二维相关近红外谱结合NPLS-DA判别掺杂牛奶的研究

将二维相关近红外谱与多维偏最小二乘判别分析方法结合起来,建立了掺杂牛奶与纯牛奶的判别模型.分别配置掺杂尿素牛奶(1～20 g/L)和掺杂三聚氰胺牛奶(0.01～3 g/L)样品各40个,采集纯牛奶及掺杂牛奶样品的近红外光谱.在量化二维相关近红外同步谱的基础上,采用多维偏最小二乘判别分析法分别建立了掺杂尿素、掺杂三聚氰胺及两种掺杂牛奶与纯牛奶的判别模型对未知样品进行判别,其判别正确率分别为95％、90％和92.5％,并与偏最小二乘判别和隐变量正交投影判别建模方法进行了比较.结果表明:多维偏最小二乘判别分析法具有更强的预测能力可推广到其它食品的掺杂检测中.     

基于二维相关近红外谱参数化及BP神经网络的掺杂牛奶鉴别

将二维相关近红外谱参数化方法与BP神经网络结合,建立掺杂牛奶与纯牛奶的判别模型。分别配制含有尿素牛奶(1～20 g·L-1)和三聚氰胺牛奶(0.01～3 g·L-1)样品各40个。研究了纯牛奶、掺杂牛奶的二维相关近红外谱特性,在此基础上,分别提取了各样品二维相关同步谱的5个特征参数。将这5个特征参数作为BP神经网络的输入,分别建立掺杂尿素、掺杂三聚氰胺、两种掺杂牛奶与纯牛奶的判别模型,采用这些模型对未知样品进行预测,其预测正确率分别为95%,100%和96.7%。研究结果表明：该方法有效地提取了牛奶中掺杂目标物的特征光谱信息,同时又减少了BP神经网络输入变量的维数,实现了掺杂牛奶与纯牛奶的鉴别。     

基于二维红外相关谱欧氏距离判别掺杂牛奶

基于纯牛奶、掺杂牛奶样品间二维红外相关谱欧氏距离,依据未知样品与校正集中“极值样品”欧氏距离平均值、组内、组间样品欧氏距离平均值,提出了一种掺杂牛奶判别的新方法。分别配置掺杂尿素牛奶(0.01～0.3 g·L-1)和掺杂三聚氰胺牛奶(0.01～0.3 g·L-1)样品各16个,采集纯牛奶及掺杂牛奶样品的红外光谱。以牛奶中掺杂物浓度为外扰,构建纯牛奶与掺杂牛奶的同步二维红外相关谱,并计算了各样品相关谱矩阵间的欧氏距离。在此基础上,分别建立掺杂尿素牛奶、掺杂三聚氰胺牛奶与纯牛奶的判别模型,确定模型中的“极值样品”,组内、组间样品欧氏距离平均值。利用所建模型,计算未知样品与“极值样品”的欧式距离,并依据判别规则,对未知样品进行判别。研究结果表明： 基于样品红外相关谱矩阵间欧氏距离可实现掺杂牛奶的判别,其判别正确率为100%,验证了该方法的有效性。该研究为掺杂牛奶的检测提供了一种新的可能方法。     

红外光谱结合最小二乘支持向量机掺杂牛奶判别方法研究

基于红外光谱和最小二乘支持向量机建立掺杂牛奶与纯牛奶的判别模型。分别配置含有葡萄糖牛奶(0.01~0.3gL-1)和三聚氰胺牛奶(0.01~0.3gL-1)样品各36个,采集纯牛奶及掺杂牛奶样品的红外光谱。采用最小二乘支持向量机分别建立掺杂葡萄糖、掺杂三聚氰胺、两种掺杂牛奶与纯牛奶的判别模型,并利用这些模型对未知样品进行判别,其判别正确率都为95.8%。研究结果表明:与线性的偏最小二乘判别建模方法相比,最小二乘支持向量机方法具有更强的预测能力。     

二维相关近红外光谱检测牛奶中的三聚氰胺

配置合格的纯牛奶样本及含有三聚氰胺质量浓度范围为0.01g/L～3g/L的掺杂牛奶样本各20个,并采集其近红外光谱。以牛奶中掺杂三聚氰胺浓度为外扰,构建二维相关同步谱,研究其相关谱特性。在此基础上,结合偏最小二乘判别分析法(PLS-DA)建立定性模型,可以实现纯牛奶与掺伪牛奶的定性鉴别,正确识别率达100%。同时,将二维相关近红外同步谱矩阵与偏最小二乘法(PLS)结合起来,建立定量分析牛奶中掺杂三聚氰胺的数学模型。对未知样品的预测相关系数R达到0.98,预测均方根误差(RM-SEP)为0.18g/L,说明基于同步相关谱矩阵建立定量分析的数学模型是可行的。该方法无需样品处理,成本低,为快速检测掺伪牛奶提供了一种新的途径。     

