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。     

基于近红外光谱技术快速识别不同动物源肉品

利用傅里叶变换近红外光谱技术建立猪肉、牛肉和羊肉的定性识别模型。用主成分分析法将原始数据压缩为10 个主成分,在全波段9 881.46～4 119.20 cm－1范围内,利用附加散射校正技术结合Savitzky-Golay滤波法对光谱数据进行预处理,采用判别分析法建立模型。模型对训练集的识别准确率为100%,对预测集猪肉、牛肉和羊肉的识别准确率分别为99.28%、97.42%和100%。结果表明：近红外光谱结合模式识别方法能快速无损地识别猪肉、牛肉和羊肉。     

郎枣轻微损伤可见/近红外光谱分波段动态判别研究

为了实现轻微损伤郎枣的快速无损检测,以完好和轻微损伤郎枣为研究对象,动态采集其可见/近红外光谱数据。依据光谱波段定义将采集的光谱数据分为可见光(Vis)、短波近红外(SW-NIR)、长波近红外(LW-NIR)、可见/短波近红外(Vis/SW-NIR)、近红外(NIR)和可见/近红外(Vis/NIR)等6个波段,分别选取各波段最佳预处理方法。采用连续投影法(SPA)和主成分分析法(PCA)分别对各波段光谱数据降维,以全波长、SPA提取的特征波长和PCA提取的主成分作为输入,分别建立偏最小二乘回归法(PLSR)和最小二乘支持向量机(LS-SVM)模型,通过比较预测集的判别准确率,确定最佳建模方法。结果表明,PLSR模型优于LS-SVM模型,SW-NIR波段较其余5个波段有更好的判别能力,所建SW-NIR-SNV-SPA-PLSR模型判别准确率为93.3%,为最佳模型。本实验为轻微损伤郎枣的快速无损检测和相关仪器的开发提供了理论基础。     

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。     

应用同步荧光光谱和支持向量机快速鉴别油茶籽油真伪

为快速鉴别油茶籽油真伪,采用同步荧光光谱和支持向量机建立油茶籽油真伪鉴别模型。结果表明,原始同步荧光光谱通过标准归一化(SNV)预处理,经过主成分分析提取5个主成分,选用径向基函数(RBF)作为核函数,采用经网格搜索和交叉验证优化得到的两个建模参数惩罚因子C=0.5和核参数γ=0.0313,建立的模型最佳。该模型对训练集和预测集的判别率均可达到100%。说明采用同步荧光光谱结合支持向量机可以快速、准确地鉴别油茶籽油真伪。     

近红外光谱技术定性鉴别蜂蜜品种及真伪的研究

提出了蜂蜜品种及真伪定性鉴别的新方法。在12000～4000cm-1范采集荆条蜜、槐花蜜、油菜蜜和掺假蜜的近红外光谱,结合一阶导、多元散射校正及变量标准化)三种方法对光谱进行预处理,以主成分分析结合马氏距离判别法,在不同谱区建立蜂蜜品种及真伪定性鉴别模型。研究发现6100～5700cm-1谱区为最佳建模波段,品种判别正确率达90%以上,真伪鉴别正确率为93.10%。     

利用可见/近红外光谱判别干枣品种

目的利用可见/近红外反射光谱技术快速判别干枣的品种。方法使用光谱仪获取山西永和枣、山西板枣和新疆和田枣3种干枣在345~1100 nm波段范围内的漫反射光谱;分别使用多元散射校正(MSC)法和一阶导数法(1~(st)-D)和二阶导数法(2~(st)-D)对反射光谱进行预处理;对预处理光谱进行主成分分析,全交差验证法确定最佳主成分数量,提取主成分,结合马氏距离法和线性判别法建立品种判别模型,建立模型过程中使用全交叉验证法确定最佳主成分数,将模型应用于干枣的品种判别。结果可见/近红外反射光谱经过MSC处理后提取主成分建立品种预测模型对枣的品种判别结果最好,利用前4个主成分结合马氏距离法建立的判别模型和利用前5个主成分结合线性判别法建立判别模型,对于3个品种的枣的校正和验证判别准确率都达到了100%。结论可见/近红外反射光谱技术可以较好地判别干枣品种,本研究可为可见/近红外光谱技术在于枣品种和产地的快速鉴别和溯源中的应用提供一定的技术基础。     

