基于拉曼光谱的食用植物油快速鉴别

提出了一种基于拉曼光谱的食用植物油快速鉴别方法。基于已知类别的食用植物油样本进行建模,首先对原始拉曼谱图进行基线校正和标准归一化等预处理,并选取食用油不饱和度特征的两处拉曼峰值作为特征向量,计算训练样本特征空间上各个植物油类别的中心坐标;然后,将食用植物油测试样本的拉曼谱图经过相同预处理和特征提取,获取测试样本的特征向量,计算其与各类别中心坐标的欧式距离,根据类中心最小距离法,取欧式距离最小的那一类作为预测样本的类别。针对7类43个食用植物油样本的实验结果表明,采用食用油不饱和度两点描述法进行特征提取,各类别样本聚集效果比PCA好,类间距更大。上述鉴别方法可以准确地实现食用植物油品种的快速分类。     

基于稀疏主成分分析的乳制品拉曼光谱特征提取及解析技术研究

实验采集了三种不同品牌乳制品的拉曼光谱数据,并分别进行了主成分分析法(Principal Component Analysis,PCA)和稀疏主成分分析法(Sparse Principal Component Analysis,SPCA)处理。PCA特征提取结果显示前三个主成分贡献了超过90%的信息,可实现乳制品品牌的分类识别,但是PCA的载荷向量图较为复杂,而SPCA的载荷向量图清晰明了,直观上便能凸显乳制品拉曼光谱的重要特征信息,增强了稀疏主成分的可解释性。进一步结合乳制品拉曼光谱谱图的化学先验信息,可以实现特征提取成分的信息归属解析。因此,实验结果表明运用稀疏主成分分析法能有效提取解析乳制品拉曼光谱谱图中的有效特征信息。     

一种基于拉曼光谱的石油产品快速分类方法

提出了一种基于拉曼光谱的石油产品快速分类方法.首先,利用经过谱图预处理的石油产品训练样本拉曼谱图构建模型知识库,计算各类别的特征拉曼谱图和类内阈值;其次,将石油产品测试样本的拉曼谱图经过相同的预处理,再计算其与各类别特征拉曼谱图的线性相关系数,若最大相关系数大于或等于最大相关系数对应类别的类内阈值,则该样本属于此类别....     

近红外光谱的不同牌号聚乳酸识别方法

塑料牌号是塑料生产公司根据原料性质、用途的差异而内部制定的编号。通过检测材料的物理化学性能能间接识别其牌号，但速度慢且具有破坏性。因此，利用了近红外光谱(near infrared spectroscopy, NIR)技术对不同牌号的聚乳酸(polylactic acid), PLA)进行识别。采用主成分分析法(principle component analysis, PCA)分别与马氏距离(mahalanobis distance, MD)、人工神经网络(artificial neural network, ANN)和支持向量机(support vector machine, SVM)结合的模型进行分析预测。在900～1 700 nm的波长范围，采用三种不同牌号的聚乳酸共90个样本的光谱进行建模，另取这3种牌号共90个样本进行识别，比较三种预测模型对PLA牌号的识别能力。结果表明，在对样品的光谱数据做主成分分析后，以验证集的前两个主成分做散点图，发现明显的聚类现象，以前9个主成分得分作为输入变量所建立的马氏距离判别、人工神经网络判别、支持向量机判别均能够对不同牌号的聚乳酸有效识别。最好的判别方法——马氏距离判别正确率能够达到98.9%。因此，近红外光谱能够对不同牌号的PLA进行无损、快速、准确的识别。     

基于最小二乘支持向量机的橄榄油掺杂拉曼快速鉴别方法

提出了一种基于最小二乘支持向量机(LS-SVM)的橄榄油掺杂拉曼快速鉴别方法。首先,收集若干己知类别的橄榄油样作为训练样本,获取其拉曼谱图,并对其谱图进行预处理和波段选择,进而构建LSSVM分类器;对于未知类别的油样,获取其拉曼谱图,并进行相应的预处理和波段选择,由LSSVM分类器获得鉴别结果。实验以7种已知的特级初榨橄榄油为基础,分别掺入4种其它植物油(大豆油、菜籽油、玉米油、葵花籽油),获得112个掺杂油样。将全部样本随机分成训练集和测试集,对测试集样本的预测实验结果表明,本文方法能有效鉴别橄榄油掺杂,且掺杂量最低检测限为5%。与其它分类方法相比,LSSVM分类法具有最佳的分类性能。该方法快速、简便,为橄榄油掺杂鉴别提供了一种全新的方法。     

