板蓝根颗粒的红外光谱无损快速鉴别及可视化表达

用傅里叶变换红外光谱对传统中成药板蓝根颗粒进行了研究。对同一厂家不同批次和不同厂家的板蓝根颗粒主要成分板蓝根和大青叶的红外光谱图及二阶导数谱图进行了比较分析,并将谱图进行可视化表达。结果显示,傅里叶变换红外光谱法结合二阶导数谱和谱图的可视化,能够有效地提取配方颗粒的特征指纹谱图,直观地反映出不同生产厂家产品质量的差别及同一生产厂家不同批号产品之间谱图的可重现性,从而实现中成药的无损快速鉴别,为中成药质量检测及监控提供一种方便、有效和直观的方法。     

FTIR结合主成分聚类用于伽师瓜籽品种的鉴别

采用衰减全反射傅里叶变换红外光谱(ATR-FTIR)法测定了3个不同品种的伽师瓜种子的傅里叶变换红外光谱,采用主成分和聚类方法进行数据分析,比较了不同品种伽师瓜种子之间的差异程度.结果表明:基于傅里叶变换红外光谱的主成分和聚类分析在反映不同品种植物种子化学组成差异程度上具有应用价值.     

不同品种葡萄苗的FTIR光谱鉴别研究

利用傅里叶变换红外光谱技术结合主成分分析(PCA)及系统聚类分析(HCA)对不同葡萄品种苗的叶片进行鉴别研究。结果表明五个不同葡萄品种苗红外光谱整体相似,但在1800~750cm~(-1)范围内吸收峰的位置、峰形及吸收强度有一定差异。选取该范围内的二阶导数光谱数据做主成分分析和聚类分析,前三个主成分累计贡献率达到94.9%,其分类正确率达100%;而聚类分析,其正确率达到96%。结果表明傅里叶变换红外光谱结合统计方法能够很好地鉴别五个不同品种的葡萄苗,有望发展成为鉴别农作物品种的有力手段。     

牻牛儿苗科11种中药材红外光谱鉴定及聚类分析

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。     

FTIR结合主成分分析对棕榈科植物鉴别研究

采用傅里叶变换红外光谱(FTIR)结合主成分分析(PCA)对棕榈科植物2个亚科4个族的植物叶片进行了光谱研究。结果显示,棕榈科同族不同种和同科不同族的植物在红外光谱上表现出差异。用二阶导数光谱进行主成分分析,显示可以将样品进行正确分类。研究表明傅里叶变换红外光谱在鉴别分类植物方面具有应用潜力。     

FT-NIR与主成分分析在中药贝母鉴别和聚类中的应用研究

近红外漫反射光谱和主成分分析法相结合,选取不同范围内的近红外光谱数据,对川贝、浙贝以及东北平贝共48个样品进行了主成分分析,作二维线性投影图和三维线性投影图,比较了48个样品在红外光谱上的差异程度,发现基于傅里叶变换近红外光谱的主成分分析投影图能够较好的表征48个样品的类别关系.结果表明:应用近红外漫反射光谱法能够鉴别贝母及其近缘物种,具有较好的聚类和鉴别作用,作为一种药材质量检测手段,该方法具有一定的应用价值.     

不同产地双色牛肝菌FTIR光谱鉴别研究

同一种蕈菌子实体,由于外观形貌相似,凭传统外观形貌特征难以鉴别产地来源。应用傅里叶变换红外光谱(FTIR)法测定了云南省5个不同地区58个野生双色牛肝菌子实体样品的红外光谱。借助于红外光谱具有的指纹特性,利用SPSS 13.0统计软件对1 350~750 cm-1范围光谱数据进行主成分分析(PCA),根据前三个主成分累积贡献率已达到88.87%以及主成分载荷分析,表明前三个主成分能够反映样品在该段光谱的主要信息。对前三个主成分作投影显示并进行比较,发现以主成分1和主成分2作二维线形投影,对不同产地的双色牛肝菌有较好的聚类和鉴别作用,所有样品被划分为5个区域,98.3%的样品被正确归类。研究结果提示,傅里叶变换红外光谱结合主成分分析方法可以快速、方便地对不同产地的同一种野生双色牛肝菌进行鉴别分类。     

