近红外光谱和模式识别的菊花品种无损鉴别

菊花为菊科植物菊的头状花序,滁菊、贡菊、杭菊和亳菊是常见的几类药用品种菊花。不同品种菊花在外观上具有极大的相似性,非专业人员仅凭肉眼难以对其进行准确鉴别分析。常规仪器分析法检测成本较高,分析时间较长,且需要对样品进行破坏性处理,影响了产品的二次销售。近红外光谱技术作为近年来快速发展起来的一种绿色、简单、快速的新型检测技术,在中药鉴别领域取得了很大的进展。基于便携式近红外光谱仪结合化学计量学方法建立了一种菊花品种无损鉴别方法。利用便携式近红外光谱仪采集了滁菊、贡菊、杭菊和亳菊完整以及粉末状两种物理形态样品的光谱,采用单一以及组合光谱预处理方法消除光谱中存在的干扰,结合不同模式识别方法（主成分分析法、软独立模式分类法和Fisher线性判别分析法）分别构建了不同品种菊花的鉴别模型。结果表明：由于仪器的限制及样品物理性状的原因,光谱中存在较为明显的背景、基线漂移以及噪声的干扰,完整样品由于物理性状的原因,基线漂移干扰尤为严重;采用主成分分析法结合光谱预处理方法无法实现不同品种菊花的准确鉴别,完整样品最佳鉴别正确率仅为8.33%,粉末样品最佳鉴别正确率为52.38%;通过软独立模式分类法结合预处理方法可以得到较为准确的鉴别结果,完整样品光谱数据经一阶导数+多元散射校正优化后鉴别正确率为95%,粉末状样品数据采用原始数据的鉴别正确率为92.5%;Fisher线性判别分析方法结果最佳,完整样品数据经连续小波变换优化后可以得到97.5%的鉴别正确率,粉末状样品采用原始光谱便可得到100%鉴别正确率。以上结果表明,当采用合适的预处理和建模方法,完整样品和粉末状样品鉴别结果较为一致,基于便携式近红外光谱仪结合化学计量学可实现对不同品种菊花的准确无损鉴别分析,为食药同源产品的无损鉴别分析提供了新途径。     

一种基于可见-近红外光谱快速鉴别茶叶品种的新方法

提出了一种用可见-近红外光谱技术快速无损鉴别茶叶品种的新方法。应用可见-近红外光谱仪测定5个品种茶叶的光谱曲线,用主成分分析法对不同品种茶叶进行聚类分析并获得茶叶的可见-近红外光谱数据的主成分,再结合人工神经网络技术建立模型进行品种鉴别。主成分分析表明,以主成分1和2对所有建模样本的得分值做出的得分图,对不同种类茶叶具有较好的聚类作用,可以定性分析茶叶种类。把主成分分析得到的前6个主成分作为神经网络的输入,茶叶品种值作为神经网络的输出,通过5个茶叶品种共125个样本的训练和学习,建立了茶叶品种鉴别的3层BP人工神经网络模型,对未知的25个样本进行鉴别,品种识别准确率达到100%。说明本文提出的方法具有很好的分类和鉴别作用,为茶叶的品种快速鉴别提供了一种新方法。     