基于不同波段对成品汽油的模式识别分析

为了实现对输油管道上顺序输送不同牌号汽油(90#,93#,97#)时汽油间界面的区分,根据近红外光谱分析的基本原理,采用主成分分析-马氏距离(PCA-MD)模式识别方法,分析了700—1100nm波段和1100—1700nm波段3种不同牌号成品汽油的近红外光谱,并根据分析结果对汽油进行了分类。结果表明,使用1100—1700nm波段的汽油光谱分类结果较好,该方法可进一步鉴别汽油的质量。     

近红外透射光谱结合判别分析方法在汽车制动液品牌与新旧鉴别中的应用研究

采用近红外透射光谱研究了汽车制动液品牌及新旧的鉴别。采集宝马(BMW),丰田(Toyota),沃尔沃(Volvo)以及嘉实多(Castrol)四种品牌的汽车制动液全新样本以及用过的样本的透射光谱。分别对每一种品牌下全新与用过汽车制动液样本的光谱数据进行主成分分析(PCA),主成分得分图表明不同品牌制动液以及该品牌下全新样本以及用过的样本能够被较好的区分,其光谱特性存在差异。基于主成分载荷(Loadings)进行特征波数选择,偏最小二乘判别分析(PLS-DA),线性判别分析(LDA),簇类独立软模式法(SIMCA),k最邻近分类算法(KNN),随机森林(RF),误差反向传播人工神经网络(BPNN),径向基神经网络(RBFNN),极限学习机(ELM),支持向量机(SVM),最小二乘支持向量机(LS-SVM)等判别分析方法用于建立基于特征波数的判别分析模型,判别模型的建模集和预测集判别正确率均略低于或达到了100%。与其他三种品牌汽车制动液相比,嘉实多全新样本与用过样本的差异较小,KNN与LS-SVM模型的建模集正确率均低于100%。结果表明,近红外透射光谱结合特征波长选择以及判别分析模型对不同品牌制动液以及同一品牌下全新样本以及用过的样本进行识别是可行的,为开发在线或便携式仪器提供理论支持。     

一种葡萄糖发酵液中乙醇含量的拉曼光谱分析方法

拉曼光谱法可实现样品的快速定量分析,但发酵液等复杂体系中样品的拉曼强度与被测组分含量之间的良好线性关系难以直接得到。本实验中将待测样品与纯被测组分的拉曼光谱均视为向量,并按照向量点积公式计算向量之间的夹角。在被测组分的拉曼光谱特征峰波段,对多组样品在不同光谱区间的向量夹角矩阵和被测组分含量进行偏最小二乘回归,建立定量分析数学模型,从而以光谱向量之间的夹角作为定量指标实现葡萄糖发酵液中乙醇含量的快速测定。选取的主成分数为6时,所建模型校正集和预测集中预测值与实测值的线性相关系数分别为0.9993和0.9933;校正集均方根误差为0.2171。其建模所用样本数量少、对样品无损坏,方法适用于发酵在线监测和过程分析。     

水体有机污染物浓度检测中的紫外光谱分析方法

水体中的大多数有机污染物在紫外区域有较强的吸收,因此可利用紫外吸光度检测水体中的有机污染物浓度。在检测过程中,通过平滑、导数、标准正态变量变换等光谱预处理后,采用主元回归、偏最小二乘、支持向量机等方法建立回归模型,并由该模型依据待测样本的紫外光谱数据计算出有机污染物浓度。为了探究不同的预处理方法、建模方法在有机污染物浓度检测中的特点及内在联系,本文对一组来自污水厂进出水的光谱数据采用不同的预处理和建模方法进行实验研究,研究结果表明:当获得的原始数据较好时,可以直接进行建模,进行光谱预处理反而会使模型效果下降;由于本实验中污水的样本数小于光谱数据点数,所以最小二乘支持向量机更适合于本组实验样本。     

