基于高光谱成像技术的大米溯源研究

利用高光谱成像技术提取大米的光谱信息进行大米产地溯源研究。采用X-Y距离样本集算法（SPXY）进行训练集和测试集的划分,将1 000颗大米样本中800个为训练集,剩下200个为测试集。并采用主成分分析（PCA）法提取相关性较强的主成分光谱信息,进行数据降维。基于主成分分析法提取前4个主成分,并在贡献率最高的第4主成分基础上,结合支持向量机算法（SVM）建立大米产地溯源预测模型。研究得出训练集准确率可达96%,测试集平均准确率为79%。通过训练集和测试集的实验结果表明,高光谱成像技术可以对大米产地进行溯源,为大米产地快速、无损检测提供了一定思路和参考。     

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。     

基于PLS-DA判别法对黑龙江大米产地溯源的研究

为了开发更方便、准确、快速的大米产地溯源方法,更好地维护市场秩序,保护消费者的合法权益,研究运用近红外光谱技术并结合PLS-DA法(Partial least squares discriminant analysis,偏最小二乘判别分析)进行建模,对2012年黑龙江5个水稻主产区(五常、佳木斯、齐齐哈尔、双鸭山和牡丹江)的118份大米粉末样品进行近红外光谱的扫描,确定光谱预处理方法为9点二阶求导结合7点平滑,建模波长为全波长。主成分分析提取3个有效主成分。用预测样本集进行模型的验证,5个地域的预测正确率分别为87.5%,87.5%,100%,100%和100%。初步认定可用于2012年黑龙江大米产地溯源模型的建立。     

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%。     

基于高光谱技术检测苹果外观缺陷

目的 利用高光谱技术检测苹果外观缺陷, 分析主成分分析法和波段比率算法研究高光谱图像的可行性。方法 在400~1100 nm波长范围内获取苹果表面的高光谱图像信息, 用主成分分析法处理高光谱下采集的苹果图像, 选取第三主成分图像进行分析, 作为最后的判别依据。波段比率算法中选取了717 nm和530 nm两个有效波段,将两个波段的图像进行比值运算。717 nm波段的图像进行阈值运算、中值滤波及形态学分析得到二值化掩膜图像, 再与二值化后的比率图像进行布尔运算, 提取缺陷的有效信息。结果 基于主成分分析法, 检测苹果表面缺陷的分级准确率为81.25%, 波段比率算法对苹果表面缺陷的分级准确率为93.75%。结论 利用高光谱成像技术下波段比率算法相对于主成分分成法更适合于实时、在线、快速检测。     

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NIR和PLS-DA法的东北大米产地快速溯源方法研究

鉴于市场上东北大米掺伪和假冒现象频发,本研究将近红外光谱技术与PLS-DA判别法相结合用于东北大米产地快速溯源。实验共收集75份大米样本(52份东北产地大米,23份非东北产地大米),按照4∶1的比例随机划分得到训练集样本60份和测试集15份。为消除品种、颗粒形态等对近红外光谱和产地鉴别的影响,实验比较多种光谱预处理方法,并根据相关系数值确定了矢量归一化为首选的预处理方法;将矢量归一化预处理后的光谱按照吸收峰分4个区间分别建立东北大米产地PLS-DA模型,其中4 000～5 500cm~(-1)谱区建立产地溯源模型,训练集准确率可达93.33%,测试集准确率为86.67%。实验结果表明,近红外光谱与PLS-DA法结合在东北大米产地快速溯源技术领域有着光明的应用前景。     

牛奶三维荧光光谱特征提取

测量了7个牧场连续7天合格奶样的三维荧光光谱,使用Matlab对三维荧光光谱进行了归一化、平滑滤波和去除散射效应等预处理.然后对处理后的数据矩阵依次进行了奇异值分解,提取其第一主成分作为特征光谱.结果表明:该特征光谱可区分7个牧场来源的合格奶样,且可判断出该牧场合格奶样质量是否稳定.各牧场奶质的稳定性,相关系数、第一第二大奇异值比值与第一主成分特征光谱直观结果一致.     