KOPLS-DA在掺杂牛奶判别中的应用

运用核隐变量正交投影(kernel orthogonal projection to latent structure, KOPLS)方法,建立掺杂牛奶与纯牛奶的判别模型。分别配置含有三聚氰胺牛奶(0.01～3 g·L-1)和尿素牛奶(1～20 g·L-1)样品各40个,采集纯牛奶及掺杂牛奶样品的近红外光谱。选择4 200～4 800 cm-1为建模区间,采用KOPLS分别建立掺杂三聚氰胺、掺杂尿素、两种掺杂牛奶与纯牛奶的判别模型,并利用这些模型对未知样品进行判别。研究结果表明：与偏最小二乘判别(partial least squares discriminant analysis, PLS-DA)和隐变量正交投影判别(orthogonal projections to latent structures discriminant analysis, OPLS-DA)建模方法相比,KOPLS-DA具有更强的掺杂判别能力,对掺杂三聚氰胺、掺杂尿素牛奶和两种掺杂牛奶的判别正确率分别为95%,100%和97.5%。     

同步-异步二维中红外相关谱检测掺假芝麻油

将同步-异步二维中红外相关谱和多维偏最小二乘判别法相结合定性分析掺假芝麻油。分别配置40个纯芝麻油和含有玉米油不同体积分数(3%~60%)的掺假芝麻油样品40个。室温下,分别采集所有样品的常规一维中红外光谱(650~4 000cm-1)。在研究纯芝麻油和掺假芝麻油的一维中红外光谱的基础上,以芝麻油中掺假的玉米油浓度为外扰,进行相关计算,得到同步和异步二维中红外相关谱矩阵,并对其进行标准化。分别提取标准化的同步和异步二维中红外相关谱主对角线上部分和下部分元素进行融合,得到同步-异步二维中红外相关谱矩阵。在此基础上,分别基于同步-异步二维中红外相关谱矩阵、同步二维中红外相关谱矩阵和异步二维中红外相关谱矩阵建立了三个定性分析掺假芝麻油的多维偏最小二乘判别模型对预测集未知样品进行预测,其识别正确率分别为100%,96.2%和96.2%。结果表明:相对于同步和异步二维中红外相关谱,同步-异步二维中红外相关谱不仅包含了完整的掺假油特征信息,而且剔除了冗余信息,因此能取得更好的判别结果。     

基于近-中红外相关谱融合判定掺伪芝麻油

为充分提取复杂掺伪食用油的特征信息,提出并建立一种掺伪芝麻油的判别方法.采集40个纯芝麻油和40个掺入不同浓度玉米油的芝麻油的常规一维近红外透射光谱和中红外衰减全反射光谱.对两样本采用二维相关谱技术进行相关计算,得到每一样品的同步和异步二维近红外相关谱和中红外相关谱,并进行预处理,得到其对应的同步-异步二维近红外相关谱和中红外相关谱.采用多维主成分分析法提取其特征,并将其得分矩阵进行融合.基于融合的得分矩阵,以及单一近红外、中红外相关谱得分矩阵分别建立纯芝麻油和掺伪芝麻油偏最小二乘判别分析模型,三个模型对预测集样品的判别正确率分别为100%、96.2%和96.2%.研究结果表明,所提出的方法可提取更多的特征信息,提供更好的分析结果.     

基于拉曼光谱技术鉴别新陈大米的方法研究

基于拉曼光谱检测技术结合化学判别方法,建立新陈大米拉曼光谱判别模型;建立适当的样品预处理方法,确保样品制备的均一性,使用拉曼光谱仪对新陈大米共计60组样品进行检测,在785 nm波长激光激发下,获取样品200～2 400 cm-1的拉曼光谱信息;对原始拉曼光谱进行基线校正、平滑、滤波等处理。利用主成分分析法（PCA）对拉曼光谱进行降维处理及粗分类鉴别;基于偏最小二乘分析法（PLS）,建立新陈大米快速鉴别模型,该模型对建模训练集鉴别正确率为100%,模型验证集鉴别正确率为95%。结果表明：该模型判断新陈大米是可行的,为大米新陈度的快速判别提供了一种新的方法。     

