基于连续分类策略的饲用鱼油掺假陆生动物油脂红外光谱鉴别分析

与其他动物油脂相比,饲用鱼油的营养价值高、产量低、提炼工艺复杂,其真实性的鉴定有利于市场的正常运行和消费者权益的保障。本研究提出一种基于红外光谱的连续分类策略,并将其应用于饲用鱼油中违法掺假陆生动物油脂的鉴别分析。实验收集动物油脂样品共50个（鱼油12个、猪脂10个、鸡油9个、牛脂10个、羊脂9个）,采用均匀混合法制备饲用鱼油中掺加陆生动物油脂的样品160个。采用主成分分析（PCA）方法进行用饲用鱼油中掺假陆生动物油脂红外光谱鉴别分析的可行性分析。结果表明：纯鱼油和掺假陆生动物油脂鱼油之间得到了较好的区分;其他掺假陆生动物油脂鱼油之间有一定的鉴别分析潜力。基于偏最小二乘判别分析（PLS-DA）和单类别偏最小二乘法（OC-PLS）,第一步,建立检测鱼油真实性的单类别筛查模型;第二步,建立多类别陆生动物油脂掺假的鉴别模型,探讨了两种陆生动物油脂类别划分方式对鉴别模型的影响。研究表明：单类别筛查模型成功区分了纯鱼油和掺假鱼油,识别率和拒绝率均为100%,误判率为0%;按照纯鱼油、猪脂掺假鱼油、鸡油掺假鱼油、牛脂掺假鱼油和羊脂掺假鱼油进行分类,多类别鉴别模型的识别率和拒绝率均大于80%,误判率均在15%以下;按照纯鱼油、非反刍动物油脂掺假和反刍动物油脂掺假进行分类,多类别鉴别模型的识别率和拒绝率均提升至90%以上,误判率减小至7%以下。在提出的连续分类策略中,中红外光谱技术结合化学计量学可以用于高效筛查鱼油中是否掺假陆生动物油脂,并且可以进一步确证掺假陆生动物油脂种属源。该方法作为一种快速筛查与确证分析工具可满足大样本量鱼油中陆生动物油脂掺假的检测需求。     

红外光谱结合PCA-LDA对嘉峪关戏台文物建筑彩画胶料种类的判别

为了判别嘉峪关戏台文物建筑彩画的胶料种类,采用皮胶、鱼鳔胶、蛋清、蛋黄、牛奶为参考样品,使用傅里叶红外光谱仪采集了参考样品及三件文物样品胶料的红外吸收光谱,利用主成分分析结合线性判别分析（PCA-LDA）构建胶料种类判别的数学模型,并应用于文物样品。发现参考样品红外光谱在1 800～1 000 cm-1区间包含了丰富的分子结构特征信息。该区间中蛋白类胶料的共同特征为1 650 cm-1附近的仲酰胺C═O键伸缩振动峰,1 542 cm-1附近的酰胺C-N键伸缩振动和N-H键弯曲振动峰,1 240 cm-1附近的酰胺C-N键伸缩振动峰。此外,蛋黄、皮胶和牛奶因其中含有较多脂类物质,在1 745 cm-1附近还存在饱和脂肪酸酯羰基C═O键伸缩振动峰。在此基础上,通过对参考样品红外吸收光谱主成分得分散点图的分析,发现不同胶料参考样品的红外光谱类间差异显著。据此,使用参考样品红外光谱的主成分得分为训练集,添加类别变量拟合判别函数,绘制函数组质心图并进行交叉验证,得出方程的判别正确率为93.3%。发现因老化降解导致三件文物样品的红外吸收光谱与参考样品光谱有所不同,但仍具有蛋白类胶料的特征。利用PCA-LDA分析模型对文物胶料种类进行判别,结果均为皮胶。该胶料种类判别模型稳定、有效,用该模型判定嘉峪关建筑彩画胶料为动物胶中皮胶。     

