基于太赫兹时域光谱的芝麻油品种识别研究

为了实现对芝麻油品种的快速鉴别,本文基于太赫兹时域光谱(THz-TDS)提出一种芝麻油品种识别的方法。选取0~2.5 THz范围内的光谱进行分析,通过主成分分析法(PCA)对时域光谱数据进行降维,选择前4个主成分(累计贡献率大于99%)代表原始数据,然后利用支持向量机(SVM)方法对不同品种芝麻油进行分类识别,分类时使用3种不同的核函数建模,并采用网格搜索算法获得最优模型及其模型参数。使用径向基核函数(参数为惩罚函数C=0.01,核函数系数γ=0.1)的模型识别率最高,达到100%,说明太赫兹时域光谱技术结合PCA和SVM方法可以快速可靠的进行食用油的识别,为食品安全的识别提供一种新的技术手段。     

近红外光谱技术结合支持向量机对食用醋品牌溯源的研究

研究近红外光谱技术对食用醋品牌进行快速无损溯源。收集市场上保宁、东湖、恒顺、镇江4个品种共152份具有代表性的食用醋样品,采集它们的近红外光谱数据,对原始光谱数据进行多元散射校正(multip,licative scatter corrertion,MSC)预处理,对预处理后的光谱数据利用主成分分析法(principal component analysis,PCA)进行聚类分析,根据主成分的累计贡献率选取主成分数,然后用支持向量机(support vector machine,SVM)建立预测模型,选取合适的SVM核函数,并利用粒子群优化算法(particle swarm optimization,PSO)优化模型参数。结果表明,近红外光谱技术结合支持向量机对食用醋品牌分类正确率可达100%。     

食用油储存期品质变化的太赫兹光谱无损识别

为研究食用油在储存期间的品质变化情况，利用太赫兹衰减全反射技术对不同氧化程度的食用油进行无损识别。首先探究储存条件对食用油品质的影响情况，进一步根据国家定义食用油品质的标准将样品分为新鲜油、可食用油和不宜食用油，采集各类油品的太赫兹时域光谱，经数据预处理后采用欧氏距离匹配法进行聚类分析，并采用线性判别分析法进行样本分类，其中欧氏距离匹配法识别食用油折射率谱，准确率为95.65%；线性判别分析法识别吸收系数谱数据，准确率为91.00%，经比较两模型识别准确率理想，分析效果良好。该研究首先得出储存条件对食用油品质的影响规律，以论证太赫兹衰减全反射技术在分析食用油储存期品质变化方面的可行性，实现了食用油品质的快速无损检测；也可为太赫兹光谱技术深入应用于食用油多种属性的研究提供一定参考依据。     

基于近红外光谱的褐变板栗识别建模方法研究

为了实现褐变板栗的快速无损分选,研究了基于近红外光谱技术的褐变板栗栗仁检测方法。试验在1000~2500 nm波段范围内采集板栗栗仁的反射光谱,通过标准正态变量变换预处理后,采用K-最近邻法(KNN)、簇类独立软模式法(SIMCA)、主成分回归-线性判别分析法(PCA-LDA)、偏最小二乘回归-线性判别分析法(PLS-LDA)以及最小二乘-支持向量机判别分析法(LS-SVM)分别建立褐变板栗识别模型并进行比较分析。偏最小二乘结合最小二乘-支持向量机所建PLS-LS-SVM模型性能最优,该模型对测试集的敏感性、特异性和识别正确率分别为1.00%、0.92%和95.00%。结果表明:近红外光谱结合PLS-LS-SVM可用于褐变板栗的快速无损检测。     

基于高光谱反透射图像的新疆冰糖心红富士水心鉴别

采用高光谱成像技术结合化学计量法,采集新疆冰糖心红富士好果与水心病果样本在波长范围380～1 004 nm的可见近红外高光谱反透射图像,选取感兴趣区域获得平均光谱,对原始光谱采用直接差分一阶求导等9种光谱预处理方法,再分别用主成分分析、快速独立分量分析、相关系数法完成数据降维,结合贝叶斯判别、K最近邻法、马氏距离判别、最小二乘支持向量机、二次线性判别方法识别是否有水心病。结果表明,主成分分析提取前15主成分,采用标准正态变量变换-主成分分析-最小二乘支持向量机与多元散射校正-主成分分析-最小二乘支持向量机模型识别效果最优,校正集和预测集识别率分别为100%和91.2%。     

