红外光谱和聚类分析法无损快速鉴别赤芍

以赤芍的红外指纹图谱作为聚类分析的对象，在建立主成分模型的基础上，采用SIMCA聚类分析法对赤芍进行了快速的分类研究，结果表明，由于野生与野生与栽培赤芍的红外提纹图谱变异度较大，其光谱聚类的结果较理想，盲样检测的正确可达90％，由于不同产地的赤芍的红外指纹图谱异度较小，进行聚类分析后用盲样检测，正确率为75％，对于变异度较小的样品，若要提高识别的置信度，需增加样品的数目和采样的代表性，总之，红外指纹图谱与聚类分析法相结合可以快速鉴别药材的道地性。     

基于傅里叶变换红外光谱指纹技术的艾叶产地溯源研究

中药材产地对中药材品质与安全有直接影响。从生物学角度,中药材是物种受特定生态环境的影响,在长期生态适应过程中所形成的。药材生长所需的气候、土壤、水文等生态因素与其生长发育和品质唇齿相关,并带有地域信息的指纹特征。近年来,中医药产业的快速发展带来了中药材资源需求量的激增,但同时也存在诸多安全隐患,药材产地难以区分和溯源已成为制约中医药发展的主要瓶颈之一。以国内4个省份5个主产区的75份艾叶样品为实验材料,采用FTIR法进行红外特征分析和数据挖掘,通过比较多种光谱信号预处理方法（如高斯滤波、多元散射校正、标准正态变换、一阶/二阶导数等）和多种模式识别技术（如BP神经网络、随机森林、K-最近邻算法、贝叶斯算法、粒子群优化支持向量机模型等）,探索适合艾叶产地溯源的计量学方法。结果表明,K-最近邻算法、贝叶斯算法及粒子群优化支持向量机3种模式识别效果最为理想,测试集的正确率均为100%。基于运行时间、鉴别正确率与模型稳定性综合考虑,最终确定K-最近邻算法是艾叶产地鉴别的最优方法。整体来看,红外光谱指纹技术结合适当的化学计量学方法能够用于艾叶的产地溯源,研究结果为艾叶的道地性评价和质量控制提供技术支持,也为其他药材的等同性研究提有益参考。     

基于LIBS的山药饮片产地溯源研究

山药为薯蓣科植物薯蓣的根茎,其中的多糖、多酚、皂苷、黏蛋白和维生素C等成分使山药具有抗肿瘤、抗氧化、抗炎症、降血糖和降血脂等作用。不同产地的山药由于生长条件存在差异,致使药用成分含量显著不同,结合独特的炮制工艺,进而导致市场价格差别大,所以山药饮片的产地识别至关重要。为对山药饮片进行产地溯源,本文基于激光诱导击穿光谱(LIBS)技术提出多元散射矫正-改进遗传算法-支持向量机(MSC-IGA-SVM)模型对山药产地进行精确识别。使用八个不同产地的山药饮片进行LIBS实验,八种产地的山药饮片磨粉过筛后制成粉末压片,通过采集山药饮片的LIBS光谱,分别使用单一分类器与使用光谱预处理、特征提取及模式识别算法的模型对光谱的识别结果进行对比。将光谱信号按2∶1的比例划分为训练集和测试集,使用5次交叉验证K-邻近算法(KNN)模型的测试集准确率作为预处理参数优化的评价指标。各类药材的平均光谱整体趋势一致,所含谱峰基本相同,但因产地不同导致峰值强度各不相同,道地山药对一些金属元素(K, Na, Ca, Mg, Al)的富集能力大于非道地产区山药,其中,K元素特征谱线(769.90 nm)的峰值最高,即...     

SIMCA法在中红外癌症检测技术中的应用

人体肿瘤的中红外光谱法早期检测是生物医学领域的前沿课题之一。研究了中红外FTIR光谱技术与化学计量方法 (模式识别技术 )相结合对人体恶性肿瘤进行检测的方法 ,并讨论了如何通过采用光谱预处理方法以及波长范围的选择来提高模式识别技术 (SIMCA法 )分类判别效果。研究了 6 3个胃癌病人的癌变组织和癌旁正常组织光谱 ,选择有代表性的 4 0个样品作为训练集 ,剩余的 2 3个样品作为预测集 ,该方法的准确率为 91%。这一研究结果表明傅里叶变换红外光谱法与化学计量学方法相结合可以对良、恶性组织进行鉴别诊断 ,有希望发展成为一种肿瘤快速诊断的新方法。     

