近红外光谱结合化学计量学的掺伪杜仲判别

中药杜仲具有多种医疗功能，常被不法分子选作掺假目标以牟取暴利，对掺假杜仲进行快速判别能够更好的保障杜仲质量安全以及维护消费者的利益。使用近红外光谱结合化学计量学，构建了一种用于快速检测杜仲中几类常见掺假物的方法，可以实现杜仲的真伪鉴别。从结果上看，偏最小二乘判别分析(PLS-DA)获得的训练集和测试集的识别率分别为99%、96%,随机森林(RF)获得的训练集和测试集的识别率分别为99%、92%。此外，采用PLS回归模型对杜仲中不同类型掺假物的掺假程度进行定量，良好的线性相关性和准确度证明了PLS回归模型对于杜仲掺假比例的预测结果是可靠的。该方法可以快速、准确地进行杜仲的真伪鉴别和掺假样品的掺假程度预测。     

高光谱结合图分割算法快速鉴别不同尺度产地陈皮

以中药材陈皮为研究对象,建立一种高光谱结合图分割算法实现不同尺度产地陈皮样本快速无损鉴别方法。采集陈皮样品的高光谱图像并利用图分割算法快速获得相对反射率数据集,多种预处理算法对光谱数据降噪处理后,结合偏最小二乘判别分析(PLS-DA)、随机森林(RF)和支持向量机(SVM)建立分类模型,利用预测集准确率筛选最佳模型,混淆矩阵评估模型性能。图分割算法相比常规人工提取方法时间减少80%。融合光谱一阶导结合PLS-DA模型是不同尺度产地陈皮样品的最优鉴别模型,省级行政区域和新会不同区域的陈皮样品的鉴别准确率分别为98.41%和99.05%。该新型图分割算法能够实现高光谱兴趣区域信息的快速、准确获取,结合高光谱技术可实现不同尺度产地陈皮样品的快速鉴别。     

基于光谱技术实现中药三七的真伪识别及产地分析

近红外光谱分析技术具有样品预处理简单、绿色环保、不破坏中药成分等优势,来实现中药三七的真伪识别及产地分析。借助化学计量学方法,把样品分为定标集和预测集,通过TQ Analyst软件中的建模(包括DM距离匹配法、相似度匹配)建立定标集的模型,用预测集来验证。通过几种方式的分析,发现几种分析方式的识别率均大于80%。推测利用光谱技术来实现中药三七的真伪识别及产地分析是可行的,为中药的质量控制提供了一种方法。     

红外光谱法结合K⁃均值聚类与神经网络对饮料瓶的检验研究

利用傅里叶变换红外光谱法对41个不同品牌的塑料饮料瓶进行快速无损检测。谱图数据在经过预处理后可将样品分为聚对苯二甲酸乙二醇酯和聚乙烯两类。每一类内部的各个样品红外特征峰存在差异。对于数量最多的一类样品,通过主成分分析将样品光谱数据降维并提取主成分,然后结合K-均值聚类对样品进一步分组。最后以聚类结果作为因变量,构建神经网络算法对数据进行训练,用来预测样品分类情况。借助随机数发生器,随机选取86.5 %的样品作为训练集,13.5 %的样品作为测试集。结果表明,训练集和测试集的正确率均达到了100 %,同时也验证了K-均值聚类结果的准确性,建立了塑料饮料瓶的快速分类模型;此分类模型方法可操作性好,结果准确可靠,为公安基层实际办案提供了参考。     

紫外-可见光谱传感对高温大曲白酒真实性的准确鉴别

由于高温大曲白酒品质优良价格高昂，不法商贩常以高档酒瓶灌装同香型低档白酒以次充好。基于4种有机染料与风味化合物竞争配位锌离子的紫外-可见光谱结合偏最小二乘判别分析(PLS-DA)对高温大曲白酒的香型和品牌进行识别和分类。结果表明，风味化合物与锌离子的配位能力大于有机染料与锌离子的配合能力，使得光谱信号变化显著，同香型白酒鉴别的PLS-DA训练集和预测集准确率从原始光谱的98.63%和100%均提高到100%,且传感阵列的鉴别结果总体上是优于单传感点和原始光谱的。因此，基于有机染料与风味化合物竞争配位锌离子的紫外-可见传感方法可用于高温大曲白酒真实性的鉴别分析。     

