基于高光谱成像技术的李果实成熟度判别

为了探究快速识别不同成熟度李果实的有效方法,本研究以李果实作为研究对象,基于高光谱成像技术对不同成熟度的李果实(未熟、半熟、成熟、过熟)样本的光谱信息(420～1000 nm)进行采集,对采集样本的光谱信息进行平滑处理(Smoothing)与标准正态变量校正(SNV)相结合的方法预处理光谱数据,分别以预处理后的全光谱(FS)数据和采用主成分分析(PCA)法提取主成分、采用连续投影算法(SPA)提取特征波长作为输入变量,建立偏最小二乘法(PLS)模型,比较不同判别模型的准确性。结果表明,FS-PLS建立的模型判别准确率最高,综合准确率达到了91.88%;但考虑实验计算量及复杂程度来说,SPA-PLS建立的模型判别准确率最优,综合准确率达到91.25%。该研究为李果实成熟度的判别检测提供了新的理论基础。     

基于高光谱图像信息的李果实成熟度判别

本文以李果实作为研究对象,基于高光谱图像技术对不同成熟度的李果实(未熟、半熟、成熟和过熟)样本的图像信息进行采集,对采集样本的图像进行中值滤波去噪处理。运用Matlab软件编程对各种成熟度样本的图像进行颜色特征值提取,分别获得RGB和HSV彩色图像模型不同分量的平均值(μ)和标准差(σ)作为颜色特征值,并建立RGB、HSV颜色特征值以及RGB-HSV特征值相融合的样本成熟度PLS判别模型,并对所建立的判别模型进行预测。结果表明,基于RGB-HSV相融合颜色特征值的判别模型准确率优于RGB与HSV,其对未熟、半熟、成熟、过熟的判别准确率达到了98.4%、90.0%、85.6%及90.9%。该方法建立的判别模型不仅简化,而且增强了模型的判别能力,为实现李果实成熟度的无损检测和判别提供理论依据。     

基于KPCA苹果近红外光谱的特征提取研究

利用核主成分分析(KPCA)对苹果近红外光谱进行特征提取,不但使得光谱维数大幅降低,而且能有效地提取原始光谱的非线性信息。实验表明,KPCA结合支持向量回归机(SVR)建立的苹果酸度回归模型与PCA-SVR和SVR模型相比,提高了预测精度,缩短了训练时间和预测时间,是一种有效的光谱特征提取方法。     

基于近红外光谱技术的抹茶掺伪定性判别研究

本实验采用近红外光谱技术与主成分分析法结合线性判别分析法（PCA-LDA）和K最邻近法,对抹茶中添加白砂糖、麦芽糊精、桑叶粉、大麦苗粉的现象进行定性判别分析。结果显示,PCA-LDA的定性判别结果优于K最邻近法,纯抹茶与掺伪抹茶、纯抹茶与掺糖抹茶、纯抹茶与掺糊精抹茶、纯抹茶与掺桑叶粉抹茶、纯抹茶与掺大麦苗粉抹茶、4种掺伪抹茶的定性分析模型的校正集识别率为98.3%、100%、91.7%、100%、100%、100%;预测集识别率为96.5%、100%、87.5%、95.8%、90.3%、95.3%。由此可知,通过PCA-LDA建立的定性判别模型准确度和识别率都很好,能够快速、准确的对抹茶中是否掺伪进行定性判别。      

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。     

基于近红外光谱技术和优化预处理方法的豆浆粉无损鉴别研究

基于近红外光谱技术结合不同优化预处理方法建立不同品牌与简单研磨豆浆粉的无损鉴别方法。首先对简单研磨豆浆粉、国产品牌、国外品牌3类共132个样品进行近红外光谱采集,对比分析其近红外原始光谱图,随即结合不同预处理方法考察其对原始光谱的优化结果,最后结合主成分分析方法对简单研磨豆浆粉以及国内外不同品牌豆浆粉进行鉴别分析,筛选出最佳的优化预处理,并建立有效可靠的豆浆粉近红外鉴别模型。结果表明:原始光谱存在着明显的背景干扰和基线漂移现象,多种预处理均在一定程度上有效消除基线漂移;一阶导数、连续小波变换、多元散射校正、标准正态变量变换及其优化组合预处理的使用,实现了进口、简单研磨、国产3类豆浆粉样品的有效鉴别,但无法实现国产品牌之间的有效鉴别。二阶导数预处理的聚类分析结果则最终实现了所有品牌之间的完美区分,品牌间的鉴别成功率可达到100%。在豆浆粉的近红外快速无损鉴别当中最优光谱预处理方法为二阶导数预处理。     