显微共聚焦拉曼光谱技术结合化学计量法鉴别静电复印纸

静电复印纸的鉴别是法庭科学物证检验中的一项重要工作。建立显微共聚焦拉曼光谱技术结合化学计量学检验、鉴别不同品牌、型号静电复印纸的分析方法,以实现对静电复印纸的无损检验和准确鉴别。收集不同品牌、不同型号的静电复印纸共计20种,利用激光波长为785 nm的半导体激光器,采集不同纸张样品的拉曼光谱数据,分析每种纸张样品中的主要特征峰及对应的物质成分;将光谱数据使用沃尔德系统聚类分析法进行分类,并采用主成分分析法评价聚类分析的鉴别结果。研究发现,不同纸张样品的主要特征峰集中在900～1 700 cm-1范围内,分别位于714,892,1 092,1 119,1 143,1 343,1 385,1 470,1 510和1 600 cm-1附近,主要成分为纤维素、木素和碳酸钙;各纸张样品的光谱曲线虽然相互交叠,但峰强度和峰面积存在一定差异,可利用化学计量学中的聚类分析和主成分分析对纸张样品的光谱数据进行分类鉴别。根据系统聚类分析的树状图和按计划表绘制的散点图可将20种不同品牌、不同型号的静电复印纸样品分为四类,其中第Ⅰ类中包含10份样品,第Ⅱ类中包含3份样品,第Ⅲ类中包含6份样品,第Ⅳ类中仅包含1份样品。再对纸张样品在900～1 700 cm-1范围内的光谱数据进行主成分分析,在17个主成分中前两个主成分累计贡献率已达到84%,包含了绝大部分的光谱信息;基于前两个主成分绘制纸张样品拉曼光谱数据的主成分得分图,发现聚类分析的结果在主成分得分图中得到了很好的验证,第Ⅰ～Ⅳ类所包含的各小类都能聚集在一块、区分明显,分类鉴别的结果准确、合理。该方法在使用时不会损坏纸张样品,且操作过程简便,鉴别效果较为理想,可适用于法庭科学中对文件物证的检验和分析,为物证溯源提供线索和依据。     

藤梨根红外光谱聚类分析及可视化鉴别

探索傅里叶变换红外光谱技术在抗癌中药藤梨根快速鉴别、分析方面的应用。对不同品种藤梨根药材的红外光谱图进行了聚类分析和主成分分析,以样品的主成分数值为评价指标,并将谱图进行可视化表达。结果显示,应用傅里叶变换红外光谱法结合主成分分析和谱图的可视化转化,能够实现红外光谱无损快速鉴别藤梨根品种。傅里叶变换红外光谱法的应用能够快速、简便、准确地鉴别藤梨根的品种,是其质量监测一种直观有效的方法。     

基于无监督可能模糊学习矢量量化的近红外光谱生菜品种鉴别研究

为解决模糊学习矢量量化(FLVQ)对噪声数据敏感问题,在无监督可能模糊聚类(UPFC)基础上提出一种无监督可能模糊学习矢量量化(UPFLVQ)算法。UPFLVQ用UPFC的隶属度和典型值来更新学习矢量量化网络的学习速率,计算类中心矢量。UPFLVQ 属于无监督机器学习算法,适用于无学习样本情况下的样本分类。研究了UPFLVQ用于近红外光谱生菜品种鉴别的可行性。采用FieldSpec@3型便携式光谱分析仪获取波长范围为350～2 500 nm的三种生菜样本的短波近红外光谱和长波近红外光谱,然后采用主成分分析(PCA)进行近红外光谱的维数压缩,取前三个主成分,累计可信度达97.50%,将2151维的近红外光谱压缩为三维数据。再运行模糊C-均值聚类(FCM)至迭代终止,并以FCM的类中心作为UPFLVQ的初始聚类中心,最后运行UPFLVQ得到隶属度和典型值以实现近红外光谱的生菜品种鉴别。同时,运行UPFC进行近红外光谱的生菜品种鉴别。实验结果表明：UPFLVQ和近红外光谱技术相结合的模型具有检测速度快,鉴别准确率高,对生菜不造成损坏等优点,可实现不同品种生菜的鉴别。UPFLVQ是将UPFC和FLVQ相结合的聚类算法,利用UPFLVQ建立近红外光谱的生菜品种鉴别模型时无需学习样本,适用于线性可分的数据聚类,为快速和无损地鉴别生菜品种提供了一种新的方法。     