玉米中黄曲霉毒素B1的太赫兹时域光谱检测与识别

针对近红外和传感器方法检测精度差的问题,采用太赫兹时域光谱技术,研究了黄曲霉毒素B1对太赫兹波的响应。首先研究了玉米中黄曲霉毒素的提取过程和保存方法,根据B1溶液在不同频率范围内的光学参数(主要是折射率和吸收系数)的不同,对B1溶液的太赫兹光谱进行定性分析,利用一种改进的多重D-S证据理论对其进行了识别。试验和分析结果表明,利用太赫兹时域光谱技术结合信息融合技术能够对不同浓度的黄曲霉毒素B1溶液进行精确识别,为以后建立黄曲霉毒素太赫兹谱库和快速检测食品中的黄曲霉毒素提供了理论依据。     

基于太赫兹时域光谱的大米品种识别研究

为实现大米品种的准确鉴别,提出一种基于太赫兹时域光谱（Terahertz Time-Domain Spectroscopy, THz-TDS）技术的大米品种识别方法。利用标准差（Standard Deviation, SD）和区间偏最小二乘（Interval Partial Least Square, iPLS）选取0.53~1.21 THz波段的吸收光谱信息作为分类模型的输入数据,再采用决策树模型（Decision Tree, DT）对四种大米吸收光谱进行分类识别,并在模型训练过程中结合网格搜索算法寻找模型最优参数。为增加实验对比度,分别使用逻辑回归模型和支持向量机模型进行对比实验,其模型分类准确率分别为80.75%和88.75%。实验结果表明,太赫兹时域光谱技术结合SD、iPLS和DT方法可以实现大米品种的准确识别,准确率可达95%,为农产品品种识别提供了一种新的鉴别方法。     

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THz-ATR技术的发芽葵花籽光谱分析研究

随着葵花籽发芽,其脂肪和蛋白质等营养物质的含量会减少,影响油脂产品的产量及品质。利用太赫兹时域光谱技术,分别结合支持向量机(Support vector machine,SVM)算法和极限学习机(Extreme learning machine,ELM)算法建立葵花籽发芽粒的定性识别模型,保障葵花籽的品质安全。实验过程首先对60粒葵花籽进行萌芽培养,之后从中随机选择30颗作为发芽粒样本,另选择30粒正常葵花籽样本,共计60粒实验样本。之后利用太赫兹衰减全反射技术采集0.3～3.6 THz范围内的实验样本光谱数据,经过快速傅里叶变换与加窗操作转换到频域中,通过提取光学常数得到样本的吸收系数光谱和折射率光谱,选取10～40 cm^–1和60～80 cm^–1 2个特征波段的折射率进行归一化预处理,分别结合SVM算法和ELM算法建立定性识别模型。实验结果表明,基于联合特征波段-SVM算法的定性模型与基于联合波段-ELM建立的定性识别模型对发芽粒识别正确率、正常粒识别准确率均为100%。相比ELM模型,SVM模型识别速度更快。研究结果表明,利用太赫兹时域...     

基于融合预处理的掺假咖啡太赫兹光谱识别

该研究通过太赫兹时域光谱采集70组含有西布曲明成分的咖啡在0～2.5 THz频段的光谱信息，建立随机森林、支持向量机、贝叶斯判别分析3种模式识别方法并进行比较研究。结果表明，未经过预处理的模型识别准确率较低。选择一阶导数、二阶导数、不同类型的巴特沃斯滤波器和Pearson特征选择融合光谱方法进行光谱信号处理。基于一阶导数处理的贝叶斯判别分析模型准确率为98.6%,基于高通巴特沃斯滤波器的随机森林模型分类准确率为94.2%,基于特征提取的融合光谱支持向量机(support vector machine, SVM)模型分类准确率为100%。选择最优预处理的SVM模型进一步对同一品牌不同地区的掺假咖啡进行鉴别，准确率为100%。研究实现了“品牌-产地”的二级特征识别，可为公安机关打击涉及咖啡的食品安全犯罪提供参考。     

