近红外光谱-BP神经网络-PLS法用于橄榄油掺杂分析

橄榄油兼有食用和保健的作用,价值与价格远远高于其他食用油,所以橄榄油中以劣充好的现象十分普遍.可采用近红外光谱法测定初榨橄榄油中掺杂芝麻油、大豆油和葵花籽油的光谱数据,运用改进的BP算法--Levenberg-Marquardt方法,建立PCA-BP人工神经网络方法对其进行定性判别.同时采用偏最小二乘法(PIS)建立了初榨橄榄油中芝麻油、大豆油、葵花籽油含量的近红外光谱定标模型,用交瓦验证法进行验证.结果表明,BP人工神经网络有很好的定性鉴别能力,PLS建立的芝麻油、大豆油、葵花籽油定标模型的相关系数分别为98.77,99.37,99.44,交叉验证的均方根误差分别为1.3,1.1,1.04.该方法无损、快速、简便,为橄榄油掺杂的检测提供了一种新的途径.     

可见和近红外透射光谱结合区间偏最小二乘法(iPLS)用于橄榄油中掺杂煎炸老油的定量分析

为探寻一种快速可靠的分析方法用于橄榄油中掺杂煎炸老油含量的测定,实验采用可见和近红外透射光谱分析技术结合区间偏最小二乘法(interval partial least squares,iPLS)、联合区间偏最小二乘法(synergy interval partial least squares,SiPLS)和反向区间偏最小二乘法(backward interval partial least squares,BiPLS),对掺杂不同含量煎炸老油的橄榄油建模分析,并对不同模型比较优选。采集样品400~2500 nm范围内的光谱,对光谱数据进行Savitzky-Golay(SG)平滑去噪。剔除奇异样本后,采用sample set partitioning based on joint X-Y distance(SPXY)法划分样本集,以不同的iPLS优选建模区域,建立煎炸老油含量预测模型。结果表明:对掺杂不同含量煎炸大豆油的橄榄油,采用划分20个区间,选择2个子区间[4,16]建立的SiPLS模型预测效果最好,相关系数(R_p)达0.998 9,预测均方根误差(RMSEP)为0.019 2。对掺杂不同含量煎炸花生油的橄榄油,采用划分20个区间,选择2个子区间[2,16]组合建立的SiPLS和BiPLS模型具有相同的预测效果,预测均方根误差(RMSEF)为0.0120,均优于iPLS模型。此外,与SiPLS模型相比,BiPLS模型运算量少,速度快。由此可见,基于掺杂油样品的可见和近红外透射光谱,分别采用组合区间偏最小二乘法(SiPLS)和反向区间偏最小二乘法(BiPLS)优选建模光谱区域,可以对橄榄油中掺杂煎炸大豆油和煎炸花生油含量进行准确测定。而且,实验过程无需对掺杂油样品进行预处理,无环境污染,操作简单,快速无损。     

近红外光谱法应用于食用香精中增塑剂的检测研究

借助近红外透射光谱技术得到香精样品的原始光谱,选取波段范围为8 800～8 540和7 500～5 085cm-1,用主成分分析(PCA)法定性识别其中是否添加DEHP或DINP,正确率100%。同时测定了DEHP和DINP(浓度范围在0～100mg.kg-1之间)在食用香精中的含量,并以偏最小二乘法(PLS)建立定量分析模型,DEHP和DINP预测结果的相对误差分别在-17.6%～15.8%和-7.6%～9.9%之间,预测均方根误差分别为1.39和0.98。为检测食用香精中增塑剂的含量提供了一种可同时定性与定量的快速、简便、廉价、准确的分析方法。     

