近红外光谱结合非线性模式识别方法进行牛奶中掺假物质的判别

以287例上海及上海周边地区牧场的生鲜奶作为真奶样本集组成3个真奶样品集合,配制了526例含有糊精(或淀粉)+三聚氰胺(或尿素、或硝酸铵)的掺假牛奶形成6个不同种类的假奶样品集合,其中糊精、淀粉在掺假奶中的含量为0.15%~0.45%;硝酸铵、尿素和三聚氰胺的含量分别为700~2 100, 524~1 572与365.5~1 096.5 mg·kg-1,以保证掺假奶中凯氏定氮法测得的蛋白含量不低于3%。所有样本的近红外光谱均经过标准正态变换(SNV)预处理。将3个真奶样品集合和6个假奶样品集合进行不同的组合并对其采用改进与简化的K最邻近结点算法(IS-KNN)和改进与简化的支持向量机法(ν-SVM)建立了判别糊精、淀粉、三聚氰胺、尿素、硝酸铵这5类掺假物质的近红外判别模型,探寻掺假物质的浓度与识别正确率之间的关系。结果表明IS-KNN和ν-SVM两种方法对含三聚氰胺、尿素、硝酸铵的掺假牛奶的平均判别正确率分别在49.55%~51.01%,61.78%~68.79%与68.25%~73.51%区间波动,说明在该研究的掺假物浓度范围内,很难用近红外模型良好区分不同类型伪蛋白的掺假奶;IS-KNN和ν-SVM两种方法对含淀粉的掺假牛奶的判别正确率分别为92.33%与93.66%、对含糊精的掺假牛奶的平均判别正确率分别为77.29%与85.08%。从整体结果上来看ν-SVM法进行建模判别的结果大部分优于IS-KNN法进行建模判别的结果。对判别正确率与样品中掺假物质的含量水平分析表明近红外光谱结合非线性模式识别方法能良好地区分掺假奶中含量较高(0.15%~0.45%)的糊精和淀粉,而对含量偏低的三聚氰胺等伪蛋白的判别效果不佳,说明近红外光谱技术不适于鉴别牛奶中含量低于0.1%的掺假物质。     

二维相关近红外谱结合NPLS-DA判别掺杂牛奶的研究

将二维相关近红外谱与多维偏最小二乘判别分析方法结合起来,建立了掺杂牛奶与纯牛奶的判别模型.分别配置掺杂尿素牛奶(1～20 g/L)和掺杂三聚氰胺牛奶(0.01～3 g/L)样品各40个,采集纯牛奶及掺杂牛奶样品的近红外光谱.在量化二维相关近红外同步谱的基础上,采用多维偏最小二乘判别分析法分别建立了掺杂尿素、掺杂三聚氰胺及两种掺杂牛奶与纯牛奶的判别模型对未知样品进行判别,其判别正确率分别为95％、90％和92.5％,并与偏最小二乘判别和隐变量正交投影判别建模方法进行了比较.结果表明:多维偏最小二乘判别分析法具有更强的预测能力可推广到其它食品的掺杂检测中.     

利用近红外光谱快速检测牛奶中三聚氰胺的可行性研究

采集了22个合格液态牛奶样品,并制备了50个掺入不同含量三聚氰胺(0.1～1 500 mg·kg-1)的牛奶样品,应用近红外光谱仪扫描其透射光谱,研究利用近红外光谱快速检测牛奶中三聚氰胺的可行性。采用偏最小二乘法建立近红外光谱与牛奶中三聚氰胺含量之间的定量模型,结果表明近红外光谱受检测限的限制,难以准确预测牛奶中掺入的三聚氰胺的含量。而应用近红外光谱,结合判别偏最小二乘法建立定性模型,则可以实现对合格牛奶及掺入三聚氰胺的牛奶的定性鉴别,正确识别率达100%。因此,基于近红外光谱的检测方法可以初步判断牛奶中是否含有三聚氰胺,作为高效液相色谱法的补充,为定量检测做初步的筛查,可大大提高检测效率。     