β-三氯锗基丙酸类化合物的拉曼光谱和红外光谱

我们合成了β-三氯锗基丙酸及其类似物并测量了该化合物的拉曼光谱和红外光谱 ,经光谱分析 ,指认了主要波数所对应的分子振动。在 A、B、C、D四种化合物的拉曼光谱中 ,Ge- Cl的振动分别出现在 397cm- 1( vs)、40 0 cm- 1( vs)、394cm- 1( vs)、385cm- 1( vs)中 ,而在红外光谱中却无法证明 Ge- Cl键的存在 ,Ge- C键的振动在 Raman光谱中分别在 594cm- 1( w)、62 6cm- 1( w)、634cm- 1( w)、641 cm- 1( w)。在红外光谱中 ,各种极性基团的振动表现的更明显 ,分别出现了 O- H、CH2 、C- O和 C=O的振动峰。     

反刍动物源肉骨粉的近红外漫反射光谱判别分析

为了探讨利用近红外漫反射光谱判别分析技术快速鉴别非反刍动物源肉骨粉中是否掺有反刍动物源肉骨粉的可行性,收集了来源于国内不同地区的不同种类的肉骨粉样本39个,其中猪、鸡肉骨粉各15个,牛肉骨粉5个和羊肉骨粉4个。通过在非反刍动物源猪或鸡肉骨粉中人为掺入0%～48%的反刍类动物源牛或羊肉骨粉,制备了252个肉骨粉的样本。利用FOSS 6500型近红外光谱仪获取样本光谱,WINISI软件随机选取180个样本作为校正集,72个样本作为独立的验证集。采用基于偏最小二乘回归法(PLS)的判别分析技术,建立了判别分析模型,利用独立的验证集对判别分析模型进行了验证,最优判别分析模型正确判别率为90%。结果表明所建立的判别分析模型可以对非反刍动物源肉骨粉中含有的反刍动物成分进行快速鉴别,但对反刍动物成分含量低于2%的肉骨粉样本,模型的判别精度还有待提高。文章结果为反刍动物源性肉骨粉的鉴别分析提供了一种有效的快速筛选方法。     

基于近-中红外相关谱融合判定掺伪芝麻油

为充分提取复杂掺伪食用油的特征信息,提出并建立一种掺伪芝麻油的判别方法.采集40个纯芝麻油和40个掺入不同浓度玉米油的芝麻油的常规一维近红外透射光谱和中红外衰减全反射光谱.对两样本采用二维相关谱技术进行相关计算,得到每一样品的同步和异步二维近红外相关谱和中红外相关谱,并进行预处理,得到其对应的同步-异步二维近红外相关谱和中红外相关谱.采用多维主成分分析法提取其特征,并将其得分矩阵进行融合.基于融合的得分矩阵,以及单一近红外、中红外相关谱得分矩阵分别建立纯芝麻油和掺伪芝麻油偏最小二乘判别分析模型,三个模型对预测集样品的判别正确率分别为100%、96.2%和96.2%.研究结果表明,所提出的方法可提取更多的特征信息,提供更好的分析结果.     

基于红外光谱分区的多溴联苯醚辨识及生物毒性特征光谱信息提取研究

选取环境中含量最多的9种多溴联苯醚(PBDEs)及已知具有高/中等生物毒性的14种PBDEs作为目标辨识物,首先基于振动归属将上述PBDEs红外光谱分为6个谱区,利用相似度分析评价各谱区对23种同系物的辨识能力并筛选易于辨识的红外谱区,其次根据各谱区特征建立辨识方法并进行方法评价,最终通过主成分分析及判别分析法在所研究谱区提取影响高/中等生物毒性PBDEs的红外特征信息并建立生物毒性判别模型。研究结果表明,位于961～1 153 cm-1的三角呼吸振动谱区和1 153～1 346 cm-1的C—O伸缩振动谱区对所选PBDEs间光谱相似度最小,可利用三角呼吸振动谱区内吸收峰的数量分布特征(辨识最小频差为3.19 cm-1,但不易与多氯联苯醚等结构相似物质间的区分)及C—O伸缩振动谱区的主峰分布及波形特征(辨识最小频差为0.74 cm-1,与多氯联苯醚等结构相似物质间辨识涉及最小频差为0.67 cm-1)实现对23种PBDEs间的辨识(红外光谱常用最小分辨率为0.5 cm-1);基于判别分析法所构建的高/中等生物毒性PBDEs判别模型的判别正确度为100%/88.9%,表明所提取的红外光谱信息可实现对PBDEs生物毒性的准确分类。     

