基于拉曼光谱的汽油牌号快速识别

提出了一种基于拉曼光谱的汽油牌号快速识别方法。该方法首先基于已知牌号的成品汽油样本进行建模,获取不同牌号成品汽油建模样本的拉曼谱图,经过谱图预处理后对谱图进行主成分分析(principal component analysis,简称PCA),获得载荷矩阵和得分矩阵,同时分别计算不同牌号汽油样本的平均得分向量,即不同牌号的得分中心坐标;然后对未知牌号汽油样本进行识别,先将未知牌号汽油样本拉曼谱图进行相同的谱图预处理,再计算该样品在载荷矩阵上的得分向量,根据PCA类中心最小距离法,计算该得分向量到不同牌号的得分中心坐标的欧式距离,依最小距离直接确定汽油牌号。针对45个取自国内不同炼油厂的成品汽油样本的实验结果表明这些汽油样本拉曼谱图经谱图预处理和PCA后,不同牌号汽油样本在主元得分空间上存在明显类间距,使用PCA类中心最小距离法可实现汽油牌号快速准确的分类。     

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....     

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。     

基于紫外拉曼光谱的转基因大豆油快速识别方法研究

转基因技术对实现作物增产增质,降低农药使用量,降低生产成本等具有重要作用,但对生态环境也存在一定的潜在威胁。为了防止转基因大豆在食品化中的滥用,对转基因产品快速鉴别技术的研究尤为迫切。紫外拉曼光谱检测技术具备外场远距离无损遥测检测,简单高效,快速准确等优点,可有效用于物质遥测鉴别领域。基于紫外拉曼光谱的转基因/非转基因大豆油以及与其他类别食用油鉴别方法,采集了五种不同食用油(两种品牌转基因/非转基因大豆油各500组样本和一种稻米油100组样本,共2 100组样本)在3 500~400 cm-1(268~293 nm)范围内的日盲紫外拉曼光谱信息,为提高光谱数据的信噪比并保证分类识别的准确性,对上述光谱数据采用Savitzky-Golay滤波降噪、基于自适应迭代加权惩罚最小二乘法(airPLS)的基线校正以及多元散射校正(MSC)的光谱数据修正等预处理。根据大豆油的紫外拉曼指纹图谱,分析出主要化学成分包含脂肪类、蛋白质类、酰胺类。将每种大豆油样本按1∶1划分为训练集和测试集,输入训练集数据至支持向量机(SVM)进行训练,采用10折交叉验证建立最佳模型,识别准确率达99.81%,对转基因大豆油的判别效果显著;采用主成分分析法(PCA)进行数据降维处理,提取出8个主成分,累计贡献率为74.84%,可代表大部分原始数据特征。在此基础上,将预处理后的光谱数据按4∶1划分为训练集和测试集,采用偏最小二乘回归判别分析方法(PLS-DA),结合10折交叉验证法建立全谱的最佳PLS-DA模型(判别阈值设置为0.5),判别准确率达到70.95%。研究表明,紫外拉曼光谱分析方法可较为准确地鉴别非转基因/转基因大豆油,同时可鉴别大豆油与稻米油,实现对转基因大豆食品的快速无损鉴别,可望成为转基因大豆油及其食品的现场检测新的技术途径,对推动转基因产品遥测鉴别技术的发展具有进步意义。     

拉曼光谱和MLS-SVR的食用油脂肪酸含量预测研究

为实现食用植物油中饱和脂肪酸、油酸、亚油酸含量的快速预测,对一批纯食用油以及不同比例两两混合油共91个样品进行了拉曼光谱检测,在800～2 000 cm-1范围内,通过基于寻峰算法的自动确定支点的基线拟合方法,对获得的光谱数据进行预处理,提取八个特征峰作为拉曼光谱的特征值。以这些特征值为输入,以样品油中实际饱和脂肪酸、油酸、亚油酸含量为输出,运用偏最小二乘回归(PLS)和多输出最小二乘支持向量回归机(MLS-SVR)方法,分别建立了可以同时预测三种脂肪酸含量的数学模型,结果表明MLS-SVR方法具有较好的效果。将MLS-SVR模型的预测结果与气相色谱法结果相比较,可得到三种脂肪酸的预测均方根误差分别为0.496 7%,0.840 0%和1.019 9%,相关系数分别为0.813 3,0.999 2和0.998 1;对未知样品三种脂肪酸的预测均方根误差不超过5%。表明,拉曼光谱和MLS-SVR相结合的食用油脂肪酸含量预测方法,具有快速、简便、无损、准确等优点,为食用油脂肪酸含量分析提供了一种可行的方法。     