基于傅里叶变换红外光谱和聚类分析的真菌鉴别

傅里叶变换衰减全反射红外光谱法(FTIR-ATR)应用于微生物的快速鉴定及分类是近几年发展起来的一门新型技术。该文应用FTIR-ATR光谱法与聚类分析方法相结合对重要的植物病原真菌进行鉴别。在PDA玻璃纸平板上培养了来自14个属的17株真菌,用FTIR-ATR光谱法测其红外光谱,获得了分辨率高、重现性好的真菌红外谱图,分析主要吸收峰的归属,确定了1800～1485,1485～1185与1185～900cm-1三个分析灵敏区,并在此基础上进行了系统聚类分析,使所有测试菌株都得到正确归类。结果表明,傅里叶变换红外光谱技术具有快速、准确、易操作等优点,将成为微生物研究领域的一个重要工具。     

基于FTIR的苔藓植物表征关系除趋势对应分析

苔藓植物是一类重要高等植物。但是,苔藓植物体型小,可供鉴别性状少。应用OMNI采样器-傅里叶变换红外光谱直接测定法鉴别植物样品具有简便、快速和准确的优点。应用傅里叶变换红外光谱直接测定法测定了苔藓植物26种30个样品的红外光谱,以波数-吸光度为指标来表征吸收峰,以红外光谱图为对象,应用除趋势对应分析(Detrended Correspondence Analysis, DCA)比较了30个样品在红外光谱图上的差异程度。结果发现,基于傅里叶变换红外光谱的除趋势对应分析反映出苔藓植物红外光谱的差异与它们分类关系有较好的对应性。因此,应用傅里叶变换红外光谱直接测定法能够鉴别药用苔藓植物。     

小米的傅里叶变换红外光谱研究

本文利用傅里叶变换红外光谱(FTIR)结合主成分分析和聚类分析对白小米、黄小米、糯小米、青小米、陈黄小米、黑小米和大黄米进行鉴别研究。所有样品的傅里叶变换红外光谱整体相似,二阶导数光谱存在明显的差异。选取1800~1400cm-1范围内的二阶导数光谱数据对52份小米样品做多变量分析,结果显示,主成分分析的分类准确率为84.6%,系统聚类分析的分类准确率为92.3%。结果表明傅里叶变换红外光谱技术结合化学计量学能有效地区分不同品种的小米,为不同小米的分类鉴定提供新的方法与途径。     

荧光光谱法结合Fisher判别分析在西洋参鉴别中的应用

旨在建立可靠的Fisher判别模型,以实现西洋参及其常见伪品饮片的快速、客观、准确鉴别,采用自组的凝视式光谱成像仪,对90份不同市售来源的中药材饮片(西洋参、人参、桔梗各30份)进行了荧光光谱成像实验,波长范围为400~720 nm,成像间隔为5nm。采用标准正态变量(SNV)变换对原的光谱数据进行预处理,以减少光谱数据中的噪声干扰。比较了主成分分析(PCA)与逐步判别分析(SDA)的原理特点及对模型的优化效果,联合这两种分析方法,首先,应用PCA对预处理后的光谱数据进行处理,使光谱数据中的主要信息集中分布在前面的主成分中,然后应用SDA从65个主成分中筛选出判别能力较强的12个主成分建立Fisher判别模型。由所建模型的两个判别函数作样品得分散点图,各类样品在图中表现出良好的聚类现象。以待判样品点与各种类中心点之间的欧氏距离作为依据,得出模型的准确判别结果。结果显示,所建Fisher判别模型在训练集和预测集中的判别正确率分别为98.33%和 96.67%,具有较高的可信度与准确度,因此,荧光光谱法结合Fisher判别分析可用于快速鉴别西洋参及其伪品饮片。     

