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。     

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。     

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。     

红外光谱结合主成分分析鉴别不同产地黄柏

利用傅里叶变换红外光谱仪收集6个不同产地黄柏的红外光谱,原始光谱经过多点基线校正、五点平滑预处理后,统计各个产地黄柏的平均光谱,结果显示,6个产地黄柏的平均红外光谱整体上相似;在指纹特征区域1 800～500cm-1,选取经过归一化的红外光谱,建立主成分分析鉴别模型.建模结果表明,三个主成分能代表98%的指纹区变量信息,样本在主成分空间中聚集成为不同的类别,基本实现不同产地黄柏的鉴别,此外,在一定程度上,样本分布疏密度反映样本的亲缘关系.提取模型的载荷因子,分析显示,6个产地黄柏的差异主要在蛋白质、糖类、脂类、生物碱类、黄柏甾醇类、黄柏内酯、黄柏酮、黄柏酮酸八种物质成分上体现.因此,红外光谱结合主成分分析法可以快速、无损地鉴别不同产地黄柏,并且能反映不同产地黄柏物质成分含量的差异.     

不同土壤FTIR分类研究

利用傅里叶变换红外光谱(FTIR)对5种不同类型的土壤进行了研究,结果显示,其红外光谱主要是由碳酸盐、硝酸盐、磷酸盐、锰酸盐等无机盐类,黏土矿物及有机质的振动吸收带组成。五种土壤的红外光谱在1600~750cm-1范围内呈现出差异,作一阶导数处理后,发现其差异主要表现在1440cm-1、875cm-1及798~780cm-1附近。选取1600~750cm-1范围内的一阶导数数据运用Matlab 2010来实现主成分分析,前两个主成分累计贡献率达到90.14%,利用这两个主成分作二维散点分布图,结果表明该分布能对这五种土壤进行有效分类,这为土壤鉴定提供了快捷的光谱手段,同时表明傅里叶变换红外光谱技术用于对土壤的研究,且具有测定快速方便、无损、准确等优点,具有较大的应用潜力。     

红外光谱在纤维质文物材料鉴别中的应用研究

纺织纤维和纸张纤维是常见纤维质文物材料, 是构成博物馆精美文物如服饰手稿书画的基本材料, 近年来寻求通过无损或微损方法对这一类材料的鉴别以及劣化状况评价备受文物鉴赏家和文物保护工作者的关注。借助傅里叶变换红外光谱, 研究博物馆常见纺织纤维材料棉、麻、桑蚕丝、柞蚕丝、羊毛的红外光谱特征和它们的分子结构组成异同, 研究传统纸纤维稻草、麦草、龙须草、龙旗松、桑皮红外光谱特征。结果表明: 衰减全反射傅里叶变换红外光谱无损分析技术可通过比较3 300～2 800 cm-1 CH, NH, OH振动区间光谱形状以及指纹区峰位以区别不同种类纺织品纤维;碳氧振动纸张纤维最明显光谱差异位置出现在与纤维素OH伸缩振动相关波数3 300 cm-1和与C—O—C相关波数1 332, 1 203, 1 050 cm-1。文章探索研究红外光谱技术结合主成分分析法在快速鉴别纤维材料中的应用。通过对全光谱数据多元散射校正(MSC)预处理后进行主成分分析, 可以把红外光谱十分相似的纺织纤维棉和亚麻、桑蚕丝和柞蚕丝明显分类;对光谱相似的纸纤维, 可采用选择不同光谱波数段进行主成分分析, 比较发现能够把五种纸纤维明显区分的光谱区间为3 800～2 800 cm-1。本研究为分子光谱无损分析技术应用于文物材料鉴别、科学评估纤维材料保存状况提供基础研究。     

基于近红外光谱的商品玉米品种快速鉴别方法

现有的玉米种子品种鉴别方法检测时间长,费用高,不易大批量快速鉴别。提出了一种基于近红外光谱数据快速鉴别商品玉米品种的新方法。先使用傅里叶变换近红外光谱仪获得从4 000到12 000 cm-1波段范围的37个商品玉米品种籽粒的漫反射光谱数据。对原始光谱进行矢量归一化预处理以消除噪声干扰,为了找到玉米品种籽粒的光谱特征波段,提出一种基于标准差的方法,进而对寻找到的玉米籽粒特征波段光谱做主成分分析(PCA),取能反映玉米品种 99.98％ 光谱信息的前10个主成分。最后使用仿生模式识别 (BPR)方法建立了37个玉米品种鉴别模型,对于每个品种的25个样本,随机挑选15个样本作为训练样本,其余10个样本作为第一测试集,其他品种共900个样本作为第二测试集。该鉴别模型对于37个玉米品种的平均正确识别率为94.3%。该方法的进一步研究有利于建立以近红外光谱为基础的物理指纹品种鉴别技术。     