基于近红外光谱法的鱼粉快速判别

基于近红外漫反射光谱分析技术对市场上常见的淡水鱼粉、进口鱼粉和国产鱼粉3 类商品化的鱼粉样品进行自动化判别实验。通过分析鱼粉样品光谱之间的差异,采用主成分分析法建立鱼粉种类的定性判别的分类模型,光谱范围为波长1 100～2 498 nm,交互定标决定系数为0.913 5,交互定标标准误差为0.133 8。通过对验证样品的分析,建立的判别模型预判准确率达到84.6%,外部验证准确率达到100%。结果表明,近红外光谱技术结合化学计量学法可以作为一种快速、无损、可靠的方法用于鱼粉种类的判别。     

水果成熟度近红外光谱及高光谱成像无损检测研究进展

成熟度作为一项水果品质重要评价指标,与水果的采收、储存、加工、运输、销售等环节息息相关,也是其产量和质量的关键影响因素之一。本文综述了国内外近十年来利用近红外光谱和高光谱成像技术检测水果成熟度的研究现状。从水果成熟度定性判别和成熟度参数定量预测两个方面入手,详细分析了光谱仪器工作波段、光谱采集方式、光谱采样区域、成熟度表征因子、单一成熟度参数、多元成熟度指数对最终检测模型精度和稳定性的影响,最后展望了近红外光谱和高光谱成像技术在水果成熟度检测方向的未来发展趋势,以期为相关领域研究工作提供科学依据和技术参考。     

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。     

Differentiation of Crude Lipopolysaccharides from Escherichia coli Strains Using Fourier Transform Infrared Spectroscopy and Chemometrics

Crude phenol‐phase extracts containing bacterial lipopolysaccharides (LPS) from 5 strains of Escherichia coli were investigated to differentiate the strains using Fourier transform infrared (FTIR) spectroscopy and multivariate statistical analysis. The strains used were E. coli K12, E. coli DH5α, E. coli O157:H7, E. coli O157:H12, and E. coli O157:H19. LPS‐containing extracts were isolated from each E. coli strain using a hot phenol‐water extraction procedure. The extracts were 1st analyzed by deoxycholic acid‐polyacrylamide gel electrophoresis and visualized by silver‐staining. Analysis of the extracts from E. coli K12 and E. coli DH5α showed rough‐type LPS on the lower half of the gel, whereas E. coli O157:H7, E. coli O157:H12, and E. coli O157:H19 yielded abundant smooth LPS (high‐molecular‐weight LPS that include the O‐polysaccharides). Spectra (4000 cm^‐1 to 700 cm^‐1) of crude E. coli LPS extracts and intact cells were collected using a FTIR spectrometer. Spectral data were compressed by principle component analysis and analyzed using canonical variate analysis (CVA) of 4000 cm^‐1 to 700 cm^‐1 or 1200 cm^‐1 to 900 cm^‐1 spectral regions. CVA showed better separation between strains using LPS extracts than intact cells in the 1200 cm^‐1 to 900 cm^‐1 spectral region. The same separation trend was found using Mahalanobis distances that quantified spectral differences between the E. coli strains, providing 80% and >95% correct classifications of intact cells and LPS extracts, respectively. This article is the first to report the successful differentiation of E. coli strains at a serotype level using FTIR spectra of bacterial phenol‐phase extracts (crude LPS preparations).     

