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。     

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MEMS微镜技术的近红外光谱检测奶粉中的三聚氰胺

为实现奶粉中三聚氰胺的无损定量快速检测,搭建了一款便携式光学仪器。采用基于MEMS微镜的微型光学平台及手持式探头、光纤及样品池等搭建的傅里叶变换近红外光谱仪,在1 000～2 500 nm波长范围内采集样品光谱,结合光谱预处理、特征波段筛选及主成分数选取来优化光谱信息,依照偏最小二乘法结合交叉验证建立定量模型。在1 400～1 600 nm和1 900～2 400 nm波段内,二阶导数+Savitzky-Golay九点平滑的预处理方法下,当主成分数为5时,交叉验证相关系数为0.965 2,交叉验证均方差为8.22,外部验证结果预测偏差均小于5%,模型预测性能良好。基于MEMS微镜的便携式近红外光谱仪能实现奶粉掺假三聚氰胺定量检测。     

近红外技术对不同动物来源肉掺假的检测

采用近红外光谱结合主成分分析法(PCA)、判别分析法,分别建立了牛肉和羊肉中掺杂其它动物肉的定性鉴别模型,根据鉴别准确率评价模型的预测性能。采用近红外光谱结合PCA、偏最小二乘法(PLS),建立了掺假物的定量检测模型,根据模型对预测集样品的预测均方差(RMSEP)以及预测值与实测值间的相关系数(r)验证模型的预测能力。结果,牛肉掺猪肉模型对训练集和预测集的鉴别准确率分别为97.86%和91.23%,羊肉掺猪肉模型对训练集和预测集的鉴别准确率分别为98.28%和92.98%,羊肉掺鸭肉模型对训练集和预测集的鉴别准确率分别为99.59%和93.97%,羊肉掺假模型对训练集和预测集的鉴别准确率分别为97.57%和90.76%。牛肉掺假定量模型对训练集的交互验证均方差(RMSECV)和预测集的RMSEP分别为3.87%和4.13%,r分别为0.9505和0.9134;羊肉掺假定量模型对训练集的RMSECV和预测集的RMSEP分别为4.48%和4.86%,r分别为0.9306和0.9082。表明近红外技术结合一定的化学计量学方法可实现不同动物来源肉掺假的鉴别,且能够对掺假物进行定量检测。     

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。     

冷鲜羊肉冷藏时间和水分含量的高光谱无损检测

利用可见-近红外高光谱成像技术对冷鲜羊肉的冷藏时间和水分含量进行无损检测。通过波长400～1 000 nm可见-近红外高光谱系统采集160 个羊肉样本光谱信息,优选主成分-14-线性判别法对原始光谱建立羊肉冷藏时间的判别模型,校正集对羊肉冷藏时间的判别率为99.17%,预测集为100%,模型可较好地判别羊肉的冷藏时间。其次,针对羊肉冷藏过程中水分含量的变化,优选最佳预处理方法并运用偏最小二乘回归（partial leastsquares regression,PLSR）法建立水分含量预测模型;结果表明,经过Savitzky-Golay卷积平滑预处理的PLSR模型对水分含量的建模效果最优,校正集和预测集相关系数分别为0.888和0.784,交互验证均方根误差为0.696。研究表明,采用可见-近红外高光谱成像技术对冷鲜羊肉冷藏时间的判别和冷藏过程中羊肉水分含量的快速预测是可行的。     

南疆鲜羊肉水分含量的近红外光谱法无损检测

本文在近红外反射光谱780~1700 nm的波长范围内采集新宰杀的同一品种的羊的后腿肉134个样本的光谱数据,来实现快速无损的南疆生鲜羊肉含水量的检测。这些光谱数据经中值平滑滤波、多元散射校正、一阶导数、标准化处理、中心化变换和S-G平滑等预处理方法对原始光谱进行降噪处理;然后以13:1的比例将样本分为训练集和测试集,并采用PLSR建立预测模型,使用所建模型对生鲜羊肉水分含量进行预测。结果为:训练集的预测相关系数Rc为0.94、标准差MSEC为0.04,预测成功率为97.6%,测试集的预测相关系数Rv为0.89、标准差MSEV为0.07,预测成功率为96.4%。实验结果证实结合中值平滑滤波、多元散射校正、一阶导数、标准化处理、中心化变换和S-G平滑等多种预处理方法建立的基于近红外光谱PLSR模型,可以对南疆鲜羊肉的水分含量进行精确的快速无损评价,并且能为南疆生鲜羊肉水分含量的快速无损检测技术的应用提供理论上的指导。     

