多光谱数据融合技术对绒柄牛肝菌产地的鉴别

采集5?个产地96?份绒柄牛肝菌样品的红外光谱和紫外光谱,结合多光谱信息融合策略,建立快速、有效鉴别绒柄牛肝菌产地的方法。运用多元散射校正、标准正态变量、二阶导数等预处理方法对原始光谱数据进行优化处理,减少噪音干扰。选取具有指纹特性的光谱信息进行初级数据融合;通过偏最小二乘判别分析（partial least squares-discriminant analysis,PLS-DA）筛选光谱数据中变量在投影方向重要程度大于1的波段,进行中级数据融合。利用优化处理后的单一光谱数据及多光谱融合数据建立PLS-DA模型和支持向量机（support vector machine,SVM）判别模型,比较两种判别模型对绒柄牛肝菌产地的鉴别效果。结果显示,通过红外光谱、紫外光谱、初级融合和中级融合数据分别建立PLS-DA模型,对绒柄牛肝菌产地的预测正确率为56.25%、56.25%、62.50%和81.25%;建立SVM判别模型,产地预测正确率分别为90.63%、65.63%、87.50%和96.88%,表明中级融合技术对绒柄牛肝菌产地鉴别效果显著,优于其他技术;并且SVM判别模型对牛肝菌产地区分效果优于PLS-DA模型。采用中级融合技术建立SVM判别模型,能够快速、有效鉴别不同产地绒柄牛肝菌,同时为食品质量监控提供有效方法和理论基础。     

基于近红外光谱技术的海参品质快速检测

目的应用近红外光谱技术建立海参产地区分和胶原蛋白快速检测的方法。方法总计43个海参样品来自大连、福建、连云港、山东4个地区。首先采集样品的近红外光谱图,经过标准正态变量(standard normal variables,SNV)预处理,利用不同定性判别模型对海参产地进行区分。通过分光光度计法测定海参的胶原蛋白含量,利用偏最小二乘法(partial least squares,PLS)、区间偏最小二乘法(interval partial least squares,iPLS)、向后区间偏最小二乘法(backwards interval partial least squares,BiPLS)和联合区间偏最小二乘法(synergy interval partial least squares,Si PLS)建立了海参胶原蛋白含量的预测模型。结果产地区分模型中最小二乘支持向量机(least-squares support vector machine regression,LS-SVM)的识别率最高,校正集识别率为100%,预测集识别率为95.35%;海参胶原蛋白预测模型中BiPLS的预测效果较好,校正集相关系数Rc为0.9002,预测集相关系数Rp为0.8517。结论近红外光谱技术可实现对海参的产地区分和胶原蛋白的快速检测。     

玛咖多糖提取过程的原位实时监测技术研究

研究超声辅助提取玛咖多糖及检测过程中提取液的多糖含量,同时应用近红外原位实时采集提取过程的光谱信息,通过光谱信息与多糖含量化学值之间的关系建立数学模型,从而达到实时监测提取过程中玛咖多糖的目的。研究结果表明,超声提取60 min内,多糖含量不断增加,随后增加缓慢并出现波动增长的趋势。对采集的原始光谱预处理,SG是最为有效地预处理方法,Rc和Rp最高,RMSECV和RMSEP数值最小。采用PLS、iPLS和si-PLS方法建立模型后,si-PLS所建立的模型最佳,联合4个最优的波长区间为:1 258.591～1 316.735nm,2 027.121～2 084.226 nm,2 153.93～2 210.888 nm和2 337.239～2 387.696 nm,模型的Rc、Rp分别为0.9621,0.9667;RMSECV、RMSEP分别为0.0116,0.0137。结论:采用近红外光谱可较好的预测超声提取玛咖多糖过程中提取液中的多糖含量,实现提取过程中的原位监测。     

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。     

食用油脂酸值近红外光谱特征波长优选

以近红外光谱快速检测大豆油脂酸值为目标,研究间隔偏最小二乘（interval partial least square,iPLS）结合遗传算法（genetic algorithm,GA）及连续投影算法（successive projection algorithm,SPA）的特征波长变量优选方法。制备不同酸值的大豆油脂样品100 个,并在4 000～12 000 cm－1范围内采集了油样的近红外透射光谱。首先用iPLS法从原始光谱中初步筛选出4 540～5 346 cm－1和6 807～7 004 cm－1组合特征波段,R2和预测均方根误差（rootmean square error of prediction,RMSEP）分别为0.978 9和0.064 3;然后分别用GA和SPA从特征光谱区域中筛选出与油脂酸值密切相关的特征波长变量,从GA和SPA 2 种选择结果中各选取前6 个波长点,以12 个特征波长变量建立PLS校正模型,其R2和RMSEP分别为0.985 9和0.045 1。研究表明,在油脂酸值近红外光谱分析中,采用iPLS-GASPA相结合的方法进行特征波长选择能有效去除冗余信息,降低模型复杂度,可为快速无损检测油脂酸值提供重要理论依据。     