加工番茄虫眼及霉变的可见近红外高光谱成像检测

为了探求一种快速有效识别虫眼和霉变加工番茄的无损检测方法,利用高光谱成像技术,从光谱和图像2个角度对其进行检测。先借助可见近红外高光谱成像系统获取408~1 013nm的加工番茄高光谱图像数据,提取并分析感兴趣区域的平均光谱曲线进行主成分分析,根据各波段权重系数优选了550,750,900nm 3个特征波长;然后通过特征波长下图像的主成分分析,选择缺陷部位与正常区域强度对照最明显的第一主成分图像,通过掩模、阈值处理和形态学开运算等图像处理方法对缺陷番茄进行检测判别。虫眼、霉变和正常三类番茄的识别率分别为93.3%,90%,100%。同时利用上述3个特征波长进行波段比图像运算,并选择波段比550nm/750nm图像进行缺陷识别,虫眼、霉变和正常三类加工番茄的识别率分别为93.3%,96.7%,100%。研究结果表明,二次主成分分析和波段比检测算法均可以有效地识别缺陷加工番茄。另外研究中仅选用了3个特征波段,数据量大大减少,为搭建开发适于加工番茄缺陷的多光谱在线检测系统提供了可能。     

基于可见/近红外光谱对不同品种羊肉鉴别方法研究

利用近红外光谱仪,提取4种不同品种生鲜羊肉样本的光谱数据共235个。分析不同品种样本在400~1000 nm波长范围内光谱值,确定3段特征波段。利用主成分分析结合判别分析建立鉴别模型,达到无损鉴别生鲜羊肉品种的目的。结果显示,在400~430 nm范围内主成分数为7时,校正集回代准确率为75.5%,交叉验证准确率为73.4%,验证集准确率为93.1%。经过一阶导数与标准归一化处理后所建立的模型,当主成分数为23时,400~430 nm波段判别准确率达到93.6%,交叉验证准确率为89.4%。对比其他几种预处理方法和波段的建模结果,选择最优模型。该研究表明利用近红外光谱分析技术可对不同品种羊肉进行快速准确鉴别。     

基于主成分分析法分析超高压处理对黄瓜水香气的影响

采用顶空固相微萃取与气相色谱-质谱仪联用技术对超高压处理前后黄瓜水的香气成分进行测定,并应用主成分分析法对超高压黄瓜水的香气成分进行分析。结果表明,从黄瓜水中检测出33种香气成分,主要是醇类和醛类,其中含7种特征性香气成分,(E,Z)-2,6-壬二烯醛含量最高,占香气总量的27.23%;通过主成分分析法得出,第1主成分的贡献率为65.67%,第2主成分的贡献率为27.71%,前两个主成分的累积贡献率达到93.38%,可代表超高压黄瓜水香气变化趋势。不同超高压处理的黄瓜水分为3个类型是由于超高压处理对第2主成分的影响造成的,未高压处理黄瓜水单独分为一类是由于超高压处理对第1主成分和第2主成分的共同影响造成的,表明采用主成分分析法作为超高压黄瓜水香气品质的客观评价方法是可行的。     

基于GC-MS和电子鼻技术的大米挥发性风味成分分析

以8种市售大米为研究对象,利用顶空固相微萃取气相色谱质谱联用技术(solid-phase microextraction,SPME/gas chromatography-mass spectrometer,GC-MS)和电子鼻分析了大米中的挥发性物质,旨在鉴定粳米和籼米的特有香气,并比较两者差异。实验结果表明:运用电子鼻技术和主成分分析(principal component analysis,PCA)能有效区分不同品种大米,粳稻和籼稻在挥发性成分上差异明显。在此基础上,通过GC-MS定性定量检测大米中的挥发性成分,籼米的挥发性成分(149种)多于粳米(94种),籼稻中挥发性物质最多的是茉莉香米,粳稻中挥发性物质最多的是稻花香米。壬醇、癸醇和2-乙基-1-己醇等醇类物质只存在于籼米中,而2-环己酮和2-癸酮等酮类物质只在粳米中检测到,可能是这些物质导致了两个大米种类香气的差异。粳米和籼米中的重要风味物质主要是醛类、酮类和醇类,如己醛、辛醛、壬醛、苯甲醛、2-戊基呋喃等物质在粳米和籼米中都存在,这些挥发性成分阈值小,对大米特征香气的形成起重要作用。研究结果可为大米的产地及品种鉴别提供一定的参考价值。     

不同轮次酱香型白酒中特征微量组分的研究

采用气相色谱技术测定了6个品牌七个轮次(共计42个样品)基酒中乙醛、乙缩醛、正丙醇、乳酸乙酯等14个特征成分的含量,初步探究不同轮次中特征成分的变化情况;运用主成分分析法对数据进行降维处理.结果表明:通过主成分分析法得出,第1、2、3、4主成分的贡献率分别为29.217％、20.770％、18.399％、11.371％...     

