基于荧光光谱和径向基函数神经网络的合成食品色素测定和鉴别

以合成食品色素胭脂红、苋菜红溶液为例,提出了应用荧光光谱结合径向基函数神经网络对合成食品色素溶液进行浓度测定和种类鉴别的方法。应用SP-2558多功能光谱测量系统,测得胭脂红和苋菜红溶液分别在波长为300和400 nm的光激发下产生的荧光光谱。对每个胭脂红溶液样本选取15个发射波长值所对应的荧光强度作为网络特征参数,训练、建立用于浓度预测的径向基函数神经网络。据此,对3种胭脂红溶液样本的浓度进行预测,预测结果相对误差分别为1.42%,1.44%和3.93%。另外,以胭脂红和苋菜红溶液荧光波长值所对应的荧光强度作为特征参数,训练、建立了用于种类鉴别的径向基函数神经网络,进行合成食品色素溶液种类识别,准确率达100%。这些结果表明,该方法方便、快捷、准确度较高,可应用于合成食品色素检测及食品安全监管。     

应用荧光光谱和径向基函数神经网络定量检测三聚氰胺

实验发现三聚氰胺溶液在紫外光激发下产生较强荧光,测得其荧光峰在310～600 nm之间,荧光峰值波长为420 nm左右,荧光相对强度与三聚氰胺溶液浓度呈现复杂的非线性关系。提出了采用径向基函数神经网络结合荧光光谱对三聚氰胺溶液浓度进行测定的方法。对每个样本选取30个发射波长值所对应的荧光强度作为网络数据,训练、建立了径向基函数神经网络。应用训练好的径向基函数神经网络,对5种三聚氰胺溶液的浓度进行预测,结果相对误差分别为0.93%,0.09%,0.31%,1.55%,4.61%。该方法能快捷、准确地测定三聚氰胺在溶液中的含量,为三聚氰胺检测及食品安全监管提供了一种新方法。     

导数同步荧光光谱对不同产区熟地黄的鉴别

实验测定了不同产区熟地黄的三维同步荧光光谱,提取其特征参数,发现不同产区熟地黄的有效荧光成分相似,并建立了谱-效关系,为临床用药剂量提供参考。进一步,对不同产区熟地黄的同步荧光发射光谱分别求一阶导数和二阶导数,放大了同步荧光发射谱的肩带,可区分光谱的细微变化,建立了鉴别不同产区熟地黄的导数同步荧光光谱方法。     

应用荧光相关光谱测定L-色氨酸的浓度

应用FLS920P型荧光光谱仪对L-色氨酸溶液进行三维荧光光谱检测,从中发现：L-色氨酸的特征荧光峰位于270/350 nm。设定发射波长为350 nm,测量激发谱。由测量结果发现在250~260 nm区间,谱线斜率较大、线性度好。因此选取250,255和260 nm三个激发波长,在每个激发波长下分别测量相应的荧光发射谱。基于三条不同的荧光发射谱,构建以激发波长为外扰变量的自相关光谱;而以浓度为外扰变量的自相关光谱,是以超纯水在不同激发波长的平均谱作为参考光谱,通过参考光谱与样本平均谱的相关计算得到。在此基础上,将相关光谱数据分别与偏最小二乘回归(PLSR)和径向基神经网络(RBFNN)相结合,建立溶液中L-色氨酸含量的预测模型,研究结果表明：采用浓度为外扰变量构造的荧光相关光谱信噪比较高,建模的预测效果要好;而在外扰变量相同时,基于径向基神经网络建立的预测模型比基于偏最小二乘回归建立的预测模型对溶液中L-色氨酸浓度的预测结果更为准确。其中,以浓度为外扰变量时的径向基神经网络预测模型准确度最高,该模型的预测相关系数为99.91%,预测均方根误差为0.033 μg·mL-1。研究结果表明,使用该方法能够对溶液中的物质含量进行准确测定,可为食品安全监管提供帮助。     