基于高光谱成像的大米中蛋白质含量的可视化研究

为了研究大米蛋白质含量在品种和产地之间的差异,将采集的大米按照品种、产地进行分类。将提取的感兴趣区域光谱信息与化学方法测定的蛋白质含量相结合,建立全波长预测模型,通过对比确定最优的模型为偏最小二乘回归(partial least-squares regression,PLSR)。连续投影算法(successive projection algorithm,SPA)筛选特征波段,建立PLSR的特征波长模型,其性能与全波长模型相当。提取特征波长下的高光谱图像,将提取的特征图像上的所有像素点的光谱数据导入已建好的SPA-PLSR模型,预测各像素点的蛋白质含量,并把高光谱灰度图像进行伪彩色处理,得到不同品种产地大米的蛋白质含量分布图。结果表明,利用高光谱成像技术对大米中蛋白质含量分布进行可视化研究具有可行性,为后期筛分大米的产地和品种提供依据。     

基于近红外光谱技术的茶叶新旧鉴别及产地溯源研究

摘 要：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 首先采用傅里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SG平滑算法（savitzky-golay smoothing, SG）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。     

基于太赫兹时域光谱的大米品种识别研究

为实现大米品种的准确鉴别,提出一种基于太赫兹时域光谱（Terahertz Time-Domain Spectroscopy, THz-TDS）技术的大米品种识别方法。利用标准差（Standard Deviation, SD）和区间偏最小二乘（Interval Partial Least Square, iPLS）选取0.53~1.21 THz波段的吸收光谱信息作为分类模型的输入数据,再采用决策树模型（Decision Tree, DT）对四种大米吸收光谱进行分类识别,并在模型训练过程中结合网格搜索算法寻找模型最优参数。为增加实验对比度,分别使用逻辑回归模型和支持向量机模型进行对比实验,其模型分类准确率分别为80.75%和88.75%。实验结果表明,太赫兹时域光谱技术结合SD、iPLS和DT方法可以实现大米品种的准确识别,准确率可达95%,为农产品品种识别提供了一种新的鉴别方法。     

基于多源光谱分析技术的鱼油品牌判别方法研究

多源光谱分析技术被用于鱼油品牌快速无损鉴别。采用可见光谱分析技术、短波近红外光谱分析技术、长波近红外光谱分析技术、中红外光谱分析技术和核磁共振光谱分析技术采集了7种不同品牌的鱼油的光谱特征,并应用偏最小二乘判别分析法(partial least squares discrimination analysis,PLS-DA)和最小二乘支持向量机(least-squares support vector machine,LS-SVM)建立判别模型并比较判别结果。基于长波近红外光谱的PLS-DA模型和LS-SVM模型取得了最高识别正确率,建模集和预测集识别正确率均达到100%。采用中红外光谱和核磁共振谱分别建立的LS-SVM模型,也可以获得100%的判别正确率。而可见光谱和短波近红外光谱则判别准确率较差。且LS-SVM算法较PLS-DA更加适合用于建立光谱数据和鱼油品牌之间的判别模型。研究结果表面长波近红外光谱技术能够有效判别不同鱼油的品牌,为将来鱼油品质鉴定便携式仪器的开发提供了技术支持和理论依据。     

近红外漫反射光谱技术对小米产地的快速检测

为实现对小米产地溯源的快速检测,保护优质小米的品牌效益,维护消费者的合法权益,采用近红外漫反射光谱技术结合化学计量学,对来自肇源及肇州两地区的144份小米样品进行产地溯源研究。结果表明,采用因子化法建立的鉴别分析模型对肇源及肇州地区的小米样品鉴别正确率均为100%;采用欧氏距离法建立的聚类分析模型对两地区小米样品的鉴别正确率分别为95.65%和100%;采用偏最小二乘法建立的定量分析模型对两地区小米样品的鉴别正确率分别为95.65%和91.67%。由此可知,近红外漫反射光谱法是一种快速、高效、无损的小米产地溯源判别技术。     

高光谱成像技术检测肴肉新鲜度

建立阿胶中马和驴成分高特异、高灵敏的实时荧光聚合酶链式反应（polymerase chain reaction,PCR）检 测方法。选择马和驴线粒体基因tRNA-Thr及D-loop区为靶序列,设计合成特异引物,通过普通PCR和实时荧光PCR 检测,结果表明,这两对引物能够准确检测阿胶或动物胶中马和驴成分。     