红外、拉曼光谱的变压器油中糠醛检测方法对比研究

变压器油中的糠醛含量是电力变压器中绝缘老化的重要指标之一,在物质有效识别上红外及拉曼光谱具有检测速度快、分析速率快及无损检测等优势,开展了基于红外、拉曼光谱的变压器油中糠醛检测方法对比,探究适用于变压器油中糠醛红外、拉曼光谱的预处理及定量分析方法。基于傅里叶变换红外光谱仪和激光共聚焦拉曼光谱仪器对实验室配置的糠醛变压器油样检测并采集其光谱数据,采用小波变换、多项式最小二乘法和局部加权回归拟合对采集到的红外及拉曼光谱图进行预处理,综合考虑噪声、分辨率及有效信息丢失等,确定了多项式最小二乘法预处理效果最佳。基于高斯软件建立了糠醛分子模型,通过密度泛函仿真计算,研究了糠醛的红外及拉曼光谱吸收峰归属,结合实验测试光谱图,确定了变压器油中糠醛拉曼、红外检测特征峰分别为1 703和1 704 cm^-1。开展了红外及拉曼检测的重复性实验,两种检测方法的相对标准偏差分别为7.21%、 8.67%。通过绘制糠醛红外及拉曼的3D原位光谱图,分析红外及拉曼特征峰面积与不同糠醛浓度变压器油之间的关系,基于最小二乘法建立了变压器油中糠醛检测的红外及拉曼定量分析模型,拟合优度分别为0.998...     

一种新型光谱多元分析模式识别方法

SIMCA采用PCA模型参数和F检验构造计算T2_i/T2_ucl和S_i/Q统计量作为样本分类的新属性,并计算待测样本到各类主成分空间的欧式距离作为判别类别的依据,是一种最常用和优秀的光谱分类方法。但是,在Q对T2作图平面上,以欧式距离确定的样本分布范围是一个圆,多数情况下并不一定能符合实际样本分布规律。本文在分析了SIMCA理论缺陷的基础上,提出了一种新方法,即用马氏距离代替欧氏距离作为判别依据来判断样本的类别。并设计了采用红外光谱判别组分比例很接近的掺假食用油样本的实验,以及用近红外光谱判别相近皮毛样本的实验。用调和比5%～8%的食用油红外光谱PCA模型,分别以马氏距离和欧式距离计算出其样本的分布范围,结果表明马氏距离的分类与识别能力更强。新方法和SIMCA对动物皮毛样本的正确识别率分别为87.5%和75%,对比例相近的食用油调和油的正确识别率分别为65%和55%。结果表明新方法对化学组成差异微小的样品分类精度明显优于SIMCA。     

遥感图像土地利用/覆盖多光谱特征分布空间距离分析方法

研究遥感图像多光谱特征分布是设计分类算法的关键。针对土地利用/覆盖类别由多种地物组成,难以求取多元分布模型分析类别多光谱特征的问题,提出了一种遥感图像土地利用/覆盖多光谱特征分布空间距离分析方法,以样品均值矢量作为类别中心,用最大最小法聚类形成类别多聚类中心,计算各聚类中心与类别中心的空间距离,以距离为横坐标、聚类中心含有的像元数占样品总数的百分比为纵坐标作图,形成内类、类间空间距离分布曲线分析遥感图像土地利用/覆盖类别多光谱特征。分类实验结果与空间距离分析结论吻合,说明空间距离分析方法可行。该方法利用空间距离把多维光谱分布转化为一维距离分布,计算简单,聚类门限值易于确定,多光谱分布特征清晰,较好地解决了多光谱特征的多元分布问题。     