近红外二维相关光谱的掺和大米判别

随着经济水平的提升人们对大米品质要求越来越高,由于不同大米品种之间价格差异也较大,致使不少商贩以劣充优谋取利益,有的掺和比例高达30%以上,这种行为严重损害了消费者利益。大米作为一种碳水化合物直接通过一维近红外光谱信息不易区分掺和米,目前诸多研究集中在基于一维光谱的化学计量学判别模型建立。二维相关光谱具有高分辨率、解析峰的归属等优点,可以挖掘出掺和米在一维光谱中隐藏的有效信息。以五常大米作为研究对象,选取难以用肉眼分辨的六种大米为掺入米,分别制备5%～50%的不同掺和比例大米样品140个。以五常大米近红外光谱的平均光谱作为参考谱,掺和比例作为外部扰动因数,将掺和米光谱和五常米光谱分别与参考谱进行二维相关运算,通过解析不同掺和比例大米二维相关同步谱特性发现自相关谱1 420和1 920 nm两处自动峰值与同步谱(1 420, 1 920) nm和(1 920, 1 420) nm处交叉峰值强度均随掺和比例增加呈递增趋势,其中1 920 nm自动峰值对掺和比例响应最显著。通过对自相关谱1 420和1 920 nm两处自动峰产生机制的追溯并分析对应官能团归属,发现大米中直链淀粉对掺和比例响应程度高于蛋白质及其他碳水化合物。分别以五常大米同步谱中1 420和1 920 nm处自动峰值和(1 920, 1 420)nm处交叉峰值的最大值作为判别阈值,对140个大米样品进行了判别试验。结果显示,基于1 920 nm自动峰值的判别效果最佳正确率达93.3%,掺和比例20%及以上掺和米样品判别正确率为100%,随着掺和比例降低判别正确率也逐渐下降,掺和比例15%, 10%和5%样品判别正确率分别为91.7%, 66%和75%。综上所述,以掺和比例作为外部干扰因数解析不同掺和比例的大米二维同步谱特性,通过特征峰值的差异可以简单有效区分掺和米,与以往近红外判别模式相比不需要准备大量样品来训练模型,为快速鉴别掺和大米提供一种新思路。     

苯乙酮分子的红外光谱研究

利用密度泛函理论在B3LYP/6-311++G(d,p)水平上对苯乙酮分子的几何构型进行了全优化和频率计算,得到了苯乙酮分子的红外光谱和全部振动模式,同时,通过实验测定了苯乙酮分子的红外光谱。通过分析对比发现,理论计算结果与实验测量结果符合的很好。最后,对苯乙酮分子的振动模式进行了归属,并把实验中测得的振动较强的峰归属为苯乙酮分子红外吸收的特征峰。     

基于近红外反射光谱的无损血糖分析

无损血糖监测是一种方便且无痛的血糖监测方法。目前,大部分的血糖检测方法都是有损的。提出了一种基于近红外反射光谱的无损血糖检测方法。近红外反射光谱是一种安全、简单并且有效的方法,被应用于很多领域。采用口服葡糖糖耐量试验来采集数据,用偏最小二乘回归方法来建模。使用市售血糖仪采指尖血作为参考值,同时用光谱仪提取手掌光谱,共取得42组样本。血糖浓度范围在5~12 mmol·L-1。采用留一法交叉验证,获得所有数据的交叉验证的均方根误差为1.16 mmol·L-1。通过归一化和无关变量消除的预处理方法来减少噪声并消除一些额外因素,优化的均方根误差为0.79 mmol·L-1。基于个人的数据进行建模,得到了远小于整体数据的结果：0.41 mmol·L-1。该方法在个人血糖检测的市场化方面有广阔的应用前景。     

EEMD-ICA在功能性近红外光谱特征信号提取中的应用

近年来,功能性近红外光谱技术(fNIRS)广泛应用于神经影像学领域。为解决fNIRS特征信号提取中的信噪频谱混叠问题,依据近红外光谱脑功能成像信号非线性与非平稳特点,提出一种结合集合经验模态分解法和独立成分分析的多分辨率联合信号提取方法EEMD-ICA。在脑功能成像仪器平台上采集多通道多波长脑功能成像近红外光密度信号,先对该信号进行集合经验模态分解将其按频率成分分解为多层本征模态函数,之后将独立成分分析应用于目标频率分量函数进行自适应去噪,最后将处理后的分量累加、重构获得近红外光谱脑功能成像的特征信号。将Valsalva氏实验测试数据作为研究对象进行滤噪处理,与经验模态分解法和集合经验模态分解法对fNIRS特征信号的提取效果对比。对实测数据的处理结果进行信噪比和误差参数分析,结果表明,该方法能够有效解决去噪过程中丢失原始信号有用信息及由于信噪频谱混叠不能完整去除噪声的问题,信号处理效果理想,对比另外两种信号提取方法更为优化。     