红外光谱结合化学计量学鉴别西红花的产地

西红花不仅是在世界范围内广泛使用的传统香料，也是一味著名的中草药，其品质与产地密切相关。迫切需要寻找一种能快速对西红花进行产地判别的方法。基于不同产地西红花样品近、中红外光谱数据特征，采用Savitzky-Golay平滑(SG平滑)、多元散射校正、标准正态变量变换、一阶导数和二阶导数等预处理算法对光谱数据进行降噪处理，可以减小试验样本、测定环境以及仪器噪音对光谱数据的影响。结合偏最小二乘判别分析(Partial least square-discriminant analysis, PLS-DA)、决策树(Decision tree, DT)和支持向量机(Support vector machine, SVM)方法分别建立近红外光谱、中红外光谱、近中红外融合光谱分类模型，并采用移动窗口偏最小二乘法(Moving window partial least square method, MWPLS)提取光谱特征区间可以提升建模速度和分类精度。基于预测结果的准确率、混淆矩阵(Confusion matrix)和ROC曲线下面积(Area under curve, AUC)以选择最优分类模型。...     

基于近红外的Fisher判别法鉴别废塑料

通过对化学计量学方法的分析研究,提出了一种基于近红外光谱的丙烯腈–丁二烯–苯乙烯塑料、聚对苯二甲酸乙二酯、聚氯乙烯、聚丙烯、聚苯乙烯和聚乙烯6种塑料的一次性鉴别模型,为近红外塑料识别软件的二次开发提供有效程序。结果表明,光谱经3次多项式、13窗口S–G最小二乘拟合平滑+sym17函数、分解2层小波分析+主成分分析+特征波长选择+Fisher判别处理,可得5个判别函数式。由这些函数式建立的判别模型可以实现6种塑料的一次性识别,其校正集样本自身验证和交叉验证的识别率分别为100%和84.9%,表明该模型稳定;预测集样本进行模型外部检验的准确率为100%,表明该模型可行。     

红外指纹图谱结合化学计量学在不同产地姜黄药材鉴别中的应用

目的:应用红外指纹图谱法检测来自于广东、广西、山东、安徽和四川的姜黄样品指纹图谱,采用多种化学计量学方法分析,以鉴别不同产地的姜黄药材。方法:利用共有峰率和变异峰率双指标模型,鉴别了不同产地的姜黄样品的红外指纹图谱,并同时运用模式识别对姜黄样品共有特征红外光谱吸收峰峰数据进行处理。结果:模式识别与双指标模型分析结果相同,广西的姜黄综合得分最高,为1.12,山东和安徽的姜黄共有峰率最高,达到100%。结论是红外指纹图谱与化学计量学结合,可以对中药进行简单快速准确鉴别,为中药品质的评价与产地的分类提供了另一种思路。     

不同产地甘草X-射线粉末衍射指纹图谱的偏最小二乘判别分析方法

采集不同产地来源的甘草样品的X-射线粉末衍射图谱,运用偏最小二乘判别分析(PLSDA)方法对其原始图谱进行潜在的差异信息判别。结果表明,PLSDA模型对不同产地来源的甘草药材鉴别正确率达到100%。以X-射线粉末衍射分析结合PLSDA方法快速、准确判别了不同产地来源及野生和家种甘草,为客观评价中药材的产地归属提供了一种新的方法和手段,在中药材质量鉴定领域具有广阔的应用前景。     

