基于漫反射傅里叶变换近红外光谱技术对不同年份的大米产地溯源检测

通过对试验田大米样品进行特征波段的筛选后,在其范围内利用傅里叶变换漫反射近红外光谱法结合化学计量学对来自2014、2015年的地理标志产品查哈阳大米和五常大米进行产地溯源检测。结果表明,来自不同地区的大米样品在波段为5 136~5 501 cm~(-1)处均有显著差异。利用因子化法建立的定性分析模型对2014年查哈阳及五常大米的正确预测率均为100%,对2015年两地区样品的正确预测率分别为100%、91.67%。利用偏最小二乘法建立的定量分析模型对2014年两地区的样品正确预测率为90.90%、95.83%,对2015年两地区的样品正确预测率为91.67%、87.50%。     

基于近红外光谱技术对多年际建三江、五常大米产地溯源

研究多年际地理标志大米产地溯源判别技术,保护地理标志大米的品牌效益。利用近红外漫反射光谱技术对试验田样品进行与产地有关的特征波段筛选,并在其范围内对2013—2015年来自建三江地区及五常地区的291?份大米样品进行产地溯源研究。结果表明,试验田样品在波段为5?136～5?501?cm－1范围内产地因素差异显著。在此范围内利用因子化法建立的定性分析模型及聚类分析模型对建三江大米及五常大米的正确判别率均高于97.00%。利用偏最小二乘法建立的定量分析模对两地区大米的正确判别率分别为95.83%、94.00%。因此,应用该技术对多年份大米的产地溯源进行判别具有一定的可行性。     

基于傅里叶变换近红外光谱法鉴别五常大米

为保护五常大米的品牌效益,利用傅里叶变换近红外光谱法（Fourier transform near infrared spectroscopy,FTNIS）结合化学计量学分析法对来自五常地区和非五常地区共计191?份大米样品进行产地鉴别研究,结果表明：利用因子化法结合FTNIS技术所建立的鉴别分析模型对五常地区大米的鉴别正确率为100%,非五常地域的大米鉴别正确率为97.50%;利用聚类分析模型判别,对五常大米的判别正确率为100%,非五常大米判别正确率为100%。利用偏最小二乘法结合FTNIS建立的定量分析模型对五常大米判别正确率为95.83%,非五常大米判别正确率为95.00%。通过以上研究结果可知FTNIS法对五常大米产地鉴别是可行的。     

近红外漫反射光谱技术对小米产地溯源的研究

为建立小米产地溯源的快速检测技术,更好的维护地方名优小米品牌效益,试验利用近红外漫反射光谱技术对不同状态小米进行产地溯源鉴别,试验分别选取来自肇源和肇州两个小米主产区的144份小米样品,应用近红外漫反射光谱技术结合化学计量学对不同状态下的小米进行产地溯源研究,结果表明:在全波长范围内采用因子化法建立的定性分析模型和在特征波段范围内采用偏最小二乘法(PLS)建立的定量分析模型,对肇源、肇州两个小米主产区的小米籽粒和小米粉末的正确鉴别率均在90%以上,其中小米粉末的模型正确预测率要高于小米籽粒。因此,应用近红外漫反射光谱技术对不同状态小米产地溯源的鉴别具有一定的可行性。     

基于近红外光谱技术的黑龙江地理标志大米产地溯源研究

为建立地理标志大米的快速检测技术,更好地维护地方名优大米品牌效益,利用近红外光谱技术结合定性分析(鉴别分析和聚类分析)和偏最小二乘法(PLS)对黑龙江省3个水稻主产区的地理标志大米进行产地溯源研究。结果表明:运用鉴别分析和聚类分析建立的模型对建三江、五常地域预测正确率为100%,响水地域预测正确率为95.83%;五常、响水地域判别正确率为100%,建三江地域判别正确率为95.83%。采用PLS建立定量分析模型对建三江、五常、响水三个地域的预测正确率分别为95.83%、100%、95.83%。通过鉴定及检测结果可知利用近红外光谱技术可对黑龙江地理标志大米进行产地保护,且产地预测正确率达95%以上。     