一种基于近红外光谱快速鉴别染色橙的新方法

本文应用近红外光谱仪(NIRS)测定染色橙样品的光谱数据,采用多种方式对光谱数据进行预处理,用主成分分析法(PCA)对不同染色橙样品进行聚类分析并获得染色橙的近红外光谱数据的主成分,在此基础上建立了偏最小二乘(PLS)回归模型,并根据均方根校准误差(RMSEC)和相关系数(R²)对模型性能进行评价。结果表明,主成分分析可以快速鉴别染色橙样品,模型识别率达到94%。将主成分分析(PCA)与偏最小二乘(PLS)相结合建立的回归模型,均方根校准误差(RMSEC)为0.26,决定系数R²为0.96,模型效果较好。表明利用近红外光谱鉴别染色橙是可行的,这为染色橙的鉴别提供了一种快速无损的新方法。     

基于近红外光谱技术的腐竹脂肪定量分析

采用近红外光谱技术结合化学计量学方法,建立腐竹脂肪含量的快速分析方法。收集不同生产线、不同时间的腐竹样本180 份,利用积分球附件采集漫反射光谱（4 000～10 000 cm－1）。为消除颗粒散射影响和光谱基线漂移,二阶导数和卷积平滑用于光谱预处理。采用反向区间偏最小二乘法、组合区间偏最小二乘法、搜索组合移动窗口偏最小二乘法和遗传偏最小二乘法优化建模变量,最终构建了定量预测模型。结果显示,4 种方法均可有效地提取信息变量、降低模型维度、提高预测性能;遗传偏最小二乘法一次优选获得143 个变量,构建的模型性能最佳,其校正相关系数、校正均方根误差、预测相关系数、预测均方根误差分别为0.96、0.95、0.92和1.17。研究表明,经过信息变量提取后所构建的近红外模型简单、预测精度高,可用于腐竹脂肪含量的日常监测。     

Approaches to Adulteration Detection in Instant Coffees using Infrared Spectroscopy and Chemometrics

Fourier transform infrared (FTIR) spectroscopy is examined as a rapid alternative to wet chemistry methods for the detection of adulteration of freeze-dried instant coffees. Spectra have been collected of pure coffees, and of samples adulterated with glucose, starch or chicory in the range 20–100 g kg⁻¹. Two different FTIR sampling methods have been employed: diffuse reflectance, and attenuated total reflectance. Three different statistical treatments of the spectra were carried out. Firstly, the spectra were compressed by principal component analysis and a linear discriminant analysis performed. With this approach, a 98% successful classification rate was achieved. Secondly, a simultaneous partial least square regression was carried out for the content of three added carbohydrates (xylose, glucose and fructose) in order to assess the potential of FTIR spectroscopy for determining the carbohydrate profile of instant coffee. Lastly, the discrimination of pure from adulterated coffee was performed using an artificial neural network (ANN). A perfect rate of assignment was obtained. The generalization ability of the ANN was tested on an independent validation data set; again, 100% correct classifications were achieved.     

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。     

近红外漫反射光谱法快速检测胶原肽粉中低聚肽含量

目的建立近红外漫反射光谱法(near infrared reflectance spectroscopy, NIRS)快速检测胶原肽粉核心功效成分低聚肽含量的分析方法。方法基于径向基神经网络(radial basis function neural network, RBFNN)的方法,分析比较了多元散射校正(multiplescattercalibration,MSC)、标准正态变换(standardnormalvariation,SNV)的光谱预处理方法,分别结合了主成分分析(principalcomponentanalysis,PCA)、独立成分分析(independent component analysis, ICA)的方法提取特征信息,优化输入变量、扩展系数等参数,建立了低聚肽含量的检测模型,同时为了比较方法优劣,也建立了相应的偏最小二乘方法(partial least squares, PLS)模型。结果非线性建模方法 RBFNN比线性PLS方法模型效果更好,与常用的PCA-RBFNN模型相比,本研究采用的ICA-RBFNN模型结果更准确,模型独立验证集的相关系数R是0....     

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。      

基于近红外光谱和共轭梯度神经网络的板栗褐变检测

为了实现板栗褐变的无损检测,本实验以\