掺有植物性填充物牛奶的近红外光谱判别分析

为探索近红外光谱技术在生鲜牛奶掺假检测中的应用, 寻找一种快速的检测方法,以分别掺有植物奶油、植物蛋白、淀粉的牛奶为材料,利用傅里叶变换近红外光谱仪对样品进行扫描并得到光谱数据, 应用Fisher线性判别分析和偏最小二乘法对试验数据进行了多元统计分析。分析结果表明,利用Fisher判别分析建立的掺假牛奶判别模型的正确判别率达到97.78％,对未知样进行检验,正确判别率达到94.44%;利用偏最小二乘法建立的各掺假物质掺入量的定量检测模型,各掺假牛奶的校正集决定系数(R2)均在99.0%以上,各掺假牛奶的验证集决定系数均在98.5%以上,模型的预测效果良好。上述2种方法说明了近红外光谱技术可以实现对掺有植物性填充物牛奶的快速定性、定量鉴别。     

KOPLS-DA在掺杂牛奶判别中的应用

运用核隐变量正交投影(kernel orthogonal projection to latent structure, KOPLS)方法,建立掺杂牛奶与纯牛奶的判别模型。分别配置含有三聚氰胺牛奶(0.01～3 g·L-1)和尿素牛奶(1～20 g·L-1)样品各40个,采集纯牛奶及掺杂牛奶样品的近红外光谱。选择4 200～4 800 cm-1为建模区间,采用KOPLS分别建立掺杂三聚氰胺、掺杂尿素、两种掺杂牛奶与纯牛奶的判别模型,并利用这些模型对未知样品进行判别。研究结果表明：与偏最小二乘判别(partial least squares discriminant analysis, PLS-DA)和隐变量正交投影判别(orthogonal projections to latent structures discriminant analysis, OPLS-DA)建模方法相比,KOPLS-DA具有更强的掺杂判别能力,对掺杂三聚氰胺、掺杂尿素牛奶和两种掺杂牛奶的判别正确率分别为95%,100%和97.5%。     

基于异谱二维NIR-IR相关判别掺杂牛奶

为更快、更准确的判别掺杂牛奶和纯牛奶,将二维异谱NIR-IR相关谱与多维偏最小二乘判别(NPLS-DA)相结合,建立了掺杂牛奶与纯牛奶NPLS-DA模型。首先,准备并配置纯牛奶和浓度范围为0.01~1g·L-1掺杂淀粉牛奶样品各36个,并在室温的条件下采集所有样品的一维近红外透射光谱和中红外衰减全反射光谱。接着,计算了所有样品在4 200~4 800和900~1 700cm-1范围的同步二维NIR-IR相关谱,研究了其二维相关谱特性,并指出虽然该技术可提供更多的信息,但由于掺杂物微量,仍旧无法根据相关图谱直接对比判定牛奶是否掺杂,需要借助模式识别的方法进行判别。最后,将同步二维NIR-IR相关谱与NPLS-DA结合建立掺杂牛奶与纯牛奶的判别模型,该模型对校正集内部样品和预测集外部样品的判别正确率分别为95.8%和100%。此外,为了比较,分别建立了基于二维NIR和IR相关光谱的NPLS-DA模型,两模型对未知样品的判别正确率均为95.8%。研究结果表明:采用NIR-IR相关谱的NPLS-DA模型能提供更好判别结果。该方法可有效提取食品中掺杂物的特征信息,为检测掺杂食品提供了一个新的方法。     

基于NIRS技术的食用醋品牌溯源研究

以四种品牌152组食用醋样品为研究对象,采用漫反射与透射两种近红外光谱采集模式分别进行光谱数据采集,并以此建立了食用醋品牌溯源模型,重点考察光谱采集模式、光谱预处理方法等对溯源模型精度的影响。结果表明,选取114组样品为训练集,原始光谱数据经过多元散射校正、二阶求导预处理后,采用偏最小二乘判别分析法(PLS1-DA)建立的食用醋NIRS品牌溯源模型,对38组测试集样品进行预测,透射光谱模型的决定系数(R2)、校准均方根误差(root-mean-square error of calibration, RMSEC)、预测均方根误差(root-mean-square error of prediction, RMSEP)分别为0.92,0.113,0.127,正确识别率为76.32%;漫反射光谱模型R2,RMSEC,RMSEP分别为0.97,0.102,0.119,正确识别率为86.84%。由此说明,近红外光谱结合PLS1-DA可以用来建立食用醋品牌溯源模型,且漫反射光谱模型预测效果更好。     