基于可见/近红外光谱的水稻品种快速鉴别研究

提出了一种应用可见/近红外光谱技术与化学计量学相结合的快速、无损鉴别稻谷品种的新方法。收集了5个品种水稻共150个样本作为实验样本,通过可见/近红外光谱仪扫描这些样本获得了从350 nm到1 075 nm波长范围的光谱信息。将样本的光谱信息进行小波分解以消除高频噪声。将去噪声后的光谱数据经主成分分析压缩成数目较少的新变量(主成分),压缩得到的前4个主成分能够解释99.891%的原始光谱信息。将前4个主成分作为BP神经网络的输入,不同水稻品种值的二进制代码值作为BP神经网络的输出,建立稻谷品种的模式识别模型。模型的预测误差阈值是0.2,模型是3层网络结构,各层的节点分别是4,9和3。150个样本被随机的分成包含100个样本的建模集和50个样本的预测集。结果表明,预测未知的50个样本的正确率达到96%。说明该方法具有较高的鉴别准确度,为稻谷品种的快速无损鉴别提供了一种新的方法。     

基于遗传算法的近红外光谱橄榄油产地鉴别方法研究

提出了一种应用近红外光谱技术快速无损鉴别橄榄油产地的新方法。采用近红外光谱仪获取三种不同产地的橄榄油各30个样本的光谱漫反射特征曲线,利用全局搜索算法-遗传算法提取特征波长,即从光谱751个波长数据提取9个特征波长数据,并将其作为主成分分析法的输入变量,运用主成分分析法建立分析校正模型。结果表明,主成分1和2累计可信度已达99.130%,对不同产地的橄榄油有很好的聚类作用,同时也说明遗传算法抽取特征波长方法正确。将提取到的六种主成分作为BP神经网络的输入变量,品种类型作为神经网络的输出变量,建立3层人工神经网络模型,对30个未知橄榄油产地进行预测,预测结果准确率达100％。该方法能快速无损地检测橄榄油产地,同时也为其他油类产地鉴别提供了一种新方法。     

牻牛儿苗科11种中药材红外光谱鉴定及聚类分析

结合傅里叶变换红外光谱技术与聚类分析法,建立牻牛儿苗科11种中药材的快速鉴别方法。采用傅里叶变换红外光谱法鉴别牻牛儿苗科11种中药材;在建立主成分分析模型的基础上,采用SIMCA聚类分析法对三种中药材进行了快速的分类研究。红外光谱结合聚类分析技术对牻牛儿苗科中药材聚类结果较理想,识别率和拒绝率达到98%以上,盲样的预测率达到91%。红外光谱与聚类分析法相结合可以快速、无损识别牻牛儿苗科中药材。     

PCA和SPA的近红外光谱识别白菜种子品种研究

为了实现对不同品种白菜种子的快速无损鉴别,应用近红外光谱技术获取白菜种子的光谱反射率,首先采用变量标准化校正和多元散射校正对原始光谱进行预处理;其次,采用主成分分析法(PCA)对光谱数据进行聚类分析,从定性分析的角度得到三种不同白菜种子的特征差异,并采用连续投影算法(SPA)选取特征波长;最后,分别基于全波段光谱、PCA分析得到的前3个主成分变量以及SPA算法选取的特征波长,建立了最小二乘支持向量机(LS-SVM)和偏最小二乘判别(PLS-DA)模型进行白菜种子不同品种的鉴别。从主成分PC1、PC2得分图中可以看出,主成分1和2对不同种类白菜种子具有很好的聚类作用。基于特征波长建立的PLS-DA和LS-SVM模型的判别结果优于基于主成分变量建立的模型,其中基于特征波长建立的LS-SVM模型识别效果最优,建模集和预测集的品种识别率均达到100%。结果表明,通过SPA算法选取的6个特征波长变量能够很好的反映光谱信息,提出的SPA算法结合LS-SVM预测模型能获得满意的分类结果,为白菜种子品种的识别提供了一种新方法。     

基于可见-近红外反射光谱技术的葡萄品种鉴别方法的研究

提出一种利用可见-近红外反射光谱技术快速无损鉴别葡萄品种的新方法.采用主成分分析法对三个葡萄品种的光谱进行聚类分析.结果表明, 黑提葡萄能够被区分.进一步采用人工神经网络技术对马奶子和木拉格两种葡萄进行品种鉴别.以前10个主成分作为神经网络的输入, 品种类型作为神经网络的输出, 建立三层BP神经网络模型.结果显示, 这两个品种的识别准确率达到98.28 %, 结果优于簇类独立软模式(SIMCA).同时提出葡萄品种鉴别的四个敏感波段: 452、493、542和668 nm.基于敏感波段光谱的BP神经网络预测准确率为97.41%.说明采用可见-近红外光谱分析技术结合主成分分析和人工神经网络的方法能够快速无损鉴别葡萄的品种, 为葡萄品种的鉴别提供了一种新方法.     