FTIR结合统计分析对竹类植物的鉴别分类研究

傅里叶变换红外光谱结合主成分分析和系统聚类分析用于竹类植物鉴别分类研究。六种竹亚科植物54个竹子叶片的红外光谱测试结果显示竹叶光谱主要由蛋白质、碳水化合物、脂类等吸收带组成,竹叶光谱相似,仅在1 800～700 cm-1范围峰数、峰位、峰强上存在较小的差异。六种竹子叶片红外光谱的二阶导数谱在1 800～700 cm-1范围显示明显差异。用1 800～700 cm-1范围二阶导数光谱进行主成分分析,在主成分PC1,PC2,PC3三维空间图中,所测试竹叶样本分类正确率达98%;在PC3-PC4二维投影图显示所有竹叶样本正确分成六个区域;用1 800～700 cm-1范围二阶导数光谱进行聚类分析,所测竹叶样本正确聚为六类。表明FTIR结合统计分析能够在种水平对竹亚科植物鉴别分类。     

基于近红外光谱技术的钢结构防火涂料品牌鉴别方法研究

为了实现钢结构防火涂料在流通使用领域中不同品牌的现场快速鉴别,提出了一种用近红外光谱技术快速鉴别钢结构防火涂料品牌的方法。运用光栅扫描型近红外光谱仪器,通过近红外漫反射光谱获取不同品牌钢结构防火涂料的光谱曲线,并对光谱数据进行标准正态变量变换(standard normal variate transformation, SNV)、Norris二阶求导等优化处理。利用主成分分析法(principal component analysis, PCA)对钢结构防火涂料品牌进行聚类分析,前五个主成分的累积方差贡献率已达到99.791%,以PC1,PC2和PC3×10的得分值对所有建模样品在三维空间作图,对不同品牌的钢结构防火涂料具有很好的聚类作用。利用5个品牌的各25个样品建立校正模型,用余下5个品牌的各5个样品,共计25个样品进行外部验证,通过未知样品光谱的主成分得分值计算其与校正模型中每个品牌的马氏距离值,实现未知样品的品牌鉴别。建立的定性分析模型对未知样品的外部验证正确率达到100%。说明该分析方法能够快速准确的鉴别钢结构防火涂料品牌,并为市场规范提供技术参考。     

引种紫锥菊不同部位的红外光谱分析与鉴定

采用红外光谱宏观指纹鉴定的方法对紫锥菊不同部位根、茎、叶、花原药材及醇溶、水溶提取物的一维和二阶导数谱图进行整体分析.原药材谱图显示紫锥菊的各部位都体现淀粉特征峰.醇提物二阶导数谱图给出花中1711 cm-1、1630 cm-1的羧基吸收峰明显强于其他部位,说明花中多酚类成分高于其他部位.水提物谱图显示,花、叶中多酚类...     

应用可见/近红外光谱进行纺织纤维鉴别的研究

为了实现纤维种类的快速鉴别,选用了棉、麻、毛、丝、天丝5种纤维,提出了一种用近红外光谱技术快速无损鉴别纤维品种的新方法。应用可见/近红外光谱漫反射技术测定各种纤维的光谱曲线,用主成分分析方法(PCA)对光谱数据进行模式特征分析,根据主成分的累积贡献率选用前6个主成分数进行建模和预测,通过建立最小二乘支持向量机模型(LS-SVM)对主成分分析模型进行优化,将前6个主成分作为最小二乘支持向量机的输入变量,建立PCA-LS-SVM模式识别模型,实现类别预测的同时也完成了数学建模与优化分析工作。5个品种的纤维训练集样本200个用于PCA-LS-SVM的模型的建立,对其余预测集样本50个进行验证,结果能准确的区分预测集的5种纤维。并提出主成分分析结合最小二乘支持向量机的光谱数据分析方法具有很好的分类和鉴别作用,为纤维品种快速鉴别提供了一种新方法,为维护消费者权益,保证纺织品质量,实现纺织原料及其制品的合理化生产与交易具有重要的意义。     

