近红外光谱-人工神经网络的模型优化用于银耳产地识别研究

研究通过近红外光谱技术（NIRS）结合人工神经网络技术（ANN）识别银耳的不同产地。实验以四川省与福建省两个产地共120组银耳样品为研究对象,对其进行近红外光谱测定,计算光谱吸收值的平均偏差与一阶导数进而选取有效数据,结合主成分分析方法将原始数据降维并采用反向人工神经网络技术构建近红外分析模型。结果显示,通过对有效数据主成分分析,前3个主成分的累计方差贡献率达到100%,判断准确率为88.3%;进一步采用人工神经网络优化模型,在输出层为2隐藏层为11时,判断准确率达100%;此时校正集与预测集的均方根误差分别为3.05×10^-2与2.90×10^-2,模型具有良好的泛化能力。因此,结合人工神经网络的近红外光谱检测技术,优化检测模型,能够准确、快速地识别银耳产地,为食品原材料的质量控制及地理标志的建立提供科学依据。      

近红外光谱结合主成分分析和灰色关联分析的苦荞产地溯源

为实现苦荞产地溯源以及确定苦荞成分对苦荞产地溯源的影响程度,对朔州、内蒙古、云贵高原、四川大凉山、陕西5个产地的72个苦荞样本的近红外光谱数据进行了主成分分析(principal component analysis,PCA)和灰色关联分析。结果表明,PCA可以很好地实现不同产地苦荞的聚类,得到的特征波长分别为1 370、1 680、870和971 nm;将上述特征波长与苦荞的6种成分进行灰色关联分析,其灰色关联度由大到小排列为:碳水化合物>蛋白质>脂肪>钠>硒>黄酮;依据关联度大小,从官能团层面确定了碳水化合物和蛋白质是对苦荞产地溯源影响最大的两个成分。表明PCA和灰色关联分析结合近红外光谱技术可以实现苦荞产地溯源研究,为苦荞地理标志产品鉴别提供了一种快速、高效、低成本的方法。     

近红外光谱技术结合宽度学习系统识别国外奶粉产地

目的 利用近红外光谱技术对国外奶粉进行产地识别。方法 采集荷兰、新西兰、澳大利亚、德国、法国、英国和爱尔兰7个国家55个奶粉样品的近红外光谱,经过数据预处理、主成分分析降低数据维度和特征筛选,构建基于宽度学习系统（Broad Learning System,BLS）的奶粉产地快速识别模型。结果 采用多元散射校正加Savitzky-Golay滤波的预处理效果最好,与未做预处理相比,准确率提高14.55 %,主成分特征数大于38,识别效果最稳定,实验中还研究BLS主要参数对识别准确率的影响,可以指导参数选择。对荷兰、新西兰、澳大利亚和欧洲其它产地4类产地识别,测试准确率达到100.0 %,对样本做7类产地识别,准确率达到81.18 %。相同条件下,与支持向量机方法对比,4类产地识别,BLS方法准确率比支持向量机方法高9.10 %,7类产地识别,两者准确率相同。结论 本文提出的基于BLS的方法可以较好实现国外奶粉产地识别,为奶粉产地快速识别提供了新思路。     

基于玉米籽粒近红外光谱的品种与产地识别研究

为考察近红外光谱对玉米种子的品种识别与产地识别性能,采集了8个玉米品种波长范围为12 000~4 000 cm-1的近红外光谱数据,并基于此数据研究了基于PCA的光谱数据特征的提取方法,并探讨了神经网络(ANN)和支持向量机模型(SVM)在品种识别上的性能,进一步研究了玉米品种的产地识别技术,且比较了传统可见光图像的品种识别。研究发现:基于近红外的玉米品种识别,在6个主分量的情况下整体上性能达到90%以上;SVM算法较ANN算法稳定可靠,更适合于小样本情况下的光谱分析;基于光谱的品种识别与基于可见光图像的品种识别效果相当;另外发现同一品种在不同产地上其光谱特征差别较大,据此可以应用光谱进行产地鉴别,鉴别力达到95%以上。本研究所构建的方法对玉米品种识别和产地识别具有积极意义。     

基于近红外光谱技术的米糠粕主要成分分析

为探索米糠粕营养成分的近红外快速测定方法,采集261个米糠粕样品的近红外光谱,分别经过标准正态变量变换、去趋势校正、多元散射校正等20种方法进行预处理,在1000~1799 nm波长范围内,结合化学方法测定数据采用偏最小二乘法、主成分分析结合人工神经网络法、偏最小二乘结合人工神经网络法建立米糠粕营养成分近红外定量模型。结果发现,在3种建模方法中,偏最小二乘法结合人工神经网络法建立的模型效果最好,预测精度最高,所得的水分、灰分和粗蛋白近红外定量模型的相关系数分别为0.9593、0.9168和0.9626。      