基于PNN网络和Freeman链码的抽油机井工况诊断

利用概率神经网络(PNN)对抽油机井工况进行诊断,建立了抽油机井工况诊断的概率神经网络模型。对示功图提取特征值的质量好坏直接影响识别效率和可靠性,提出了用Freeman链码对等效的电流示功图提取特征参数,进行预处理,建立抽油机典型工况的链码特征样本库。将Freeman链码作为特征向量,利用MATLAB对网络进行训练。结果表明,Freeman链码能够有效的识别各种典型工况示功图,并且该概率神经网络学习速度快、诊断准确率高,可用于抽油机井工况的实时监测和诊断。     

非线性荧光光谱的神经网络分析及其应用

大功率超快脉冲激光和气体相互作用可产生非线性荧光光谱,不同的气体分子具有不同的非线性荧光光谱。因而这种光谱可以作为物质的指纹模式加以识别分类,进而获知气体的成分。由于不同气体分子的光谱在同一波段上有很大的交叉重叠,用传统的光谱分析方法分析存在困难,采用神经网络方法分析上述非线性荧光光谱,利用经过预处理的荧光光谱数据作为模式样本,其中一部分样本作为学习样本对级联神经网络进行训练,用训练好的网络对所有样本进行实时识别,学习样本和测试样本的的正确识别率均可达100％,结果表明此方法可实时判断混合气体的组分。     

荧光相关光谱测定溶液中胭脂红的含量

使用FLS920P型荧光光谱仪测量了20个合成色素胭脂红溶液样本的荧光发射谱,实验表明：胭脂红的最佳激发波长为300 nm,在此波长激发光下,荧光峰值波长为440 nm。同时测量相同条件下超纯水的光谱数据作为参考光谱,进行与胭脂红溶液光谱数据的相关计算,构建以浓度为外扰的荧光相关光谱。采用sym8小波函数4尺度降噪,将降噪后的同步相关光谱数据、自相关光谱数据应用偏最小二乘回归(PLSR)算法进行预测,建立溶液中胭脂红含量的定量模型,结果表明：采用同步相关光谱建模的预测相关系数为99.863%,预测均方根误差为0.414 μg·mL-1;而采用自相关光谱建模的预测相关系数为99.940%,预测均方根误差为0.303 μg·mL-1。对比可知,自相关光谱数据有效地避免了信息冗余,预测结果更为可靠。该方法无需样本处理,操作简单,为食品安全检测提供了一种新的思路。     

三维荧光光谱结合PCA-SVM对几种浓香型白酒的鉴别

提出一种利用三维荧光光谱技术鉴别不同品牌浓香型白酒的方法。运用FLS920荧光光谱仪测量了七个不同品牌浓香型白酒的三维荧光光谱,不同品牌浓香型白酒的荧光光谱特征相似,仅凭荧光特征参数较难区分。采用求偏导和小波压缩相结合的数据预处理方法,求解光谱数据中每一激发波长下,荧光强度对发射波长的一阶和二阶偏导数,选取db7紧支撑正交小波对数据进行压缩,选择4尺度分解后的近似系数作为新的数据矩阵,然后做主成分分析(PCA)。将提取的主成分作为支持向量机(SVM)的输入,并利用K-fold交叉验证的方法寻找支持向量机的最优参数c和γ,建立不同品牌白酒的分类鉴别模型。从每个品牌白酒中随机选取14个样本,共98个样本组成训练集,其余的42个样本组成预测集。分别比较了数据不求偏导,对数据求一阶偏导和二阶偏导的预处理后对鉴别模型的影响。结果表明：三维荧光光谱经过二阶偏导的预处理后,结合主成分分析和支持向量机能很好地实现不同品牌浓香型白酒的分类鉴别,模型的准确率为98.98%,预测集的准确率为100%。该方法具有简单,快速,成本低的优点,可为中国白酒的检测和鉴别技术的发展提供帮助。     