近红外光谱技术对圆枣产地的判别分析

采用近红外高光谱成像系统对3类不同产地的圆枣进行判别分析,快速鉴别圆枣产地。应用近红外高光谱获取3类圆枣样本的光谱数据,对光谱采用标准正则变换(SNV)方法预处理,从原始光谱数据中提取特征波长,并建立全波段与特征波段下的线性判别模型来判别3类圆枣的产地。结果表明,近红外光谱结合线性判别法对圆枣产地鉴别的特征波段模型可有效替代全波段模型,模型准确率均大于99%,为实现农产品产地鉴别和自动分类提供理论依据。     

大米理化指标指纹在产地溯源的探究

为了比较不同地域来源大米理化指标含量差异,分析各理化指标对大米产地的判别效果,探讨理化指标指纹分析技术对大米产地鉴别的可行性。通过对来自查哈阳、建三江和五常3个产区89份大米样品的蛋白质、直链淀粉、脂肪和灰分的含量进行测定,对数据进行单因素方差分析、多重比较分析和判别分析。结果表明:不同产地大米的理化指标有显著差异。建三江大米样品的蛋白质含量最高,直链淀粉和脂肪含量最低;五常大米样品的脂肪含量最高,蛋白质和灰分含量最低;查哈阳大米样品的各指标含量均处于中间状态。进一步利用蛋白质、直链淀粉、脂肪和灰分的含量对大米产地进行判别分析,交叉检验正确判别率为95.5%,说明不同地域来源的大米有其独特的品质特征,理化指标指纹分析是鉴别大米产地的一种潜在技术。     

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。     

基于大米特征矿物元素产地鉴别建模方法比较研究

基于前期实验筛选到的与产地和母质土壤直接相关的23种特征矿物元素作为产地判别特征指标,比较Fisher判别模型和前馈神经网络预测模型的适用性。以连续3年随机采集的五常、查哈阳和建三江地理保护区274份样本作为建模对象,以模型的判别率为指标,采用电感耦合等离子体质谱仪(ICP-MS)和X射线荧光光谱仪测定样本中特征矿物元素含量(Mg、Ca、Cr、Mn、Zn、As、Rb、Sr、Ag、Cd、Sb、Te、Ba、La、Nd、Sm、Gd、Dy、Ho、Er、Yb、Pb、U),结合线性(一般线性判别分析)和非线性(前馈神经网络训练方法)模型构建方法用于产地鉴别。结果表明,Fisher判别分析模型对训练集判别率为81.5%,交叉检验判别率为78.8%,测试集总体判别率为87.5%。前馈神经网络预测模型对大米产地识别结果平均相对误差值为17.14%,产地的整体识别准确率为100%。筛选到的特征矿物元素携带了足够多的产地信息,通过前馈神经网络法建立的判别模型具有更优的判别能力,能解决小距离相似自然环境产地样本难以识别的问题。     

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。     

储藏对稻谷代谢产物的影响研究

利用气相色谱-质谱联用(GC-MS)技术对查哈阳地理标志稻米保护区的稻谷样本以及储藏1年后的稻谷样本进行代谢组学研究,探讨储藏对稻谷代谢产物的影响。本实验采用主成分分析和正交偏最小二乘法-判别分析的多元统计分析以及层次聚类分析等方法对数据进行分析。结果显示,2021年和储藏样本分别定性到147、148个代谢产物,在数量上相差不大,但种类上存在差异。共筛选出39个差异代谢产物,层次聚类分析发现储藏前后稻谷代谢物的含量呈现反向变化趋势。代谢通路分析共筛选出8条与代谢物差异相关性最高的通路,可作为研究储藏对稻谷代谢通路影响中的参考物质。     

