基于近红外光谱和化学计量学的李果实成熟度鉴别方法研究

采收成熟度是影响李果实贮藏质量的重要因素,为实现快速无损判别李果实的成熟度,本文根据开花后发育时间的不同,将163个李果实样品分为早期(n=53)、中期(n=55)和晚期(n=55)三个成熟度,利用近红外光谱分析技术,对不同成熟度的李果实进行了分类。通过对马氏距离判别法、簇类独立软模式分类法、最小二乘-支持向量机的分类模型结果进行比较,发现原始光谱前20个主成分得分作为输入时的马氏距离判别法模型结果最优,校正集和预测集判别正确率分别为96.33%和96.30%。对不同成熟度样品的可溶性固形物、可滴定酸及坚实度进行单因素方差分析发现,各指标均存在显著差异,坚实度差异最大。提取品质指标数据的主成分发现,其聚类趋势与光谱主成分聚类趋势相似。结果表明,使用近红外光谱技术结合化学计量学方法对李果实成熟度进行鉴别是有效的、可行的,且其品质指标含量的差异可作为近红外光谱分类结果的理化验证。     

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。     

基于近红外漫反射光谱的云芝提取物品级分类研究

为探索快速无损分析云芝提取物品级的方法,采集不同产地云芝提取物的近红外漫反射光谱,通过主成分分析(PCA)对样本原始光谱数据进行降维、压缩,并分别结合偏最小二乘判别法(PLS-DA)和反向传输人工神经网络(BP-ANN)建立识别模型。结果表明:采用主成分分析结合偏最小二乘判别法,建模集和验证集的识别正确率分别为100%和84%;采用主成分分析结合反向传输人工神经网络模型,其建模集和验证集的识别正确率均为100%。由此可见,主成分分析结合反向传输人工神经网络模型可以更好地实现对不同品级的云芝提取物进行分类识别。     

基于可见/近红外光谱技术的红提成熟度判别模

成熟度是水果评价的重要标准,直接影响水果的品质和经济价值。针对红提采摘成熟度评判困难,果肉营养价值参差不齐、产品竞争力低等问题,建立基于可见/近红外光谱技术的红提成熟度判别模型。该研究选取红提生长过程的4个阶段（分别为：未成熟、半成熟、成熟、过熟）的样本并进行光谱信息采集。选择550 nm~1 000 nm的光谱波段建模,分别将经过预处理的光谱用竞争性自适应加权算法（Competitive Adaptive Reweighted Sampling,CARS）、无信息变量消除算法（Uniformative Variable Elimination,UVE）和连续投影算法（Successive Projection Algorithm,SPA）进行特征波长提取,建立支持向量机（Support Vector Machines,SVM）、极限学习机（Extreme Learning Machine,ELM）和偏最小二乘判别分析（Partial Least Squares Discriminant Analysis,PLS-DA）的判别模型,最终建立可见/近红外光谱技术的红提成熟度的最佳判别分类模型。研究结果表明,在Savitzky-Golay（SG）卷积平滑处理算法光谱预处理后运用SPA算法进行特征波段提取建立的ELM模型成熟度判别分类效果最佳,SVM模型次之,PLS-DA模型最差。因此,红提成熟度的最佳判别分类模型为SG-SPA-ELM,该模型的训练集和测试集的准确率分别为97.50%和96.67%。利用可见/近红外光谱技术对红提成熟度进行判别是可行的,该研究为红提成熟度的判别找到了一种新的无损检测方法。     

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。     

基于近红外光谱的冷鲜肉--解冻肉的判别研究

目的 利用近红外光谱对冷鲜肉和解冻肉进行判别研究。方法 利用385～935nm的近红外光谱系统,采集冷鲜肉与解冻肉表面的反射光谱数据,采用Savitzky-Golay(S-G)平滑和标准变量正态变换(SNVT)方法对光谱数据进行预处理。然后利用主成分分析法(PCA)实现数据降维,提取主成分后结合两种状态肉的理化指标(L*值,a*值,pH,蒸煮损失和嫩度),分别利用Fisher判别法、贝叶斯判别法两种判别分析方法对冷鲜肉和解冻肉进行判别研究。结果 两种判别分析方法,均取得较好的分类效果,尤其是Fisher判别法,校正集的回判正确率为96.67%,验证集的正确率为100%。结论 近红外光谱技术应用于冷鲜肉和解冻肉的鉴别是可行的。     