基于傅里叶变换中红外光谱识别正常食用植物油和精炼潲水油模型分析

潲水油回流餐桌等食品安全问题越来越受到社会关注,探寻准确、快速、高效的潲水油鉴别新方法成为食用油安全性检测的新要求。用傅里叶变换中红外光谱技术（Fourier transform mid-infrared spectroscopy,FT-MIR）对精炼潲水油（refining hogwash oils,RHOs）和4 种不同正常食用植物油（菜籽油、大豆油、花生油和玉米油）进行快速检测,结合偏最小二乘判别法（PLS-DA）建立了RHOs和4 种不同正常食用植物油的判别模型。结果表明,在全光谱范围（4 000～450 cm–1）内,经二阶求导（Savitzky-Golay,5 点）后,RHOs和4 种不同正常食用植物油FT-MIR有显著差异。PLS-DA模型对22 个未知样品预测发现,判别模型的整体正确判别率均为100%。此结果表明FT-MIR结合化学计量学方法可以作为RHOs和4 种不同正常食用植物油（菜籽油、大豆油、花生油和玉米油）区分的一种有效技术手段。     

基于透射光谱的苹果霉心病多因子无损检测

针对目前苹果霉心病难以检测的问题,提出一种基于透射光谱的苹果霉心病多因子无损检测方法,通过融合多波段透射光谱与苹果直径,构建苹果霉心病判别模型,实现了苹果霉心病无损检测。搭建光谱测试范围在200～1 025 nm的透射光谱采集平台,实验获取232 个苹果样本的透射光谱数据,采用游标卡尺获得苹果直径数据。采用杂散光校正,非线性校正对苹果透射原始光谱进行预处理,选取与霉心病发病相关的12 个波段透射光强值,结合苹果的直径进行主成分分析,将分析的结果作为自变量,建立苹果霉心病Fisher判别模型。经过异校验验证,模型总体识别率为93.1%,而仅采用透射光谱构建的模型识别率为91.37%。结果表明,基于透射光谱与直径结合的多因子检测方法可实现苹果霉心病的准确判定,为苹果霉心病的快速、无损检测提供可行思路。     

高光谱图像对灰葡萄孢霉、匍枝根霉、炭疽菌的生长拟合及区分

利用高光谱成像系统获取真菌在马铃薯葡萄糖琼脂板上培养期间的高光谱图像,采用400～1 000 nm全波段光谱响应值,并计算全波段的平均值、波峰716 nm处的光谱值和全波段内光谱值第1主成分的得分值,利用这3 种参数计算方法构建真菌生长模拟模型。结果表明,3 种方法建立的模型测试集的决定系数（R2）为0.722 3～0.991 4,均方误差和均方根误差分别为2.03×10－4～5.34×10－3、0.011～0.756。建立的生长模型与传统菌落计数法建立的生长模型之间的相关系数为0.887～0.957。另外,主成分分析和偏最小二乘法判别分析可以区分3 种不同菌种。其中,偏最小二乘法判别分析模型对培养36 h的3 种真菌及对照组的区分准确率为97.5%。高光谱图像技术能够用来对真菌生长进行模拟和真菌的种类区分。     

白酒基酒中醛类物质的傅里叶变换近红外光谱检测

乙醛和乙缩醛对白酒的香气起均衡协调的作用,对白酒的风格和品质有重大影响。本实验研究白酒基酒中乙醛、乙缩醛的快速检测方法,经过分析白酒基酒样品的近红外光谱图,并对其进行不同的预处理。结果表明：白酒基酒中的乙醛、乙缩醛对傅里叶变换近红外光谱有特异吸收,最佳预处理方法与最优波段分别为：一阶导数＋矢量归一化、一阶导数＋多元散射校正预处理光谱,谱区选择7 501.7～7 102.0 cm－1和6 101.7～5 446.0 cm－1（乙醛）、6 101.7～5 449.8 cm－1（乙缩醛）。乙醛和乙缩醛校正集样品的化学值与近红外的预测值的决定系数（R2）分别为0.963 4、0.942 9;校正标准偏差分别为0.50、0.83 mg/100 mL;进一步对乙醛、乙缩醛的模型进行验证和评价,乙醛和乙缩醛模型验证集的决定系数（R2）分别为0.975 0、0.918 6,预测标准偏差分别为0.80、1.0 mg/100 mL。结果表明乙醛和乙缩醛的快速检测模型效果很好,精密度较高、稳定性良好,能满足白酒生产中乙醛和乙缩醛的快速检测要求。     

