首页 | 本学科首页   官方微博 | 高级检索  
    检索          
共有20条相似文献,以下是第1-20项 搜索用时 171 毫秒

1.  近红外漫反射光谱法和模式识别技术鉴别中药材产地  被引次数:25
   刘沭华  张学工  周群  孙素琴《光谱学与光谱分析》,2006年第26卷第4期
   采用近红外漫反射光谱法获得了来自不同产地的中药材的红外光谱, 结合近邻法和多类支持向量机等模式识别技术, 对来自四个不同产地的269个白芷样本和六个不同产地的350个野生和栽培丹参样本进行了产域鉴别, 得到的交叉验证准确率分别达到99%和95%, 为中药材产地的快速无损鉴别探索了一条有效的途径.    

2.  基于FTIR的两种模式识别方法在两面针产地鉴别中的应用  
   Mao XL  Zheng JM  Li ZD  Lei XC  Huang SS  Liu HG《光谱学与光谱分析》,2011年第31卷第10期
   为了探求建立快速鉴别两面针产地的方法,基于傅里叶变换红外光谱(FTIR)技术,选取1 800~400 cm-1红外指纹图谱带,采用Fisher比值法和SIMCA聚类分析法建立产地分类模型,分别对广西区内四个产地的两面针进行鉴别,并通过计算识别率与拒绝率来验证模型。结果表明,红外光谱技术不但能准确提取中药材的整体信息,并且基于红外光谱建立起的两种模式识别模型对未知样品进行预测,识别率和拒绝率均达到90%以上,说明所建模型具有较强的识别能力。通过自编计算程序以及现有统计软件,还可以将模式识别模型实现实时在线化检测与快速样品鉴别,大大提高了鉴别速度而更具应用价值。    

3.  核密度估计算法结合近红外光谱技术鉴别三叶青产地  
   赖添悦  蔡逢煌  彭昕  柴琴琴  李玉榕  王武《光谱学与光谱分析》,2018年第3期
   三叶青是我国珍稀中药材,具有多种疗效,但不同产地的三叶青有效成分含量差异悬殊,为防止三叶青以次充好,其产地鉴别尤为重要。以浙江、云南、安徽、广西和湖北五个产地的三叶青为研究对象,利用傅里叶变换近红外光谱分析仪(Fourier transform near infrared spectroscopy,FT-NIR)收集4 000~10 000cm-1范围内的近红外光谱,由于三叶青近红外光谱数据还未完善,因此在其产地鉴别上,应对鉴别算法提出更高的要求,即在实现三叶产地鉴别的同时,还要能够有效地识别出其他或未知新产地的三叶青。针对这一问题,本文结合三叶青近红外光谱数据的特点,对算法共做了三方面改进:(1)从距离的角度估计样本的概率密度;(2)以训练样本可信度的方式计算带宽参数;(3)在未知新产地的识别上,提出一种基于训练集样本的概率密度函数的识别方法。结果表明,该算法对训练集样本的识别精度达到了100%,且在140组预测集样本中,只有3组样本识别出错,并能够100%地识别出未知新产地的三叶青,说明基于核密度估计的改进算法在三叶青产地鉴别上,不仅鉴别精度高,且能够有效识别出其他或未知新产地的三叶青。    

4.  红外光谱和逐步判别分析应用于金银花品种和产地的鉴别  
   杨春艳  刘飞  皇甫义静  刘美《光散射学报》,2019年第1期
   基于傅里叶变换红外光谱技术,利用逐步判别分析法对金银花品种和产地进行鉴别研究。采集、测试了5个产地9个品种150份金银花样本的红外光谱,并计算了各样品红外光谱的一阶导数光谱和二阶导数光谱。分别选用不同的样本组成训练集和检验集,以1800~900 cm~(-1)、1500~700 cm~(-1)和1200~700 cm~(-1)波数范围的红外光谱、一阶导数光谱和二阶导数光谱数据为判别变量建立判别模型对金银花的品种和产地进行鉴别。判别结果显示,以1800~900 cm~(-1)波数范围的二阶导数光谱数据为判别变量建立的模型鉴别效果相对较好,对品种和产地的鉴别正确率依次达93.20%和96.13%。研究结果表明,采用逐步判别模式识别可以很好地鉴别不同品种和产地的金银花,方法可行有效,可为金银花品种和产地朔源提供方法。    