基于便携式近红外光谱仪的食品接触性塑料鉴别

采用便携式近红外光谱仪对聚对苯二甲酸乙二酯(PET)、高密度聚乙烯(HDPE)、低密度聚乙烯(LDPE)、聚氯乙烯(PVC)、聚苯乙烯(PS)和聚碳酸酯(PC)6类食品接触性塑料材质进行鉴别研究。用5点平滑、多元散射校正(MSC)、一阶导数和标准正态变量变换(SNV)4种方法对塑料样品光谱进行预处理;主成分分析(PCA)和偏最小二乘判别分析(PLS-DA)分别用于塑料样品光谱空间分布分析和定性判别模型的建立。结果表明:光谱经SNV和MSC预处理后,6类塑料样品在前3个主成分空间得到了较好的分离;PLS-DA结合SNV预处理方法可得到精简的塑料材质定性判别模型,模型校正集和预测集的正确识别率(CRR)均为100%。该方法可为食品接触性塑料材质的快速鉴别提供参考。     

基于近红外光谱的冷鲜肉-解冻肉的判别研究

目的利用近红外光谱对冷鲜肉和解冻肉进行判别研究。方法利用385~935 nm的近红外光谱系统,采集冷鲜肉与解冻肉表面的反射光谱数据,采用Savitzky-Golay(S-G)平滑和标准变量正态变换(SNVT)方法对光谱数据进行预处理。然后利用主成分分析法(PCA)实现数据降维,提取主成分后结合两种状态的肉的理化指标(L*值,a*值,pH,蒸煮损失和嫩度),分别利用Fisher判别法、贝叶斯判别法两种判别分析方法对冷鲜肉和解冻肉进行判别研究。结果两种判别分析方法,均取得较好的分类效果,尤其是Fisher判别法,校正集的回判正确率为96.67%,验证集的正确率为100%。结论近红外光谱技术应用于冷鲜肉和解冻肉的鉴别是可行的。     

基于多元素分析的冬枣产地鉴别方法

为了探讨利用产地间差异性元素进行产地判别的可行性,测定了不同产地冬枣样本中10种元素的含量,并对数据进行了差异性分析、聚类分析、Fisher判别分析和偏最小二乘判别分析(partial least squares discrimination analysis,PLS-DA)。结果表明,不同产地冬枣中Mg、B、Mn、Fe、Zn元素存在显著差异,是具有产地特征的指纹元素。R型系统聚类分析也证实B、Mn、Fe和Zn元素具有共同特征。基于产地特征元素和Q型聚类、Fisher判别和PLS-DA建立的冬枣产地鉴别模型正确率均高于基于全部元素的分析结果,其中利用特征元素建立的PLS-DA模型鉴别正确率最高,回代检验和交叉检验正确率均为94.0%,Q型聚类模型的判别能力最差,最高的判别正确率为84.06%。本研究证实了产地间差异性元素是有效的产地判别因子,具有监督模式的Fisher判别和PLS-DA算法准确率远高于无监督模式的系统聚类法,更适于产地鉴别分析。     

近红外光谱法快速鉴别转基因大豆模型优化

目的应用近红外光谱(NIR)结合偏最小二乘判别分析(PLS-DA)建立转基因大豆的快速鉴别模型,并选择最优模型。方法主成分分析(PCA)用于从光谱数据中提取相关特征并剔除异常样品。在试验中,94份样品用于构建模型,41份样品用作验证评估模型的效果。分别讨论样品形态(整粒和粉末)、波长范围和光谱预处理方法对所建模型判别正确率的影响。结果粉末状大豆样品建模的效果好于整粒大豆样品。其中判定效果最好的模型,整粒大豆在9 403～5 438 cm~(-1)范围内,采用二阶导数(2nd)处理光谱,模型的校正集和验证集的判定正确率均为100.00%;粉末状大豆在7 505～4 597 cm~(-1)范围内,采用矢量归一化+一阶导数(SNV+1st)处理光谱,模型的校正集和验证集的判定正确率也均为100.00%。结论通过选择样品形态、波长范围和光谱预处理方法可以优化鉴别模型,提高近红外判别模型的鉴别正确率。     

Detecting bunch withering disorder in date fruit by near infrared spectroscopy

This study introduces the application of near infrared spectroscopy (NIRs) to detect bunch withering disorder in date fruit (cv. Mazafati). The samples included intact as well as infected date fruits at different stages of ripening. Chemometric evaluation of the data was performed by soft independent modeling of class analogy (SIMCA), partial least squares discriminant analysis (PLS-DA), and principal components analysis combined with artificial neural networks (PCA–ANN). The PLS-DA algorithm was able to provide models with the best classification performance, followed by SIMCA and then PCA–ANN. The maturity stage of samples influenced the performance of the classification methods. The classification accuracy for the late harvested samples was better than those harvested at normal time and the combined data set in all classification analyses. The total accuracies of 82%, 93% and 86%, respectively for normal, late and combined data sets demonstrate that NIRs with PLS-DA has a strong potential to detect the bunch withering disorder in date fruit.     