傅里叶红外光谱法鉴别部分黄精属生药的研究

利用共有峰率和变异峰率两个指标, 以黄精属六种药用植物样品的红外指纹图谱为依据,计算出所测样品的共有峰率和变异峰率。建立了六种药用植物的共有峰率和变异峰率双指标序列并利用红外指纹图谱进行了聚类分析。其结果揭示了黄精属六种药用植物的亲缘关系。通过比较样品红外二阶导数谱图,可以鉴别中药黄精、玉竹及其常见的掺伪品长梗黄精、热河黄精、小玉竹。傅里叶变换红外光谱法具有仪器操作方便,分析速度快,非破坏性和样品用量小,制样简单,重现性好,具有专属性指纹等特性。可以解决中药黄精、玉竹及其掺伪品难以鉴别的问题,为鉴别中药的真伪及其亲缘关系的探讨提供了一种新方法。     

基于FTIR的两种模式识别方法在两面针产地鉴别中的应用

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。     

ATR-FTIR结合模式识别进行鲜花种类鉴别

运用模式识别技术的SCMIA法对五种鲜花(月季,金盏菊,旋覆花,紫茉莉,一枝黄花)活体样本进行了种类模式识别研究。利用ATR对五种鲜花进行活体检测,凭借红外光谱具有的指纹特征性,构建五种鲜花样本的红外指纹图谱,作为模式识别提取的特征数据,建立聚类分析模型。结果表明:所建模型合理,具有明显的分类和鉴别作用,具有一定的可行性和可靠性,为鲜花活体鉴别提供了一种新的方法。     

中药金礞石红外指纹图谱相似度分析

分析金礞石红外指纹图谱的相似度,建立金礞石药材质量的红外指纹图谱评价方法.用傅里叶变换红外光谱仪测定金礞石药材样品的红外光谱,以共有模式建立金礞石的对照红外指纹图谱,采用相关系数法和夹角余弦法计算药材样品红外指纹图谱与对照指纹图谱的相似度.19件样品中,符合《中国药典》规定者红外指纹图谱与对照指纹图谱的相似度(相关系数...     

红外光谱结合判别分析对三七道地性及产地的鉴别研究

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1 800~700cm-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 200cm-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。     

红外光谱结合判别分析对三七道地性及产地的鉴别研究

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。     

可见近红外光谱的甘蓝叶片毒死蜱农药残留定性分析

有机磷农药毒死蜱是目前农业生产中使用最广泛的农药之一,但有机磷农药过度使用导致的农药残留却给自然环境和人类生命健康造成严重威胁,因此,开发一种快捷、准确、经济的毒死蜱农药在农产品表面残留的直接检测方法意义重大。配制4组不同体积浓度（1∶200, 1∶500, 1∶800, 1∶1 000）的毒死蜱农药溶液,对照组为纯净水,分别浸泡甘蓝叶片3 min,每组采集30个叶片样本,5组共计150个样本。采用可见近红外光谱仪获取其谱图信息,然后开展不同浓度毒死蜱农药在甘蓝叶片上残留的可见近红外光谱定性分析研究。建模时,将每组数据中24个样本,5组共计120个样本作为建模训练集,剩下每组6个样本,5组共计30个样本作为预测集。鉴于甘蓝叶面不平整、皱褶较多,叶片颜色深浅不一等因素会给近红外光谱分析带来干扰,给预测模型的建立增加难度,提出一种光谱全波段平均分组积分（求和）预处理方法,将光谱波段平均分成n组,再对分组后每组数据积分求和,用预处理后的数据训练BP神经网络。实验表明,光谱全波段平均分组积分（求和）预处理方法,对光谱反射率一阶导数（FD）且分组数为25的神经网络训练效果最好,建模集识别准确率为97.50%,预测集识别准确率为96.67%,建模效果优于通常采用的提取光谱敏感、特征波段建模方法（建模集识别准确率为91.67%）。光谱全波段平均分组积分预处理方法在保留光谱数据更多特征波段的同时探索更多潜在敏感波段,能够降低光谱数据维度,减小单个光谱数据噪声对建模效果的影响,选择合适的分组数n,能取得较好的建模预测效果。     

