基于二维相关近红外光谱的白酒酒龄鉴别

目的:杜绝以低龄酒冒充高龄酒,实现对白酒酒龄的判别。方法:利用近红外光谱仪采集白酒样品的近红外透射光谱,以酒龄作为外扰,构建各白酒样品的同步和异步二维相关谱;在此基础上,提取每个样品的自相关谱,并结合马氏距离法建立白酒酒龄判别模型。结果:1400~1800 nm波段范围内包含白酒样品随酒龄变化的有效信息;模型校正集判别正确率为93.3%,预测集判别正确率为92.0%。结论:二维相关谱结合马氏距离法能够对白酒酒龄进行有效鉴别。     

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。     

基于FT-NIR光谱技术结合KPCA-MD-SVM对白酒基酒的快速判别

为保证在摘酒过程中基酒分段的准确,研究通过利用傅里叶变换近红外设备对整个摘酒过程中的基酒样品进行光谱采集,使用支持向量机（SVM）对最优预处理的基酒光谱建立基酒分段模型,其模型训练集的正确率为93.02%,测试集判别率为90.08%。为减少建模时间和提高模型的可靠性,使用核主成分分析（KPCA）对基酒光谱数据降维,并对此建立基酒分段模型。其训练集正确率为94.81%,测试集判别率为90.75%,相比无KPCA分析时的分段模型训练集高1.79%,测试集高0.67%。为进一步提高模型的判别能力,使用马氏距离（MD）剔除了降维后的异常数据样品,创建的基酒分段模型训练集对基酒段数的正确率为98.72%,测试集正确率为98.75%。剔除异常样品后的分段模型的训练集正确率提高了3.91%,测试集判别率提高了8%。以上研究表明了KPCA+MD+ SVM基酒分段模型能对基酒进行快速判别,为近红外光谱在自动化摘酒方面提供了一种理论可能。     

基于电子鼻技术的玫瑰香葡萄贮藏期快速判别

为了建立基于电子鼻技术的玫瑰香葡萄贮藏期快速、无损判别方法。采用电子鼻PEN3系统分别对10,0℃贮藏不同时间的玫瑰香葡萄进行检测,分析传感器载荷贡献率,应用主成分分析、线性判别分析对贮藏期进行区分,建立贮藏期判别模型,比较马氏距离法、欧氏距离法、相关性法、判别函数分析法对未知样品贮藏时间的判别效果,同时测定贮藏期间的好果率、可溶性固形物、总酸、VC、硬度等指标,考察品质变化规律。结果表明:玫瑰香葡萄在贮藏期间品质变化呈现一定规律性,电子鼻不同的模式识别方法可将不同贮藏期样品有效区分,应用判别函数分析对未知样品的判别正确率达95%。因此,利用电子鼻判别玫瑰香葡萄的贮藏期方法可行。     

基于近红外光谱的褐变板栗识别建模方法研究

为了实现褐变板栗的快速无损分选,研究了基于近红外光谱技术的褐变板栗栗仁检测方法。试验在1000~2500 nm波段范围内采集板栗栗仁的反射光谱,通过标准正态变量变换预处理后,采用K-最近邻法(KNN)、簇类独立软模式法(SIMCA)、主成分回归-线性判别分析法(PCA-LDA)、偏最小二乘回归-线性判别分析法(PLS-LDA)以及最小二乘-支持向量机判别分析法(LS-SVM)分别建立褐变板栗识别模型并进行比较分析。偏最小二乘结合最小二乘-支持向量机所建PLS-LS-SVM模型性能最优,该模型对测试集的敏感性、特异性和识别正确率分别为1.00%、0.92%和95.00%。结果表明:近红外光谱结合PLS-LS-SVM可用于褐变板栗的快速无损检测。     