不同蒴齿类型藓类植物的FTIR光谱分析及系统学意义初探

采用傅里叶变换红外光谱技术(FTIR)研究了分属不同蒴齿类型的23种藓类植物的红外光谱.通过比较光谱特征典型的5个代表藓种间红外光谱图的差异,确定了1 790～1 330 cm-1,1 200～960 cm-1,895～830 cm-1和725～655cm-1四个光谱特征区间.23种藓类植物在该四个特征区间的光谱数据分析结果表明,基于二阶导数红外光谱结合分级聚类分析(hierarchical cluster analysis,HCA)和主成分分析法(principal component analysis,PCA)能很好地区分出五大藓类植物类型:泥炭藓类、线齿类、顶蒴单齿类、顶蒴双齿类、侧蒴双齿类,与以蒴齿结构作为最基本特征的传统藓纲分类系统相一致.因此,FTIR光谱结合多元分析方法可作为一种实用的工具运用于苔藓植物系统学研究中.     

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。     

红外光谱在纤维质文物材料鉴别中的应用研究

纺织纤维和纸张纤维是常见纤维质文物材料,是构成博物馆精美文物如服饰手稿书画的基本材料,近年来寻求通过无损或微损方法对这一类材料的鉴别以及劣化状况评价备受文物鉴赏家和文物保护工作者的关注。借助傅里叶变换红外光谱,研究博物馆常见纺织纤维材料棉、麻、桑蚕丝、柞蚕丝、羊毛的红外光谱特征和它们的分子结构组成异同,研究传统纸纤维稻草、麦草、龙须草、龙旗松、桑皮红外光谱特征。结果表明：衰减全反射傅里叶变换红外光谱无损分析技术可通过比较3 300～2 800 cm-1 CH,NH,OH振动区间光谱形状以及指纹区峰位以区别不同种类纺织品纤维;碳氧振动纸张纤维最明显光谱差异位置出现在与纤维素OH伸缩振动相关波数3 300 cm-1和与C—O—C相关波数1 332,1 203,1 050 cm-1。文章探索研究红外光谱技术结合主成分分析法在快速鉴别纤维材料中的应用。通过对全光谱数据多元散射校正(MSC)预处理后进行主成分分析,可以把红外光谱十分相似的纺织纤维棉和亚麻、桑蚕丝和柞蚕丝明显分类;对光谱相似的纸纤维,可采用选择不同光谱波数段进行主成分分析,比较发现能够把五种纸纤维明显区分的光谱区间为3 800～2 800 cm-1。本研究为分子光谱无损分析技术应用于文物材料鉴别、科学评估纤维材料保存状况提供基础研究。     

FTIR显微镜/ATR物镜法检测圆珠笔迹的研究

纸面上的圆珠笔迹,因其颜色深、纸面反射率低等诸多原因,在FTIR显微镜上用反射方式直接对其检测效果很差。在FTIR显微镜上加用ATR物镜,利用物镜与纸面笔迹接触的ATR检测原理,得到了圆珠笔迹和纸纤维的混合红外光谱,扣除纸纤维的红外光谱,使用差谱法得到圆珠笔迹的红外光谱,谱图中的３个强吸收峰分别是1 581,1 361和1 172 cm-1,这些峰都来源于三苯甲烷类染料,另外1 724 cm-1的羰基吸收来自于圆珠笔油墨中油剂类的醇酸树脂,使用3D-Mapping软件显示了1 581 cm-1在纸面上的强度分布。这种检测方式既得到了清晰的红外光谱图,提供了丰富的笔迹信息,又保护了被检样品的原始性。     

衰减全反射傅里叶变换红外光谱技术结合模式识别进行油品鉴别

海洋溢油是主要环境灾害之一,而且近年来其发生频率呈上升趋势。快速地对油品进行种类鉴别、来源评估有利于及时采取应急措施,因此具有重要意义。采用衰减全反射傅里叶变换红外光谱法(ATR-FTIR)对25种不同来源的油品进行了检测,用不同数据预处理方法对原始光谱进行了预处理,继而用主成分分析(PCA)和系统聚类分析(HCA)方法对光谱进行了分类鉴别。结果表明用多元散射校正(MSC)和连续小波变换(CWT)方法进行数据预处理可以提高分类的准确性,使分类结果与油样的实际来源一致。该方法对正构烷烃差异较大的油品进行了很好的区分,但对差异较小的油品其分辨能力仍有一定局限性。因此提供了一种快速的油品鉴别方法,可用于溢油事件的初步鉴定,从而为油品的进一步鉴定提供有用信息。     