近红外漫反射光对水果的穿透能力研究

基于化学计量学方法探究近红外漫反射光对不同水果的穿透能力.采集梨子、猕猴桃、苹果、砂糖橘、沃柑、蜜桔、甜橙、胡柚、沙田柚等9种水果的完整果实、果皮、果皮包裹塑料、果皮包裹金属等4类近红外漫反射光谱,发现果皮与完整果实的光谱相似度较高,且果皮越厚相似度越大,说明果皮对近红外光有较大吸收.采用主成分分析法对不同水果的4类光...     

不同种源树番茄果实品质比较及综合分析

以7个不同种源树番茄果实为试材,对其单果重、横径、纵径、可溶性固形物、可滴定酸、可溶性糖、维生素C、总酚等指标进行测定和比较,利用相关性和主成分分析相结合的方法筛选出评价树番茄果实品质的6项核心指标,根据综合得分对7个不同种源树番茄进行排序,并进一步做系统聚类分析。结果表明,不同产地以及不同品种间树番茄果实的品质指标存在显著性差异(P<0.01),两者对其品质均有一定程度的影响,且产地因素的影响程度远大于品种因素;此外,同一品种间单果重、固酸比、糖酸比、总酚和类黄酮含量的变异系数均大于17%,果实横径的变异系数最小;不同品种间,其生物活性成分含量差异程度较大。经主成分分析提取出4个特征值大于1的公因子,累计方差贡献率为72.413%,主成分分析综合得分排名前3的是DH-1、DH-2、BS-2,得分最低的是LC-1;聚类分析将7个不同种源树番茄分为三类。综合分析结果显示DH-1、DH-2、BS-1外观和营养品质较好,可作为鲜食、食品加工原料进行推广,LC-1在风味上更具特色,可考虑作为调料品开发利用,而PE-1、XS-1其维生素C、总酚、黄酮等抗氧化物质含量较高,适合作为保健品的开...     

1-MCP对无花果采后贮藏品质的影响

以‘布兰瑞克’和‘玛斯义陶芬’无花果为试材，研究1-MCP（1.5 μL·L?1）处理对低温货架期（（2±1）℃、RH90%~100%）果实色差、硬度、失重率、可滴定酸、可溶性固形物、呼吸强度的影响，并利用气相色谱—质谱(gas chromatography-mass spectrometry，GC-MS)技术分析了1-MCP处理前后果实挥发性物质含量和种类的变化。结果表明:1-MCP熏蒸处理有效保持了果实鲜亮的色泽，延缓果实硬度、可滴定酸和可溶性固形物的下降，1-MCP处理对两品种失重率的抑制效果无显著差异，对‘玛斯义陶芬’具有更为明显的呼吸高峰延迟作用。新鲜的‘布兰瑞克’和‘玛斯义陶芬’无花果分别检测到4类18种和5类35种挥发性物质。醛类是两个品种无花果主要的挥发性物质，1-MCP处理显著地刺激了‘布兰瑞克’中己醛、2-己烯醛、庚醛和苯乙醛等醛类物质的生成，促进了‘玛斯义陶芬’中己醛、2-己烯醛、壬醛的生成。     

A rapid method for identification of Lanxangia tsaoko origin and fruit shape: FT-NIR combined with chemometrics and image recognition

Lanxangia tsaoko’s accurate classifications of different origins and fruit shapes are significant for research in L. tsaoko difference between origin and species as well as for variety breeding, cultivation, and market management. In this work, Fourier transform-near infrared (FT-NIR) spectroscopy was transformed into two-dimensional and three-dimensional correlation spectroscopies to further investigate the spectral characteristics of L. tsaoko. Before building the classification model, the raw FT-NIR spectra were preprocessed using multiplicative scatter correction and second derivative, whereas principal component analysis, successive projections algorithm, and competitive adaptive reweighted sampling were used for spectral feature variable extraction. Then combined with partial least squares-discriminant analysis (PLS-DA), support vector machine (SVM), decision tree, and residual network (ResNet) models for origin and fruit shape discriminated in L. tsaoko. The PLS-DA and SVM models can achieve 100% classification in origin classification, but what is difficult to avoid is the complex process of model optimization. The ResNet image recognition model classifies the origin and shape of L. tsaoko with 100% accuracy, and without the need for complex preprocessing and feature extraction, the model facilitates the realization of fast, accurate, and efficient identification.     