基于拉曼光谱高斯分峰拟合的硫化锑含量检测方法

针对硫化锑含量采用化学分析方法检测存在操作复杂、检测时间长的问题,提出了一种基于拉曼光谱高斯分峰拟合的硫化锑含量快速检测方法。采用拉曼光谱系统测定锑矿样品的拉曼谱图,对原始拉曼谱图进行平滑去噪、背景扣除、谱段选择及归一化等预处理。基于高斯曲线的高斯峰、峰面积、半高宽和峰位置等信息,建立单个高斯峰的数学模型,提出高斯分峰拟合算法对光谱进行拟合,采用状态转移算法对高斯峰模型进行优化求解,得到表征光谱信息的特征参量,结合偏最小二乘回归方法,确定特征参量和硫化锑含量之间的关系,从而建立模型,实现对硫化锑含量的预测。实验中通过训练样本建立校正模型,对测试样本进行预测,同时从训练样本中随机挑选出检验样本,利用已建立的模型,对其硫化锑含量进行预测,以检验模型的正确性和外推性。实验结果表明：与预处理后全光谱建模相比,采用高斯分峰拟合后建立的预测模型的预测效果更好,证明了模型的正确性和良好外推性。因此,拉曼光谱结合高斯分峰拟合算法应用于锑矿中硫化锑含量的检测是可行的,且测量过程更简单,适用于矿物成分的快速分析。     

荧光光谱法快速鉴别花生油、芝麻油和调和油

比较分析了不同品种、同品种不同厂家、不同批次的市售花生油、芝麻油、调和油的分子荧光光谱差异特征,结合系统聚类分析法进行品种鉴别。结果表明:3种食用植物油的荧光光谱图具有各自不同特征,同一品种不同厂家的谱图存在一定的差异,同品种同厂家不同批次的也有微小差异。提取荧光谱图特征信息,利用系统聚类和三维聚类识别模式,从宏观上简便、直观、快速地鉴别3种食用植物油的品种。     

Use of Raman spectroscopy for analyzing edible vegetable oils

Vegetable oils provide high nutritional value in the human diet. Specifically, extra virgin olive oil is one of the main ingredients of the Mediterranean diet, which is among the healthiest of eating practices. This article reviews the use of Raman spectroscopy for analyzing edible vegetable oils including olive oil. Although the spectra for edible vegetable oils are similar, they exhibit some differences which, however small, enable their discrimination. Thus, Raman spectra allow one to determine the degree of unsaturation of oils. This property is correlated with the iodine value but much faster and simpler to obtain. The degree of unsaturation can be used to classify and authenticate oils, which is especially useful with high-quality oils. In fact, adulteration with mixtures of more inexpensive oils can be easily detected by Raman spectroscopy. This technique additionally allows some minor components present in unsaponifiable matter to be identified. Fats in general and vegetable oils in particular, are prone to oxidation. Thus, double bonds in them are oxidized to form triglycerides. Vegetable oils are widely used for frying and Raman spectroscopy allows for their oxidative stability against heating at the usual frying temperatures to be assessed.     

Qualitative analysis of desi ghee,edible oils,and spreads using Raman spectroscopy