化学计量学结合拉曼光谱在生物材料检测中的应用

综述化学计量学结合拉曼光谱在生物材料检测中的应用。报道利用基线校正方法(导数、曲线拟合、小波变换)、归一化方法(矢量归一化、峰高归一化)、复合预处理等方法,可以提高信噪比,恢复失真的信号,实现谱图峰位的正确识别;基于主成分分析、偏最小二乘、聚类分析、目标因子分析、人工神经网络、支持向量机等算法构建化学计量模型,利用模型对拉曼光谱定性或定量分析,分别得到可信的结果;提出未来化学计量建模的方向。     

基于可见-近红外光谱的可乐品牌鉴别方法研究

提出了一种采用可见-近红外光谱分析技术快速鉴别可乐品牌的新方法。采用美国ASD公司的便携式光谱仪对三种不同品牌的可乐进行光谱分析,各获取55个样本数据。将样本随机分成150个建模样本和15个预测样本,采用平均平滑法和标准归一化方法对样本数据进行预处理,再用主成分分析法对光谱数据进行聚类分析并获得各主成分数据。将建模样本的主成分数据作为BP网络的输入变量,可乐品牌作为输出变量,建立三层人工神经网络鉴别模型,并用模型对15个预测样本进行预测。结果表明,预测准确率为100%,实现了可乐品牌快速、准确的鉴别。     

拉曼光谱技术的汽油组分含量测定

为实现汽油中所含组分含量的快速测定,对93号、97号汽油,芳烃、烯烃、苯、甲醇、乙醇等几类物质,以及往汽油中添加几类物质后的410个汽油混合物进行拉曼光谱检测。将获取的原始拉曼光谱经过有效波段提取、平滑去噪、基线扣除、数据归一化等一系列预处理过程,最终提取出每个汽油混合样品光谱中所含的33个特征峰信息,依据现行的国标检测方法,以气相色谱法测定的汽油中各组分含量值为基础,结合化学计量学多重回归分析方法,建立了汽油组分含量测定模型。经过比较,使用多输出最小二乘支持向量回归机(MLS-SVR)建立的模型优于偏最小二乘(PLS)模型。MLS-SVR模型对汽油中芳烃、烯烃、苯、甲醇、乙醇测定精度均较好,预测均方根误差(RMSEP)分别为0.27%,0.30%,0.16%, 0.17%, 0.12%;相应的相关系数(r)为0.999 2,0.998 4,0.998 5,0.992 6,0.996 8。通过对未知混合汽油样品的测定,证明了该方法具有较好的推广预测精度,预测均方根误差不超过0.5%,能够满足工业中的测量需求。拉曼光谱结合多输出最小二乘支持向量机为汽油组分测定提供了一种高精确、快捷、方便的测定方法。     

一种基于石墨化炭黑过滤吸附处理荧光抑制和改进系统聚类分析的轻质燃油种类拉曼光谱快速识别方法

提出了一种石墨化炭黑过滤吸附前处理抑制轻质燃油拉曼光谱荧光背景干扰的方法和一种改进的系统聚类分析算法,实现了39个样品的种类快速识别,即能自动将样品识别为0#车用柴油、0#普通柴油、97#车用汽油、93#车用汽油、90#车用汽油和3#喷气燃料等6种类型。过滤吸附处理方法是用定制的50 mg石墨化炭黑过滤吸附0.75 mL油样,然后对其进行拉曼光谱数据采集。试验结果证明：石墨化炭黑过滤吸附处理对无荧光背景干扰的3#喷气燃料和车用汽油样品拉曼光谱特征无明显影响,且能够有效抑制车用汽油和车用柴油样品的拉曼弱荧光背景干扰,以及车用汽油和普通柴油的强荧光背景干扰。改进的有监督系统聚类分析算法将普鲁克距离作为系统聚类分析中样本间相似度的评价方法;并将经典的系统聚类分析视为标准校正样品集的“建模”过程,通过计算未知样品与各类属中心向量之间的普鲁克距离,依据距离最小原则判断未知样品的类属。通过对39个具有不同拉曼荧光背景干扰特征油样的石墨化炭黑前处理和“留一法”交互验证分类识别,分析结果证明：石墨化炭黑过滤吸附前处理抑制拉曼光谱荧光背景的方法能够有效提取轻质燃油的拉曼光谱特征并应用于定性种类识别。     