波长漂移对近红外光谱PLSR分析模型的影响

在近红外光谱分析过程中,单台仪器在不同时间的波长变化及多台仪器间的波长一致与否会对化学计量学定标模型的校正及传递效果产生影响,上述问题可以统一为波长漂移对定标模型的影响。以分析小麦粉中粗蛋白含量为例,首先结合不同谱区光谱数据,利用偏最小二乘回归（PLSR）方法建立了两个定标模型。再由计算机生成不同类型、不同幅度的波长漂移信息,并叠加至验证集样品光谱中,使新光谱相对于定标集光谱产生波长漂移信息。通过考察原定标模型对新光谱的预测与校正情况,研究了波长漂移对PLSR定标模型的影响。结果表明：相对于定标集样品光谱,验证集光谱中无波长漂移信息时,模型的预测标准差（RMSEP）不超过0.3%,预测相关系数不小于0.98;验证集样品光谱在不同波长处的波长漂移信息为一恒定值时,模型的RMSEP会随波长漂移幅度的增大而增大,波长漂移量为-32 cm-1时对应RMSEP为3.69%,预测相关系数变化不大;当验证集样品光谱在不同波长处的波长漂移信息随机变化时,基于长波区光谱所得原始模型的预测结果几乎不受影响;当含有不同波长漂移信息的一系列样品光谱加入到定标集对长波区PLSR分析模型进行校正时,校正后模型的RMSEP为0.3%,几乎不受波长漂移信息的影响,但模型的回归因子数从3显著增大到8,其稳健性变弱;总的来说,当仪器存在波长漂移且幅度不大时,模型预测相关系数几乎不受影响,可通过对预测结果的校正来改善RMSEP,以保证分析结果的准确性。该研究为确定仪器设计参数及分析方法的操作规程,提高近红外光谱分析结果的可靠性提供了实验依据。     

新雪的热红外偏振特性研究

积雪直接影响地表能量平衡和气候变化,与人类生产、生活息息相关,运用热红外偏振技术对新雪的发射光谱特性进行研究,可为热红外遥感监测雪的热辐射偏振特性定量研究提供基础,对加深对全球变暖理解及制定相应对策等具有重要意义。研究结果表明：波段对新雪热红外偏振特性影响很大,其偏振辐亮度(L)表现为：L_CH1>L_CH3>L_CH4>L_CH2,偏振亮温(T)表现为：T_CH4>T_CH1>T_CH2>T_CH3,在探测角50°偏振角90°处出现最大值而在探测角30°偏振角75°处存在最小值,利用CH₃偏振亮温数据分析新雪热辐射偏振特性效果更优。探测角对新雪的偏振亮温影响极其显著,表现为：T₁₀203005040,偏振度(P)表现为：P₀>P₃₀>P₄₀>P₂₀>P₁₀>P₅₀。偏振角对新雪亮温影响呈线性关系,在0~135°范围,每单位偏振角偏振亮温增加约0.003 ℃,这为新雪偏振亮温预测提供可能,在研究探测角对新雪偏振亮温影响时可忽略波段造成的差异。相对方位角对新雪的热辐射偏振特性影响不显著,这主要是由物质表面粗糙程度与组织结构差异导致,利用热红外偏振度对新雪的理化特性监测具有重要作用。     

基于傅里叶变换近红外光谱的脂环酸芽孢杆菌种间分类鉴定

傅里叶变换近红外光谱(Fourier transform near infrared spectroscopy,FT-NIR)可以反映微生物细胞的分子振动信息,特异性鉴别不同类别的微生物。为了建立准确、有效的脂环酸芽孢杆菌种间分类鉴定的方法,文章基于FT-NIR技术进行了如下探究:(1)收集了7株不同种的标准菌近红外漫反射光谱数据并进行预处理,运用化学计量学中的主成分分析(principal component analysis,PCA)和线性判别分析(linear discriminant analysis,LDA)对其种间水平区分与判别的可行性进行探索。结果表明:PCA模型能对7株标准菌进行正确区分,LDA模型Ⅰ判别准确率为100%,初步证明该方法可以对脂环酸芽孢杆菌种间水平进行分类鉴定。(2)为了提高模型的稳健性和实用性,在上述标准菌建模的样品中加入分离菌,用41株菌的光谱信息依照上述方法进行数据分析后建立LDA种间判别模型Ⅱ。结果表明:选取其中15个样本进行评估,模型Ⅱ准确率为86.67%,菌种信息更全面、可信性更高。因此,FT-NIR技术结合化学计量学方法可以准确、有效地进行脂环酸芽孢杆菌的种间分类鉴定。     