红外光谱结合判别分析对三七道地性及产地的鉴别研究

利用傅里叶变换红外光谱结合判别分析对三七的道地性及产地进行鉴别研究。测试了11个县13个种植点的136株三七主根样品的红外光谱, 利用Omnic8.0软件计算了每个样品红外光谱的二阶导数光谱。分别采用1 800～700 cm-1光谱范围的红外光谱数据和二阶导数光谱数据, 运用逐步判别分析法建立模型对三七的道地性进行判别研究, 二阶导数光谱数据建立的模型对三七道地性的识别效果更好, 回判正确率为100%, 预测正确率为93.4%。采用交叉验证法检验了模型的稳定性, 并对此方法进行了外推性验证。用二阶导数光谱数据结合相同的判别方法对三七的产地进行识别, 比较了不同光谱范围和不同训练样本数建立的模型判别效果, 每个种植点选择8个样本作为训练样本, 采用1 500～1 200 cm-1光谱范围的数据建立的模型判别效果较好, 回判正确率为99.0%, 预测正确率为76.5%。结果表明, 红外光谱结合判别分析对三七道地性的识别效果好, 有望成为实际中鉴别三七道地性的新方法;对三七产地的识别有一定的效果, 可作为三七产地鉴别的一种新思路。     

基于FTIR的芝麻油真伪鉴别和掺伪定量分析模型

把低价油掺入到高价油是食用油脂中的常见掺伪现象,芝麻油由于品质好价格高,市场上时有假冒伪劣产品,因此应用FTIR并结合化学计量学,建立了芝麻油的真伪和掺伪的快速分析方法。首先分析了芝麻油与大豆油、葵花籽油在4 000～650 cm-1范围的FTIR谱图,由于食用植物油都是不同脂肪酸甘油三酯的混合物,其谱图极为相似,很难发现芝麻油与其他油脂的明显差异。但是不同食用油的脂肪酸组成不同,其1 800～650 cm-1红外指纹特征区也有所不同,因此可以选择该区域,对红外光谱数据用化学计量学方法进行分类识别。通过建立主成分分析(PCA)和簇类独立软模式识别(SIMCA)模型,进行了芝麻油的真伪鉴别,该模型聚类效果较为理想,识别正确率达到了100％;采用标准正态化校正(SNV)和偏最小二乘法(PLS),经过PCA分析计算,芝麻油中掺入大豆油、葵花籽油的掺伪检测限均为10%;利用FTIR和PLS,建立了芝麻油掺的定量分析模型,该模型预测值与实际值有着良好的对应关系,预测相对误差为-6.87％～8.07％之间,说明定量模型可行。本方法能够实现芝麻油的快速真伪鉴别和掺伪定量分析,其优点是模型一旦建立,分析简便、快速,可以满足大量样品的日常监测。     

芬太尼类物质的振动光谱特征分析研究

通过分析28种芬太尼类物质的红外和拉曼光谱,研究了芬太尼类物质的振动光谱特征,考察了红外和拉曼光谱对芬太尼类物质的区分能力。整体上看,芬太尼类物质的红外和拉曼光谱表现出不同的光谱特征,具有互补性。在红外光谱中,不同盐型芬太尼类物质在3200～2 000 cm-1区间差异显著,碱型化合物在2 972～2 952 cm-1存在强的吸收峰,盐酸盐化合物在2 600～2 320 cm-1存在中等强度的多重吸收峰,枸橼酸盐化合物在3 100～2 800 cm-1存在中等偏弱的宽吸收峰。在红外光谱中,芬太尼类物质在1 750～1 630 cm-1存在由C═O键伸缩振动引起的强吸收峰,在710～680 cm-1存在由苯环面外弯曲振动引起的强的单峰或双峰。在拉曼光谱中,28种芬太尼类物质均在1 001～1 002 cm-1处有强的拉曼峰,该峰是由苯环上C-H键的面内弯曲振动引起的。含烷基、苯基、四氢呋喃基取代化合物的拉曼光谱中,1 000 cm-1左右位置的峰为基峰,其他峰的强度均低于基峰强度的30%;含氟、呋喃、硫代等取代基化合物的拉曼光谱中,除1 000 cm-1左右位置的峰外还有其他高强度的峰。红外光谱可用于区分所有芬太尼类物质,对绝大多数化合物区分度高,对个别结构相差一个甲基的芬太尼结构类似物的区分度较弱,但通过指纹区的特征吸收峰,也可实现区分。当不存在荧光干扰时,拉曼光谱可用于区分所有的芬太尼类物质,对绝大多数化合物区分度高,对部分结构相差一个甲基或不同位置甲基取代的芬太尼结构类似物的区分度较弱,但通过指纹区的特征峰,也可实现区分。红外光谱和拉曼光谱均具有无需样品前处理、测试速度快、检测成本低、绿色环保等优点,便携式设备可用于现场快速检验。拉曼光谱仪测定某些样品时会受到荧光干扰,具有一定的局限性。与拉曼光谱相比,红外光谱无荧光干扰、谱图一致性高、商业谱库更加完备,是现场快速定性分析的首选方法。     