概率神经网络在胃镜样品红外光谱检测中的应用

将人工神经网络方法应用于人体胃镜样品红外光谱检测,以克服常规线性判别分析方法的局限性,从而提高了胃镜样品判别的准确率。概率神经网络是一种适用模式分类的径向基神经网络,采用样本的先验概率和最优判定原则对新的样本进行分类,具有识别率高、训练速度快、不会陷入局部极值等优点。文章采用概率神经网络进行胃镜样品红外光谱模式识别,将预处理后的胃镜样品光谱进行主成分分析,将得分值作为输入,建立概率神经网络判别模型。文中选取118例胃镜离体样品进行红外光谱判别分析,其中正常胃组织19例,胃炎组织64例,胃癌35例,选取其中59例样品建立概率神经网络校正模型,其余样品作为预测集来检验模型。实验结果表明,正常、炎症及癌症胃镜样品检测的总体准确率达到81.4%,对胃镜样品的判别取得了较好的结果。     

基于四阶导数的浮游植物叶绿素荧光激发光谱特征研究

测量了分属硅藻和甲藻两个门类的六种我国东海常见赤潮藻的叶绿素荧光激发光谱,以Matlab为操作平台,采用自编的光谱求导程序,对荧光激发光谱进行四阶导数处理。结果表明,四阶导数法能有效去除光谱中的细小杂峰,并将重叠的色素荧光峰分离,实现主要色素的定性定量分析。四阶导数光谱在350～550 nm波长范围内出现的6个极大值主要代表了活体藻液中的非色素荧光物质、叶绿素和类胡萝卜素的荧光峰。通过原始叶绿素荧光激发光谱和四阶导数光谱的对比分析,表明四阶导数光谱法能够凸显硅藻和甲藻之间的光谱差异,增强光谱识别硅藻和甲藻的能力,同时也提高了光谱的稳定性和重现性。     

常用合成食品色素荧光光谱研究

分析合成食品色素的分子结构特点,根据荧光与分子结构的关系,理论上推断合成食品色素是荧光物质。应用SP-2558多功能光谱测量系统,测得胭脂红、苋菜红、柠檬黄、日落黄、亮蓝等五种最常用的合成食品色素标准溶液的三维荧光光谱。结果表明,胭脂红在波长330～430 nm的光激发下,产生较强荧光,荧光峰值波长为621 nm,最佳激发波长为376 nm;苋菜红在波长300～440 nm的光激发下,产生较强荧光,荧光峰值波长为643 nm,最佳激发波长为370 nm;柠檬黄在波长280～380 nm的光激发下,产生很强荧光,荧光峰值波长为565 nm,最佳激发波长为315 nm;日落黄在波长310～410 nm的光激发下,产生较强荧光,荧光峰值波长为592 nm,最佳激发波长为348 nm;亮蓝在波长320～390 nm的光激发下,产生较强荧光,荧光峰值波长为456 nm,最佳激发波长为350 nm。进而对这五种合成食品色素的荧光光谱进行了分析讨论。结果可为食品色素检测和食品安全提供帮助。     

用荧光光谱鉴别白酒

在对乙醇、甲醇等醇类溶液荧光光谱特性进行研究的基础上, 应用美国Roper-Scientific公司SP-2558多功能光谱测量系统, 对50多种品牌白酒及其年份酒在紫外光激励下的荧光光谱进行了检测。结果表明, 白酒在紫外光激励下能产生较强的荧光, 各品牌白酒及其年份酒的荧光光谱各有明确的特征。实验测得其三维荧光光谱, 由此构建了白酒荧光光谱指纹图库。分析各荧光光谱的特征, 以谱峰个数、峰值波长、最佳激励波长等特征值创建了各品牌年份白酒荧光光谱特征数据库。利用SQL 数据库软件和VB语言研制成一个能对白酒进行自动比对、识别的白酒荧光光谱智能鉴别系统,实现了白酒的智能化鉴别。研究结果发挥荧光光谱分析灵敏度高、准确度高和样品用量少、不需前期处理等优点, 为白酒检测、鉴别提供了一种有效的新方法, 能应用于白酒企业生产管理及白酒消费市场监督, 并为已引起广泛关注的酒类食品安全监管提供帮助。     