基于高光谱成像技术的梅河大米产地确证因子研究

为探究吉林省梅河大米的产地确证因子,本研究采用空间网格布点法对吉林省梅河口市地理标志大米进行样本采集。通过梅河大米的高光谱信息和蛋白质、直链淀粉、棕榈酸、油酸、亚油酸、脂肪酸含量进行光谱特征波长提取、相关性分析和产地判别。结果表明,梅河大米的理化指标具有明显的产地特征,高光谱九个特征波长TB_1～TB_9(455、515、583、615、621、776、874、923、942 nm)与上述六个指标呈现显著相关性。利用高光谱九个特征波长对梅河大米与柳河县大米进行SPSS判别分析,整体正确率为95%。SIMCA偏最小二乘法建立的模型可以将梅河大米样品与柳河县大米样品进行区分。说明梅河大米高光谱九个特征波长可作为其产地确证因子。     

基于高光谱技术的不同霉变程度籼稻快速鉴别

为解决快速、无损鉴别籼稻霉变程度问题。该文利用高光谱技术采集正常、轻度霉变、中度霉变和重度霉变共4类籼稻样本的光谱数据,经不同预处理后,通过连续投影算法(SPA)提取特征波长,采用多元线性回归判别分析(MLR-DA)建立籼稻霉变程度鉴别模型。同时,通过竞争性自适应重加权算法(CARS)筛选特征变量,采用偏最小二乘法回归判别分析(PLS-DA)建立鉴别模型。研究结果表明,SG-SPA-MLRDA和RAW-CARS-PLS-DA模型的验证集相关系数RP均大于0.950。其中,RAW-CARS-PLS-DA模型的预测效果最优,其验证集相关系数RP为0.969,均方根误差RMSEP为0.269,对未知籼稻样本的总体分类准确率为93.33%。该模型对不同霉变程度籼稻具有较强的鉴别能力,故该方法可为快速、无损鉴别籼稻霉变程度提供技术支持。     

云南省影响消费者购买猪肉、大米和西红柿的因素分析

选取影响消费者购买猪肉、大米和西红柿的四个因素(包装、销售地点、产品认证和品牌),每个因素设2或3的水平,采用联合分析法进行评价。结果显示:产品的包装、销售地点、产品认证、品牌四个因素中对消费者购买大米、猪肉和西红柿起主要作用的是销售地点,尤其是超市的作用十分明显,流动商贩在云南省仍然有一定的市场需求。      

寒地粳稻种子的拉曼光谱鉴别方法研究

针对水稻种子的品种鉴别存在检验周期长、种类少等实际问题,本研究提出一种高效、快捷、准确鉴别水稻种子的方法。以拉曼光谱技术为基础、寒地粳稻种子为研究对象,进行快速、准确鉴别。首先,利用Savitzky-Golay(SG)、一阶导(1-Der)、二阶导(2-Der)、迭代自适应加权惩罚最小二乘(AIRPLS)和均值中心化(MC)预处理方法及其组合对原始光谱进行预处理,研究不同预处理方法及组合的偏最小二乘判别(PLSDA)和支持向量机(SVM)模型判别效果;其次,应用光谱-理化共生距离(SPXY)法对预处理数据进行样本划分;最后,通过连续投影算法(SPA)、逐步回归(SR)和竞争自适应重加权采样法(CARS)对特征波段进行提取,对比分析不同预处理下的特征波段与全波段建模效果和检测时间差异。结果表明：在13种预处理方法中,AIRPLS+1-Der组合预处理效果较好,在PLSDA和SVM模型中测试集准确率均达到95.45%以上;在3种特征提取方法中,基于 CARS 方法的特征波段在两种鉴别模型中准确率达到96.97%,而且模型运行速度较快,这说明基于拉曼光谱技术对寒地粳稻种子进行快速、准确鉴别是可行的。     

基于近红外光谱技术对小麦中毒死蜱农药残留测定方法的研究

研究了基于近红外光谱技术结合化学计量法建立小麦中毒死蜱农药残留鉴定模型.采用喷洒法制备具有不同毒死蜱残留量的小麦样品,采集样品的近红外漫反射光谱,并建立因子化法、欧氏距离法的定性预测模型和偏最小二乘法的定量预测模型.结果 表明:因子化法较欧氏距离法的定性判别率更高,构建条件的特征波段为5543.68～4643.72、7...