5.  红外光谱和逐步判别分析法应用于油菜籽的研究  
   刘飞  杨春艳  谢建新《光谱学与光谱分析》,2016年第5期
   用傅里叶变换红外光谱(FTIR)和逐步判别分析法对油菜籽的品种和产地进行鉴别研究。测试了来自5个产地17个油菜籽品种188份油菜籽皮样品的红外光谱,按产地和品种选择训练样本,每个品种选择5份为训练样本,剩下的作为测试样本,选择1800~950 cm-1范围的光谱信息,在 SPSS20.0的判别分析模块中采用逐步法,Fisher线性判别准则,分别建立油菜籽品种和产地的鉴别模型来判别样品的品种和产地;比较了逐步判别分析中五种筛选建模信息的算法所建立的模型对实验样品品种和产地的鉴别效果。基于油菜籽皮红外光谱信息的品种判别分析,五种筛选变量的算法所建立的模型都能较好的识别油菜籽的品种,“Wilks’Lambda”法所建模型的识别效果最好,判别正确率为97.9%。基于油菜籽皮红外光谱信息的产地判别分析,五种筛选变量的算法所建立的产地判别模型也都能较好的识别油菜籽的产地,“Unexplained vari-ance”法所建模型的识别效果最好,判别正确率为98.4%。研究结果表明,基于油菜籽皮中红外光谱信息的品种和产地判别分析,有望成为油菜籽品种和产地鉴别的方法。    

6.  红外光谱结合判别分析对三七道地性及产地的鉴别研究  
   刘飞  王元忠  杨春艳  金航《光谱学与光谱分析》,2015年第35卷第1期
   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。    

7.  红外光谱结合判别分析对三七道地性及产地的鉴别研究  
   刘飞  王元忠  杨春艳  金航《光谱学与光谱分析》,2014年第35卷第1期
   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。    

8.  人工神经网络分类鉴别苦丁茶红外光谱  被引次数:7
   庞涛涛  姚建斌  杜黎明《光谱学与光谱分析》,2007年第27卷第7期
   为了分类鉴别苦丁茶,采用竞争神经网络(CNN)和反向传播人工神经网络(BP网络)两种模式的人工神经网络(ANN)分别分析了各种苦丁茶的红外谱图.作者采用25个样本作训练集,11个样本作检验集,用两种网络进行了训练.结果表明,CNN网络和BP网络均能够有效地实现苦丁茶产地的鉴别,但CNN网络能够进一步地区分苦丁茶的级别.实验表明,CNN速度快,预测结果准确,可望用竞争神经网络(CNN)和红外光谱法结合分类鉴别苦丁茶.    

9.  傅里叶中红外光谱结合稀疏表示分类方法鉴别小麦赤霉病感染等级  
   梁琨  张夏夏  丁静  徐剑宏  韩东燊  沈明霞《光谱学与光谱分析》,2019年第10期
   旨在探索感染不同等级赤霉病的小麦中主要成分含量变化引起的傅里叶中红外光谱信息响应,并结合模式识别方法实现基于傅里叶变换中红外光谱的小麦赤霉病等级无损检测。以感染不同等级赤霉病小麦为研究对象,在4 000~400 cm~(-1)波数范围内采集95个小麦样本的傅里叶中红外光谱数据,利用载荷系数法(XLW)与随机森林算法(RF)分析选取小麦样本傅里叶中红外光谱中的敏感波长,利用稀疏表示分类(SRC)算法建模识别小麦感染赤霉病等级。结果表明:XLW算法和RF算法选择的特征波长作为定性分析模型的输入时模型鉴别准确率与全波段光谱数据作输入时均达90%以上,特征波长提取算法可以有效简化模型并提高效率。RF-SRC模型鉴别效果最好,建模集鉴别准确率达97%,测试集鉴别准确率达96%。小麦感染赤霉病等级的不同会引起小麦中水分、淀粉、纤维素、可溶性氮素、蛋白质、脂肪等物质含量的变化,采用RF算法选择的特征波长均反映了这些物质所对应的傅里叶中红外光谱透射光谱特征的差异,结合SRC模型进行小麦赤霉病等级鉴别可达到最好的鉴别效果。因此,利用傅里叶中红外光谱技术结合模式识别方法对小麦赤霉病等级鉴别是可行的,解释了傅里叶中红外光谱技术检测小麦赤霉病等级的机理。    