采用气相色谱-离子迁移谱技术检测黄酒风味物质

为实现黄酒中挥发性风味物质的快速无损检测,本研究采用气相色谱-离子迁移谱(Gas chromatography-ion mobility spectrometry,GC-IMS)联用技术结合化学计量学方法对不同酒龄黄酒中的挥发性风味物质进行了研究。黄酒样本的GC-IMS图片库显示,不同酒龄黄酒的挥发性风味物质浓度存在显著差异。采用差谱法从谱图中筛选出33个特征峰,利用其中13个数据库可查询到对应物质的特征峰进行黄酒的风味成分分析。以33个特征峰峰高作为变量,通过主成分分析(principal component analysis,PCA)进行降维,前6个主成分累计贡献率为95%,可以有效区分各组样本。分别采用线性判别(Linear Discriminant Analysis,LDA)、K-最近邻分类算法(K-Nearest Neighbor,KNN)建立酒龄判别模型。结果显示,LDA方法得到的训练集和预测集识别率分别为95%和90%,KNN的判别效果较好,训练集和预测集的识别率均达到100%。这说明,GC-IMS可以有效应用于黄酒挥发性风味物质的检测,在食品风味物质分析等领域具有广阔的应用前景。     

利用可见/近红外光谱技术对小米产地进行溯源研究

目的利用可见/近红外光谱技术对产自不同地区的晋谷21号小米进行溯源研究。方法使用近红外光谱仪获取产自洪洞、浮山、沁县3个不同地区的晋谷21号小米400~1004nm波段范围内的漫反射光谱;对光谱分别进行多元散射校正法(multiple scattering correction,MSC)、一阶导数法(first derivative,1St-D)预处理;对预处理光谱进行主成分分析,全交叉验证确定最佳主成分数量,获取主成分;同时选择预处理光谱特征波长。使用马氏距离法、线性判别法建立判别模型,最后用未知样品的验证准确率来表示模型的判别效果。结果原始光谱和MSC处理光谱提取特征波长分别建立的产地判别模型对3个不同产地的小米判别完全准确;1St-D处理光谱基于7个主成分结合马氏距离法和基于9个主成分结合线性判别法建立的2种判别模型对3个不同产地的小米亦实现完全准确判别。结论可见/近红外反射光谱技术用于小米产地的判别具有可行性,本研究可为小米产地的快速判别应用中提供技术基础。     

2014年湖北省中晚籼稻品质分析

为了解湖北省中晚籼稻品质性状、促进稻谷品质改良提供数据参考。选取湖北省2014年产115个中晚籼稻谷为样本，测定稻谷的碾米品质、化学特性、糊化特性以及蒸煮品质等指标，并利用数理统计分析的方法对其品质指标进行分析。结果表明，在所测定的19项指标中，多数（占77.8%）品质指标的变异系数大于10%，说明本研究收集的稻谷样品处于不同的品质水平，具有较好的代表性。其中分别有99.1%稻谷的出糙率和98.3%整精米率达国家稻谷标准三等的要求，直链淀粉含量、胶稠度、垩白度和垩白粒率分别有70.4%、96.5%、38.3%和21.7%达到国家优质稻谷标准三等的要求。采用主成分分析法对各品质指标进行分析，第一、第二、第三主成分的贡献值分别为37.11%、22.94%和15.37%，第一主成分将稻谷样品大致分为2类，以孝感产区样品为代表的I类稻谷，具有高直链淀粉、高回生值、低衰减值的特点，以荆门市、荆州市等产区样品为代表的II类稻谷，具有低直链淀粉、低回生值、高衰减值的特点。     

Application of Near-Infrared Hyperspectral Imaging for Detection of External Insect Infestations on Jujube Fruit

A hyperspectral imaging system has been built for detecting external insect damage and acquiring reflectance images from jujubes in the near-infrared region of 900–1700 nm. Spectral information was extracted from each jujube, and six optimal wavelengths (987, 1028, 1160, 1231, 1285, and 1464 nm) were obtained using principal component analysis. The first principal component images (PC-1) using the selected six wavelengths were obtained for further image processing. The detection algorithm was then developed based on principal component analysis and two-band ratio (R1160/R1464) coupled with image subtraction algorithm (R1160-R1464). An identification accuracy of 93.1% for insect-infested jujubes and 100% classification rate for the intact ones were achieved. The results of this research demonstrated that it is feasible to discriminate insect-infested jujubes from intact jujubes using the near-infrared hyperspectral imaging technology.     