核磁共振氢谱结合PCA-SVM算法分类鉴别食用植物油

采用核磁共振氢谱(1H-NMR)结合主成分分析-支持向量机法(PCA-SVM)对7种市面上常见的食用植物油进行了分类研究。首先运用PCA法对预处理后的各食用植物油的1H-NMR谱图积分数据进行降维处理,然后选用前2个主成分作为SVM的输入变量,建立预测模型,再对测试集样品进行预测,以实现食用植物油的种类鉴别,并与簇类独立软模式法(SIMCA)的分类结果进行了比较。结果显示:采用网格划分法优化得到模型最优核函数参数值为1.7411,最优惩罚参数值为0.3299,以最优参数建立的PCA-SVM食用植物油分类模型对测试集的分类正确率为100%,高于SIMCA分类法的61.90%。建立的1H-NMR结合PCA-SVM法食用植物油分类模型,可以快速、有效的鉴别食用植物油种类,适合实际食品检测工作中建模样本有限的实际,为食用植物油的品质鉴别和质量控制提供分析方法。     

基于嗅觉可视化技术的食用植物油分类识别

为实现山茶油与3种常见食用植物油(菜籽油、大豆油和玉米油)的区分,制备可视化传感器阵列,采用嗅觉可视化技术对4种不同种类的食用植物油进行分类识别。采用主成分分析(PCA)对4种油样的特征数据进行降维,然后将降维后的数据导入K近邻(KNN)、极限学习机(ELM)、支持向量机(SVM) 3种分类模型中进行模型参数优化,对比了3种分类模型的分类结果。结果表明：建立的SVM分类模型性能最优,当输入主成分向量数为7、c=1.741 1、g=4.549 8时,SVM分类模型的测试集分类识别准确率为95.8%,五折交叉验证准确率为89.6%。制得的可视化传感器阵列可以实现4种食用植物油的分类识别,嗅觉可视化技术用于食用植物油检测是可行的。     

低场核磁技术检测芝麻油掺假

为评价低场核磁检测油脂掺假的能力,先用低场核磁结合主成分分方法区分大豆油和3 种芝麻油（分别为精炼、冷榨和热榨工艺）样品,然后用偏最小二乘法分析不同掺兑比例的模拟掺假样品数据。结果表明,大豆油和芝麻油样品的特征信号区域在0～900 ms弛豫时间段,低场核磁能够较好地区分芝麻油和大豆油样品;低场芝麻油中掺入大豆油的最低检测比例为体积分数5%～10%,精炼芝麻油中掺入冷榨或热榨芝麻油的最低检测比例为体积分数10%～20%。因此低场核磁技术可以作为油脂掺假的快速初筛检测方法之一。     

固相微萃取-气质联用技术测定5种食用植物油挥发性成分

目的采用气相色谱-质谱(GC-MS)对大豆油、芝麻油、花生油、橄榄油、葡萄籽油5种食用植物油中挥发性成分进行分析。方法采用顶空固相微萃取(HS-SPME)技术对5种食用植物油中的挥发性成分进行萃取,并结合气相色谱-质谱(GC-MS)技术对挥发性成分进行测定。结果 5种食用植物油中共检测出101种挥发性化合物,其中大豆油11种、花生油28种、芝麻油65种、橄榄油25种、葡萄籽油5种。主要包括醛类、酯类、醇类、杂环类、酚类、酸类等10类物质。大豆油中主要的挥发性成分有戊醛、已醛和己酸,花生油中主要的挥发性成分有己醛、2,5-二甲基吡嗪和2,3-二氢苯并呋喃;芝麻油中主要的挥发性成分为5-甲基呋喃醛、2-吡咯甲醛、糠醇、愈创木酚、2-甲基吡嗪、2-乙基-6甲基吡嗪等;橄榄油中主要的挥发性成分为叶醇和4-己烯-1-醇乙酸酯;葡萄籽油中主要的挥发性成分为已醛。结论 5种食用植物油的挥发性物质的种类和含量上有很大区别,可为食用植物油的掺假鉴别提供参考依据。     