基于近红外光谱和化学计量学的驴肉鉴别方法研究

驴肉具有极高的食用价值,资源的缺乏使其价格持续走高,由此引发的欺骗和掺假亟待解决。选取了不同部位(脖子、肋板、后墩和腱子)的驴肉样品(n=167)及牛肉(n=47)、猪肉(n=51)和羊肉(n=32)样品在4 000~12 500cm-1光谱范围上建立了驴肉的近红外光谱鉴别模型。比较了马氏距离判别分析、簇类独立软模式分类法、最小二乘-支持向量机方法分别结合平滑(5点、15点及25点)、一阶和二阶微分、多元散射校正和标准归一化的光谱预处理方法对肉块样品及大中小三个不同粉碎粒径(7,5,3mm)肉糜样品的分类模型结果发现,原始光谱前11个主成分得分作为输入的马氏距离判别及前6个主成分作为输入的最小二乘-支持向量机肉块样品分类模型较优,校正集和预测集正确率分别为100%和98.96%;原始光谱前5个主成分作为输入的LS-SVM大粒径肉糜样品分类模型结果较优,校正集和预测集判别正确率为100%和97.53%;原始光谱前8个主成分得分作为输入的簇类独立软模式分类法中粒径肉糜样品分类模型结果较优,校正集和预测集的判别正确率均为100%;而对于小粒径肉糜样品,原始光谱前7主成分输入的马氏距离判别和前9主成分输入的簇类独立软模式分类法模型均得到了校正集和预测集100%的判别正确率。以上模型中的驴肉样品均得到了100%的判别正确率。研究结果表明,使用近红外光谱分析技术结合化学计量学方法鉴别驴肉是可行的。     

傅里叶变换红外光谱在葡萄酒品质劣变检测中的应用

葡萄酒如果贮存方法不当极易发生劣变,失去原有的风味和质感,影响品质,因此对葡萄酒劣变进行检测,具有重要意义。在红葡萄酒劣变过程中,主要发生了酸败现象,产生了过量的有机酸类物质,致使葡萄酒原有性状发生变化。利用傅里叶变换红外光谱技术研究红葡萄酒特征光谱及其品质劣变的判别方法。对劣变过程的理化特性进行了分析,并对葡萄酒的FTIR光谱的主要吸收峰进行了解析。在劣变判别过程中,创新性的采用了比较多个吸收峰之间的吸光度比值之间大小关系的方法实现对劣变的判定,但此方法具有一定的相对性。通过对变质红葡萄酒与未变质红葡萄酒的FTIR光谱数据进行对比分析,发现在3 020～2 790,1 760～1 620以及1 550～800 cm-1三个波段内,在光谱特征上具有一定的差异,为了能够将这些光谱差异与葡萄酒的劣变情况建立联系并能够实现判别分析,引入了化学计量学方法。采用主成分分析(PCA)结合软独立建模聚类分析法(SIMCA)分别对以上三个特征波段内光谱数据进行了分类,最后利用偏最小二乘判别分析(PLS-DA)对验证集数据在这三个波段进行了判别,结果表明FTIR结合化学计量学方法能够成功区分开变质和未变质的红葡萄酒样本,且具有很好的识别率,其中利用1 550～800 cm-1波段来建模分析效果最好,SIMCA和PLS-DA识别率分别为94%和100%。     