基于小波分析的马铃薯地上生物量估算

地上生物量（AGB）是作物长势评价及产量预测的重要指标,因此快速准确地估算AGB至关重要。由于传统植被指数（VIs）估算多生育期的AGB存在饱和现象,因此,利用VIs结合基于离散小波转换（DWT）的影像小波分解（IWD）技术提取的高频信息和连续小波转换（CWT）技术提取的小波系数,探究VIs,VIs+IWD和VIs+CWT对于AGB的估算能力。首先,基于无人机平台分别获取马铃薯现蕾期、块茎形成期、块茎增长期、淀粉积累期的数码影像和成像高光谱影像以及地面实测的AGB数据。其次,利用数码影像通过IWD技术提取3种高频信息和利用高光谱反射率数据通过CWT技术提取小波系数以及构建6种高光谱植被指数。然后,将植被指数、高频信息和小波系数分别与AGB进行相关性分析,并挑选出不同尺度下相关系数绝对值较高的前10波段。最后,以VIs,VIs+IWD和VIs+CWT这3种变量分别使用偏最小二乘回归（PLSR）方法构建AGB估算模型,并对比不同模型估算AGB的效果。结果表明: （1）每个生育期选取的6种植被指数、3种高频信息和10种小波系数与AGB的相关性均达到0.01显著水平,整个生育期相关性均呈现先升高后降低的趋势,其中以小波系数得到的相关性最高、高频信息次之,植被指数最低。（2）对比分析每个生育期的3种估算模型,以VIs+CWT为输入变量的估算效果最好,VIs+IWD的估算效果次之,而VIs的估算效果最差,说明基于小波分析构建的模型适用性较广、稳定性较强。（3）每个生育期分别以3种变量利用PLSR方法构建的AGB估算模型均在块茎增长期达到最高精度（VIs：建模R2=0.70,RMSE=98.88 kg·hm-12,NRMSE=11.63%;VIs+IWD：建模R2=0.78,RMSE=86.45 kg·hm-12,NRMSE=10.17%;VIs+CWT：建模R2=0.85,RMSE=74.25 kg·hm-12,NRMSE=9.27%）。通过VIs分别结合IWD和CWT技术利用PLSR建模方法,可以提高AGB估算精度,为农业指导管理提供可靠参考。     

基于无人机高光谱特征参数和株高估算马铃薯地上生物量

地上生物量（above-ground biomass, AGB）是评价作物长势及其产量估测的重要指标,对指导农业管理具有重要的作用。因此,快速准确地获取生物量信息,对于监测马铃薯生长状况,提高产量具有重要的意义。于马铃薯现蕾期、块茎形成期、块茎增长期、淀粉积累期、成熟期获取成像高光谱影像、实测株高（heigh, H）、地上生物量和地面控制点（ground control point, GCP）的三维空间坐标。首先基于无人机高光谱灰度影像结合GCP生成试验田的DSM（digital surface model, DSM）,利用DSM提取马铃薯的株高（H_dsm）;然后利用无人机高光谱影像计算一阶微分光谱、植被指数和绿边参数,进而分析高光谱特征参数（hyperspectral characteristic parameters, HCPs）和绿边参数(green edge parameters, GEPs)与马铃薯AGB的相关性,每个生育期筛选出相关性较高的前7个高光谱特征参数和最优绿边参数(optimal green edge parameters, OGEPs);最后基于HCPs,HCPs加入OGEPs,HCPs加入OGEPs和H_dsm的组合利用偏最小二乘回归（partial least square regression, PLSR）和随机森林（random forest, RF）估算不同生育期的AGB。结果表明：（1）提取的H_dsm与实测株高H高度拟合（R2=0.84,RMSE=6.85 cm,NRMSE=15.67%）;（2）每个生育期得到的最优绿边参数不完全相同,现蕾期、块茎增长期和淀粉积累期OGEPs为R_sum,块茎形成期和成熟期OGEPs分别为Dr_min和SDr;（3）与仅使用HCPs估算AGB相比,使用HCPs加入OGEPs,HCPs加入OGEPs和H_dsm在马铃薯不同生育期可以提高AGB估算精度,且以后者为自变量提高精度的幅度更大;（4）每个生育期利用PLSR和RF估算AGB的建模和验证R2从现蕾期到块茎增长期呈上升趋势,随后开始降低,整体上R2呈先上升后下降的趋势,通过PLSR方法构建的估算AGB模型效果优于RF方法,其中块茎增长期表现效果最好。因此,高光谱特征参数中结合最优绿边参数和株高,并使用PLSR方法可以改善马铃薯AGB的估算效果。     