基于近红外光谱技术的枸杞产地溯源研究

采用近红外光谱技术对宁夏、甘肃、青海、内蒙、河北的8个不同产地40种枸杞样品进行扫描,在主成分分析基础上利用简易分类法(simple modeling of class analogy,SIMCA)模式识别原理分别建立模型。结果表明：在950～1650nm全光谱波长范围内,光谱经一阶导数(5点平滑)和矢量归一化(standard normal variate,SNV)预处理后,8个产地模型的主成分数均为3时,采用 SIMCA模式识别法可以建立较为稳健的枸杞产地溯源模型;在α＝5%的显著水平条件下检验模型的可靠性,8个产地校正集模型的识别率除青海为80%外,其他产地均为100%,拒绝率分别为100%、100%、97%、100%、91%、94%、97%、100%,其验证集模型的识别率均为100%,拒绝率分别为100%、100%、100%、100%、75%、88%、100%、100%。表明该方法在枸杞产地识别中具有可行性。     

基于主成分分析法构建高蛋白重组米品质评价体系

为探究高蛋白重组米品质指标间相互关系,以碎米与16种常见蛋白粉为原料通过挤压分别制备16种高蛋白重组米,测定高蛋白重组米质构特性、蒸煮特性、糊化度、水溶性指数、吸水性指数、膨化度,并运用主成分分析法计算不同高蛋白重组米的综合得分,通过逐步回归对高蛋白重组米品质的评价指标进行筛选,构建其综合评价体系。结果表明,不同蛋白制备的高蛋白重组米蒸煮品质指标以及质构品质指标差异较大。主成分分析提取的3个主成分累计贡献率达到了85.148%,分别是59.4725%（X₁）、17.527%（X₂）、8.149%（X₃）,其中,胶粘性、米汤干物质、硬度、吸水性指数、咀嚼性、内聚性、糊化度、回复性、大米吸水率对第一主成分起主要作用;弹性、膨化度和碘蓝值对第二主成分起主要作用;水溶性指数是第三主成分的重要指标。以主成分分析得到的各高蛋白重组米综合得分为因变量（F值）,以参加主成分分析的各指标值为自变量,通过逐步回归分析法建立高蛋白重组米综合品质评价的理论模型:Y=0.915X_胶粘性+0.208X_糊化度?0.475X_{米汤干物质}+0.436X_回复性。该模型得出高蛋白重组米的质量最优为大米蛋白重组米,其次为大豆分离蛋白重组米,与主成分综合得分呈极显著正相关（P<0.01）,进一步证实该模型具有很高的可靠性。     

油茶果自然霉变程度的可见/近红外与中短波近红外光谱检测

分析利用可见/近红外光谱（400～1 000 nm）与中短波近红外光谱（900～1 700 nm）对不同自然霉变程度油茶果检测判别的可行性,实验同时采集不同霉变程度油茶果赤道阴面、阳面和接合面三点的两波段光谱,样品平均光谱的主成分分析（principal component analysis,PCA）发现不同霉变程度样品同组内具有一定聚类效果且PC1和PC2对于判别不同组间样品有效,全光谱偏最小二乘判别分析模型结果显示原始光谱已具有足够信息,建立的模型性能比预处理后全光谱更优。进一步进行特征波长选取,发现相比于PC载荷,连续投影法在两光谱范围选取波长建立的简化模型均为最优,预测集判别准确率与Kappa系数均为84.4%与0.766 7。结合预测集混淆矩阵发现,两光谱范围最优简化模型预测不同霉变组样品特异度相当,均在0.84以上,但900～1 700 nm中短波近红外光谱对于中等霉变程度的判别灵敏度（0.72）略高。本研究表明近红外光谱技术可用于油茶果的自然霉变程度检测,可见/近红外与中短波近红外光谱能力相当,考虑到仪器成本问题,可见/近红外光谱具有更好的实时检测应用前景。