小麦霉菌污染支持向量机判别模型的建立

为建立一种快速判别小麦霉菌污染的方法,该研究采用近红外光谱技术结合化学计量学方法,以126份小麦样品为研究对象,通过剔除异常样品、光谱降维和预处理,采用支持向量机分类（support vector machine classification,SVM）方法建立判别模型。结果表明：运用基于马氏距离的主成分分析方法剔除异常样品5个,将原始光谱数据进行降维处理得到8个主成分,能够代表原始样本的98.80%。输入变量的最佳预处理方式为标准正态变量变换,最佳核函数为linear,核函数参数C值为10,SVM判别模型的训练集判别正确率为100%,交叉验证判别正确率为98.89%。用未参与建立判别模型的外部验证集样品对SVM判别模型进行验证,结果表明：SVM判别模型对外部验证集样品的判别正确率为100%。该研究所建立的SVM判别模型可以用于小麦霉菌污染的快速检测。     

基于二维相关谱灰度统计特征判别掺杂尿素牛奶

如今,乳制品掺杂问题日益突出,为寻求一种快速高效的鉴别掺杂牛奶的方法,提出将二维相关谱和灰度统计特征分析技术应用于判别掺杂牛奶的研究。运用MATLAB软件绘制出掺杂牛奶和纯牛奶的二维相关谱灰度图像,利用图像纹理分析中的灰度统计特征的方法提取出平均值、方差、偏度、自相关、惯性矩等11个图像灰度统计特征参数。为避免"特征维数灾难"问题的产生从而影响分类效果,采用主成分分析的方法提取出10个主要特征,实现对图像灰度统计特征的降维。设计贝叶斯分类器和BP神经网络分类器对掺杂牛奶进行判别和分类,基于二维同步-异步近红外光谱贝叶斯分类器和BP神经网络对掺杂尿素牛奶判别,其正确率分别为100%和92.31%,判别纯牛奶的正确率分别为92.3%和100%。     

基于二维红外相关谱的模式识别技术判别掺杂牛奶

将二维相关谱与化学计量学结合实现掺杂牛奶与纯牛奶的判别分析。配制40个掺杂尿素牛奶、40个掺杂三聚氰胺牛奶和80个纯牛奶样品,在室温下采集各样品的一维红外光谱。以掺杂物浓度为外扰,分别构建了900~1 700 cm-1和900~1 200 cm-1vs.1 200~1 700 cm-1同步红外二维相关谱。在此基础上,分别建立了基于两个区间相关谱掺杂牛奶的多维偏最小二乘判别模型,并与传统一维的偏最小二乘判别模型的分析结果进行对比分析。结果表明:基于900~1 200 cm-1vs.1 200~1 700 cm-1二维相关谱模型优于900~1 700 cm-1二维相关谱模型,相关谱的多维偏最小二乘判别模型优于传统一维谱的偏最小二乘判别模型。     

基于二维相关近红外光谱的老陈醋醋龄鉴别

采用二维相关近红外光谱技术与判别分析(DA)方法相结合鉴别不同醋龄的老陈醋样品。选取5个醋龄共100个老陈醋样品,在室温下采集所有样品的一维近红外光谱。以醋龄作为外扰因素,构建各样品在1 001～1 830 nm波段范围的二维相关同步谱和异步谱,分析其二维相关谱图的光谱特征。基于二维相关同步谱的对角线数据(即自相关谱),建立不同醋龄老陈醋样品的判别分析模型,模型校正集的识别准确率为97.3%,预测集识别准确率为96%。研究结果表明,所提出的方法可提供随醋龄变化的更多光谱特征信息,为老陈醋醋龄快速鉴别提供一种精度高的分类模型。     

食用油储存期品质变化的太赫兹光谱无损识别

为研究食用油在储存期间的品质变化情况，利用太赫兹衰减全反射技术对不同氧化程度的食用油进行无损识别。首先探究储存条件对食用油品质的影响情况，进一步根据国家定义食用油品质的标准将样品分为新鲜油、可食用油和不宜食用油，采集各类油品的太赫兹时域光谱，经数据预处理后采用欧氏距离匹配法进行聚类分析，并采用线性判别分析法进行样本分类，其中欧氏距离匹配法识别食用油折射率谱，准确率为95.65%；线性判别分析法识别吸收系数谱数据，准确率为91.00%，经比较两模型识别准确率理想，分析效果良好。该研究首先得出储存条件对食用油品质的影响规律，以论证太赫兹衰减全反射技术在分析食用油储存期品质变化方面的可行性，实现了食用油品质的快速无损检测；也可为太赫兹光谱技术深入应用于食用油多种属性的研究提供一定参考依据。