油页岩含油率近红外光谱原位分析方法研究

为实现油页岩含油率的原位检测,采用便携式近红外光谱分析技术,针对吉林扶余油页岩基地2号钻井的66个岩芯样品开展了原位检测的分析建模方法研究。采用自制便携式近红外光谱仪器获得反射率、吸光度、K-M函数三种数据形式光谱数据,结合主成分-马氏距离(PCA-MD)剔除异常样品、无信息变量消除法(UVE)波长筛选及二者组合的四种建模数据优化方法,采用相同的数据预处理方法进行偏最小二乘(PLS)和反向传播神经网络(BPANN)两种方法的建模分析研究,确定最佳分析模型及方法。结果表明(1)不论是否采用四种不同的数据优化方法,两种建模方法所用建模数据库适合采用反射率或K-M函数的光谱数据形式;(2)两种建模方法,采用四种不同的数据优化方法,对相同数据库建模精度的影响不同：采用PLS建模方法、以PCA-MD和UVE+ PCA-MD两种方法进行数据优化、可以提高K-M函数光谱数据形式数据库的建模分析精度,采用BPANN建模方法、以UVE、PCA-MD 与UVE组合的 三种方法进行数据优化、对三种数据形式数据库的建模精度均有所提高;(3)除以反射率光谱数据并进行PCA-MD数据优化外,采用BPANN方法的建模精度好于PLS法。其中采用反射率光谱数据形式、只进行UVE数据优化外的BPANN建模精度最高,预测相关系数为0.92、标准偏差为0.69%。     

基于波长选择方法Modeling Power的黑木耳产地判别研究

应用近红外光谱技术结合波长选择方法(modeling power,MP)实现了黑木耳产地的快速准确判别。共收集4个产地240个黑木耳样本,通过光谱扫描,建立了最优的偏最小二乘(PLS)判别模型。同时应用MP选择对黑木耳产地判别的有效波长,作为输入变量,建立最小二乘-支持向量机(MP-LS-SVM)模型。比较了3种MP选择波长的阈值方法,分别为MP值大于0.95,0.90和(0.90+Peak),并建立了相应的MP-LS-SVM模型。以预测集样本的准确判别率作为模型评价标准,分别设定预测的残差绝对值标准0.1,0.2和0.5。预测结果表明,MP-LS-SVM(0.90+Peak)模型在残差标准为0.1,0.2和0.5时的判别效果均为最优,正确判别率分别为98.3%,100%和100%。说明ModelingPower是一种非常有效的波长选择方法,应用近红外光谱技术结合MP-LS-SVM进行黑木耳产地判别是可行的,并获得了满意的判别精度。     

Vis-NIR光谱模式识别结合SG平滑用于转基因甘蔗育种筛查

以Savitzky-Golay (SG)平滑筛选,主成分分析(PCA)分别结合有监督的线性判别分析(LDA)、无监督的系统聚类分析(HCA),应用于转基因甘蔗育种筛查的可见-近红外(Vis-NIR)无损检测。提出兼顾随机性、稳定性的定标、预测、检验框架;取田间种植处于伸长期甘蔗叶样品456个,具有Bt基因和Bar基因的转基因样品(阳)306个,非转基因样品(阴)150个;随机选取156个为检验集(阴性50、阳性106),余下为建模集(阴性100、阳性200,共300),建模集再随机划分为定标集(阴性50、阳性100,共150)、预测集(阴性50、阳性100,共150)共50次;扩充SG平滑点数,同时删除绝对值偏小的高阶导数模式,共264个平滑模式用于模型筛选;采用前3个主成分两两组合,再根据模型效果选出最优主成分组合;基于所有定标、预测集划分和SG平滑模式,建立SG-PCA-LDA和SG-PCA-HCA模型,根据平均预测效果优选参数,使模型具有稳定性;最后用检验集进行模型检验。经SG平滑后,PCA-LDA和PCA-HCA的建模精度、稳定性均显著改善;最优SG-PCA-LDA模型阳性、阴性样品检验识别率分别达到94.3%和96.0%;最优SG-PCA-HCA模型阳性、阴性样品检验识别率分别达到92.5%和98.0%。结果表明：Vis-NIR光谱模式识别结合SG平滑可用于转基因甘蔗叶的准确识别,提供了一种简便的转基因甘蔗育种筛查方法。     