10.  近红外漫反射光谱法快速无损鉴别阿胶真伪  被引次数:12
   瞿海斌  杨海雷  程翼宇《光谱学与光谱分析》,2006年第26卷第1期
   采用近红外光谱漫反射光谱技术和模式识别技术快速鉴别阿胶真伪.收集来源不同的阿胶(真品8个,伪品6个),采集其近红外漫反射光谱,使用多重散射校正和小波变换对光谱进行预处理后,分别应用相似度匹配和马氏距离方法建立质量鉴别模型.相似度法使用真品谱图作为标准谱图,用样品谱图与标准谱图的相似度值来鉴别阿胶质量;对阿胶样品进行重复扫描得到28张谱图,随机分为3组后应用马氏距离法建立交叉验证鉴别模型.两种模式识别方法均能准确无误的鉴别阿胶真伪,表明近红外光谱和模式识别技术结合可快速、准确、客观地进行阿胶质量鉴别,可推广到其他中成药的质量鉴别.    

11.  基于枸杞红外光谱人工神经网络的产地鉴别  
   李仲  刘明地  吉守祥《光谱学与光谱分析》,2016年第3期
   应用红外光谱技术,快速鉴别枸杞药材产地.利用傅里叶变换红外光谱,测定了45个来自青海省不同产地的枸杞样品的红外光谱.以常规预处理方法和小波变换对红外光谱原始数据进行了预处理.对比常用的窗口移动平滑预处理、标准正态变换以及多元散射校正,小波变换是一种有效实用的光谱预处理方法.为了提高神经网络的训练速度,在利用人工神经网络建立模型之前,通过小波变换的方法对光谱变量进行了压缩,同时对建立的模型的相关参数进行了详细的讨论.结果表明,红外光谱数据压缩到原来的1/8,其分析精度与原始光谱数据基本相当.以压缩了的光谱数据作为反向传播(BP)网络的输入变量,产地类别作为神经网络的输出变量,建立3层人工神经网络.其中隐含层神经元个数为5个,输出层神经元个数为1个.隐层的传递函数是tansig,输出层传递函数是purelin,网络训练函数trainlm,权阈值的学习函数是le-arngdm.net.trainParam.epochs=1 000,net.trainParam.goal=o.001.对10个未知枸杞产地类别进行了预测,预测结果准确率达1oo%.实验表明,建立的模型能够正确地对枸杞样品快速地进行产地鉴别.红外光谱法结合人工神经网络可作为中药材产地分类鉴别的一种新的现代化方法.    

12.  牻牛儿苗科11种中药材红外光谱鉴定及聚类分析  
   孙仁爽  金哲雄  张哲鹏  许长华  周群  孙素琴《光谱学与光谱分析》,2013年第2期
   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。    

13.  半夏及其伪品天南星的近红外漫反射快速无损鉴别  被引次数:1
   高鸿彬  刘浩  相秉仁《光谱实验室》,2012年第29卷第2期
   利用近红外漫反射光谱法,结合聚类分析和相似度计算,对不同产地半夏药材及其伪品天南星进行了快速无损鉴别研究。近红外光谱图的聚类分析和相似度计算结果一致,为中药的产地、真伪鉴别分析提供了一种新的方法,具有较好的应用价值。    

14.  基于X射线荧光技术的茶叶产地鉴别方法研究  被引次数:4
   饶秀勤  应义斌  黄海波  史舟  周炼清《光谱学与光谱分析》,2009年第29卷第3期
   针对目前市场上存在的产地假冒茶叶严重影响名牌茶叶信誉的情况.根据不同产地茶叶中重金属含量的差异,提出了利用X射线荧光技术结合模式识别技术进行了茶叶产地鉴别的方法.将不同产地的样本分组,分别采集其X射线荧光光谱,提取其主成分,分别计算各个样本组的主成分均值作为样本中心点,计算待测样本到各样本组中心的马氏距离,将其归类到马氏距离值最小的类中,实现样本分类.采用Niton792便携式X射线荧光仪对安吉、金华、杭州和台州等4个不同地区120个茶叶样本进行了鉴别试验,发现3~13 keV波段是X射线荧光光谱分析技术进行茶叶产地鉴别的有效波段,前4个主成分可用于茶叶的产地鉴别,试验的误差率为4.2%.    