汽车自动变速箱油的近红外光谱识别研究

利用自编码网络(autoencoder network, AN)流形学习和稀疏表示(sparse representation, SR)方法对汽车变速箱油进行近红外光谱品种识别研究。以壳牌、美孚、嘉实多、上海大众和上海通用五种变速箱油为对象,利用AN方法对600～1800 nm近红外光谱数据进行非线性降维,获取10个特征变量。每种变速箱油选取30个样本(共150个样本)作为训练样本,每种30个样本(共150个样本)作为测试样本。所有训练样本的特征变量组成了稀疏表示方法的整体训练样本矩阵,将变速箱油品种分类识别问题转化为一个求解待识别测试样本对于整体训练样本矩阵的稀疏表示问题,通过求解L-1范数意义下的最优化问题来实现。经过主成分分析(principal component analysis,PCA)和AN降维后,分别利用线性判断分析法(linear discriminant analysis,LDA)、偏最小二乘支持向量机法(least squares-support vector machine,LS-SVM)和本文提出的稀疏表示分类算法进行分类比较。结果表明,结合自编码网络和稀疏表示方法对五种汽车变速箱油品种的平均识别准确率达97.33%,为汽车变速箱油品种近红外光谱快速准确识别提供了有效的新途径。     

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。     

红外光谱法结合化学计量学对可擦笔油墨检验的研究

可擦笔作为一种新型书写工具,具有墨迹可擦除的特点,因此在当前的公安司法工作中,常见不法分子利用可擦笔对文件进行篡改。为保证物证的完整性,亟待建立一种无损,快速的可擦笔油墨检验方法,为寻找书写工具,确定犯罪嫌疑人提供帮助。常见可擦笔油墨可分为成膜油墨类和温变油墨类,本研究利用傅里叶变换红外光谱仪对市场收集的不同品牌、型号和颜色的30支可擦笔油墨进行检验。通过分析4 000～650 cm-1范围内的红外光谱对比不同可擦笔油墨的组成成分及不同褪色机理的可擦笔油墨差异。通过红外光谱信息发现,同品牌、同型号的可擦笔油墨成分相似,可擦笔油墨颜色对红外光谱影响较小。同时,对比擦除前后的可擦笔墨痕的红外光谱信息发现,温变类油墨在擦除后依旧有特殊化学成分残留,具备检验条件,但成膜型可擦油墨在擦除后残留成分较少,很难进行认定,这可能与成膜类油墨的微粒结构有关。此外,本研究利用主成分分析法（PCA）和热图Heatmap对可擦笔油墨650～1 500 cm-1范围内的红外光谱信息进行处理,进而对可擦笔种类进行分类研究,并建立红外光谱信息与主成分载荷（loadings）之间的联系。通过载荷图可知,前两主成分概括了几乎全部的红外光谱信息,累计贡献率在79%以上。为在实际工作中判断可擦笔来源,在30种油墨样本中随机选取5种未知可擦笔样本,与已知样本同时进行PCA分析,并制作散点图,实现对未知可擦笔油墨样品种类的判断,效果较好。实验结果表明,利用傅里叶变换红外光谱结合主成分分析法可对可擦笔油墨较好地进行分类,具有快速、无损、高灵敏度的显著优势,在保证物证的完整性的同时,提高了检验效率,为可擦笔变造文件的检验提供了一种较为理想的分析方法。     

KNN结合PCA在激光诱导荧光光谱识别矿井突水中的应用

矿井突水的迅速识别与分类对于井下水灾防治工作有着重要的意义。提出一种KNN结合PCA运用在激光诱导荧光光谱快速识别矿井突水水源中的新方法。利用激光器发射激光通过可浸入式探头射入水样,得到四种突水水样共80组荧光光谱数据,再分别对每组数据进行预处理,处理后的数据中每种水样取15组数据作为训练集,共60组,其余20组作为预测集。利用主成分分析(PCA)对数据进行处理,之后在主成分分析的基础上利用KNN算法进行分类识别。实验过程中,各预处理方法在主成分个数为2的情况下,进行KNN算法分类的正确率都达到100%。