基于近红外光谱技术的小米产地溯源研究

采用便携式近红外光谱仪结合主成分分析(PCA)、费舍尔线性判别(FLDA)及多层感知器神经网络(MLPNN)模型,探讨近红外光谱技术应用于小米产地溯源的可行性。PCA分析显示,除山西、河南、黑龙江3省的样品差异较小难以区分外,其余8个省份的样品均能清晰区分产地。FLDA和MLP-NN分析均能识别出小米样品产地,但MLP-NN识别效果优于FLDA,两个模型对预测集的识别正确率分别为92.3%,84.6%。以上结果表明,近红外光谱技术可有效应用于小米的产地溯源。     

基于主成分分析与近红外光谱技术的窖泥聚类研究

采用近红外光谱技术和主成分分析法相结合的检测手段,从60年、90年、200年窖龄的窖池和封窖泥中取样,每个窖池样本为12个,测量其近红外漫反射红外光谱,在4000～10000 cm-1区间选取不同范围内的光谱数据,对48个样本进行主成分分析,作二维线性投影图和三维线性投影图,比较了48个样品在红外光谱上的差异程度,发现基于傅里叶变换近红外光谱的主成分分析投影图能够较好地表征48个样品的类别关系,不同窖龄的样本在空间分布中能够得到较好的区分。结果表明,应用近红外漫反射光谱法能够鉴别窖泥的使用年份。作为一种窖泥质量检测手段,该方法具有一定的应用价值。     

基于近红外光谱技术的鸡肉产地溯源

采用近红外光谱技术对辽宁大连、河北遵化、潍坊坊子、潍坊昌邑、潍坊诸城5个产地的100个鸡肉样本进行扫描,对这些样本的近红外光谱进行主成分分析、聚类分析,建立了鸡肉产地溯源的定性判别模型。试验结果表明:在全光谱范围(780~2 500 nm)内,经二阶求导(13点平滑)和矢量归一化(standard normal variate,SNV)预处理后,5个地区鸡肉的近红外光谱图有显著差异,鸡肉样本的主成分空间分布位于不同的区域,聚类分析树状图中不同产地也各自聚为一类。利用来自5个产区的30个独立样本对模型进行验证,识别率和拒绝率均为100%。此结果表明近红外光谱分析技术可准确、快速追溯鸡肉的产地来源。     

不同产地国产烤烟近红外光谱的特征分析及其模式识别

对2003年125个不同产地的国产烤烟烟叶的原始近红外光谱、SNV光谱与一阶导数光谱进行了主成分分析,采用主成分空间下的马氏距离判别样本的产地归属,提出根据仪器噪声和误差水平确定最大主成分个数,研究了主成分个数、样本空间、光谱区间对烟叶产地识别准确率的影响,分析了烟叶产地的近红外特征区和产地特征信息在不同主成分上的体现。结果表明,采用光滑处理的全光谱区间的一阶导数光谱,在建模样本空间进行主成分分析时所建模型对烟叶样品的识别准确率最高。     

基于近红外光谱结合化学计量学的转基因大豆产地判别

为探求无损、快速和准确判别转基因大豆产地的方法,该研究选取阿根廷转基因大豆、巴西转基因大豆、美国转基因大豆和加拿大转基因大豆样品共260份,将近红外光谱结合化学计量学对4种转基因大豆进行判别分析。利用近红外光谱仪采集260份样品的原始光谱,采用平滑+标准正态变量变换(standard normal variate transformation, SNV)方法对近红外光谱预处理。选取阿根廷转基因大豆、巴西转基因大豆、美国转基因大豆和加拿大转基因大豆样品共240份参与建模,Kennard-Stone(KS)算法划分训练集和预测集,主成分分析法(principal component analysis, PCA)、偏最小二乘判别分析(partial least squares-discriminate analysis, PLS-DA)和误差反向传播人工神经网络(back-propagation artificial neural network, BP-ANN)对预处理后的光谱数据进行分析。试验结果表明平滑+SNV的预处理方法能有效减少近红外光谱的噪音;PCA方法能判别出4种转基因大豆中的...     