基于二维红外相关谱欧氏距离判别掺杂牛奶

基于纯牛奶、掺杂牛奶样品间二维红外相关谱欧氏距离,依据未知样品与校正集中“极值样品”欧氏距离平均值、组内、组间样品欧氏距离平均值,提出了一种掺杂牛奶判别的新方法。分别配置掺杂尿素牛奶(0.01～0.3 g·L-1)和掺杂三聚氰胺牛奶(0.01～0.3 g·L-1)样品各16个,采集纯牛奶及掺杂牛奶样品的红外光谱。以牛奶中掺杂物浓度为外扰,构建纯牛奶与掺杂牛奶的同步二维红外相关谱,并计算了各样品相关谱矩阵间的欧氏距离。在此基础上,分别建立掺杂尿素牛奶、掺杂三聚氰胺牛奶与纯牛奶的判别模型,确定模型中的“极值样品”,组内、组间样品欧氏距离平均值。利用所建模型,计算未知样品与“极值样品”的欧式距离,并依据判别规则,对未知样品进行判别。研究结果表明： 基于样品红外相关谱矩阵间欧氏距离可实现掺杂牛奶的判别,其判别正确率为100%,验证了该方法的有效性。该研究为掺杂牛奶的检测提供了一种新的可能方法。     

红外光谱结合最小二乘支持向量机掺杂牛奶判别方法研究

基于红外光谱和最小二乘支持向量机建立掺杂牛奶与纯牛奶的判别模型。分别配置含有葡萄糖牛奶(0.01~0.3gL-1)和三聚氰胺牛奶(0.01~0.3gL-1)样品各36个,采集纯牛奶及掺杂牛奶样品的红外光谱。采用最小二乘支持向量机分别建立掺杂葡萄糖、掺杂三聚氰胺、两种掺杂牛奶与纯牛奶的判别模型,并利用这些模型对未知样品进行判别,其判别正确率都为95.8%。研究结果表明:与线性的偏最小二乘判别建模方法相比,最小二乘支持向量机方法具有更强的预测能力。     

利用近红外光谱鉴别纺织用竹纤维和麻纤维

利用近红外光谱技术对竹原纤维、竹粘胶纤维和苎麻纤维进行了快速定性鉴别研究.首先扫描3种纤维的近红外光谱,利用化学计量学分析软件,对谱图进行一阶导数预处理,建立不同纤维的光谱数据库,并分别建立竹原纤维、竹粘胶纤维和苎麻纤维的判别模型.利用判别模型,对未知样品进行判别.结果表明,近红外光谱可以在不破坏样品的情况下,可以快速鉴别竹原纤维、竹粘胶纤维和苎麻纤维.     

紫花苜蓿粗蛋白和粗纤维近红外分析模型的建立

采用近红外漫反射光谱技术,结合偏最小二乘法(PLS),以152个来源不同的紫花苜蓿样品建立了粗蛋白和粗纤维含量的近红外定量分析校正模型。在近红外光谱范围内(950～1 650 nm)对紫花苜蓿样品采集光谱数据时,分别设置了粗磨样、细磨样两种样品的状态和1,2,5 nm三种光谱扫描间隔,对建立的模型进行准确性和重复性的验证,比较其优劣。结果显示：光谱扫描时样品为细磨样,光谱扫描间隔为2 nm时所建立的粗蛋白和粗纤维含量的校正模型最佳,其相关系数(R2_cal)分别是0.97和0.94,最佳因素数时的定标标准差(SECV)分别是0.42和0.78。所建近红外定量分析模型对独立检验集样品粗蛋白和粗纤维含量的预测值与化学值的相关系数(R2_val)分别为0.96和0.92,预测标准差(SEP)分别为0.43和0.79。该研究结果表明：利用近红外漫反射光谱法测定紫花苜蓿内在主要品质性状是可行的,为紫花苜蓿粗蛋白和粗纤维含量的检验提供了新的方法模式。     

可见-近红外漫反射光谱技术对羊毛和羊绒的鉴别研究

应用可见-近红外漫反射光谱技术对甘肃不同地区的130个羊毛和羊绒样品进行定性鉴别研究。结果表明：采用主成分-马氏距离聚类判别分析法,羊毛和羊绒样品界线;主成分回归分析技术结合多元离散校正、一阶导数等预处理方法,以及最佳主成分因子为8、不确定因子为1.00等参数,建立的定性鉴别模型预测性能较好,外部验证正确率为100%。说明利用可见-近红外漫反射光谱定性分析技术可以快速鉴别羊毛和羊绒。     