光谱学技术在稀奶油乳脂肪研究中的应用

乳脂肪是制备稀奶油的主要原料,不同产地的乳脂肪结构性能差异较大,进而影响稀奶油乳浊液各项性能。利用拉曼光谱动态光散射、近红外光稳定性分析等光谱学技术,研究了不同来源乳脂肪（MF-A, MF-B和MF-C）理化特性,并比较相应稀奶油的稳定性及粒径分布,以说明乳脂肪性能对稀奶油品质的影响。拉曼光谱结果显示：1 303和1 446 cm-1 -CH₂振动,2 800～3 000 cm-1 C-H振动,1 131 cm-1 C-C振动的峰信号强弱顺序MF-A>MF-B>MF-C（p<0.05）,说明MF-A饱和程度最高;1 657 cm-1 C=C振动,信号强弱顺序MF-C>MF-B>MF-A （p<0.05）,说明MF-C中顺式不饱和脂肪酸含量最高,三种乳脂肪均为顺式不饱和脂肪酸,无反式脂肪酸。同时,碘值分析进一步验证MF-A饱和度最高,相应乳脂肪硬度大、稳定性和可塑性佳。在0~40 ℃范围内,不同温度下固体脂肪含量（SFC）由高到低为MF-A>MF-B>MF-C（p<0.05）,说明相应的稀奶油宜在4 ℃贮藏,10~15 ℃打发并裱花。在25 ℃等温结晶1 h,用偏光显微镜观察三个样品,发现MF-A冷却时最先形成晶核并诱导周围脂肪不断结晶而聚集形成小而密的结晶网络。MF-B为细微球晶与针状晶组成的晶体簇,晶体数量少,结晶网络不完整;MF-C晶体分布较为稀疏,数量极少,且晶体平均直径小于20 μm。分别用三种乳脂肪制备稀奶油XMF-A,XMF-B,XMF-C,从粒径分布图中看出XMF-A基本为单峰,说明稀奶油乳浊液较稳定,脂肪球没有聚结,而XMF-B,XMF-C为双峰,说明脂肪球均发生了一定程度的聚结,且XMF-C平均粒径最大,所以XMF-C聚结程度高于XMF-B,平均粒径顺序为XMF-AXMF-B>XMF-C（p<0.05）。通过研究以连续相与分散相形式存在的乳脂肪理化特性,发现了脂肪组成、结构与结晶行为规律,探索了乳脂肪结晶对稀奶油品质的影响机制,旨在为制备不同需求乳制品提供原料选择的理论依据。     

姜科植物长柄山姜及茴香砂仁精油原位拉曼光谱研究

常温下，将制备好的长柄山姜及茴香砂仁的水装片放在显微拉曼光谱仪的载物台上，寻找油细胞，并分析其中精油。长柄山姜油细胞上获得的拉曼光谱，较强峰出现在1 638，1 600，1 555，1 203和1 001 cm-1，次强峰出现在1 716，1 577，1 496，1 407，1 346，1 307，1 273，1 181，1 156，1 029，958，618和218 cm-1共获得26条光谱线，与肉桂酸甲酯拉曼光谱的29条谱线比较，长柄山姜油细胞有22条谱线与之有对应关系；茴香砂仁油细胞上获得的拉曼光谱较强峰出现在1 648，1 639，1 607，1 174，842和836 cm-1，次强峰出现在1 292，1 244，1 235，1 204和631 cm-1共获得24条光谱线，与4-烯丙基苯甲醚的拉曼光谱在300～1 700 cm-1区间内的29条谱线比较，茴香砂仁油细胞有23条谱峰与之有对应关系。说明长柄山姜挥发油的主要成分是肉桂酸甲酯，茴香砂仁挥发油的主要成分为4-烯丙基苯甲醚。用密度泛函理论计算了肉桂酸甲酯、4-烯丙基苯甲醚的拉曼光谱，并对谱线进行了初步的归属。姜科植物油细胞中精油不需提取就可直接快速的检测，用此方法可对姜科植物精油的提取进行质量控制及开发研究。     