基于近红外光谱检测技术的水泥生料成分含量检测研究

近红外光谱检测技术已经成功应用于水泥生料成分的快速检测,但我国水泥企业在生产水泥生料时所用原材料品种不一,使用不同的原材料进行生产时对近红外光谱建模带来一定影响。为了研究不同原料生产的水泥生料近红外光谱建模差异,对不同地区水泥生产线所生产的水泥生料进行建模研究。选取两个不同地区水泥生产线的水泥生料样本各95份和82份,各自选取80份和67份作为校正集,15份作为验证集。首先将两条水泥生产线的样本每份重复装样测3次光谱,取平均光谱做为样本的近红外光谱。然后通过采用S-G平滑法对两个不同地区所生产的水泥生料近红外光谱进行预处理。对比发现两个地区水泥生料近红外光谱存在一定差异,采用偏最小二乘回归算法建立检测模型,所建立的模型精度差异较大。采用CARS波段挑选法,分别对两种水泥生料近红外光谱进行挑选,生产线一的水泥生料样本SiO₂,Al₂O₃,Fe₂O₃和CaO近红外光谱波段由3 113个变量分别保留了85,89,55和67个变量,生产线二的水泥生料近红外光谱则分别保留了51,55,55和55个变量,且保留的波段明显存在一定区别。最后分别建立了两个地区的水泥生料SiO₂,Al₂O₃,Fe₂O₃和CaO近红外光谱检测模型。通过对比发现原材料不同时所挑选的波段不同,且检测模型预测效果良好。生产线一的SiO₂,Al₂O₃,Fe₂O₃和CaO检测模型的RMSEP（预测均方根误差）分别为0.109,0.053,0.034和0.185,生产线二 的SiO₂,Al₂O₃,Fe₂O₃和CaO检测模型的RMSEP分别为0.084,0.024,0.023和0.184。结果表明当水泥生料的原材料发生变化或者产地不一时,不能仅靠修正模型对水泥生料进行检测,而是需要重新进行近红外光谱建模,且光谱波段选择也会发生变化。采用波段挑选法对水泥生料近红外光谱进行波段挑选能够提高检测模型的模型精度。     

二里头遗址绿松石的红外光谱产地识别

湖北十堰是世界著名优质绿松石产地,所产松石颜色鲜艳、质地细腻。距十堰绿松石矿区直线距离300 km的河南偃师二里头遗址于2002年以来出土了大量绿松石器。有学者推测二者存在供与用玉的关系,即存在古老的“绿松石之路”。然而,为了考证该推测,并试图给出二里头松石的矿源地,本次研究以十堰地区三个矿区(秦古、文峰和云盖寺)的三组样品、及一组二里头出土样品为研究对象,通过对获得的红外光谱特征进行比对与分析。谱学特征显示, 秦古、文峰和云盖寺样品红外光谱于1 200～950和700～400 cm-1峰位存在细微的,但可以识别的差异。在1 174 cm-1处,文峰样品中出现吸收峰,而秦古和云盖寺样品均没有出现。在700～400 cm-1范围内,文峰样品出现5个吸收峰,而秦古和云盖寺样品出现7个相似的吸收峰。二里头样品的红外光谱特征在以上峰位上与文峰绿松石差异较大,而与秦古、云盖寺松石的谱学特征相似。在1 159 cm-1附近,其吸收峰特征与云盖寺样品更加吻合。利用公式A=lg(1/T),将透射光谱值转换为吸光度光谱值,计算出二峰值相对吸收强度比值(R=A_{783 cm-1}/A_{837 cm-1})。文峰、秦古、云盖寺及二里头绿松石的比值范围依次为0.819～0.920,0.870～1.010,0.806～0.860和0.827～0.878。显然,二里头与云盖寺样品重合率最高。综上,我们认为所测二里头绿松石来自于云盖寺的可能性最大,并认为用红外光谱示踪出土文物来源有一定的参考或诊断意义。     

使用近红外LED光源测量塑料薄膜的厚度

自制近红外LED厚度传感器综合实验仪.LED发出波长为0.936μm的单色红外光,由硫化铅探测器接收单色光源照射到被测塑料薄膜后光的强度,信号经放大器放大由控制器计算显示被测塑料薄膜的厚度.选定最佳工作距离14mm、最佳工作电流100mA进行实验,厚度测量相对偏差在2.0%以内.     

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。