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。     

近红外光谱法鉴别奶牛饲料中三聚氰胺甲醛树脂的可行性研究

收集国内常用的、具有代表性的奶牛精补料33个样品,制备99个三聚氰胺甲醛树脂(MF)掺假样品,在全光谱范围内进行近红外透反射光谱扫描,选择合适的前处理方法,采用BP神经网络方法和PLS-LDA方法分别建立判别模型。建立的BP神经网络判别分析模型的预测正确率为100%,建立的PLS-LDA判别分析模型的交互验证最低错误率为0.0778,模型错分率为0.0667,模型预测错误率为0.1429。说明利用近红外透反射光谱建立定性分析模型来检测奶牛饲料中是否掺有MF的研究是可行的。     

猪肉糜中掺鸡肉的近红外光谱快速定性判别方法研究

为快速准确地定性判别猪肉糜中是否掺有鸡肉糜,在猪肉糜中添加不同比例的鸡肉糜,制备不同掺假样品74个,其中60个为掺有不同质量分数鸡肉的样品,14个为纯猪肉糜,并独立制备39个验证集样品,其中31个为掺有不同质量分数的鸡肉糜样品,8个为纯猪肉糜。在10000~4000 cm-1波数范围内进行光谱扫描,采用PLS-DA方法建立判别分析模型。结果所建判别模型对校正集和预测集的正确判别率均可达100%。表明近红外漫反射光谱可以提供一种快速鉴别猪肉糜中是否掺有鸡肉糜的方法。     

CARS结合PLS-LDA法识别奶牛饲料中土霉素的可行性研究

收集了一年内不同月份不同种类的纯奶牛精补料20个,制备土霉素含量不同的掺假奶牛精补料100个,在全光谱范围内对样品进行近红外透反射光谱扫描,利用CARS法对光谱数据进行前处理,采用偏最小二乘-线性判别分析(PLS-LDA)法来建立判别模型。建立的PLS-LDA模型的交互验证最小错误率为0.0729,模型错分率为0,模型预测错误率为0.0417。说明利用近红外光谱技术建立定性判别模型来检测奶牛饲料中是否掺有土霉素是可行的。     

近红外光谱技术对猪肉注水、注胶的快速检测

采用近红外光谱（near infrared spectroscopy,NIR）结合主成分分析（principal component analysis,PCA） 和判别分析法建立了注水肉、注胶肉和正常肉的定性判别模型。注水肉中注水量的多少对判别准确率产生影响, 当注水量为1.25%～20%时,3 种肉的总体判别准确率为94.23%;当注水量为3.75%～20%时,判别准确率提高至 96.96%。模型对所有预测集样品的总体判别准确率为94.92%。表明NIR结合PCA法、判别分析法判别注水肉、注胶 肉和正常肉具有可行性。采用偏最小二乘法（partial least squares,PLS）结合PCA分别建立了注水量和注胶量的定 量分析模型,经验证,两种模型对预测集样品的预测均方差分别为4.01%和3.87%,预测值与实测值间的相关系数 （r）分别为0.904 2和0.912 8。表明两种模型的预测性能良好。     

拉曼光谱法快速检测猪肉脯中的掺伪鸡肉

目的 建立拉曼光谱法快速、准确、无损地检测猪肉脯样品中掺假鸡肉的方法。方法 制备33份猪肉中掺入不同比例鸡肉的肉脯样品,采集拉曼光谱数据,分别采用标准正态变换、多元散射校正、卷积平滑、归一化、一阶导数等5种不同预处理方法,对原始光谱数据进行预处理,采用连续投影算法、竞争性自适应重加权算法及随机蛙跳算法对光谱数据进行特征波长筛选,建立偏最小二乘法(partial least squares,PLS)模型对猪肉脯进行定性定量判别。结果 拉曼光谱数据经过多元散射校正处理的效果最佳,竞争性自适应重加权算法竞筛选效果更佳,构建猪肉脯中猪肉含量的PLS定量模型,其预测集决定系数和预测均方根误差分别为0.9762、7.2998。建立的PLS判别模型的校正集和预测集总判别正确率分别为100.00%和98.33%。结论 拉曼光谱分析技术可有效用于定性鉴别猪肉脯是否掺伪及定量分析猪肉肉脯中掺入鸡肉的比例,为肉脯掺假的快速无破坏性检测的应用提供支持。     