基于激光近红外的稻米油掺伪定性-定量分析

该文主要研究激光近红外光谱分析技术结合化学计量学方法对稻米油掺伪进行定性-定量分析。分别将大豆油、玉米油、菜籽油、餐饮废弃油掺入稻米油中,按照不同质量比配置189个掺伪油样,利用激光近红外光谱仪采集光谱;对采集的稻米油掺伪图谱数据进行多元散射校正(MSC)、正交信号校正(OSC)、标准正态变量变换和去趋势技术联用算法(SNV_DT)三种不同预处理并与原始数据进行比较。采用连续投影算法(SPA)对经过预处理的光谱数据进行特征波长提取,应用支持向量机分类(SVC)方法建立稻米油掺伪样品的定性分类校正模型,选择网格搜索算法对模型参数组合(C,g)进行寻优,确定最优参数组合。另采用后向间隔偏最小二乘法(BiPLS)和SPA对预处理后的光谱数据进行特征波长提取,分别应用偏最小二乘法(PLS)和支持向量机回归(SVR)建立掺伪油含量的定量校正模型,并选用网格搜索算法对SVR模型参数组合(C,g)进行寻优,建立最优参数模型。研究表明,建立的SVC模型预测集和校正集的准确率分别达到了95%和100%;对比SVR和PLS方法建立的数学模型对稻米油中掺杂油脂的含量的预测,两种方法均能够实现含量预测,SVR模型的预测能力更好,相关系数R高于0.99,均方根误差(MSE)低于5.55×10-4,预测精度高。结果表明,采用激光近红外光谱分析技术可以实现稻米油掺伪的定性-定量分析,同时为其他油脂的掺伪分析提供了方法。     

激光诱导荧光初榨橄榄油掺杂定量分析

利用激光诱导荧光技术开展了初榨橄榄油掺杂定量分析的研究。利用波长为450nm的激光激发不同掺杂浓度的掺杂橄榄油样品产生荧光并进行荧光光谱采集。将采集到的光谱利用线性判别法(linear discriminant analysis,LDA)结合k-近邻方法(k-Nearest Neighbor,kNN)建立掺杂橄榄油掺杂浓度预测的模型。通过交叉验证,该模型预测的橄榄油掺杂浓度的均方根误差为3.74%。按照掺杂浓度的不同将样品分为4组进行分类识别,分类正确率达88%。结果表明,利用激光诱导荧光原理结合LDA-kNN能够实现掺杂橄榄油掺杂浓度的定量分析,该方法可以用于掺杂橄榄油快速初筛。     

近红外光谱技术快速识别针叶材和阔叶材的研究

对一种针叶材和一种阔叶材的横切面采集波长范围为780～2 500nm的近红外漫反射光谱,结合偏最小二乘判别分析法(PLS-DA)对针叶材杉木和阔叶材桉树快速识别的可行性进行了研究,结果表明:(1)利用近红外光谱结合PLS-DA法建立的识别模型对建模样品的识别正确率达到100%,识别模型预测的分类变量值与实际值之间相关系数r达到0.99,SEC为0.07;(2)即使采用短波区域780～1 100nm的近红外光谱也可以获得理想的识别结果(识别正确率为100%),识别模型的r也达到0.99,SEC为0.07;(3)利用近红外光谱建立的识别模型对未知样本的识别正确率都为100%,说明近红外光谱技术可以快速、准确识别针叶材和阔叶材,这为木材识别提供了一种新方法和技术,也为开发低成本的近红外光谱识别仪器提供了科学依据。     

基于近红外光谱的橄榄油品质鉴别方法研究

目前市面上销售的橄榄油主要分为特级初榨橄榄油和普通初榨橄榄油两类,为了鉴别两种不同品质的橄榄油,提出了一种应用siPLS-IRIV-PCA算法的橄榄油品质鉴别的新方法。基于橄榄油的近红外光谱数据,应用联合区间偏最小二乘法(siPLS)对橄榄油的近红外光谱进行了波长区间优选,使用交叉验证均方根误差(RMSECV)评估模型的性能并选择最优波长区间,通过迭代保留信息变量(IRIV)算法从最优波长区间中选择特征波长,根据选择的特征波长构建主成分分析(PCA)模型。对90组特级初榨橄榄油和90组普通橄榄油样本进行了判别鉴定。PCA将1 427个波长变量作为输入变量,前两个主成分贡献率为51.891 8%和26.473 2%;siPLS-PCA将408个波长变量作为输入变量,前两个主成分贡献率为56.039 1%和36.2355%;siPLS-IRIV-PCA将6个波长变量作为输入变量,前两个主成分贡献率为66.347 6%和32.304 3%。结果表明,与PCA和siPLS-PCA鉴别方法相比,siPLS-IRIV-PCA具有最佳的鉴别性能。     