Rapid detection of gasoline by a portable Raman spectrometer and chemometrics

Identification of the gasoline purity is important for quality control and detection of gasoline adulteration. Principal component analysis and Raman spectroscopy were used to authenticate gasoline adulterated with methyl tert‐butyl ether (MTBE) and benzene. Gasoline could be clearly distinguished from gasoline adulterated with MTBE and benzene by a plot of the first principal component (x‐axis) against the second principal component (y‐axis). And the radial basis function neural network was used for quantitative prediction of the volume percentages of MTBE and benzene in gasoline based on Raman Spectra. The correlation coefficient (r) and mean absolute percentage error between predictive values and spiked values were 0.9907 and 0.9934 and 15.73 and 8.19%, respectively. Moreover, the Raman spectra of the samples were obtained with a portable Raman spectrometer. Therefore, the method is simple, effective, fast, does not require sample pre‐processing, and is promising for rapid gasoline detection. Copyright © 2012 John Wiley & Sons, Ltd.     

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。     

基于可见-近红外光谱的制动液品牌鉴别方法研究

提出了一种基于可见-近红外光谱分析技术快速鉴别汽车制动液品牌的新方法。采用美国ASD公司的便携式光谱仪对五种不同品牌的制动液进行光谱分析,各获取60个样本数据。采用平均平滑法和标准归一化方法对样本数据进行预处理,再对光谱数据进行主成分分析,建立第一主成分和第二主成分的二维散点图,表明不同品牌制动液具有较好的聚类特性。将前6个主成分作为输入量,制动液品牌作为输出量,建立了基于逐步判别分析法的鉴别模型。随机抽取225个样本用于建模,余下的75个样本用于模型验证。试验结果表明验证准确率达到94.67%,说明所提出的方法具有很好的分类和鉴别作用,为制动液品牌的快速鉴别提供了一种新方法。     

基于三维荧光光谱和四元数主成分分析的食醋品牌溯源研究

提出基于四元数主成分分析的三维荧光光谱特征提取新方法,并将其运用于品牌食醋溯源研究。首先利用F7000荧光光谱仪测得不同品牌食醋样本的三维荧光光谱数据,获取样本的等高线图和三维投影图,并进行三维荧光等高线图分析;然后利用激发波长分别为380,360和400 nm下的发射光谱数据建立食醋三维荧光光谱数据的四元数并行表示模型,对四元数荧光光谱矩阵进行四元数主成分特征提取,并基于乘积运算、模值运算和求和运算三种方法对提取出来的四元数主成分特征进行特征融合;最后将融合特征作为K近邻分类器的输入,得到不同食醋品牌的最优分类模型。分别讨论三种不同特征融合方法和四元数主成分个数与最终模型分类正确率之间的关系。针对四个不同食醋品牌120个样本的分析结果可得：基于求和特征融合运算所得到的融合特征可以利用最少的特征数目,建立最优的溯源模型,样本预测集溯源正确率可达100%。研究结果表明：四元数主成分特征提取和特征融合方法能够并行表示三维荧光光谱数据所蕴含的丰富信息,为三维荧光光谱数据分析提供新思路。     

基于无机元素的含量判别食醋的种类和品牌方法研究

化学计量学广泛应用于食品种类和原产地的区分。文章采用原子吸收法测定了32个食醋样品中的Mg, K, Pb, Zn, Fe, Mn, Ca和Cu等八种无机元素含量。采用向量相似法计算了陈醋和白醋以及同一种类不同品牌食醋的相似度;通过聚类分析和主成分分析对来自北京、江西、江苏和山西4个地区品牌的食醋进行了分类,对不同种类的食醋(陈醋和白醋)也进行了分类。聚类分析和主成分分析都将食醋样品分为两大类,每个大类又将食醋样品按不同品牌分开。食醋中无机元素含量差异可作为食醋种类和品牌判别的测量指标之一。