基于高光谱成像技术的李果实成熟度判别

为了探究快速识别不同成熟度李果实的有效方法,本研究以李果实作为研究对象,基于高光谱成像技术对不同成熟度的李果实(未熟、半熟、成熟、过熟)样本的光谱信息(420～1000 nm)进行采集,对采集样本的光谱信息进行平滑处理(Smoothing)与标准正态变量校正(SNV)相结合的方法预处理光谱数据,分别以预处理后的全光谱(FS)数据和采用主成分分析(PCA)法提取主成分、采用连续投影算法(SPA)提取特征波长作为输入变量,建立偏最小二乘法(PLS)模型,比较不同判别模型的准确性。结果表明,FS-PLS建立的模型判别准确率最高,综合准确率达到了91.88%;但考虑实验计算量及复杂程度来说,SPA-PLS建立的模型判别准确率最优,综合准确率达到91.25%。该研究为李果实成熟度的判别检测提供了新的理论基础。     

主成分和判别分析在清香型白酒产地溯源中的应用

采用气相色谱法分析不同产地清香型白酒中乙酸乙酯、乳酸乙酯、乙酸等12种主体香味成分的含量,利用SPSS22.0软件对数据进行主成分和判别分析,可以将12个指标提取3个主成分,建立3个判别典型函数。利用建立判别函数可以对5个不同产地的78个白酒样品100%进行正确判别。该方法为不同产地白酒的溯源和真伪鉴别提供一条新的途径。     

基于拉曼光谱和支持向量机的黄酒品质快速分析

本研究使用拉曼光谱分析技术采集不同产地和不同酒龄的黄酒样品指纹信息,对比判别分析(DA)和最小二乘支持向量机(LS-SVM)所建黄酒品质快速模型性能,确定最优模型以实现快速准确地评价黄酒品质。本研究在全波段范围利用主成分分析对拉曼光谱数据降维,计算降维谱图间马氏距离,基于ward’s算法建立判别分析模型;将全波段范围作为最小二乘支持向量机的输入量,选择出能较好处理非线性问题的RBF为核函数,同时采用交互验证方式优化RBF核函数参数,基于优化RBF核函数,建立最小二乘支持向量机鉴别模型。研究结果表明:拉曼光谱结合最小二乘支持向量机鉴别模型对黄酒产地和酒龄的鉴别正确率均为100%;拉曼光谱结合判别分析鉴别模型对嘉善、绍兴和上海黄酒的鉴别正确率分别为100%、80%和80%,对黄酒酒龄的鉴别正确率均为100%;最小二乘支持向量机模型性能优于判别分析模型。拉曼光谱结合化学计量学方法可快速、准确评价黄酒品质。     

线椒货架期的近红外光谱定性判别

利用近红外漫反射光谱技术对线椒的货架期进行定性判别研究。实验以常温货架期1、3、5 d的线椒为研究对象,利用主成分分析法(PCA)建立近红外漫反射定性判别模型,在全光谱范围(400~2500 nm)内比较了不同的光谱预处理方法结合不同散射和标准化方法对所建模型的影响。结果表明,采用全光谱下Log(1/R)+None光谱预处理方法建立的模型预测最好,该模型的交互验证相关系数(R_(CV))为0.9455,交互验证误差(SECV)为0.1534,其正确分类率达95.56%~100%,预测准确率达88.89%~97.78%,该模型能够准确地区分不同货架期的线椒鲜果。因此,近红外光谱技术为线椒货架期的鉴别提供了一种新方法。     

一种鉴别酱香型白酒真伪度技术方法的研究

采用近红外光谱分析法,建立一种鉴别酱香型白酒真伪度的技术方法,同时为建立酱香型白酒红外指纹图谱库提供科学的研究数据。研究结果表明,近红外光谱分析技术,具有特征明显、专属性强的特点,且操作方便、快速,是一种分析鉴定白酒的理想方法。     

近红外光谱技术鉴别地理标志产品黄骅冬枣

采用近红外光谱技术结合合格性测试、主成分分析聚类方法,建立了快速鏊别地理标志产品黄骅冬枣的模型.收集产地不同的冬枣,使用聚焦不旋转固体漫反射方法,设定分辨率16cm-1,扫描范围4000～12000cm-1,采集样品近红外光谱.每个产地随机选取45个枣果,其中30个用来建立模型,余下的15个用于预测.通过对预处理方法和光谱波段的选择,两种方法使用的光谱范围均为4952.7～5693.2cm-1和6611.3～7537cm-1.原始光谱经矢量归一化预处理后进行合格性测试分析,建立黄骅冬枣的鉴别模型,预测准确率93.3%;经一阶导数+矢量归一化,17点移动式平均平滑预处理后,采用主成分分析(PCA)法对光谱进行聚类,预测准确率93.3%.两种方法均可作为快速无损地鉴别真伪黄骅冬枣的技术依据.     