近红外光谱LASSO特征选择方法及其聚类分析应用研究

近红外光谱技术是一种通过分析样本的特征光谱数据，实现定性或定量分析的无损检测方法，特征数据的完整性和代表性决定了所建模型的性能，而现有分析方法只能实现光谱子区间特征筛选，导致分析模型稳定性差、且难以再优化。为实现近红外光谱区间高维数特征提取，有效提高近红外光谱定性分析模型的精度和稳定性，提出一种基于最小绝对收缩和选择算法(LASSO)的光谱特征筛选方法，并以我国特色高值外贸产品云南松茸为分析对象进行聚类应用研究，讨论了该方法对于高维光谱特征筛选的有效性、分析对比了LASSO筛选特征变量及主元分析(PCA)降维算法所建松茸真伪甄别及食用菌分类模型的预测精度及稳定性。通过调研发现，云南产鲜松茸因其独特外形易于分辨，而片状的干松茸失去其独有的外形特征，导致国内干松茸掺假事件屡禁不止。选取云南产松茸、杏鲍菇、老人头、姬松茸四种干样共166样本数据进行分析，采用光谱范围为900～1 700 nm的NIRQuest512型近红外光谱仪获得166×512维原始光谱数据，剔除异常数据后采用标准正态变换对光谱数据进行预处理。在此基础上，利用LASSO筛选出全光谱区间的特征变量，再使用Kennard-Stone法并结合典型线性(KNN)和非线性建模(BP)算法，构建松茸真伪甄别模型和食用菌分类模型，对两种模型进行盲样测试，并分析了LASSO与PCA算法的不同点，最后使用蒙特卡罗方法检测两种模型的稳定性。实验结果表明基于LASSO光谱特征选择的松茸真伪甄别模型和食用菌分类模型预测精度和稳定性均高于PCA方法，其中基于原始光谱数据所建真伪甄别模型的预测准确率为69.57% (BP)和60.87% (KNN)，食用菌分类模型准确率为67.39% (BP)和65.22% (KNN)，基于LASSO特征筛选的真伪甄别模型预测准确率分别达到100% (BP)和78.26% (KNN)，食用菌分类模型预测准确率分别达到89.13% (BP)和80.43% (KNN)，对两种模型进行10次蒙特卡罗实验，其结果平均值分别为99.93%和97.22%，由此可知，与PCA等数据降维算法相比，LASSO可实现全光谱区间的光谱特征选择和数据降维，有效地提高了近红外定性分析模型的预测性能，为近红外分析提供了一种新的特征筛选方法。     

两种近红外光谱仪的番茄可溶性固形物含量定量模型比较研究

以番茄可溶性固形物含量(SSC)的无损速测为例,分别采用线性渐变分光(LVF)、数字光处理(DLP)近红外光谱仪对大、小番茄采集近红外光谱数据;分别基于两种近红外光谱仪数据计算大、小番茄平均光谱及差谱,并比较两种近红外光谱仪所采集大、小番茄近红外光谱数据的特征;对两种近红外光谱仪的数据分别进行主成分分析(PCA),并比较了大、小番茄前3主成分的得分分布;按SSC梯度对数据进行分级,采用偏最小二乘(PLS)回归结合全交互验证算法分别基于两种近红外光谱仪数据建立番茄SSC定量校正模型。结果表明：(1)大、小番茄LVF近红外光谱的平均光谱及其差谱的光谱特征分别与DLP近红外光谱的平均光谱及其差谱的光谱特征相似。(2)大、小番茄LVF近红外光谱数据PCA前3主成分得分散点分离趋势不明显,而DLP近红外光谱数据PCA前3主成分得分散点基本上不具有分离趋势。(3)基于LVF近红外光谱数据所建各模型的相对预测性能(RPD)皆不低于2.11,其中标准化预处理所建模型具有最佳性能,模型维数(N_f)、校正测定系数(R_C²)、校正均方根误差(...     

基于近红外漫反射光谱的香梨类别定性分析

基于近红外(near infrared,NIR)漫反射光谱分析技术对库尔勒香梨中的脱萼果和宿萼果进行了自动化判别试验研究.用对不同波段范围、不同光谱预处理方法(MSC、SNV、微分光谱)和不同主成分因子数对香梨类别判别结果的影响进行了对比分析,建立了香梨类别的定性判别模型.研究结果表明:用判别分析(discrimant antilysis,DA)方法在9 091～4 000 cm~(-1)范围结合原始光谱建立的DA判别模型最优,该方法对校正集正确分类率达100%,预测集正确分类率为95%.     