颜色不稳定黄色蓝宝石的谱学特征与颜色成因

颜色不稳定黄色蓝宝石广泛存在市场中,如何有效鉴别颜色不稳定黄色蓝宝石的特征是当前宝石学研究的热点。利用改色实验、紫外-可见光谱（UV-Vis）、三维荧光光谱对颜色不稳定黄色蓝宝石进行深入的谱学特征研究。改色实验表明斯里兰卡黄色蓝宝石中部分存在光致变色的现象,短波紫外光会导致样品着色,而太阳光会导致样品褪色。紫外光照后黄色蓝宝石的颜色由稳定部分和不稳定部分共同组成。颜色不稳定蓝宝石的“着色态”和“褪色态”紫外-可见光谱可见明显的蓝紫区吸收,这可能与蓝宝石中O2--Fe3+的电荷转移有关,导致了蓝宝石稳定的黄色调。蓝宝石的紫外-可见光谱在“着色态”相比“褪色态”可见明显的蓝紫区吸收增强,可能由于紫外光照射增强了O2--Fe3+之间的电荷转移。紫外-可见光谱测试表明样品中具有弱的与Fe有关的吸收峰,这与样品含有较低的Fe含量一致,不足以产生稳定黄色调。三维荧光光谱分析结果表明颜色不稳定黄色蓝宝石的“着色态”和“褪色态”具有一致的激发光波长Ex=325～335 nm、发射光波长Em=560～570 nm的特征荧光中心,在“着色态”时的荧光强度明显高于“褪色态”。含铁黄色蓝宝石具有荧光效应且特征的荧光中心可作为识别这种颜色不稳定黄色蓝宝石的潜在鉴定手段。综合报道了颜色不稳定黄色蓝宝石的谱学特征与可能的颜色成因,为识别颜色不稳定的蓝宝石提供了鉴定依据,同时为后续改色处理的工艺提供了理论基础。     

基于径向基神经网络和BP神经网络对日落黄荧光光谱的分析

对食用合成色素日落黄的荧光光谱进行研究,发现在最佳激发波长370nm紫外光的激励下,荧光峰值波位于576nm;经分析认为,日落黄溶液之所以能产生荧光是因为分子中偶氮键将一个苯环和一个萘环连接在一起,形成大共轭结构,并且取代基与—SO3Na与—OH处于萘环的对位,大大增强了日落黄分子的共轭程度,使其具有强的吸光功能,发出强荧光。另外,结合径向基神经网络和BP神经网络对未知样本进行浓度预测,结果精确,平均相对误差分别为3.51%和5.45%,RSD分别为1.83%和2.95%。该方法有望成为对食用合成色素进行高效检测的有效方法。     

基于三维荧光光谱技术对掺假蜂蜜无损鉴别研究

提出了一种应用三维荧光谱技术结合化学计量学方法快速无损鉴别蜂蜜中大米糖浆掺假的新方法。利用特征参量法和主成分分析法对三维荧光光谱信息量进行压缩提取,并结合线性判别分析法(LDA)和误差反向传播神经网络法(BP-ANN)对蜂蜜掺假进行分析。结果显示,在掺假蜂蜜判别试验中,采用4个主成分时,模型对预测集样本的识别率最佳,LDA模型识别率为94.44%,BP-ANN模型识别率为100%,说明非线性的BP-ANN模型更适合蜂蜜掺假识别。研究表明,三维荧光光谱结合BP-ANN判别模型可以快速、 无损、 准确地鉴别蜂蜜中大米糖浆掺假。     

Identification of tartrazine and sunset yellow by fluorescence spectroscopy combined with radial basis function neural network

The fluorescence spectra of synthetic food dyes of sunset yellow and tartrazine are analyzed. The fluorescence peak wavelengths of sunset yellow and tartrazine are 576 and 569 nm, respectively, while the fluorescence spectra widths are 480-750 and 500 750 nm induced by ultraviolet light between 310-400 nm. The fluorescence spectra of sunset yellow overlap heavily with those of tartrazine, so it is difficult to distinguish them. Based on the principle of radial basis function neural network, a neural network is obtained from the training of the 14 groups of experimental data. The results show that the species of sunset yellow and tartrazine could be recognized accurately. This method has potential applications in other synthetic food dyes detection and food safety inspection.     