红外光谱结合多元统计分析快速鉴别不同种类牛肝菌

采用傅里叶变换红外光谱结合多元统计分析方法快速鉴别不同种类食用牛肝菌。采集10 个不同种类93 个牛肝菌子实体的红外光谱,分析食用牛肝菌的红外光谱特征;用多元散射校正（multiplicative signal correction,MSC）、标准正态变量（standard normal variate,SNV）、二阶导数（second derivative,SD）、Norris平滑（ND）、正交信号校正（orthogonal signal correction,OSC）、小波压缩等方法对光谱进行优化处理;经优化处理的光谱数据分别建立马氏距离分类模型及偏最小二乘判别分析（partial least squares discriminant analysis,PLSDA）。结果显示,牛肝菌在3 325、2 934、2 927、1 637、1 547、1 402、1 375、1 259、1 453、1 081、1 029 cm－1等附近有多个吸收峰,主要归属为蛋白质、多糖、氨基酸等的特征吸收峰。MSC＋SD＋ND（15∶5）和SNV＋SD＋ND（15∶5）两种预处理方式前10 个主成分累积贡献率分别为95.58%、95.54%,基于两种预处理方法建立马氏距离分类模型,验证集预测准确率分别为90%和95%。PLS-DA结果显示经MSC＋SD＋ND（15∶5）和SNV＋SD＋ND（15∶5）预处理不易于区分牛肝菌种类;原始光谱经正交信号校正及小波压缩（orthogonal signal correction waveletcompression,OSCW）、优化处理并进行PLS-DA分析,能够很好地区分不同种类牛肝菌。马氏距离分类模型不仅能反映样品的分类情况,同时计算出与测试样品相似度最大的物种,可为食用菌种类鉴别和未知物种鉴定提供可靠依据;OSCW预处理后进行PLS-DA分析能有效鉴别不同种类牛肝菌,为野生食用菌的鉴别分类提供一种辅助方法。     

国产玛咖中腺苷含量的高效液相色谱分析

目的：建立一种玛咖中腺苷的高效液相色谱（high performance liquid chromatography,HPLC）检测技术,并根据海拔、组织部位、干燥处理方法及表皮颜色差异对国产玛咖中腺苷含量进行分析。方法：用10%的甲醇溶液为提取溶剂提取玛咖中的腺苷,采用Waters SunfireTM C18（4.6 mm×250 mm,5 μm）色谱柱,以甲醇-水（10∶90,V/V）为流动相,流速1.00 mL/min,紫外检测波长260 nm,柱温26 ℃为条件进行腺苷的HPLC含量测定,并用该方法对多个玛咖样本进行了腺苷含量分析;结果：该方法显示腺苷含量在2.81～90 μg/mL范围内与峰面积呈良好的线性关系（R2为0.999 4）,精密度较高（相对标准偏差（relative standard deviation,RSD）为0.728 3%）、重复性较好（RSD为1.745%）,样品溶液24 h内的稳定性好（RSD为1.069%）,平均加样回收率为99.76%（RSD为0.48%）。根据不同玛咖样品检测结果发现,腺苷含量受玛咖颜色和海拔的影响较大,而且干燥处理方法和组织部位影响更大。结论：HPLC法适合玛咖中腺苷成分的含量测定,可用于玛咖原料的质量控制     

超高效液相色谱-二极管阵列检测器法快速测定保健食品中违法添加的14 种性功能药物

建立超高效液相色谱-二极管阵列检测器检测方法同时、快速测定抗疲劳类及增强免疫力类保健食品中违法添加的14 种性功能类化学药物（那红地那非、红地那非、伐地那非、羟基豪莫西地那非、枸橼酸西地那非、豪莫西地那非、氨基他达拉非、他达拉非、硫代艾地那非、伪伐地那非、那莫西地那非、康力龙、丙酸睾酮、苯丙酸诺龙）。采用ZORBAX SB-C18色谱柱,流动相A：乙腈-甲醇（90﹕10,V/V）,B：0.7%三乙胺溶液（pH 2.8）,梯度洗脱,流速0.35 mL/min。采集230 nm波长处的色谱图进行初筛和定量。根据14 种药物的光谱特征建立光谱库,确证检出化合物。结果表明：14 种性功能药物在15.0 min内可有效分离,在8～80 μg/mL的线性范围内相关系数均大于0.999 5,平均回收率为90.1%～106.5%,相对标准偏差为0.7%～4.9%,检测限为2～3 ng。该方法简便、快速、灵敏度高且重复性好,可作为检测抗疲劳类及增强免疫力类保健食品中违法添加化学药物的快速测定方法。     

基于近红外光谱的煎炸油极性组分定量分析模型构建

为了建立煎炸油中极性组分的快速检测方法,通过热处理和模拟煎炸方式,采集氧化程度不同的油样并用 国标法分析样品极性组分,采集样品近红外透射光谱,经光谱预处理,利用偏最小二乘法建立煎炸油极性组分定量 分析模型并对模型进行验证。结果表明：在波长范围为4 963～4 616、5 2 22～5 037 cm－1和5 688～5 499 cm－1,采 用一阶求导和Savitzky-Golay（7,5）平滑光谱处理,校正集相关系数为0.996 5,校正均方根差为1.84%,验证集R为 0.993 6,验证均方根差为1.92%,模型预测效果良好,利用近红外透射光谱测定煎炸油极性组分可行。