Partial Least Squares Processing of Near‐Infrared Spectra for Discrimination and Quantification of Adulterated Olive Oils

Abstract

A new processing based on partial least squares (PLS) algorithm for the discrimination and determination of adulterants in pure olive oil using near‐infrared (NIR) spectroscopy has been introduced. The 280 adulterations of olive oil with corn oil (n=70), hazelnut oil (n=70), soya oil (n=70), and sunflower oil (n=70) were prepared, and their NIR spectra in the region 12,000–4550 cm^?1 were collected. The 70 spectra of each adulteration of olive oil were divided into two sets, 50 spectra for a calibration set and 20 spectra for a prediction set. The spectra of a total calibration set (n=200) were separated into individual adulterant calibration sets (n_i=50, i=corn, hazelnut, soya, sunflower) by using discriminant PLS (DPLS) analysis, and PLS calibration models for the quantification of adulterants with corn oil, hazelnut oil, soya oil, or sunflower oil were developed separately. A variety of wavelength ranges and data pretreatments were examined for obtaining optimal results for the discrimination and quantification objects. Four PLS models for differentiating the adulterant types were evaluated by classifying the NIR spectra of a total prediction set (n=80) into known adulterant types. Then, these known adulterant spectra were analyzed by the PLS calibration models developed for each type to determine the content of an adulterant in pure olive oil. The results of evaluation revealed that the processing reported in this article works excellently for the discrimination and quantification of the adulterations of olive oil.     

近红外光谱和特征光谱的山茶油掺假鉴别方法研究

山茶油素有"东方橄榄油"美誉,实现掺假山茶油的鉴别具有重要实用价值,采用近红外光谱技术对掺有葵花油的山茶油进行检测。分别以1%,5%,10%为梯度制备掺假比例不同的山茶油样品,并根据掺假比例将其分为A组(0%~5%)和B组(6%~10%)共11个样品,C组(15%~40%)6个和D组(50%~100%)6个样品。将每个掺假样品充分混匀后再分为9份,依次采集其1 000~2 500nm范围的吸收光谱,共获得207条光谱曲线。每组样品的光谱数据按2∶1随机分为训练集与验证集。经去除首尾噪声后,通过主成分分析法(principal component analysis,PCA)降维,并利用前四个主成分建立了鉴别山茶油不同掺假等级的主成分-支持向量机判别模型,训练集与验证集的总体判别准确率分别达96.38%和94.20%;进一步,通过对前四个主成分的载荷系数的分析,并结合原始光谱,提取建模过程中权重较大的波长并解析其化学含义,最终确定出五个特征波长:1 212,1 705,1 826,1 905及2 148nm,以此波长重新建立近红外特征光谱山茶油掺假等级判别模型,对训练集与验证集的总体判别准确率也达到了94.20%和92.75%。研究结果表明,利用近红外光谱和特征光谱均能够较好实现山茶油掺假等级的鉴别,同时所建立的近红外特征光谱模型也为设计相应的掺假山茶油实用便携式检测仪器提供了理论基础。     

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。     

橄榄油的聚集荧光猝灭及吸收光谱特性的研究

素有“液体黄金”之称的橄榄油已成为健康食用油的代名词，不仅身价陡增，而且在非产地市场也已成为一种畅销油。在橄榄油检测技术中光谱法与其他技术相比具有快速、无损、无样品处理等优势而备受关注，而不同的光谱检测方法在检测的物质成分上各有侧重，例如红外光谱法侧重于脂肪酸含量的检测、拉曼光谱法侧重于分子的检测、荧光光谱法侧重于光敏物质的检测以及吸收光谱法侧重于光敏物质和不饱和脂肪酸的检测等。荧光及吸收光谱对光敏物质反应极其灵敏，而橄榄油富含叶绿素等光敏物质，因此荧光及吸收光谱成为一种鉴别橄榄油的有效技术手段。叶绿素是一种含有环卟啉结构的有机分子，该类分子结构具有吸光特性，且不同的叶绿素吸收光谱各异，其中绿色植物的叶绿素a含量最多。为深入研究叶绿素的吸收光谱及荧光特性在橄榄油鉴别中的应用，将特级初榨橄榄油中掺入不同比例的玉米油，已达到间接调控橄榄油中叶绿素含量的目的，测量不同掺伪比例橄榄油的荧光及吸收光谱并研究与叶绿素浓度的相关性，以此来研究叶绿素浓度与掺伪量对橄榄油吸收光谱及荧光特性的影响。取10份同批次的特级初榨橄榄油，将其中9份按照等比例稀释，并对10份样品按照掺伪量依次排序；依次采集这10份样品的荧光及吸收光谱，比较叶绿素浓度与掺伪量的相关性及对这两种光谱技术在橄榄油鉴别中的影响。随着叶绿素浓度的上升，荧光强度由弱变强，并在某一时刻后会出现荧光强度急剧减弱的现象，即聚集荧光猝灭。这种现象主要是由于叶绿素的环卟啉分子结构引起的分子间π-π作用，使未被激发的低能分子与高能分子堆叠在一起，能量的辐射跃迁（荧光）也转变为分子间的能量转移（热能交换）。对于吸收光谱，随着叶绿素浓度的上升，吸收光谱的强度也逐渐增强。橄榄油中叶绿素吸收的能量主要去向包括镁电子辐射跃迁产生荧光以及分子间热能交换两部分，而橄榄油的吸收光谱并未出现类似于聚集荧光猝灭的现象，且吸收光谱强度与掺伪浓度间存在近似线性相关的关系。结果表明：当聚集荧光猝灭出现时，叶绿素吸收的能量仍然与浓度呈线性相关，此时高、低能分子堆叠引起的热能交换效率提高。     