基于判别分析与K近邻算法对塑料吸管的红外光谱分析

为建立一种塑料吸管物证的高效、准确分类方法,利用红外光谱法对来自全国的4个品牌共42个塑料吸管样本进行了检验。经过前期光谱预处理后,利用主成分分析法提取出了25个主成分,累积方差贡献率为99. 689%,并将其作为判别变量进行判别分析。判别结果区分效果良好但交叉验证正确率仅为73. 8%,有待进一步提高。因此将判别得分作为特征变量导入K值为1的K近邻算法中,构建起了分类正确率为100%的K近邻算法模型,实现了对塑料吸管物证的准确分类。     

高光谱成像与短视频成像结合机器学习应用于检测防火涂料的一致性

为了快速识别市场常见的防火涂料品牌,结合光谱成像与机器学习,提出了2种快速检测防火涂料一致性的方法。采用高光谱成像和短视频成像技术,测量了7种品牌防火涂料样品的光谱,利用主成分分析法对光谱数据进行降维,表明各品牌存在可分性。对光谱数据进行预处理、划分训练集和测试集后,评估常用机器学习方法的分类准确度,包括最小二乘判别分析、支持向量机等。结果表明：将光谱成像技术与机器学习结合,能够准确地区分防火涂料的品牌。短视频成像仅需智能手机即可实现光谱采集,具有技术成本低、操作便捷等优势,该技术与机器学习结合,在现场原位检测防火涂料的一致性有更广阔的应用前景。     

基于过滤式微流控SERS芯片和PLS-DA的细菌快速鉴别

细菌的快速检测和准确识别对于确保食品安全和减少致病菌感染至关重要。本文提出了一种SERS技术结合偏最小二乘判别分析(PLS-DA)进行细菌鉴别的方法。设计了一种过滤式微流控SERS芯片，通过在微孔滤膜表面构建高SERS活性Ag NPs基底，搭建细菌SERS光谱检测平台，并用于10种菌属的细菌SERS检测。采集的10种细菌SERS光谱，首先经小波去噪，分段多项式拟合基线校正和归一化预处理SERS光谱，然后用偏最小二乘判别分析(PLS-DA)建立分类识别模型，模型分类正确率为96.3%,盲样检验正确率为95.7%。所研制过滤式微流控SERS芯片结合PLS-DA数据分析方法，在食品安全、疾病诊断等领域具有重要的研究价值和应用前景。     

基于近红外光谱的再生塑料固体废物识别技术

再生塑料固体废物鉴别过程较为复杂，需要结合多项理化指标综合分析判定。本文采用便携式近红外光谱技术，以842个再生塑料样品和202个再生塑料固体废物样品为研究对象，结合模式识别算法(最近邻算法KNN,偏最小二乘分类判别法PLS-DA,最小二乘支持向量机LS-SVM)建立识别模型，在剔除饱和吸收光谱的情况下，训练集的准确率最高可达到97%。实现了不同种类再生塑料固体废物快速鉴别，可应用于再生塑料固体废物现场初筛，为海关监管提供技术支撑。     

基于红外光谱技术的航空润滑油判别分析

对红外光谱技术应用于航空合成润滑油的快速判别进行了研究。采用红外光谱衰减全反射附件采集5种不同牌号的航空合成润滑油的红外光谱。基于偏最小二乘判别分析方法,建立了5种润滑油牌号快速判别模型。讨论了建模主成分数与不同建模光谱区间对模型预测能力的影响。通过优化建模参数,提高了模型的预测精度。使用建立的分析模型对预测集样品进行预测,判别正确率为100％。     

基于OPLS-DA提取VIP值的塑料餐盒K-NN拉曼光谱分析

为了实现塑料餐盒这一食品包装材料的拉曼光谱特征提取和模式识别的系列研究,进行有监督的正交偏最小二乘判别分析算法模型的构建,样本在提取出的3个正交新变量上类与类之间明显区分开来。从已构建模型中提取出变量投影重要性局部极大值大于1的29个特征变量进行k值为1的K最近邻算法分类,最终训练集和测试集的分类正确率分别达到了92. 3%和100%,表明包括模型构建、特征提取和模式识别在内的系列方法可有效对塑料餐盒样本进行分类识别。     

