类正确率为96.67%~100.00%。结论：利用近红外光谱技术结合FA算法优化SVM可实现对卷烟牌号的准确鉴别     

Preliminary study on the application of near infrared spectroscopy and pattern recognition methods to classify different types of apple samples

In this paper, near infrared (NIR) spectroscopy combined with pattern recognition methods was used in an attempt to classify different types of apple samples. Three pattern recognition methods such as K-nearest neighbour (KNN), partial least-squares discriminant analysis (PLSDA) and moving window partial least-squares discriminant analysis (MWPLSDA) were used to classify apple samples of different geographical origins, grades and varieties. The result indicates that MWPLSDA is superior to these two conventional pattern recognition methods. Because MWPLSDA method can select narrow but informative wavelength intervals to reconstruct an efficacious classification model with high predicting accuracy. In conclusion, MWPLSDA coupled with near-infrared fibre-optic technology is proved to be an effective method for fruit classification.     

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.     

基于表面增强拉曼光谱技术的苹果汁中溴氰菊酯农药残留的快速定量分析

针对苹果汁中农药残留量超标问题,采用共焦显微拉曼仪,研究了针对苹果汁中溴氰菊酯农残量的快速检测方法。分别以乙醇溶液(对照)、苹果汁溶液为背景溶液,分别采用拉曼光谱技术、表面增强拉曼光谱技术(SurfaceEnhanced Raman Scattering,SERS)采集含农药(溴氰菊酯)的两种样本的拉曼光谱与SERS光谱,并结合一阶导加Norris求导法进行光谱预处理,进而使用偏最小二乘方法建立两种样本溶液中溴氰菊酯残留量的拉曼光谱定量分析模型与SERS光谱定量分析模型,并对两种模型进行对比分析。结果表明,乙醇中溴氰菊酯溶液样本的拉曼光谱定量分析模型的校正集相关系数可达到0.9634,而SERS模型校正集相关系数可达到0.9995,最大误差不超过0.1 mg/kg。苹果汁中溴氰菊酯样本的拉曼光谱模型校正集相关系数为0.9355,最大误差不超过0.02 mg/kg;而SERS模型校正集相关系数为0.9870,最大误差不超过0.1 mg/kg。结果表明,拉曼光谱技术对快速检测苹果汁中的农药残留量具有可行性。     

基于近红外光谱技术和优化预处理方法的不同品牌燕麦无损鉴别分析

目的 建立红外光谱预处理方法以实现对不同品牌燕麦的快速无损鉴别。方法 通过对不同品牌燕麦样品近红外光谱进行采集, 结合单一以及组合光谱预处理方法消除光谱干扰, 最后利用主成分分析法构建稳健的鉴别模型。结果 光谱预处理有效消除了变动背景以及基线漂移干扰, 最佳预处理方法为二阶导数, 可以实现进口、国产、劣质燕麦之间的完全鉴别。结论 通过近红外光谱预处理方法对原始光谱图进行处理, 可以提取光谱图中有用信息, 消除样品自身不均等因素对光谱的影响, 提高不同品牌燕麦鉴别的准确率。     

Correcting NIR spectra of dimethyl fumarate in milk measured for different brands and in different dates

The calibration transfer was used to correct near-infrared spectra (NIR) of dimethyl fumarate (DMF) for their variations resulting from differences of sample brand and measurement date. Because the concentration of DMF in milk is very small, an enrichment method called fluidized bed enrichment was used to concentrate the analyte before NIR measurement. For correcting spectra between different brands and measurement dates, the spectra of Bright dairy measured on 2/5/2011 were assigned as primary spectra. And the spectra of Yili dairy measured on 2/5/2011 and Bright dairy measured on 17/5/2011 were set as secondary spectra for changes in brand and measurement date, respectively. Two spectral pretreatment methods were applied to preprocess spectra: multiple scattering correction (MSC) and the combination of MSC and differentiation (Savitzky–Golay differentiation). After spectral pretreatment, two calibration transfer methods including canonical correlation analysis (CCA) and piecewise direct standardization were used to correct the secondary spectra. The results showed that although the variations in both brand and measurement date can cause secondary spectra to deviate from primary spectra, the CCA under the combination of MSC and differentiation can correct the secondary spectra to use the model of primary spectra with high accuracy.     

基于NIRS的食用醋品牌溯源模型的建立与优化

本文主要探讨了近红外光谱(NIRS)结合模式识别技术应用于食用醋品牌溯源研究。采集了四个品牌(四川保宁香醋、山西东湖老陈醋、镇江恒顺香醋、镇江香醋)共160组食醋样品的近红外漫反射光谱,通过主成分分析(PCA)进行光谱变量压缩及剔除8个异常样本数据后,随机选取其中的114组样品组成训练集用于建立溯源模型,剩余38组样品用作测试集进行模型验证。比较了MSC、SD、SNV等几种不同光谱预处理方法以及它们的不同组合对溯源模型的影响,同时考察了PLS-DA与SIMCA两种建模方法对模型的影响。结果表明:选择MSC与SD相结合的方法对光谱数据进行预处理,并采用SIMCA建模方法所建立的醋品牌溯源模型对四大品牌醋的正确识别率分别可达100%、100%、91.7%、90%。由此说明采用近红外光谱技术结合模式识别技术可有效实现食用醋品牌溯源的目的。     

用近红外光谱和特征指标判别国产白肋烟产地及部位间相似性

以不同产地、等级的国产白肋烟和马里兰烟为试验对象,选取具有代表性特征的上部和中部样品49份,测定其近红外光谱和烟草特征指标,用一阶导数和平滑处理光谱后再进行归一化处理,各指标检测值也进行归一化处理,然后采用PPF（Projection of Basing on Principal Component and Fisher Criterion）投影方法分析样品间部位和产地的相似性。结果表明:1）近红外光谱和特征指标两条途径均可判别烟叶部位与产地;2）根据方差贡献率,最能体现部位特征的因素是生物碱和亚硝胺指标,最能体现产地特征的因素是亚硝胺指标;3）相似性判定可用于工业等级间替代和配方微调。      

Application of near-infrared microscopy (NIRM) for the detection of meat and bone meals in animal feeds: A tool for food and feed safety

This paper reports on the development and validation of a method for detecting meat and bone meal (MBM) in compound feeds by near-infrared reflectance microscopy (NIRM) as an alternative in food and feed safety. A FT-NIR (Fourier transformer-near-infrared reflectance) instrument attached to a microscope was used to build up a spectral library containing reference feed particles identified as plant or animal origin, from various sources. Spectra were collected directly from particles in the NIR spectrum region (1112–2500 nm). The spectral library sample set was used to develop various discriminant models to classify spectra as MBM or plant material. The best discriminant model was obtained using partial least squares (PLS) discriminant analysis and standard normal variate and detrending (SNVD) and first derivative for spectrum pretreatment; this model had a coefficient of determination of 0.95 and a standard error of cross-validation of 0.133. The model was externally validated. The results confirmed NIRM as a valuable technique for detection of banned MBM.