应用近红外技术快速鉴别原料肉注水的研究

提出一种用近红外光谱技术快速鉴别原料肉和注水肉的新方法。首先以原料肉和注水肉为原料,利用近红外光谱仪测定其漫反射光谱曲线,然后选取二阶导数+25点平滑方法进行预处理,再应用主成分分析结合人工神经网络技术对其进行判别分析。结果表明,前5个主成分的累计贡献率已达99.626%,以前5个主成分作为人工神经网络的输入,对应的肉种类(原料肉与注水肉)作为输出,建立了一个三层BP神经网络模型,模型对建模集109个样本的鉴别率为91.74%,对预测集30个样本的鉴别率为90%。说明利用近红外光谱分析技术对原料肉注水进行快速鉴别是可行的。     

基于近红外光谱技术与BP-ANN算法的豆粕品质快速检测

应用近红外漫反射光谱技术结合误差反向传递人工神经网络(BP-ANN)算法,建立豆粕品质(包括水分、粗蛋白、残油)的定量分析模型。将豆粕漫反射吸收光谱数据进行SNV、DT、SG求导、SG平滑和均值中心化处理,然后采用偏最小二乘方法(PLS)降维获取主成分,并优化选择合适的隐含层节点数、隐含层和输出层转化函数,建立校正模型,并用验证样品对校正模型进行验证。结果显示,BP-ANN法建立的水分、粗蛋白和残油的预测相关系数(R)分别为0.981、0.988、0.982,预测标准偏差(SEP)分别为0.120、0.216、0.036,均优于PLS建模方法结果,且满足传统分析方法的重复性要求,表明BP-ANN方法可用于生产过程豆粕品质的快速监控。     

基于主成分与聚类分析的菜用大豆品质综合评价

为提高菜用大豆品种品质性状的选择效率,优化菜用大豆品质评价体系,以江苏省主栽的18 个菜用大豆品种为试材,分析其物理特性指标（荚长、荚宽、荚厚、百荚质量、百粒质量、L*、a*、b*、硬度、水分含量）和化学特性指标（VC、叶绿素、粗脂肪、淀粉、可溶性糖、可溶性蛋白、异黄酮含量,脂氧合酶（lipoxygenase,LOX）活力）。结果表明：品质特性中叶绿素和异黄酮含量、LOX活力、淀粉含量、百粒质量、百荚质量、a*在品种间变异系数较大,而L*和水分含量变异系数较小,其余指标变化均不显著。主成分分析表明18 项指标反映的菜用大豆品质可用7 个主成分来表示（累计贡献率达92.332 9%）。进一步根据聚类分析结果,筛选出百粒质量以及叶绿素、VC、可溶性糖、粗脂肪、异黄酮含量,硬度和a*这8 个品质指标代替原有的18 项指标,为品质评价指标体系的简化提供了可能。18 个菜用大豆品种中,徐豆17号综合品质最好,其次是区凡2号和新大粒1号,苏豆8号综合品质最差。     

Adulterants in Whiskey: Detection and Identification by Principal Component Analysis

Model adulterants such as gasoline, phenol, rubber hose, and hair were added to whiskies to prepare adulterated samples. Methylene chloride extracts of these and of the unadulterated whiskies were separated by capillary column GC. Principal Component Analysis was applied to the gas chromatograms, and the resulting scores were used to decide upon product acceptability. Using a series of standards, scores were also the basis for identification of adulterants in rejected samples. In the largest of three data sets, decisions were correct for over 95% of samples, and all adulterated samples were correctly identified.     

基于主成分分析的花椒油香气质量评价模型的构建

采用顶空固相微萃取与气相色谱质谱联用法测定7个不同品种花椒油中的香气物质。通过主成分分析法对花椒油中主要香气物质进行分析,建立花椒油香气质量评价模型。结果表明:7个不同品种花椒油的挥发性风味物质共检测出81种,包括醇类15种、醛类10种、酮类5种、烃类34种、酯类11种、酸类及其他类共6种。主成分分析法得出前5个主成分的累积贡献率为97.261%,包含了α-松油醇、芳樟醇、柠檬烯等34种化合物,能较好地反映原始数据的信息。运用花椒油的香气质量评价模型得出,花椒油香气质量综合得分与感官评定结果基本吻合,两种评定方法结果均为S₄样品的评分最高,即四川汉源红花椒作为原料,制取的花椒油的香气质量最佳,这种花椒也最适宜花椒油的制备。由此可见,基于主成分分析法所建立花椒油香气质量评价模型具有一定的实用性。     