藜麦产地的红外光谱鉴别

种植环境差异导致不同产地的藜麦有差异,故对不同产地的藜麦进行区分鉴别对商家、消费者具有重要参考价值。将中红外光谱与主成分分析(PCA)、线性判别分析(LDA)及混淆矩阵结合对不同产地藜麦进行鉴别研究。结果显示:藜麦的红外光谱主要由淀粉、蛋白质和脂质谱峰组成,且在蛋白质和糖类谱峰上有差异。用600~4000 cm^-1范围的原始光谱进行PCA分析,前两个主成分(PC)取得了92%的累计方差贡献率,基于PCA分析生成的PC进行LDA分析,取得了96.25%的分类精度。基于预测结果的混淆矩阵作为综合评价指标,得到PCA-LDA分类模型的精确度、召回率及特异性分别为96.25%、96.59%和99.48%,说明使用PCA-LDA模型可以对藜麦产地进行有效鉴别。研究表明红外光谱结合多元统计分析方法是鉴别藜麦产地的有效方法。     

藜麦产地的红外光谱鉴别

种植环境差异导致不同产地的藜麦有差异,故对不同产地的藜麦进行区分鉴别对商家、消费者具有重要参考价值。将中红外光谱与主成分分析(PCA)、线性判别分析(LDA)及混淆矩阵结合对不同产地藜麦进行鉴别研究。结果显示:藜麦的红外光谱主要由淀粉、蛋白质和脂质谱峰组成,且在蛋白质和糖类谱峰上有差异。用600~4000 cm^-1范围的原始光谱进行PCA分析,前两个主成分(PC)取得了92%的累计方差贡献率,基于PCA分析生成的PC进行LDA分析,取得了96.25%的分类精度。基于预测结果的混淆矩阵作为综合评价指标,得到PCA-LDA分类模型的精确度、召回率及特异性分别为96.25%、96.59%和99.48%,说明使用PCA-LDA模型可以对藜麦产地进行有效鉴别。研究表明红外光谱结合多元统计分析方法是鉴别藜麦产地的有效方法。     

近红外光谱的ELM校正模型测定柴油凝点

为了简便、快速地测定柴油凝点,建立了一个基于ELM算法的近红外光谱校正模型。首先选择KS法按4:1划分样本集,并以"一阶导数+矢量归一化"方法进行光谱预处理;以校正集数据训练ELM模型并进行参数优化后,代入测试集光谱数据完成预测。通过136个柴油样品数据建模验证,结果表明用近红外光谱的ELM校正模型测定柴油凝点是完全可行的,且其准确度、稳健性和速度均优于PLSR模型和LS-SVM模型。     

基于近红外光谱快速测定雪菊的总黄酮含量

建立了一种近红外漫反射光谱快速测定不同产地雪菊中总黄酮含量的方法.以10个不同产地的100份雪菊样品为对象,采用NaNO2-Al(NO3)3比色法对来自不同产地的雪菊进行总黄酮含量测定;通过不同产地雪菊样品的近红外光谱图和对应的总黄酮含量,运用偏最小二乘法(PLS)建立了雪菊总黄酮含量的快速测定模型并对模型进行了验证....     

基于近红外光谱与SIMCA快速识别乙烯醋酸乙烯酯共聚物树脂牌号的定性方法

利用近红外光谱与族类独立软模式方法(SIMCA)对不同牌号的乙烯醋酸乙烯酯(EVA)共聚物树脂进行快速定性分析。利用漫反射测量方式与傅里叶近红外光谱仪测量样本的近红外光谱,并利用SIMCA方法对训练集样本建立类别定性模型及预测验证集样本的牌号。结果表明,近红外光谱经过导数与MSC预处理后,利用主成分分析方法将光谱数据降维得到光谱的主成分信息,选用前3主成分建立的EVA树脂牌号的定性识别模型,对24个验证集样本的预测准确度为100%。基于近红外光谱与SIMCA定性方法可以用于EVA树脂牌号的快速识别。