傅里叶变换红外光谱结合化学计量学鉴别预包装纯菠萝汁中外源糖

为了快速、准确鉴别预包装纯菠萝汁是否掺有外源性糖,采用傅里叶变换衰减全反射中红外光谱技术采集900～1 500 cm-1范围内不同批次的预包装纯菠萝汁样品和掺入甜菜糖浆、大米糖浆、木薯糖浆的菠萝汁掺假样品的中红外光谱共计234例,以线性判别分析和支持向量机分析为掺假鉴别模型的建模方法,比较了全波段谱图与通过主成分载荷系数分析选取特征波长图谱的两种掺假鉴别模型。研究表明,全波段图谱的线性判别分析和支持向量机分类模型对验证集的判断正确率均高于88%;选取8个特征波长之后,线性判别分析模型验证集判断正确率提高至96.15%,支持向量机模型验证集判断正确率提高至94.87%,且模型输入变量由312个减少到8个。利用傅里叶变换衰减全反射中红外光谱技术结合化学计量学方法选取特征波长后建立的模型可以较好的应用于预包装纯菠萝汁外源糖的鉴别。     

Adulteration of sesame oil with corn oil detected by use of two-dimensional infrared correlation spectroscopy and multivariate calibration

An innovative methodology was developed to detect adulteration of sesame oil with corn oil based on two-dimensional mid-infrared correlation spectroscopy with multivariate calibration. Forty pure sesame oils and 40 adulterated sesame oils with corn oil were prepared and the infrared absorption spectra were measured at room temperature, respectively. The synchronous two-dimensional mid-infrared correlation spectra were calculated to develop multivariate calibration models for adulteration of sesame oil with corn oil. The results showed the higher classification accuracy of 96.3% for the prediction set using two-dimensional mid-infrared correlation spectra and N-way partial least square discriminant analysis, versus 88.9% using traditional one-dimensional mid-infrared spectra and partial least squares discriminant analysis. Also, the multivariate calibration models were developed for quantitative analysis of sesame oil adulteration with corn oil. The root mean square error of prediction was 0.98% v/v using two-dimensional mid-infrared correlation spectra and N-PLS, and 1.15% v/v using traditional one-dimensional mid-infrared spectra and PLS. The results of our analyses indicated that the proposed method could provide better predictive results than traditional one-dimensional mid-infrared spectra and multivariate calibration.     

不同产地黑木耳的傅里叶变换红外光谱鉴别

利用傅里叶变换红外光谱法研究了五种不同产地的黑木耳。结果显示,它们的红外光谱主要由蛋白质、脂类化合物及多糖的振动吸收谱带组成。五个样品的傅里叶变红外光谱整体上十分相似,因此分别选取1750~1500cm-1和1200~1000cm-1范围内的傅里叶变换红外光谱进行相关性分析。结果显示,不同产地的黑木耳在1750~1500cm-1范围内相关性较好,光谱的相关系数分布在0.895~0.994。五个样品在1200~1000cm-1范围内的相关系数分布在0.441~0.981,东北地区产的黑木耳与西南地区产的黑木耳的光谱图有明显区别。利用1200~1000cm-1范围内的差异并结合其它吸收峰的特征可鉴别出不同产地的黑木耳。研究结果表明傅里叶变换红外光谱在鉴别菌类方面具有方便、快速等优点。     

同步-异步二维中红外相关谱检测掺假芝麻油

将同步-异步二维中红外相关谱和多维偏最小二乘判别法相结合定性分析掺假芝麻油。分别配置40个纯芝麻油和含有玉米油不同体积分数(3%~60%)的掺假芝麻油样品40个。室温下,分别采集所有样品的常规一维中红外光谱(650~4 000cm-1)。在研究纯芝麻油和掺假芝麻油的一维中红外光谱的基础上,以芝麻油中掺假的玉米油浓度为外扰,进行相关计算,得到同步和异步二维中红外相关谱矩阵,并对其进行标准化。分别提取标准化的同步和异步二维中红外相关谱主对角线上部分和下部分元素进行融合,得到同步-异步二维中红外相关谱矩阵。在此基础上,分别基于同步-异步二维中红外相关谱矩阵、同步二维中红外相关谱矩阵和异步二维中红外相关谱矩阵建立了三个定性分析掺假芝麻油的多维偏最小二乘判别模型对预测集未知样品进行预测,其识别正确率分别为100%,96.2%和96.2%。结果表明:相对于同步和异步二维中红外相关谱,同步-异步二维中红外相关谱不仅包含了完整的掺假油特征信息,而且剔除了冗余信息,因此能取得更好的判别结果。     

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%。