干贝水分检测的建模及分级方法

高光谱成像已被应用于建立干贝水分含量预测模型，其模型性能受样本划分方法及建模方法影响。样本划分方法决定着所选样本是否具有代表性，而建模方法决定着如何利用样本建立模型，但样本划分方法与建模方法的内在联系却鲜有研究报道。在方法优选上，将样本划分方法与建模方法进行组合，探究不同方法组合对干贝水分含量预测模型性能的影响，对干贝水分检测建模及分级方法的优选具有重要意义，同时也能为其他样本的光谱建模提供参考。采集380～1 030 nm波段下270个干贝样本的高光谱图像，提取干贝样本的光谱数据，通过RS，KS，SPXY和CG四种常用的方法划分样本，并以PLSR和LS-SVM两种常用的建模方法建立多个干贝水分含量预测模型，计算和比较各模型的性能指标。结果表明: PLSR模型使用RS法划分干贝水分含量样本最为适宜(其RPD为4.079 6)，LS-SVM模型使用SPXY划分法最为适宜(其RPD为4.175 6)，划分样本方法的优劣与建模方法有关，其优选需要结合特定的建模方法进行。在常用的四种样本划分方法和两种建模方法中，采用SPXY法划分干贝水分含量样本并结合LS-SVM法建模的效果和精度最好。     

变量筛选方法结合局部线性嵌入理论用于近红外光谱定量模型优化

变量筛选策略结合局部线性嵌入(local linear embedding, LLE)理论用于近红外光谱(near infrared spectroscopy, NIRS)定量模型优化。蒙特卡罗无信息变量消除方法(monte carlo uninformation variable elimination, MCUVE)和连续投影算法(successive projections algorithm, SPA)以及两者结合的变量筛选策略用于NIRS冗余变量的剔除;偏最小二乘回归(partial least squares regression, PLSR)和LLE-PLSR用于复杂样品光谱定量模型的构建。结果表明：MCUVE方法既能有效的提取信息变量,同时可以提高模型的预测精度;LLE-PLSR可以得到比PLSR方法更加准确的定量分析模型;MCUVE结合LLE-PLSR是一种有效的光谱定量分析方法。     

傅里叶变换红外光谱结合衰减全反射技术用于地贫筛查指标的无试剂定量分析

利用傅里叶变换红外光谱(FTIR)和衰减全反射(ATR)结合偏最小二乘(PLS)回归,建立地中海贫血(地贫)筛查指标平均红细胞血红蛋白含量(MCH)、平均红细胞体积(MCV)和总血红蛋白(Hb)的同时定量分析方法。收集人外周血样品380个,根据地贫血液学指标筛查标准,地贫阳性180个、阴性200个。从全体样品中随机选取150个为检验集(阴性64,阳性86),余下230个为建模集(阴性136、阳性94);再将建模集随机划分为定标集(阴性68、阳性47,共计115)、预测集(阴性68、阳性47,共计115),共200次。实验比较的结果表明,中红外指纹区(1 600～900 cm-1)PLS模型的预测效果显著优于全扫描谱区(4 000～600 cm-1)PLS模型,并且模型复杂性明显降低。基于中红外指纹区PLS模型,MCH,MCV,Hb最优PLS因子个数分别为10, 10, 6;建模预测均方根误差(M_SEP_Ave)分别为2.19 pg,5.13 fL,8.0 g·L-1;建模预测相关系数(M_R_{P, Ave})分别为0.902,0.898,0.922;检验预测均方根误差(V_SEP)分别为2.22 pg,5.38 fL,7.7 g·L-1;检验预测相关系数(V_R_P)分别为0.900,0.895,0.929;地贫筛查灵敏度、特异性分别达到100.0%和95.3%。结论：FTIR/ATR光谱结合PLS方法可以提供一种无需试剂、快速简便的大人群地贫筛查新技术。     

基于互信息的遗传算法在光谱谱段选择中应用

在近红外光谱分析技术中,建立一个准确、稳健的定量模型至关重要。全光谱建模会增加建模和预测时间,降低模型的稳健性和预测精度,因此有效的变量选择方法对于模型构建至关重要。针对该问题,提出了基于互信息的遗传算法(GAs-MI)对特征变量进行选择,互信息筛选掉大量无关信息和冗余信息,遗传算法进一步选择出高辨别力的特征;并在遗传算法的变异过程中引入Shapley值方法,减少了人为设定参数的随机性。为了验证算法的有效性,选取有代表性的273个烟叶样本为实验材料,随机选择其中182个样本实现对烟叶总烟碱的PLS定量建模,剩余样本作为测试集,以相关系数(R)、交互验证均方差(RMSECV)和预测均方根误差(RMSEP)为模型评价指标。实验结果表明,通过该方法选择的波长建立的模型更加简单、预测能力更强。