基于多光谱图像颜色特征的茶叶分类研究

提出了一种利用多光谱图像颜色特征进行茶叶分类的新方法,对两种颜色几乎一样用肉眼几乎不能分辨的茶叶进行了分类。图像由MS3100-3CCD光谱成像仪和普通数码相机同时获得,光谱成像仪提供3个波段的图像,由近红外(NIR)、红色(R)和绿色(G)组成,因此它比普通数码照相机包含更丰富的信息,特别NIR波段的图像对有机物的颜色比可见光敏感。提取3CCD光谱成像仪和普通数码照相机各个波段图像颜色的特征即像素偏方差值和平均值进行统计分析,用多光谱图像的NIR图像所提供颜色信息能够辨别这两种颜色几乎一样的茶叶,而普通数码相机无法提供信息进行识别。然后应用人工神经网络技术,对NIR图像像素偏方差值和平均值这两个参数进行建模,建模样本40个,每个样本为20个,预测样本20个,每个样本为10个。结果表明,在阈值为0.3,对两种茶叶进行分类得到了100%识别率,此研究为茶叶的分类提供一种快速和无损的新方法。     

尖椒叶片叶绿素含量的近红外检测分析实验研究

应用傅里叶漫反射近红外光谱技术探讨了尖椒叶片叶绿素含量的无损检测方法。利用偏最小二乘法和主成分回归法分别建立了尖椒叶片叶绿素含量与漫反射光谱间的数学模型,同时对不同光谱预处理方法和不同建模波段范围对模型的预测性能进行对比分析。结果表明,用傅里叶变换光谱仪采集的原始光谱经平滑和基线校正对结果的影响不是很明显;利用PLS建模获得的结果明显好于采用PCR方法建模;原始光谱经二阶微分获得的预测结果比一阶微分光谱和原始光谱的预测结果好;剔除异常样本后,在全波段范围内原始光谱经二次微分的预测相关系数达到0.975 37,校正均方根误差和预测均方根误差分别为2.33和5.49。本研究说明, 应用近红外漫反射光谱检测叶片叶绿素含量是可行的,可为今后快速无损检测叶片叶绿素含量提供理论依据。     

基于卷积神经网络和近红外光谱的太平猴魁茶产地鉴别分析

太平猴魁茶因其特有的“喉韵”深受广大消费者喜爱,不同产地太平猴魁茶市场价格相差较大,如何实现产地精准鉴别是目前促进绿茶产业发展的关键因素。依赖于人工经验的感官评审方法主观性强、稳定性差,无法应用于实际生产检测过程。作为目前主要的检测分析方法,化学分析方法周期长、检测成本高,而且目前没有用于茶叶产地鉴别的统一标准。近红外光谱（NIR）作为一种无损检测分析方法,具有快速、非破坏性、无污染等特点,但是不同产地太平猴魁茶主要内含成分及其含量基本相同,不同产地样本光谱特征峰分布相似,导致常规分析方法无法有效选择特征变量。卷积神经网络（CNN）作为经典深度学习网络模型之一,具有强特征提取和模型表达能力。采用太平猴魁茶产地光谱特征分析,利用一维卷积神经网络模型（1-D CNN）提取太平猴魁茶NIR特征,提出一种基于1-D CNN和NIR的太平猴魁茶产地鉴别分析方法。试验以6个不同产地共120个样本为研究对象,分析10 000~4 000 cm-1范围内的光谱信息;将样本随机划分为训练集（84,占70%）和测试集（36,占30%）,分别讨论不同间隔采样、网络结构、卷积核大小及激活函数对产地鉴别结果的影响,并引入Dropout方法对比分析模型过拟合现象;最终建立一个具有9层结构的1-D CNN模型。蒙特卡罗试验结果表明,相比于基于原始光谱数据（40.57%,7.06）和PCA方法（31.93%,6.96）的太平猴魁茶产地预测模型准确率和标准差,基于1-D CNN的太平猴魁茶产地鉴别模型预测精度和稳定性更高,其测试集预测准确率平均值和标准差分别为97.73%和3.47。因此,1-D CNN可有效提取太平猴魁茶不同产地NIR特征,提高太平猴魁茶产地鉴别精度,为太平猴魁茶精准产地鉴别及溯源分析提供参考。     