三维荧光光谱结合平行因子及神经网络对清香型白酒的年份鉴别

以某清香型白酒为研究对象,将三维荧光光谱技术与平行因子分析方法(parallel factor analysis,PARAFAC)、BP神经网络结合,建立清香型白酒年份鉴别模型。首先,利用FLS920全功能型荧光光谱仪测量获得不同年份白酒的三维荧光光谱数据,对激发发射三维矩阵进行三线性分解,得到四个主成分对应的浓度得分和激发-发射光谱轮廓图。将这4个浓度得分作为BP神经网络的输入,建立10,20和30年份白酒的鉴别模型。随机选取每个年份的10个样本,共30个样本组成测试集,剩余的90个白酒样本组成训练集建立训练模型。据此对未知样品进行预测,其预测正确率分别为90%,100%和100%。同时将该方法与多维偏最小二乘判别分析法(multi-way partial least squares discriminant analysis, NPLS-DA)进行了比较。研究结果表明：平行因子结合神经网络的判别模型具有更强的预测能力,该方法能够有效提取年份白酒的特征光谱信息,同时又降低了神经网络输入变量的维数,取得较好的鉴别效果。     

三维荧光光谱结合Zernike图像矩快速鉴别掺伪芝麻油

为了实现对掺伪芝麻油的快速鉴别,应用FS920荧光光谱仪测定样品的三维荧光光谱数据。将三维荧光光谱图视为灰度图,在没有任何预处理的前提下,直接应用Zernike图像矩提取三维光谱灰度图的特征信息,然后采用类平均法对特征信息进行聚类分析,从定性角度实现掺伪芝麻油的鉴别,并解析其组成成分。最后应用广义回归神经网络(GRNN)对掺伪样本的成分进行定量分析。聚类分析能够以很高的辨识率来识别掺伪芝麻油,并能够正确解析其组成成分。定量模型预测了2组掺伪样本中各成分的相对体积,其平均相对误差分别为2.23%,8.00%,9.70%和9.70%。分析结果表明,Zernike矩能够有效提取光谱的特征信息,光谱数据的Zernike矩特征结合聚类分析以及GRNN模型能够获得良好的定性和定量分析结果,为掺伪芝麻油的鉴别提供了一种新的方法。     

Year Discrimination of Mild Aroma Chinese Liquors Using Three-Dimensional Fluorescence Spectroscopy Combined with Parallel Factor and Neural NetworkSCIEI北大核心CSCD

Three-dimensional fluorescence spectroscopy coupled with parallel factor analysis and neural network was applied to the year discrimination of mild aroma Chinese liquors. The excitation-emission fluorescence matrices (EEMs) of 120 samples with various years were measured by FLS920 fluorescence spectrometer. The trilinear decomposition of the data array was performed and the loading scores of and the excitation-emission profiles of four components were also obtained. The scores were employed as the inputs of the BP neural networks and the PARAFAC-BP identification model was constructed. 10 samples were collected from 10, 20 and 30 years of liquors respectively, and 30 samples were selected as the test sets. The remaining 90 samples were used as the training sets to build the training model. The year prediction of unknown samples was also carried out, and the prediction accuracy was 90%, 100% and 100%, respectively. Meanwhile, the discrimination analysis method and the multi way partial least squares discriminant analysis were compared, namely PARAFAC-BP and NPLS-DA. The results indicated that parallel factor combined with the neural network (PARAFAC-BP) has higher prediction accuracy. The proposed method can effectively extract the spectral characteristics, and also reduce the dimension of the input variables of neural network. A good year discrimination result was finally achieved.