基于超连续光谱特级初榨橄榄油的快速检测方法

特级初榨橄榄油作为一种冷榨植物油含有较为丰富的不饱和脂肪酸和多酚类化合物,其营养价值较高。目前,橄榄油的掺假问题是业界最严重的问题之一,中国对橄榄油的消费量与日俱增,国内橄榄油市场较为混乱,掺假造假现象层出不穷,从橄榄油的国外进口到国内二次包装都有可能存在人为干扰和品质造假,如果不加以有效监督和制止,对国民的健康和财产将造成严重损失。如果通过传统的化学分析方法获取所有成分信息势必会增加检测周期,不利于商品的快速流通,对生产厂商和消费者来说都是一种损失。为应对复杂多变的橄榄油掺伪技术及国内具备橄榄油检测资质机构不足的问题,提出一种基于超连续光谱特级初榨橄榄油的快速检测方法,为实现快速鉴别提供了可能性,研究选用特级初榨橄榄油、菜籽油、茶油、芝麻油、稻米油、葵花油、玉米油以及大豆油作为研究对象,分别采集每种植物油的超连续光谱并对初步光谱数据进行光谱预处理,最后计算了不同样本间超连续光谱的皮尔逊相关系数并以此作为特级初榨橄榄油判别的主要依据。实验结果显示不同样本特级初榨橄榄油间的超连续光谱的皮尔逊相关系数在0.901 1以上,而特级初榨橄榄油与其他种类植物油的超连续光谱的皮尔逊相关系数在0.172 2~0.899 0之间。研究表明以皮尔逊相关系数0.901 1作为判别特级初榨橄榄油与其他植物油的检测阈值,可实现快速实时的精准检测识别。该技术与分光光度计的吸收透射光谱相比,最大的优势在于采集周期短和光谱指纹特征丰富,周期短表现为光谱曝光采集时间仅为100 ms,光谱指纹特征丰富表现为除包含吸收光谱外还表现出各种荧光活性物质所特有的荧光光谱。除此之外,可将超连续谱光源应用推广到食品安全检测技术领域。该技术装置简单且易于推广对国内橄榄油的检测和市场规范具有一定的研究意义。     

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.     

基于植物油可见吸收光谱的相关系数鉴别特级初榨橄榄油

目前市场上的橄榄油品牌很多，质量参差不齐，亟需完善橄榄油的等级分类检测和特级初榨橄榄油的鉴别方法。可见吸收光谱光谱法可在不直接接触样品的情况下对样品进行无添加试剂的探测，因此为实现特级初榨橄榄油的鉴别，采用可见吸收光谱法对不同种类植物油进行了光谱测量。实验结果发现特级初榨橄榄油在500~780 nm波段内具有4个明显的吸收峰，而其他种类植物油在此波段内吸光度较弱或无吸收峰，且同种植物油不同品牌之间的光谱特征极其相似。采用相关系数比对不同种类植物油可见吸收光谱，分别计算了四个不同波长范围内植物油的可见吸收光谱的相关系数，实验发现不同波长范围内的植物油可见光谱相关系数差别较大。在520～700 nm范围内，特级初榨橄榄油间的光谱相关系数在0.999 6以上，特级初榨橄榄油与其他种类植物油的光谱相关系数均低于0.267 8，特级初榨橄榄油与其他等级橄榄油的光谱相关系数在0.194 6～0.835 8之间。研究结果表明可见吸收光谱相关系数法是一种快速非接触式鉴别特级初榨橄榄油的可行性方法。建立了一种特级初榨橄榄油快速鉴别方法，即可见吸收光谱相关系数法。该方法在特级初榨橄榄油的实际鉴别中具有一定的应用价值。