基于共聚焦拉曼光谱技术检测茶叶中非法添加美术绿的研究

利用共聚焦拉曼光谱技术对茶叶中非法添加的重金属染料——美术绿进行检测研究。首先通过特定的浓缩方法,获取了五个浓度水平美术绿茶汤样本的拉曼光谱。通过比对标准品拉曼光谱,对混有美术绿的样本光谱进行了定性分析。并找到了能够用于定性鉴别茶叶中美术绿的4个主要拉曼特征波数,分别为1 341,1 451,1 527和1 593 cm-1。对原始拉曼光谱进行预处理后,融合反向间隔偏最小二乘(biPLS)、竞争性自适应重加权算法(CARS)和连续投影算法(SPA)对拉曼光谱中美术绿的特征波段进行深入挖掘,最终优选出了14个特征波数。基于这14个特征波数分别建立了偏最小二乘(PLS)回归模型和最小二乘支持向量机(LS-SVM)模型,结果表明,两类模型均具有好的稳健性和很高的预测能力,模型的建模集、验证集和预测集的决定系数(R2)均超过了0.9,证明了所提取出来的特征波数的有效性。与偏最小二乘回归模型相比,基于LS-SVM的非线性定量检测模型的效果更佳,预测集决定系数(R2)达到0.964,均方根误差(RMSE)为0.535。以上研究结果表明,共聚焦拉曼技术结合特定的样品处理方法及化学计量学方法,可以实现茶叶中非法添加美术绿的定量检测。该研究为茶叶中非法添加美术绿这一食品安全问题的有效监管提供了帮助。     

基于可见-近红外光谱技术预测茶鲜叶全氮含量

为快速无损监测茶树氮素营养及其生长状况,基于可见-近红外光谱技术建立了茶鲜叶全氮含量的预测模型。以茶鲜叶为对象,田间试验使用便携式光谱仪采集叶片漫反射光谱信息,通过不同预处理和统计分析,建立茶鲜叶全氮含量预测的光谱模型。试验共采集111个样品,其中86个样品作校正集,25个样品作预测集。通过一阶导数与滑动平均滤波相结合的预处理方法,用7个主成分建立的偏最小二乘模型最好,其校正集均方根误差(RMSEC)为0.097 3,预测集的相关系数为0.888 1,预测均方根误差(RMSEP)为0.130 4,预测的平均相对误差为4.339%。研究结果表明,利用可见-近红外光谱技术可以很好地预测茶鲜叶全氮含量,对于快速实时监测茶树长势和施肥管理具有重要指导意义。     