15.  近红外光谱和化学计量学对不同产地不同产期当归的定性研究  
   李波霞  魏玉辉  席莉莉  段好刚  武新安《光谱实验室》,2011年第28卷第4期
   采用近红外光谱技术结合化学计量学,对来源于不同产地不同产期的136个当归样本进行快速、无损的定性研究。将当归样本粉碎后,采用光纤漫反射采集近红外光谱,并对光谱进行主成分分析(PCA)、结合随机森林建立当归的定性模型,同时对比分析了不同光谱预处理方法(未处理、变量标准化+一阶导数、变量标准化+二阶导数)对鉴别结果的影响。PCA与随机森林的结果显示,样本可按产期和产地区分开,且相同产期的当归较接近;光谱经变量标准化+一阶导数处理后,随机森林模型的准确率可达94.85%。研究表明,近红外光谱结合随机森林原理简单,易操作,准确率高,可同时鉴别当归的产地、产期。    

16.  样品表面近红外光谱结合多类支持向量机快速鉴别枸杞子产地  被引次数:2
   杜敏  巩颖  林兆洲  史新元  华国栋  乔延江《光谱学与光谱分析》,2013年第32卷第5期
   采用便携式近红外光谱仪采集枸杞子表面不同部位的近红外漫反射光谱,结合多类支持向量机算法对枸杞子产地进行快速无损辨识。以识别率为评价指标进行光谱预处理方法的选择,为了消除样本划分偏性对结果的影响,本研究通过重复划分样本集多次建模与预测,利用识别率的统计结果考察各个光谱采集部位的建模结果。实验结果表明,原始数据经二阶导数加SG平滑处理后,所建模型具有良好的产地预测性能。除了枸杞子顶端部位外,其他部位模型的稳定性及准确性均较好,其外部验证识别率的中位数与平均值均大于97%。这表明利用枸杞子样品表面近红外光谱可实现产地的准确鉴别,便携式近红外光谱技术可作为中药材流通环节中的有效监控手段。    

17.  利用近红外及中红外融合技术对小麦产地和烘干程度的同时鉴别  
   邹小波  封韬  郑开逸  石吉勇  黄晓玮  孙悦《光谱学与光谱分析》,2019年第5期
   小麦是制作馒头的主要原料之一,小麦中水、蛋白质、淀粉会因产地以及烘干程度的差异而不同,进而影响到加工成馒头的品质。所以实现对小麦产地和烘干程度的快速鉴别就显得尤为重要。感官评定是鉴别小麦产地和烘干程度常用的方法,对比感官评定,光谱分析可以识别样品中的分子结构等信息。基于此,尝试利用近红外和中红外光谱融合技术实现对不同产地和不同烘干程度的小麦同时鉴别。首先选取了两个不同产地的小麦,再利用微波干燥法对两个不同产地的小麦做烘干预处理,使烘干的小麦水含量为12%±0.5%,原麦水含量为18%±0.5%。分别标记为原麦A,烘干A,原麦B,烘干B,再将小麦研磨成粉末,过100目筛网筛选后,置于自封袋中备用。随后分别采集四种小麦样品的近红外和中红外光谱信息,在Matlab 7.10的环境下使用标准正态变量变换(standard normal variable transformation, SNVT)对采集到的原始光谱数据进行预处理,利用主成分分析对预处理后的数据进行降维处理,再结合线性判别分析(linear discriminant analysis, LDA)和支持向量机(support vector machine, SVM)分别建立小麦近红外、中红外光谱数据识别模型。另外利用联合区间偏最小二乘法(synergy interval partial least square, SiPLS)筛选出利用标准正态变量变换(SNVT)预处理后的小麦近红外和中红外光谱数据特征光谱区间,将筛选出的近红外和中红外光谱数据特征光谱区间融合后再结合线性判别分析(LDA)和支持向量机(SVM)建立小麦融合光谱信息的识别模型。然后比较同种光谱数据下利用线性判别分析(LDA)和支持向量机(SVM)建立的小麦识别模型识别率、比较同种建模方法下近红外和中红外光谱数据建立小麦识别模型识别率、比较同种建模方法下光谱数据融合和单一光谱数据建立小麦识别模型识别率。结果表明,同种光谱分析方法,利用SVM建立的四种小麦识别模型识别率高于利用LDA建立的小麦识别模型识别率。同种建模方法,近红外光谱数据建立的小麦识别模型识别率优于中红外光谱数据建立的小麦识别模型识别率。而在同种建模方法下,利用SiPLS筛选出近红外和中红外光谱数据的特征光谱区间数据融合后建立小麦识别模型识别率最高,光谱数据融合后结合LDA建立的小麦识别模型校正集识别率为98.75%,预测集识别率为97.50%;而将此选择的变量结合SVM建立的小麦识别模型的校正集和预测集识别率都达到100.0%。对比利用单一光谱数据建立的小麦识别模型识别率,光谱数据融合之后建立的小麦识别模型识别率得到显著提高,该研究从纵向和横向上全面地比较了光谱数据建立的小麦模型识别率,结果可为更准确地运用光谱融合技术建立小麦产地以及烘干程度识别模型提供参考。    