基于自然语言处理的山楂果实品种近红外无损鉴别方法

不同品种的山楂果实在营养组成、感官品质等方面存在差异,在工业生产中适用不同的加工方式。传统的检测方法耗时长、具有破坏性以及成本高,为适应规模化生产山楂果实制品的需要,需对山楂果实品种进行无损鉴别。研究共收集了4个品种240个山楂果实样本的近红外光谱数据,采用不同的预处理算法处理光谱数据后,使用自然语言处理（Natural Language Processing,NLP）模型进行分析,以实现山楂果实品种的无损鉴别。结果表明,长短期记忆网络（Long Short-Term Memory,LSTM）以及门控循环单元（Gated Recurrent Unit,GRU）神经网络模型对主成分分析法（Principal Component Analysis,PCA）预处理后的光谱的鉴别准确率高,验证集的准确率均为99.46%±0.00%,测试集的准确率均为100%±0.00%。逻辑回归模型对山楂果实光谱鉴别能力优异,除对二阶差分（Difference Of Second Order,D2）预处理的光谱鉴别能力较差外（验证集准确率96.65%,测试集准确率89.58%）,其他预处理方式验证集、测试集的...     

基于近红外光谱的橄榄油中玉米油掺杂量检测

利用近红外光谱和模式识别技术建立了橄榄油中掺杂玉米油的快速鉴别方法。对191个橄榄油样本及混合油样本(玉米油和橄榄油)进行近红外光谱扫描,并对近红外光谱进行一阶导数和平滑处理,利用主成分分析法(PCA)对数据进行降维,通过前三个主成分的载荷图确定了相关性较大的特征波段(7520~6927cm-1、6270~5440cm-1和4970~4400cm-1),分别在3个波段内利用偏最小二乘回归(PLS)方法建立了玉米油含量的预测模型。结果表明在6270~5440cm-1波段内,因子数为7,建立的模型精密度和稳定性最好,在玉米油质量分数为0.5%~100%的范围内,校正集样本和检验集样本的R2均能达到0.9999,标准偏差在0.126~0.139之间。因此,利用近红外光谱可以实现橄榄油品质的快速无损分析,以合频波段(6270~5440cm-1)为建模区域可以得到更好的预测效果。     

基于电子鼻和可见/近红外光谱技术的羊肉真实性鉴别

为快速、准确鉴别市面上羊肉中掺入鸭肉的商品,本研究应用电子鼻结合可见/近红外光谱技术,实现了羊肉中掺入不同比例鸭肉样品的有效鉴别。试验制备了174个羊肉中掺入不同比例鸭肉样品,分别采集了样品电子鼻数据和200~1 100 nm、900~1 700 nm波长范围内的反射光谱数据,利用2分类定性判别和6分类定量检测法分别构建了支持向量机（Support Vector Machine,SVM）和偏最小二乘法（Partial Least Squares,PLS）定性定量判别模型,并用6分类最优模型进行预测。结果表明：电子鼻可以利用不同比例羊肉鸭肉样品间的气味差异对不同组进行判别,羊肉中含有的挥发性香气成分如萜烯类、芳香类、有机硫化物等物质的含量高于鸭肉。基于两个波段数据、两种分类方法构建的PLS模型判别效果优于SVM模型,总的判别正确率均达到96%以上,光谱数据经过多元散射校正处理的效果最佳,且最优模型预测效果良好。电子鼻结合可见/近红外光谱分析技术可有效鉴别羊肉中掺入不同比例鸭肉样品,为羊肉真实性的快速无损鉴别提供技术支撑。     

基于近红外高光谱成像技术的宁夏羊肉产地鉴别

使用900~1700 nm高光谱成像系统采集宁夏银川、固原、盐池三个不同产地的绵羊后腿样本的近红外高光谱数据,对光谱采用面积归一化方法预处理,利用SPA、CARS、UVE算法对预处理后的光谱数据提取特征波长分别为17、40、121个;结合PLS-DA及KNN建立特征波段下的判别模型。结果表明KNN判别模型效果较差,3种特征波长中利用CARS提取的特征波长建模效果最佳,代替全光谱建立PLS-DA判别模型是可行的;综合对比模型效果,CARS-PLS-DA为最优模型,校正集正确率90.48%,预测集正确率84.21%。证明利用近红外高光谱成像技术对羊肉产地鉴别是可行的。     

利用近红外光谱技术对葡萄酒原产地进行Fisher判别

以中国昌黎、烟台和沙城干红葡萄酒样本为试验材料,利用近红外光谱分析技术,建立一种可对葡萄酒产地进行辨别的方法。试验中对原产自上述3地的共计60份干红葡萄酒样本进行近红外光谱采集,通过主成分分析后获得14个主成分,利用逐步回归筛选方法最终确定其中5个主成分,建立Fisher判别函数,并进行判别模型验证。结果表明,通过利用原始样本和留一交叉验证法对预测模型进行验证,准确率分别为90%和86.7%。所有预测结果的准确率均达到80%以上,可以满足定性判别的要求。     