制浆材木质素含量近红外分析模型传递研究

为研究制浆材中木质素含量近红外分析模型在两台便捷式近红外光谱仪间的传递,对制浆材木质素样品近红外光谱数据集进行代表性样本的选取、光谱预处理和界外样本的剔除,建立了源机的优化偏最小二乘（PLS）校正模型。分别采用斜率截距算法（S/B）、直接校正算法（DS）和典型相关分析算法（CCA）进行源机与目标机间的模型传递并比较了预测效果。结果表明,S/B算法模型传递效果较差,而经DS算法和CCA算法模型传递后的预测效果均有大幅提升。DS算法模型传递后决定系数（R2）、预测标准差（RMSEP）和相对标准差（RPD）分别为0.9643、1.0370%和5.3513;CCA算法模型传递后R2为0.9540、RMSEP为1.1766%、RPD为4.7711。因此,DS算法和CCA算法均可实现制浆材木质素含量近红外分析模型在两台便携式近红外光谱仪之间的传递。     

枇杷内部品质近红外光谱无损检测

利用近红外光谱技术(near infrared spectroscopy,NIRS)对101个枇杷样品进行无损检测,测得样品的可溶性固形物(total soluble sdid,TSS)、可滴定酸和Vc含量,结合偏最小二乘法(partial least squares,PLS)分别建立TSS、可滴定酸和Vc含量的定标模型。采用定标模型分别对TSS、可滴定酸和Vc的验证集样品进行预测,预测决定系数Rp2分别为0.906,0.745,0.554,预测均方根误差(root-meansquare error of prediction,RMSEP)分别为0.628,0.048,2.230,且TSS的相对分析误差(relative prediction deviation,RPD)为3.31,可滴定酸和Vc的RPD分别为2.00,1.52。表明建立的枇杷TSS的定标模型可用于实际检测,枇杷的可滴定酸和Vc含量可采用近红外光谱进行检测,但检测精度有待于进一步的提高。     

近红外光谱法检测婴幼儿营养米粉蛋白质含量

以160个婴幼儿营养米粉为样品,应用近红外光谱技术和偏最小二乘法建立了婴幼儿营养米粉中蛋白质含量的近红外模型。比较了2、3、4、5、6、7、8 mm不同装样厚度(即光程)下样品近红外光谱的稳定性,通过样品光谱在不同波数下的标准差选定了5 mm为最佳的装样厚度;比较了变量标准化、导数、多元散射校正和9点平滑预处理方法对模型建立的影响,根据模型的相关系数和均方根误差确定了最佳的预处理方法,为变量标准化、一阶导数和9点平滑,预处理后的光谱数据结合国标方法测定的蛋白质含量建立了婴幼儿营养米粉中蛋白质含量的近红外定量分析模型,定标集和验证集相关系数分别为0.9856、0.9841,均方根误差分别为0.2431%、0.2456%,对已建立的近红外光谱定量分析模型进行了外部样品验证,预测准确度达到96%,验证结果证明了近红外检测技术与国标方法一致性较好,速度快且不需要样品前处理,在婴幼儿营养米粉蛋白质含量分析中具有广泛的应用价值。     

微型近红外光谱技术在白芍快速检验方面的应用

目的建立一种微型近红外光谱技术快速判别白芍药材品质合格与否的方法。方法对106批次白芍药材样品采用HPLC法测定芍药苷的含量,同时采用微型近红外光谱仪采集样品光谱,根据药材芍药苷含量大于或小于1.2%,将药材区分为合格与不合格两类,采用偏最小二乘法判别分析(PLSDA)建立合格与不合格药材判别模型,并采用训练集样本对模型预测能力进行外部验证,以识别率和拒绝率为模型评价参数。结果模型验证集、校正集及训练集的识别率和拒绝率均达100%。结论微型近红外光谱技术能准确、快速判别白芍药材的质量。本研究对快速鉴别药材质量具有指导意义。     

近红外光谱法快速检测梨汁中柠檬酸和L-苹果酸含量

利用近红外光谱技术对梨汁中柠檬酸和L-苹果酸含量进行快速定量检测,并通过6种光谱预处理及3种数学校正方法对柠檬酸和L-苹果酸含量预测模型进行优化。本研究采用近红外光谱仪在1 100~1 650 nm光谱范围内共采集70个梨汁样本的近红外光谱图,并利用高效液相色谱法测定柠檬酸和L-苹果酸的含量。首先对样本原始光谱图经过多元散射校正(MSC)、一阶导数、二阶导数等方法进行预处理,然后通过主成分分析(PCR)、修正的最小二乘法(MPLS)及偏最小二乘法(PLS)等分别建立梨汁中柠檬酸和L-苹果酸含量的预测模型,并对该模型进行优化。优化后,柠檬酸的最佳模型为PLS结合MSC;L-苹果酸的最佳模型为MPLS结合SNV且去散射;最佳预测模型的预测相关系数最高可达0.985,预测标准差最低为0.039%,相对分析误差最大为3.46。结果表明,近红外光谱可作为一种可靠、快速、无损、简单的方法用于梨汁中柠檬酸和L-苹果酸含量的测定。该方法为生产企业及监管部门开展梨汁的掺伪鉴别提供了依据。     