18.  傅里叶变换红外光谱结合SIMCA对宣威火腿鉴别研究  
   吕慧茹  刘刚  时有明  郭杰  雀晓芬  王雅劼  欧全宏《光谱学与光谱分析》,2018年第Z1期
   运用傅里叶变换红外光谱结合SIMCA模式识别方法对3种不同年限30个宣威火腿样品进行鉴别研究。结果显示,3种不同年限宣威火腿的傅里叶变换红外原始光谱差异不明显。选取1 800~800cm~(-1)范围光谱数据进行二阶导数处理,运用SIMCA模式识别法对3种不同年限宣威火腿样品的二阶导数光谱数据进行主成分分析(PCA)和系统聚类分析(HCA))。结果表明:利用傅里叶变换红外光谱结合SIMCA模式识别方法能够很好的对不同年限宣威火腿进行区分,其中PCA分析3种不同年限宣威火腿样品的组间和组内差异明显,系统聚类分析的正确识别率达到93%。表明傅里叶变换红外光谱结合SIMCA模式识别方法是一种有力的火腿鉴别工具。    

19.  荧光光谱成像技术结合主成分分析与Fisher判别快速鉴别肉苁蓉  被引次数:1
   黎远鹏  黄富荣  董佳  肖迟  冼瑞仪  马志国  赵静《光谱学与光谱分析》,2015年第3期
   为探究一种快速、可靠的肉苁蓉属中药材检测方法,实验采用荧光光谱成像技术结合模式识别方法对肉苁蓉属三种中药材:荒漠肉苁蓉、管花肉苁蓉和沙苁蓉进行鉴别研究。实验中发现肉苁蓉样品存在较显著的荧光特性,采集来自不同产地、不同批次以及不同超市购买的三种肉苁蓉属药材的40个样品的荧光光谱图像,对图像进行去噪、二值化处理后,根据光谱立方体绘制每个样本的光谱曲线,将所得450~680nm波段范围内的光谱数据作为鉴别分析的研究对象,应用主成分分析法(PCA)对三种肉苁蓉的光谱数据进行降维处理,再结合Fisher判别方法对三种肉苁蓉进行鉴别。分别比较多元散射校正(MSC)、标准正态变量校正变换(SNV)以及一阶微分(FD)三种数据预处理方法对鉴别模型的影响,并根据主成分的累积贡献率和主成分因子数对判别模型效果的影响对主成分因子数进行优化。分析结果表明:一阶微分预处理后提取前四个主成分进行Fisher判别的鉴别效果最佳,PCA结合Fisher判别建立肉苁蓉属三种药材的判别模型原始判别的准确率达到100%,交叉验证的准确率达到95%。由此可见,利用荧光光谱成像技术结合主成分分析及Fisher判别对肉苁蓉属三种药材的鉴别分析是可行的,而且具有操作简便、快速、可靠等优点。    

20.  近红外光谱分析技术在茶叶鉴别中的应用研究  被引次数:27
   赵杰文  陈全胜  张海东  刘木华《光谱学与光谱分析》,2006年第26卷第9期
   茶叶快速准确鉴别方法研究是当前茶叶行业亟待解决的一个重要课题.该研究采用近红外光谱结合主成分-马氏距离模式识别方法鉴别了龙井、碧螺春、毛峰和铁观音4种中国名茶.研究结果表明,在6 500~5 300cm-1波数范围内的光谱,通过MSC预处理方法,用8个主成分建立的模型最好,模型对校正集样本和预测集样本的鉴别率分别达到98.75%和95%.该研究为快速准确鉴别茶叶提供了一种新思路.    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号