不同采收期滇龙胆的红外光谱鉴别研究

采收是中药生产的重要环节,采收时间直接影响中药质量和产量,是中医临床安全有效用药的前提,开展中药适时采收期的研究具有重要意义和应用价值。采用傅里叶变换红外光谱法对72份不同采收期的滇龙胆进行鉴别研究,用TQ8.0软件对原始光谱进行一阶导数(first derivative,FD)、二阶导数(second derivative,SD)、标准正态变量(standard normal variate,SNV)、多元散射校正(multiplicative scatter correction,MSC)和平滑(savitaky-golay filter,SG)预处理,样品按3∶1分为校正集和预测集,同时建立主成分分析(principal component analysis,PCA)和偏最小二乘判别分析(partial least square discriminant analysis,PLS-DA)模型。结果显示,选取1 800~600cm~(-1)波段范围的光谱,去除光谱噪音;SNV结合二阶导数光谱和SG(15,3)平滑,预处理结果满意。主成分分析表明,前三个主成分方差贡献率为92.47%,5月、9月和10月份采收的样品差异较小。偏最小二乘判别分析建立判别模型,决定系数R2和校正均方根误差(RMSEE)分别为0.967 8和0.086 0,可对18个预测集样品进行准确分类。红外光谱法结合主成分分析、偏最小二乘判别分析对不同采收期滇龙胆的分类和判别效果较好,为不同采收期的中药鉴别提供理论依据。     

基于近红外光谱技术和人工神经网络的玉米品种鉴别方法研究

提出了一种采用近红外光谱技术结合人工神经网络对玉米品种进行鉴别的方法。在3 800～10 000 cm-1(波长1 000～2 632 nm)范围内采集四种玉米单粒完整籽粒的近红外漫反射光谱,经Savitky-Golay平滑和多重散 射校正预处理后,对数据进行主成分分析,再结合人工神经网络技术进行品种鉴别。主成分分析表明,前8个主成分的累积贡献率达到99.602%。以前8个主成分作为网络输入,品种类型作为输出,建立三层LMBP神经网络模型。每个品种 各取30粒共120个样本用于建模,10粒共40个样本用于预测。模型对建模集120个样本鉴别率为100%,对预测集40个样本的鉴别率为95%。实验结果说明该方法能快速无损地鉴别玉米品种,为玉米的品种鉴别提供了一种新方法。     

PCA和SPA的近红外光谱识别白菜种子品种研究

为了实现对不同品种白菜种子的快速无损鉴别,应用近红外光谱技术获取白菜种子的光谱反射率,首先采用变量标准化校正和多元散射校正对原始光谱进行预处理;其次,采用主成分分析法(PCA)对光谱数据进行聚类分析,从定性分析的角度得到三种不同白菜种子的特征差异,并采用连续投影算法(SPA)选取特征波长;最后,分别基于全波段光谱、PCA分析得到的前3个主成分变量以及SPA算法选取的特征波长,建立了最小二乘支持向量机(LS-SVM)和偏最小二乘判别(PLS-DA)模型进行白菜种子不同品种的鉴别。从主成分PC1、PC2得分图中可以看出,主成分1和2对不同种类白菜种子具有很好的聚类作用。基于特征波长建立的PLS-DA和LS-SVM模型的判别结果优于基于主成分变量建立的模型,其中基于特征波长建立的LS-SVM模型识别效果最优,建模集和预测集的品种识别率均达到100%。结果表明,通过SPA算法选取的6个特征波长变量能够很好的反映光谱信息,提出的SPA算法结合LS-SVM预测模型能获得满意的分类结果,为白菜种子品种的识别提供了一种新方法。     