Keeping in view the importance of dietary fats in modulating disease risk, a study was planned to compare edible oils, spreads, and desi ghee based on fatty acid composition through Raman spectroscopy. The double bonds in unsaturated oils tend to react more with oxygen causing oxidative stress in living cells; therefore, the excessive use of processed vegetable oils may pose risk for human health. In the spectral analysis, Raman peaks at 1063 and 1127 cm⁻¹ represent out‐of‐phase and in‐phase aliphatic C C stretch for saturated fatty acids. The peak at 1300 cm⁻¹, labeled for alkane, decreases with increase in the double bond contents (unsaturation). Further, the Raman peak at 1655 cm⁻¹ showed a monotonic increase as a function of unsaturation. The double bond contents in the Raman spectra from 1650–1657 cm⁻¹ represent unsaturated fatty acids that changes during the synthesis of spreads and banaspati ghee. Desi ghee, extracted from cow and buffalo milk, showed distinctive Raman peaks at 1650 and 1655 cm⁻¹, which originates because of isomers of conjugated linoleic acid. These Raman shifts differentiated desi ghee from other artificially produced banaspati ghee, spreads, and oils. Conjugated linoleic acid has proved to be anti‐carcinogenic, anti‐inflammatory, and anti‐allergic properties; therefore, the limited use of desi ghee may reduce the risk of cardiac diseases. Principal component analysis has been applied on the Raman spectra that clearly differentiated desi ghee, mono‐unsaturated extra virgin olive oil, and extra virgin olive oil spread from other oils, oil mixtures, spreads, and ghee. In addition, principal component analysis has been blindly applied successfully on 13 unknown samples to classify them with reference to the known ghee sample. Copyright © 2016 John Wiley & Sons, Ltd.     

荧光光谱及平行因子分析法在植物油鉴别中的应用

利用FS920荧光光谱仪测量市售的八种植物油(大豆油、玉米油、橄榄油、稻米油、花生油、核桃油、葵花籽油和芝麻油)共22个样品的荧光光谱,并对其数据矩阵(EEMs)进行平行因子分析,结合荧光谱分析的直观物质表征和平行因子法对灰色体系的组分识别优势,实现了植物油的种类区分与鉴别。综合分析植物油在特定范围内(激发波长为250～550 nm,发射波长为260～750 nm)的三维荧光光谱和等高线光谱图,给出了各植物油峰位、峰数和峰强等特征信息,确定了植物油各荧光谱峰相应的荧光物质(不饱和脂肪酸类、维生素E及其衍生物、叶绿素及类胡萝卜素);将平行因子模型应用于植物油光谱数据矩阵的分析,确定了平行因子分析模型的因子数及各因子的物质基础(维生素E及其衍生物、亚油酸和亚麻酸、脂肪酸氧化产物、植物油氧化产物)。建立了植物油的4因子激发-发射光谱轮廓图和样品因子投影得分图。通过对植物油荧光光谱的图谱特征和其数据阵平行因子模型的分析,证实荧光光谱技术和平行因子分析法对植物油进行分析和种类鉴别的有效性。     

食用植物油中反式脂肪酸含量的激光拉曼光谱检测

油脂中的反式脂肪酸(TFA)有害人们的身体健康,有必要对其含量进行监测。共收集各类食用植物油样本79个,涉及9个品种和27个品牌,分配到校正集和预测集的样本数分别为53个和26个。采用QE65000拉曼光谱仪采集79个样本的拉曼光谱,利用自适应迭代惩罚最小二乘法去除样本拉曼光谱的荧光背景;在此基础上,采用多种归一化方法对样本拉曼光谱进行处理,并对拉曼光谱的建模波数范围进行初选;再利用竞争性自适应重加权采样(CARS)方法筛选与食用植物油TFA含量相关的光谱变量,并应用偏最小二乘(PLS)回归将食用植物油TFA的特征变量光谱强度与气相色谱测定的TFA真实含量进行关联,建立食用植物油中TFA含量的定量预测模型。研究结果表明,多种归一化方法中,有4种归一化方法均能提高PLS定量预测模型的性能,其中Area normalization方法的效果最优;经建模波数范围初选,波数范围由686~2 301 cm-1缩减为737~1 787 cm-1,确定较优的建模波数范围为737~1 787 cm-1;经CARS方法筛选,共有31个光谱变量被选择,其选择的光谱变量主要分布在1 265,1 303,1 442及1 658 cm-1拉曼振动峰附近,且974 cm-1拉曼振动峰两侧均有光谱变量被选择;此外,CARS方法的PLS建模结果优于常用的无信息变量消除及连续投影算法。由此可知,激光拉曼光谱技术结合化学计量学方法检测食用植物油中的TFA含量是可行的。归一化方法、建模波数范围初选及竞争性自适应重加权采样(CARS)方法能有效提高TFA定量预测模型的预测精度和稳定性,优化后的TFA定量预测模型的校正集及预测集的相关系数和均方根误差分别为0.949,0.953和0.188%,0.191%。与未优化的预测模型相比,预测均方根误差由0.361%下降为0.191%,下降幅度为47.1%;建模所用的变量数由683个下降为31个,仅占原变量数的4.54%。     