基于电感耦合等离子体质谱仪分析矿物元素含量的大豆产地溯源

为表征相似地域特性的溯源指标,提高矿物元素对大豆产地溯源的准确性及稳定性。采用电感耦合等离子体质谱仪分析黑龙江省北安市9个农场及黑河市嫩江县6个农场共42个大豆样品中矿物元素含量,对所得的矿物元素含量数据进行方差分析、主成分分析和判别分析。结果显示:北安市和黑河市嫩江县矿物元素溯源指标,第1主成分主要由V、Fe、La、Ce、Pr、Nd、Dy、Er、Yb 9种元素构成,贡献率最大,为28.390%;第2主成分主要由As、Se、Lu、Ir、Au 5种元素构成,贡献率为14.435%;第3主成分主要由Ca、Ni、Cd、Ba 4种元素构成,贡献率为10.881%。利用大豆中矿物元素含量的分析,实现了省内大豆主产区产地溯源,并获得了黑龙江省两个大豆主产区溯源指标,分别为Na、K、Mn、Rb、Ba和Au 6种元素。综合2个主产区42个大豆样品矿物元素分析结果,实现了对黑龙江省两大主产区大豆产地溯源的准确判别,正确判别率为100%。     

基于主成分分析验证气调对番茄品质的影响

研究低温环境下不同体积分数的混合气体对番茄感官品质、营养价值的影响。以番茄作为试验研究对象,通过预冷处理,选择开孔率5%的聚乙烯食品包装袋包装,放在温度为8 ℃ CO2体积分数为6%的气调箱内,用N2调节O2体积分数为2%、4%、6%、8%和10%。每隔2 d检测一次番茄品质（质量损失率、色差L*值、TSS、TA及主观评价）之后对6个评价指标进行标准化处理,采用主成分分析法建立得分函数,并用传统感官评价验证得分模型。试验研究表明：4% O2+6% CO2气调环境下番茄各项指标可以维持较好的水平。综合函数评价得分显示在长期气调保鲜过程中,低氧环境有利于番茄保持较高品质。传统感官评价方式与综合函数有一致性。主成分分析法表明4% O2+6% CO2的气调环境下具有较高的得分水平,可以显著维持保鲜过程中番茄的营养价值,并延长气调保鲜周期。     

基于多元素和稳定同位素的特基拉酒原产地鉴定

为探索特基拉酒中多元素和稳定同位素的地域特色及其产地溯源的可能性,研究采用电感耦合等离子体质谱法(ICP-MS)和稳定同位素比质谱法(IRMS)测定特基拉酒中多元素含量和稳定同位素比值,并结合化学计量学中主成分分析(PCA)和偏最小二乘法-判别分析法(PLS-DA)建立模型,对墨西哥特基拉酒进行产地溯源判定。结果表明, 4个产区的特基拉酒中22种元素含量和稳定同位素δ13C和δ18O数值范围不同,具有一定地域特征。采用PCA和PLS-DA法能对墨西哥的特基拉酒进行产地判别,通过对16个样本进行判别验证,预测正确率为93.75%。研究表明,通过多元素含量和稳定同位素比值的测定,结合化学计量学分析方法,能够区分墨西哥不同产地的特基拉酒,为特基拉酒产地溯源可行性提供方法依据。     

酒类鉴别的人工嗅觉技术研究

简述了人工嗅觉酒类鉴别系统的原理、结构。给出了气敏传感器阵列的组成方法,进行了气敏传感器温、湿度补偿。并运用主成分分析法和BP神经网络对试验结果进行了分析。鉴别实验研究表明,经温、湿度补偿后该系统不仅能鉴别不同香型的白酒,还能鉴别同一香型的白酒。     

基于主成分分析的食源性致病菌的投影判别分析

目的:以大肠杆菌、单增李斯特菌和沙门氏菌为研究对象,建立近红外光谱检测食源性致病菌的方法.方法:利用近红外光谱分析技术,对大肠杆菌、单增李斯特菌和沙门氏菌的细胞壁、细胞质和全细胞分别进行基于主成分分析的投影判别分析.结果:多元散射校正法对光谱预处理比矢量归一法预处理后的细胞质壁分离更为有效;采用细胞壁进行判别比用细胞质判别3种致病菌的结果好;G阴性菌与G阳性菌之间的判别比同性菌之间判别准确度高,对细胞壁的分辨率达到100％.结论:利用基于近红外光谱主成分分析的投影判别分析技术,可以检测和鉴别上述3种致病菌,且其分辨率为100％.