滇龙胆不同炮制品的傅里叶红外光谱鉴别

中药炮制是中医临床用药的关键,炮制具增效、减毒、缓和药性等作用,为了临床安全、合理、有效地使用中药,开展中药炮制品的鉴别研究具有重要意义。采用傅里叶变换红外光谱,对五种不同炮制样品(包括龙胆、生龙胆、酒龙胆、醋龙胆、盐龙胆)60份滇龙胆进行鉴别分析。采集样品的中红外光谱图,用基线校正和归一化法对原始光谱进行预处理,去除光谱噪音明显部分,选择3 400~600cm~(-1)范围内的光谱,利用多元散射校正(MSC)和标准正态变量(SNV)法进行处理,样品按3∶1分为校正集和预测集,并建立主成分分析(principal component analysis,PCA)和判别分析(discriminant analysis,DA)模型。结果显示,滇龙胆不同炮制品的红外图谱具有差异,主要吸收峰有3 378,2 922,1 732,1 610,1 417,1 366,1 316,1 271,1 068,1 048cm~(-1)。1 738,1 643,1 613,1 420,1 051cm~(-1)附近为龙胆苦苷的特征吸收峰,1 068,1 048,935cm~(-1)处为糖类物质的吸收峰;主成分分析表明,前三个主成分方差累积贡献率为94.05%,能够反映原始数据的大部分信息,酒龙胆和醋龙胆与其他样品之间存在明显的差异,龙胆与盐龙胆所含化学成分差异较小;经基线校正和归一化法处理后的光谱结合多元散射校正法,在主成分数为10的条件下,判别分析模型可对所有样品进行正确识别,具有良好的预测性能。结果表明,傅里叶红外光谱法是一种快速、无损、有效的方法,可用于滇龙胆炮制品的鉴别,为中药炮制品的鉴别研究提供了借鉴。     

基于无监督可能模糊学习矢量量化的近红外光谱生菜品种鉴别研究

为解决模糊学习矢量量化(FLVQ)对噪声数据敏感问题,在无监督可能模糊聚类(UPFC)基础上提出一种无监督可能模糊学习矢量量化(UPFLVQ)算法。UPFLVQ用UPFC的隶属度和典型值来更新学习矢量量化网络的学习速率,计算类中心矢量。UPFLVQ 属于无监督机器学习算法,适用于无学习样本情况下的样本分类。研究了UPFLVQ用于近红外光谱生菜品种鉴别的可行性。采用FieldSpec@3型便携式光谱分析仪获取波长范围为350～2 500 nm的三种生菜样本的短波近红外光谱和长波近红外光谱,然后采用主成分分析(PCA)进行近红外光谱的维数压缩,取前三个主成分,累计可信度达97.50%,将2151维的近红外光谱压缩为三维数据。再运行模糊C-均值聚类(FCM)至迭代终止,并以FCM的类中心作为UPFLVQ的初始聚类中心,最后运行UPFLVQ得到隶属度和典型值以实现近红外光谱的生菜品种鉴别。同时,运行UPFC进行近红外光谱的生菜品种鉴别。实验结果表明：UPFLVQ和近红外光谱技术相结合的模型具有检测速度快,鉴别准确率高,对生菜不造成损坏等优点,可实现不同品种生菜的鉴别。UPFLVQ是将UPFC和FLVQ相结合的聚类算法,利用UPFLVQ建立近红外光谱的生菜品种鉴别模型时无需学习样本,适用于线性可分的数据聚类,为快速和无损地鉴别生菜品种提供了一种新的方法。     

主成分分析排序和模糊线性判别分析的生菜近红外光谱分类

贮存时间是影响生菜品质的一项重要因素,传统的贮存时间鉴别方法主要依靠人工经验,但是这种方法的准确率和可信度并不高。研究的目标是建立一种基于模糊识别的模型进行生菜光谱分析以实现生菜贮存时间的鉴别,并与其他鉴别方法作比较。为此,在当地超市购买60份新鲜生菜样品,存放于冰箱中待用。首先,通过Antaris Ⅱ近红外光谱检测仪采集生菜样品的近红外光谱数据,每隔12小时检测一次,每个样本检测重复三次,并取三次平均值作为实验数据。其次,利用多元散射校正（MSC）减少近红外光谱中的冗余信息。为了进一步去除近红外光谱中的无用信息以及简化随后的数据分类过程,分别运用主成分分析（PCA）和排序主成分分析 (PCA Sort)。其中,PCA Sort通过改进对主成分的排序方法能提高分类准确率,同时便于模糊线性鉴别分析（FLDA）进一步提取特征。PCA和PCA Sort的计算仅运用了前15个主成分（能充分反映光谱的主要信息）。最后,利用模糊线性鉴别分析算法（FLDA）和K近邻算法（KNN）进一步分类所得的低维数据。基于PCA和KNN算法的模型鉴别准确率达到43%,而基于PCA,FLDA和KNN算法的模型鉴别准确率可达83%。上述结果说明基于PCA,FLDA和KNN算法的模型鉴别准确率已经得到较大程度提高。当用PCA Sort替代了模型中的PCA算法后,结合FLDA和KNN算法则鉴别准确率达到98.33%。实验结果表明PCA Sort结合FLDA和KNN所建立的模型是有效的生菜贮存时间鉴别模型。     

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。