基于zNose~(TM)电子鼻对不同品牌汾酒的快速识别

风味是鉴别汾酒品牌最重要的标准之一。针对传统品酒师品评的主观性及现阶段光谱仪、色谱仪等大型仪器检测汾酒的局限性,实验采用表面声波型电子鼻zNose~(TM)对6种不同品牌的汾酒酒样进行指纹图谱采集。通过比较指纹图谱差异,对酒样特征峰进行提取,利用主成分分析和判别因子分析对数据进行分析,并用贝叶斯判别函数验证其准确率,采用概率神经网络建立了识别模型。结果表明,主成分分析和判别因子分析都能对不同品牌汾酒进行区分,且判别因子分析法的区分效果优于主成分分析法,建立的概率神经网络模型其识别率达到100%。研究发现,表面声波型电子鼻zNose~(TM)对不同品牌汾酒具有较好的鉴别和分类能力。     

利用可见-近红外光谱鉴定不同香型风格烤烟的方法

为实现对烤烟香型风格的快速判别,应用可见-近红外光谱技术对浓香型、中间香型、清香型3种烤烟样品进行光谱采集,获得烟叶内在化学成分的特征光谱信息。选取全波段特征光谱经均值归一化、Savitzky-Golay卷积平滑、多元散射校正和标准正态变换等优化预处理,采用主成分分析(PCA)对光谱数据进行聚类分析,并结合偏最小二乘判别分析(PLSDA)建立了3种香型风格烤烟定性判别模型。结果表明,建立的PLS-DA模型的校正集和验证集的正确识别率均达到100%,模型性能良好,说明利用可见-近红外光谱技术对不同香型风格烤烟具有很好的分类和鉴别效果,为实现烤烟不同香型风格的快速、准确判别提供了一种新方法。     

基于近红外光谱和随机森林方法鉴别蜂蜜真伪

目的建立蜂蜜样品真伪鉴别的近红外光谱快速检测方法,为今后蜂蜜检验工作提供可靠参考依据。方法采用积分球透反射模式采集样品近红外光谱数据,以Savitzky-Golay 1阶微分方法对原始光谱进行预处理,以随机森林方法建立光谱数据与蜂蜜真伪的定性判别模型。结果所建立的判别模型中训练样本判别正确率为100%,测试样本判别正确率为95%。结论近红外透反射光谱技术应用于蜂蜜真伪鉴别的可行性,同其他分析方法相比具有操作简单、速度快、效率高、无污染、费用低、无需复杂前处理等优点。     

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。     

基于可见光谱的颜料组分鉴别研究

利用多光谱技术对彩绘艺术品颜料成分及密度进行鉴定,是当前文化领域面临的重要课题。本研究首先通过对颜料可见光反射光谱特征波段进行分析,将判别能力最强的特征波段引入鉴别模型,而后,基于判别模型实现颜料组分及含量的鉴别。实验数据表明,本研究采用的方法,对三色油墨混合组分的鉴别总体效果比较理想,其中青色油墨与品红油墨组分鉴别的准确率达到100%,黄色油墨组分的鉴别总体准确率为94.1%;结合多光谱图像获取技术,本研究提出的方法能够实现彩绘文物及实验品的颜料组分映射,对艺术品复制及修复具有重要意义。     

基于红外光谱技术的高渗酵母快速鉴别方法

为寻找高渗酵母种属的快速鉴别方法,本文应用傅里叶变换近红外光谱(FT-NIR)和傅里叶变换中红外光谱(FT-IR)分析技术,结合化学计量学方法,对6种高渗酵母判别分类。高渗酵母近红外光谱和中红外光谱的灵敏区段经基线校正,矢量归一化,二阶求导等预处理,分别采用主成分分析(PCA)结合线性判别分析(LDA)以及主成分分析结合反向传输人工神经网络(BP-ANN)2种方法建模。结果表明:近红外光谱、中红外光谱分析技术均能较好地分类高渗酵母;两种分析技术中,PCA-LDA模型的分类效果均优于PCA-ANN/BP模型,模型准确率为100%。本研究为高渗酵母快速、准确地鉴别提供了一种简便、可行的方法。     

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。