绿茶茶多酚近红外光谱定量分析模型优化研究

采用NIR Systems6500 和InfraXact Lab 型近红外仪分别对158 份绿茶未粉碎品和粉碎样品进行光谱扫描,利用正交试验设计,分别采用主成分回归、偏最小二乘、改进偏最小二乘3 种校正方法,并对原始光谱分别进行不同的预处理,建立了绿茶茶多酚定标模型,利用目标函数法对模型进行评定,并对评定的最优模型适用性进行验证。试验结果为：利用NIR Systems6500 型近红外仪对绿茶粉碎样品扫描的光谱采用改进偏最小二乘法进行定标,在标准正常化+ 趋势变化散射处理、二阶导数处理(取点间隔为1)、平滑处理取点间隔为4 和二次平滑处理取点间隔为8 组合的光谱预处理下建立的模型最优,其目标函数值为95.74%,验证相对标准差(RSD)为4.52%,相对分析误差(RPD)为2.52%。结果表明：采用正交试验设计能够综合考察不同的校正方法和预处理方法对近红外定标模型的影响,利用近红外光谱分析法能够实现绿茶中茶多酚含量的定量检测,所建立的最优模型具有很好的预测准确性和适用性。     

Determination of Chinese honey adulterated with high fructose corn syrup by near infrared spectroscopy

The use of fibre optic diffuse reflectance near infrared spectroscopy (NIR) in combination with chemometric techniques has been investigated to discriminate authenticity of honey. NIR spectra of unadulterated honey and adulterated honey samples with high fructose corn syrup were registered within 10,000–4000 cm⁻¹ spectral region. Discriminant partial least squares (DPLS) models were constructed to distinguish between unadulterated honey and adulterated honey samples and main bands responsible for the discrimination of samples are in the range of 6000–10,000 cm⁻¹. For these models, the correct classification rate for calibration samples were above 90%. Hundred percentage of unadulterated honey and 95% of adulterated honey samples from test set were correctly classified after appropriate preprocessing of first derivative, 13 smoothing points, followed by mean centering pre-treatment and eight model factors, respectively. Our results showed that NIR spectroscopy data with chemometrics techniques can be applied to rapid detecting honey adulteration with high fructose corn syrup.     

基于电子鼻技术鉴别蜂蜜掺入果葡糖水的研究

采用电子鼻对掺假蜂蜜样品进行分析,对所获得的数据进行主成分分析和偏最小二乘回归分析,对掺假蜂蜜样品建立了偏最小二乘回归分析预测模型。结果表明:电子鼻响应信号和果葡糖水掺入比例之间有很好的相关性(决定系数R2为0.980 3),偏最小二乘回归分析模型预测误差均≤8%(掺入比例20%~70%)。试验证明当果葡糖水掺入比例较高时,电子鼻可用于掺假蜂蜜的识别。     

Rapid Analysis of Glucose,Fructose, Sucrose,and Maltose in Honeys from Different Geographic Regions using Fourier Transform Infrared Spectroscopy and Multivariate Analysis

ABSTRACT: Quantitative analysis of glucose, fructose, sucrose, and maltose in different geographic origin honey samples in the world using the Fourier transform infrared (FTIR) spectroscopy and chemometrics such as partial least squares (PLS) and principal component regression was studied. The calibration series consisted of 45 standard mixtures, which were made up of glucose, fructose, sucrose, and maltose. There were distinct peak variations of all sugar mixtures in the spectral “fingerprint” region between 1500 and 800 cm⁻¹. The calibration model was successfully validated using 7 synthetic blend sets of sugars. The PLS 2nd-derivative model showed the highest degree of prediction accuracy with a highest R² value of 0.999. Along with the canonical variate analysis, the calibration model further validated by high-performance liquid chromatography measurements for commercial honey samples demonstrates that FTIR can qualitatively and quantitatively determine the presence of glucose, fructose, sucrose, and maltose in multiple regional honey samples.     