木材表面光泽度的近红外漫反射光谱技术快速测定研究

表面光泽度是天然高分子材料(如木材)及其制品的重要视觉参数之一,实现天然高分子材料及其制品表面光泽度的快速测定对其表面质量的在线控制与评价具有重要意义。为了实现近红外光谱技术对木材表面光泽度的快速测定以及拓宽近红外光谱技术在高分子材料表面质量控制领域的应用,本研究利用近红外光谱技术结合偏最小二乘法对天然高分子材料木材表面光泽度的模型预测值与实测值的相关性进行研究,探讨了近红外漫反射光谱技术快速测定天然高分子材料木材表面光泽度的可行性。结果表明:(1)木材表面光泽度与其近红外漫反射光谱密切相关,说明木材表面近红外光谱特征中包含表面光泽度的信息;(2)通过偏最小二乘法建立木材表面光泽度的近红外光谱预测模型,模型对木材表面光泽度的预测值与实测值的相关系数可达0.90;(3)通过改变采谱光纤与木材样品表面的夹角获得不同的漫反射光谱数据,分别建立不同的木材表面光泽度预测模型发现,采集光谱的光纤与样品表面的角度变化对结果影响不显著,光纤与样品表面夹角为90°时的结果相对较好。     

近红外漫反射光谱信息分解的数量分析

近红外漫反射光谱分析中,一直认为近红外光可获取样品内部的物质信息,但近红外漫反射光谱包含样品内部信息量究竟是多少,一直未给出准确的数量描述。该研究以烤烟样品为实验材料设计样品,每个实验样品分别由表层片状烤烟与内部烤烟粉末两部分组合而成,测定样品近红外漫反射光谱,提取光谱主成分信息(principal component, PC),将所提取的各主成分的不同组合作为统计指标,对样品进行聚类分析,结合各主成分方差贡献率,初步给出了样品不同深度光谱信息分解量的描述。实验结果表明,近红外漫反射光谱第1和第2主成分包含的信息量约占总信息的98%,反映样品表层信息;第3和第4主成分约占1.5%,表征样品内部信息。这一结果将有助于我们对近红外光谱定性定量分析时主成分信息的选择有一个更深刻的理解。     

基于二维相关近红外谱参数化及BP神经网络的掺杂牛奶鉴别

将二维相关近红外谱参数化方法与BP神经网络结合,建立掺杂牛奶与纯牛奶的判别模型。分别配制含有尿素牛奶(1～20 g·L-1)和三聚氰胺牛奶(0.01～3 g·L-1)样品各40个。研究了纯牛奶、掺杂牛奶的二维相关近红外谱特性,在此基础上,分别提取了各样品二维相关同步谱的5个特征参数。将这5个特征参数作为BP神经网络的输入,分别建立掺杂尿素、掺杂三聚氰胺、两种掺杂牛奶与纯牛奶的判别模型,采用这些模型对未知样品进行预测,其预测正确率分别为95%,100%和96.7%。研究结果表明：该方法有效地提取了牛奶中掺杂目标物的特征光谱信息,同时又减少了BP神经网络输入变量的维数,实现了掺杂牛奶与纯牛奶的鉴别。     

稻谷有害霉菌侵染的近红外光谱快速检测

稻谷是我国主要储粮品种。为快速、准确鉴定稻谷霉变状态,建立了一种基于近红外光谱的稻谷霉菌污染定性、定量分析方法。首先,将四种谷物中常见有害霉菌(黄曲霉3.17、黄曲霉3.3950、寄生曲霉3.3950、灰绿曲霉3.0100)分别接种在灭菌稻谷样品上。其次,将接种霉菌样品进行人工模拟储藏(28 ℃、RH 80%),并采集不同储藏时间(0,2,4,7和10 d)稻谷的近红外漫反射光谱信号。最后,利用主成分分析(PCA)、判别分析(DA)和偏最小二乘回归(PLSR)方法建立稻谷霉菌污染的快速分析模型。结果显示,近红外光谱可有效区分感染不同霉菌的稻谷样品,平均判别正确率达87.5%。稻谷霉变随储藏时间逐渐加深,近红外光谱对感染单一霉菌稻谷样品霉变状态的判别正确率达92.5%,多种霉菌的判别正确率达87.5%。稻谷中的菌落总数的PLSR模型定量结果为：有效决定系数(R2_P)为0.882 3、验证均方根误差(RMSEP)为0.339 Lg CFU·g-1,相对标准偏差(RPD)为2.93。结果表明,近红外光谱法可以作为一种快速、无损的分析方法来判定稻谷霉菌侵染状况,确保稻谷储运安全。     