拉曼光谱结合模式识别方法用于大豆原油掺伪的快速判别

大豆原油是我国的战略储备物资,然而目前储油市场上频繁出现大豆原油掺混的现象严重影响了食用油储备安全。基于此,通过大豆原油与部分植物精炼油拉曼谱图的特征差异,并结合主成分分析-支持向量机(PCA-SVM)模式识别建立了大豆原油是否掺伪的快速判别方法。以28个大豆原油、46个精炼油、110个掺伪油的拉曼谱图为模型样本;选择位于780～1 800 cm-1波段的谱图,预处理方法同时采用Y轴强度校正、基线校正和谱图归一化法;在此基础上应用PCA法提取特征变量,即以贡献率最高前7个主成分为变量进行SVM分析。SVM校正模型的建立是以随机选取的20个大豆原油和75个掺伪油样组成校正集,以8个大豆原油和35个掺伪油样组成验证集,分别运用并比较四种核函数算法建立的大豆原油SVM分类模型,并采用网格搜索法(grid-search)优化模型的参数,以四种模型的分类性能作为评判标准。结果表明：应用线性核函数算法构建的SVM分类模型可以很好地完成掺伪大豆原油的判别,校正集识别准确率达到100%,预测结果的误判率为0,判别下限为2.5%。结果表明应用拉曼光谱结合化学计量学能够用于大豆原油掺伪的快速鉴别。拉曼光谱简便、快速、无损、几乎没有试剂消耗,适合现场检测,从而为大豆原油的掺伪分析提供了一种新的备选方法。     

Quantitative detection of adulterated olive oil by Raman spectroscopy and chemometrics

Commercially available extra virgin olive oils are often adulterated with some other cheaper edible oils with similar chemical compositions. A set of extra virgin olive oil samples adulterated with soybean oil, corn oil and sunflower seed oil were characterized by Raman spectra in the region 1000–1800 cm⁻¹. Based on the intensity of the Raman spectra with vibrational bands normalized by the band at 1441 cm⁻¹ (CH₂), external standard method (ESM) was employed for the quantitative analysis, which was compared with the results achieved by support vector machine (SVM) methods. By plotting the adulterant content of extra virgin olive oil versus its corresponding band intensity in the Raman spectrum at 1265 cm⁻¹, the calibration curve was obtained. Coefficient of determination (R²) of each curve was 0.9956, 0.9915 and 0.9905 for extra virgin olive oil samples adulterated with soybean oil, corn oil and sunflower seed oil, respectively. The mean absolute relative errors were calculated as 7.41, 7.78 and 9.45%, respectively, with ESM, while they were 5.10, 6.96 and 4.55, in the SVM model, respectively. The prediction accuracy shows that the ESM based on Raman spectroscopy is a promising technique for the authentication of extra virgin olive oil. The method also has the advantages of simplicity, time savings and non‐requirement of sample preprocessing; especially, a portable Raman system is suitable for on‐site testing and quality control in field applications. Copyright © 2011 John Wiley & Sons, Ltd.     

部分动植物油的拉曼光谱研究

利用拉曼光谱技术分别研究了植物油和动物脂肪油的光谱特性。通过自适应迭代惩罚最小二乘法的基线校正方法, 对所测得的拉曼光谱进行了数据处理,获得了它们的微观信息。进而通过选取其中部分油的拉曼光谱,进行了植物油的光谱、动物脂肪油的光谱以及动物脂肪油和植物油之间的光谱比较和分析,从而发现了多种植物油光谱(包括多个频移范围内的频移大小以及强度大小)的差异,也发现了动物脂肪油与植物油的拉曼光谱间的差异。不但提供了辨识不同食用油的光谱依据,也证明了拉曼光谱是一种识别不同油品的有效方法。