A Non-invasive Method for Screening Sodium Hydroxymethanesulfonate in Wheat Flour by Near-Infrared Spectroscopy

A rapid and non-invasive method, based on near infrared diffuse reflectance spectroscopy, was established for screening sodium hydroxymethanesulfonate in wheat flour. Successive projection algorithm was used for spectral variable selection. The selected variables were applied as inputs to partial least square discriminant analysis (PLS-DA) and advanced K-means dynamic clustering. The first two principal components extracted by PLS-DA had been applied as inputs to least squares support vector machine (LS-SVM). Three algorithms, including PLS-DA, advanced K-means dynamic clustering, and LS-SVM, were used to establish the calibration model. The results of LS-SVM outperformed that of the other two methods, with the classification accuracy of 92.0% for the validation and 94.7% for the prediction. The results of the study showed the potential of near-infrared spectroscopy as a non-invasive and environmentally acceptable method for the screening of sodium hydroxymethanesulfonate in wheat flour.     

Classification of longan fruit bruising using visible spectroscopy

This research showed the potential of using visible spectroscopy for classification of non-bruised and bruised longan fruits. The visible spectra of bruised and non-bruised longan fruits were acquired from 400 to 700 nm with 10 nm resolution by the spectrophotometer. The principal component analysis (PCA), Partial Least Square Discriminant Analysis (PLS-DA) and Soft Independent Modeling of Class Analogy (SIMCA) were used to develop classification models. The Partial Least Square Discriminant Analogy (PLS-DA) showed better classification accuracy than SIMCA with 100% correctness. The result was found to be helpful for the application in the industry for on-line and portable application.     

基于GC-IMS分析不同成熟度百香果挥发性有机物的差异

本研究采用气相-离子迁移谱（Gas chromatography-ion mobility spectrometry,GC-IMS）对不同成熟度百香果的挥发性成分进行了分析,建立了一种快速区分不同成熟度果实风味差异的方法。GC-IMS共鉴定出33种挥发性有机物,主要包括醇类、酯类、醛类、酮类和萜烯类5大类。熟果（花后60 d果）和较熟果（花后50 d果）中挥发性有机物存在明显差异,熟果中多数挥发性成分的含量更高,包括DL-2-羟基-4-甲基戊酸乙酯、2-戊酮、乙酸丁酯、2-庚酮、α-蒎烯、(E,E)-2,4-庚二烯醛、苯甲醛、柠檬烯、β-罗勒烯、2-丁酮、丁酸甲酯、丁酸乙酯和乙酸乙酯等,而有少数挥发性物质在较熟果中含量更高,包括乙酸异戊酯和乙酸异丁酯等。GC-IMS能够快速检测和判别不同成熟度百香果风味特征和差异,本文研究结果可为百香果的采收和品质控制等提供科学依据和借鉴。     

基于决策融合的苹果分级检测关键技术研究

提出了一种判别树和改进支持向量机决策融合的苹果分级方法。采用判别树分类方法根据果径、缺陷区域、色泽等进行分类,采用粒子群对支持向量机分类模型进行优化,根据果形、纹理和成熟度等高维特征进行分类,使用核主成分分析法降低维度,并引入决策融合的概念,结合单一特征对样本等级进行综合评估。结果表明,该方法是切实可行的,其分类准确性为98%以上,可用于苹果的有效分级。     

基于UPLC-QE-Orbitrap-MS的宁夏枸杞鲜果和枸杞干果差异性代谢物分析

为研究不同宁夏枸杞果实的差异性，以枸杞鲜果和枸杞干果为样品，利用非靶向代谢组学方法分析枸杞鲜果和枸杞干果的差异性代谢物。采用超高效液相色谱-四极杆/静电场轨道阱高分辨质谱法建立非靶向代谢组学方法，通过主成分分析（PCA）、偏最小二乘法分析（PLS-DA）模型、单变量统计分析、聚类分析、火山图等统计学方法对所有代谢物进行鉴定分析，筛选出差异性代谢物。结果表明，枸杞鲜果和枸杞干果可以明显区分，枸杞鲜果和干果中共鉴定出35种差异代谢物，其中有机酸、氨基酸、黄酮类化合物呈上调表达，核苷酸类、酚酸类、香豆素类化合物呈下调表达。本研究基于非靶向代谢组学揭示了宁夏枸杞鲜果和枸杞干果的代谢产物差异性以及特征化合物，为研究不同枸杞果实的物质基础提供理论依据。