Detection of inverted beet sugar adulteration of honey by FTIR spectroscopy

A combination of Fourier transform infrared (FTIR) spectroscopy and multivariate statistics as a screening tool for the determination of beet medium invert sugar adulteration in three different varieties of honey is discussed. Honey samples with different concentrations of beet invert sugar were scanned using the attenuated total reflectance (ATR) accessory of the Bio‐Rad FTS‐6000 Fourier transform spectrometer. The spectral wavenumber region between 950 and 1500 cm^?1 was selected for partial least squares (PLS) regression to develop calibration models for beet invert sugar determination in honey samples. Results from the PLS (first derivative) models were slightly better than those obtained with other calibration models. Predictive models were also developed to classify beet sugar invert in three different varieties of honey samples using discriminant analysis. Spectral data were compressed using the principal component method, and linear discriminant and canonical variate analyses were used to detect the level of beet invert sugar in honey samples. The best predictive model for adulterated honey samples was achieved with canonical variate analysis, which successfully classified 88–94 per cent of the validation set. The present study demonstrated that Fourier transform infrared spectroscopy could be used for rapid detection of beet invert sugar adulteration in different varieties of honey. © 2001 Society of Chemical Industry     

不同预处理方法对烟草近红外光谱预测模型的影响

采用基线校正、去卷枳、一阶微分、二阶微分、主成分回归(PCR)和偏最小二乘(PLS)法对198个烟叶样品的近红外光谱和总糖、还原糖、总烟碱含量数据进行了处理,建立了相应的总糖、还原糖和总烟碱校正模型,并将这些模型的回归参数作了比较。结果表明:①二阶微分处理光谱建立的模型的相关系数比基线校正、去卷枳、一阶微分预处理法建立的模型的高,而其相对偏差比基线校正、去卷枳、一阶微分法的低;②PLS算法建立的定量分析模型比PCR算法的好。     

基于偏最小二乘(PLS)法白酒中乙醇含量的近红外检测

将近红外光谱与偏最小二乘法相结合,对白酒中乙醇含量进行快速准确检测。研究了标准溶液的近红外吸收光谱和一阶导数光谱,采用偏最小二乘法建立校正模型,选择了最佳主成分数,并对实际酒样中乙醇进行预测,得到了比较满意的结果。     

基于近红外光谱技术的海参品质快速检测

目的应用近红外光谱技术建立海参产地区分和胶原蛋白快速检测的方法。方法总计43个海参样品来自大连、福建、连云港、山东4个地区。首先采集样品的近红外光谱图,经过标准正态变量(standard normal variables,SNV)预处理,利用不同定性判别模型对海参产地进行区分。通过分光光度计法测定海参的胶原蛋白含量,利用偏最小二乘法(partial least squares,PLS)、区间偏最小二乘法(interval partial least squares,iPLS)、向后区间偏最小二乘法(backwards interval partial least squares,BiPLS)和联合区间偏最小二乘法(synergy interval partial least squares,Si PLS)建立了海参胶原蛋白含量的预测模型。结果产地区分模型中最小二乘支持向量机(least-squares support vector machine regression,LS-SVM)的识别率最高,校正集识别率为100%,预测集识别率为95.35%;海参胶原蛋白预测模型中BiPLS的预测效果较好,校正集相关系数Rc为0.9002,预测集相关系数Rp为0.8517。结论近红外光谱技术可实现对海参的产地区分和胶原蛋白的快速检测。     

基于代谢组学技术的神农百花蜜真实性鉴别

目的 通过非靶向代谢组学鉴定真实神农百花蜜特征标志物,并建立基于偏最小二乘(partial least squares,PLS)的神农百花蜜判别模型。方法 采用基于超高效液相色谱-四极杆串联飞行时间质谱(ultra performance liquid chromatography-quadrupole time-of-flight mass spectrometry,UPLC-Q-TOF-MS)的非靶向代谢组学方法分析神农百花蜜样本,利用V+S图、聚类热图和受试者工作特征(receiver operating characteristic,ROC)曲线确定真实神农百花蜜特征标志物,利用神农百花蜜特征标志物构建PLS判别模型。结果 多元统计分析结果显示,主成分分析(principal component analysis,PCA)和正交偏最小二乘-判别分析(orthogonal partial least squares-discriminant analysis,OPLS-DA)可以实现真实神农百花蜜和对照组蜂蜜的区分;分别在正、负离子模式下筛选出了19种和27种差异代谢物,其中13...