近红外光谱波段优化选择在驴奶成分分析中的应用

近年来,驴奶引起了越来越多研究者的注意.与牛奶相比,驴奶的营养成分更接近母乳,且有着许多独特的优势.由于驴奶与牛奶成分差别较大,适用于牛奶的模型无法直接应用于驴奶的成分分析中.但目前还未见将近红外光谱分析技术应用到驴奶成分分析中的研究报道.文章采用傅里叶变换近红外光谱法,快速测定了新疆疆岳驴奶中脂肪、蛋白质、能量和灰分的含量.其含量分布范围分别为:1.15%～2.54%,0.34%～2.67%,355.87～565.17 cal·kg-1,0.28%～0.57%.光谱扫描区为3 899.6～12 493.4 cm-1,扫描间隔1 cm-1.采用PLS回归算法对光谱信息阵X提取主成分时附加约束,使X的主成分与待分析组分Y相关.并利用优化波段和不同预处理方法优化组合,建立了PLS回归预测模型,并与PLS全谱区建模预测进行了比较.结果表明波段优化组合建模分析效果整体优于全谱区建模结果,驴奶样品中脂肪、蛋白质、能量和灰分的近红外光谱定量分析模型预测值与化学分析实测值在水平α=0.05下显著相关,其含量分析模型的校验集(RMSEP)值分别为0.18,0.117,23.5,0.040 6,表明预测值有较好的精度.结果表明建立近红外光谱定量分析模型用于驴奶样品成分分析是可行的,波段优化选择与全谱建模分析效果比较表明,建立定量分析模型对波段优化组合选择是必要的,当模型中包含了与组分无关的信息时,对模型定量分析将起干扰的作用,会影响模型的分析效果.因此进行谱段信息选择建立相应组分分析模型是数据预处理的有效环节.样品各组分标准值的测定结果的准确度和精确度都影响近红外定量分析的准确度.以近红外光谱法进行定量建模分析时,扩大组分含量的分布范围,提高标准数据的分析精度和准确度都是很必要的.     

近红外光谱法对不同蒸制时间地黄的鉴别研究

建立近红外光谱技术鉴别不同蒸制时间地黄的方法。以近红外光谱聚类分析法对不同蒸制时间的地黄样品进行了聚类鉴别,并与薄层色谱法进行了对比研究。结合TLC实验结果,近红外光谱聚类分析结果中不同炮制时间的地黄样品被准确、快速的区分开。用近红外漫反射光谱技术应用于地黄的鉴别分类是可行和有效的,具有独特的优点。     

近红外光谱法快速检测烟草中总多酚含量

应用傅立叶变换近红外漫反射光谱仪,采集340个样品光谱图,经优化挑选出具代表性的244个烟草样品建立了近红外光谱与烟草中的多酚含量间的数学模型,用建立的模型对20个样品进行预测,结果表明,各成分近红外预测值与实测值之间的平均标准偏差为0.10;且近红外预测值与化学法不存在显著性差异,可用近红外光谱快速检测烟草中的多酚含量,具有简便、快速、低成本、无污染以及样品的非破坏性等优点.     

基于近红外光谱的人参与西洋参的快速鉴别研究

基于近红外光谱分析技术结合模式判别方法建立了一种人参和西洋参鉴别的新方法。收集根状、根须和粉末状的样品共90份,在有聚乙烯包装袋的情况下直接采集近红外光谱,去除原始光谱中包装袋的显著吸收后进行了MSC与一阶导数处理,然后采用移动窗口偏最小二乘法选择了建模光谱区间,分别建立了PLS-DA,PCA-DA和SVM判别模型,并对3种模型作了对比分析,结果表明SVM判别效果最优,其对预测集的正确判别率为100%。该方法准确、便捷,可实际应用于企业原料药材的质量控制,实现对原料药材的快速筛查。