基于主成分分析法评价两种餐饮用油的煎炸性能

目的 分析两种常见餐饮用油(餐饮调和油A和餐饮调和油B)煎炸性能的差异,并对餐饮用油煎炸品质进行综合评估。方法 在模拟西式快餐实际油炸条件下进行煎炸薯条实验,考察了餐饮用油在油炸过程中十项品质指标,并利用主成分分析法(PCA)对两种餐饮用油在油炸过程中的煎炸性能进行综合评价。结果 餐饮用油品质指标间存在不同程度的相关性,PCA将10个品质指标缩减成2个综合性评价指标,累计贡献率达87.920%,反映了餐饮用油煎炸品质的大部分信息,并进一步提取出评估餐饮用油煎炸性能的5个关键指标,即过氧化值、极性组分、碘价、羰基值以及亚油酸/棕榈酸比值。主成分分析综合得分表明,在油炸过程中,餐饮调和油A得分较高,具有较好的煎炸性能。结论 本研究建立的餐饮用油煎炸性能评价体系为煎炸油的筛选和质量控制提供借鉴。     

FTIR Spectroscopy Combined with Chemometric for Analysis of Sesame Oil Adulterated with Corn Oil

Sesame oil is an edible vegetable oil derived from the sesame seed that has been used as a flavor enhancer in Southeast Asian cuisine. This highly valuable oil can be subjected to adulterations with lower price oils in order to gain economical profit. Among 10 vegetable oils evaluated using fatty acid profiles with principal component analysis, corn oil has the closest similarity in fatty acids combined together with sesame oil; therefore, corn oil is a potential adulterant in sesame oil. FTIR spectra at 1072?935 cm^?1 was chosen for quantitative analysis with acceptable values of coefficient determination (R²), root mean square errors of calibration and prediction. These combined methods using first derivative FTIR spectra in partial least square showed well quantified corn oil in sesame oil with R² (0.992), root mean square errors of calibration (0.53% v/v) and root mean square errors of prediction (1.31% v/v) values. Moreover, the Coomans plot based on Mahalanobis distance were able to discriminate between sesame oil with adulterated oils such as corn oil, grape seed oil, and rice bran oil.     

近红外光谱法用于橄榄油的快速无损鉴别

通过近红外光谱仪采集各种食用油与掺杂的初榨橄榄油的数据,运用聚类分析法对各种食用油进行聚类分析,结合主成分分析法对橄榄油的掺杂与否进行定性判别。结果表明,聚类分析和主成分分析法都有很好的定性鉴别能力,主成分分析法的鉴别模型预测未知样本的正确率达到100%。该方法快速、无损、简便,为橄榄油掺杂的定性鉴别提供了一种新的选择。     

红外光谱快速识别食用植物油种类的研究

为实现食用植物油种类的快速无损识别,为公安实战中打击“食药环”犯罪提供参考,借助衰减全反射-傅里叶变换红外光谱技术对不同类别、品牌食用植物油进行了多层次分类识别工作。采用标准正态变换(SNV)和一阶导数预处理消除基线和其他背景干扰,使得重叠峰发生分离,从而提高检测的分辨率和灵敏度,利用竞争性自适应重加权算法(CARS)提取特征波长,结合基于布谷鸟搜索算法优化的极限学习机(CS-ELM)模型对不同种类和品牌的食用植物油进行分类识别,同时对比随机森林模型与CARS-CS-ELM融合模型在食用植物油快速分类检测方面的准确率。结果表明,基于CARS-CS-ELM融合模型对3类植物油样本总体进行分类,其分类准确率达到85.19%,其中小磨香油、花生油、玉米油样本训练集的品牌分类准确率依次为92.5%、100%、96.7%,测试集品牌分类准确率均为100%,而随机森林模型的9个品牌食用植物油分类准确率仅为80%。综上,CARS-CS-ELM融合模型对食用植物油快速分类识别效果较好,可为食用植物油的无损快速检验提供一定的参考与借鉴。     

电子鼻在芝麻油及芝麻油香精识别中的应用

采用电子鼻时芝麻油、芝麻油香精和其他油脂样品进行了分析.对所获得的数据进行主成分分析(Principal Component Analysis,PCA)、判别因子分析(Discriminant Factor Analysis,DFA)和统计质量控制分析(Statistical Quality Control,SQC),结果表明:电子鼻能够有效识别芝麻油、芝麻油香精和其他油脂,且电子鼻对芝麻油和其他油脂的识别比对芝麻油和芝麻油香精的识别效果更好;2号芝麻油香精和芝麻油样品的香气较为相似,其香气的模拟比较成功;电子鼻能够识别不同储存时间的芝麻油样品,随着储存时间的延长,样品在PCA图中呈现规律性的变化,这可能与芝麻油在储存过程中发生氧化有关.