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。     

近红外光谱技术的花生产毒霉菌侵染快速检测

为了能够快速、无损地评价花生的质量,确保储藏与食用安全,开发了一种基于近红外光谱技术的花生产毒霉菌污染程度的定性定量分析方法。首先对经过Co-60强辐射杀菌后的新鲜花生样品分别接种谷物中五种常见产毒霉菌(黄曲霉3.17、黄曲霉3.3950、寄生曲霉3.395、寄生曲霉3.0124、赭曲霉3.6486),并于适宜条件下(26 ℃、RH 80%)储藏9 d。其次,利用近红外光谱仪采集了不同时期花生样品在12 000～4 000 cm-1波段范围内的漫反射光谱,运用主成分分析(PCA)、判别分析(DA)和偏最小二乘回归(PLSR)建立了分析模型。结果显示,接种不同霉菌的样品随着储藏时间的延长均能得到有效区分,DA模型对储藏0,3,6与9 d花生的感染单一霉菌和多种霉菌的总体判别正确率分别达到100%和99.17%,PLSR模型对样品中的菌落总数的预测结果为：有效决定系数(R2_P)为0.874 1、交互验证均方根误差(RMSECV)为0.276 Log CFU·g-1,剩余预测偏差(RPD)为1.92。结果表明,近红外光谱技术可以作为一种可靠的分析方法对花生受霉菌侵染的状况进行快速分析,从而确保贮藏期间花生的质量安全。     

FAAS测定高山绿茶中金属元素含量及溶出性

湿法消解处理和去离子水浸泡后处理高山绿茶样品,采用FAAS测定Fe、Mn、Cu、Zn、Ni等金属元素的含量。金属元素含量为：Mn〉Fe〉Zn〉Cu〉Ni;各元素的加标回收率为95.32%—101.63%;相对标准偏差为1.67%—3.83%,准确度和精密度符合要求;不同浸泡时间茶水中金属元素含量不同,30min浸泡液含量较高,且第一次浸泡液中金属元素含量最高。因此,FAAS测定高山绿茶中金属元素含量及溶出特性的方法可行,实验结果可靠。     

近红外光谱判别分析滤波器的设计与应用

近红外光谱（NIRS）在定量和判别分析中已得到广泛应用,化学计量学在其中发挥了重要作用,但仍需要建立基于新原理的方法,简化数据处理和建模过程,使近红外光谱分析更加方便、更加快速。多元光学计算（MOC）技术通过设计合适的光学滤波器可以在光谱测量的同时,根据光谱的整体形状得到定性定量结果。作为一种新的测量和计算方式,近年来在光谱分析领域逐渐得到应用。基于多元光学计算的原理,基于主成分分析和Fisher判别准则设计了近红外光谱的判别滤波器,将近红外光谱投影到二维空间,并在二维空间中计算每一类样品的置信椭圆作为模型进行判别分析。预测样本在二维空间的投影与模型的距离可以作为判别参数,判别值小于等于1时预测样品与模型样品判别为同一类别,否则判别为不同类别,且距离越大,差异性越大。采用460个不同部位的烟叶样品和73个不同生产厂家的药品对所建立的方法进行了测试,表明了方法的准确性。对于三类不同部位烟叶样品和四类不同厂家生产的药品,预测结果的真阳性率可以达到90%以上（除上部烟叶样品外）,药品的真阳性率高达95%以上。但烟叶样品的假阳性率仍有些偏高,对于光谱极为相似的实际生产样品结果仍属可接受范围。所建立的方法可推广到其他应用领域,广泛用于基于近红外光谱的质量控制、产品检测、生产一致性监控等。     

基于近红外自相关谱检测奶粉中的三聚氰胺

发展了一种基于近红外自相关谱定性定量分析掺三聚氰胺奶粉的检测方法。分别配置40个纯奶粉样品和40个不同质量百分比浓度的掺三聚氰胺奶粉(10-4%～40%, w/w)样品,采集了所有样品的一维近红外漫反射光谱,以奶粉中掺入的三聚氰胺浓度为外扰进行相关计算,选择随浓度变化敏感的7 000～4 200 cm-1为建模区间。在提取自相关谱信息的基础上,建立了定性定量分析掺三聚氰胺奶粉的偏最小二乘模型,并与常规一维近红外谱模型的预测结果进行了比较。所建立的方法对未知样品的识别正确率为100%,预测均方根误差(RMSEP)为0.63%;而一维近红外谱的识别正确率为96.2%,RMSEP为0.84%。研究结果表明：相对于常规一维近红外谱,所建立的方法能提供更好的预测结果,其原因可能是自相关谱能提取更多的特征信息。