近红外光谱用于鉴别苹果产地的研究

目的:探索近红外光谱定性分析技术鉴别苹果产地的可行性。方法:对天津、陕西和北京3个产地富士苹果品质进行了分析,比较了波段范围、导数处理和散射及标准化处理建立主成分分析结合最小二乘法产地鉴别模型。结果:在1100~1848 nm波段范围内采用一阶导数结合趋势变化法散射处理的光谱预处理方法最优,校正集的鉴别正确率为100%,校正交互验证误差(SECV)0.1245,交互验证相关系数(Rcv)0.9641,预测集的鉴别正确率为98.33%。结论:应用近红外光谱定性分析技术可以准确地、快速地追溯苹果产地的溯源。     

近红外光谱技术判别饲料混合均匀度初探

研究利用判别分析(Discrimination)方法,建立玉米、豆粕和4%预混料三者混合均匀度的近红外定性判别方程,在950～1650 nm的波长范围内提取混合物料的近红外漫反射光谱主成分,所建模型推荐的主因子数为7,代表了全部样品99.98%的信息量.用所建模型对验证集样品进行判定,根据限制性检验结果,准确率达99.98%.     

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。     

基于高光谱成像的羊肉掺假可视化无损定量检测

目的：快速、准确检测羊肉掺假。方法：利用可见—近红外(400~1 000 nm)和短波近红外(900~1 700 nm)高光谱成像仪对羊肉中掺假不同比例的鸭肉进行数据采集,比较两个波段范围内不同光谱预处理方法的偏最小二乘法(PLS)建模效果,最终在可见—近红外波段选择归一化预处理方法,在短波近红外波段选择标准正态变量变换(SNV)预处理方法。分别对两个波段的光谱数据进行最优的预处理后,采用连续投影算法(SPA)、竞争性自适应重加权算法(CARS)、区间随机蛙跳算法(iRF)和组合区间偏最小二乘法(SiPLS)对特征波长进行选取。结果：在短波近红外(900~1 700 nm)波段采用SNV-SPA-PLS模型的羊肉掺假预测效果最好,预测集决定系数为0.968 4,预测标准偏差为0.058 2,预测集相对分析误差为5.625 4,并得到较好的图像反演结果。结论：利用不同波段的高光谱成像技术可实现对羊肉掺假的快速无损定量检测。     

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。     

近红外全波段扫描技术建立数学模型鉴别地沟油方法研究

以7个品种的77份合格食用植物油、28份不合格植物油和118份地沟油作为研究对象,利用二极管阵列近红外光谱仪,以10 nm为步长对所有样品进行950~1 650 nm全波段扫描,通过对不同组别扫描数据的差异化分析,建立特征波长下不同组别的数学模型,鉴别地沟油与合格食用植物油及不合格植物油。结果表明：通过统计学分析手段建立的数学模型,对原始数据分类准确率为96.0%,交叉验证准确率为95.5%,该模型对未知样品的判定准确率达到95%以上。表明基于近红外全波段扫描技术鉴别地沟油的分析是可行的,且该方法具有操作简单、检测成本低、样品用量小等特点,可作为地沟油快速筛查方法使用。     

基于近红外漫反射光谱技术判别柿子品种和贮藏期的研究

目的通过近红外漫反射光谱技术建立了柿子不同品种和贮藏期的快速判别方法。方法实验对贮藏冷库(0±0.5℃)20 d、40 d、60 d的磨盘柿和阳丰甜柿的近红外光谱(400~2500 nm)进行平滑、一阶倒数和标准正常化处理(SNV)处理,采用主成分分析法(PCA)建立判别模型。结果在全波长范围内,不同品种定标模型的正确分类率达到100%;阳丰甜柿不同贮藏期的正确分类率达到97.78%;磨盘柿不同贮藏期的正确分类率达到98.89%。3个预测模型的累积准确率达到96.67%。结论通过近红外漫反射光谱技术,判别不同品种的柿子并预测其贮藏期具有应用价值。     

基于FT-IR结合PCA-LDA的白酒真伪鉴别方法

运用傅里叶变换红外光谱法(FT-IR)采集白酒的红外光谱图,并采用主成分分析法(Principal Component Analysis,PCA)对白酒红外光谱数据进行降维处理,提取累积方差贡献率达到99%以上的主成分作为建模参数,结合线性判别分析法(Linear Discriminant Analysis,LDA)建立基于白酒红外光谱全波段、指纹区和一阶导数谱的白酒真伪鉴别模型。结果显示,采用白酒红外光谱全波段数据所建立的白酒真伪鉴别模型的精度更高,其初始判别准确率为95.6%,交叉验证实验中的判别准确率为91.4%,对测试集中30组样本的判别正确率为86.7%。本研究可以为白酒的真伪鉴别提供技术参考。