首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到16条相似文献,搜索用时 103 毫秒
1.
为实现橄榄油中掺伪油类型的识别和掺伪量预测,对掺入葵花籽油、大豆油、玉米油的橄榄油共117个样品进行拉曼光谱检测,并用基于多重迭代优化的最小二乘支持向量机模型对掺入油的类型进行识别,综合识别率为97%。同时分别采用最小二乘支持向量机、人工神经网络模型、偏最小二乘回归建立橄榄油中葵花籽油、大豆油、玉米油含量的拉曼光谱定标模型,结果显示最小二乘支持向量机具有最优的预测效果,其预测均方根误差(RMSEP)在0.007 4~0.014 2之间。拉曼光谱结合最小二乘支持向量机可为橄榄油掺伪检测提供一种精确、快速、简便、无损的方法。  相似文献   

2.
基于橄榄油的近红外光谱数据,用判别分析(Discriminant analysis)方法把20个样品成功地分为特级初榨橄榄油和普通橄榄油两类,正确率为100%。同时测定了纯橄榄油中分别掺入菜籽油、玉米油、花生油、山茶油、葵花籽油、罂粟油的混合油的近红外光谱,掺杂油体积百分数范围为0~100%。选择最佳的光谱波段组合用偏最小二乘(PLS)法分别建立定量分析模型,预测相对误差范围在-5.67%~5.61%之间。研究结果表明,基于化学计量学方法和近红外光谱数据可为橄榄油的品质鉴定和掺杂量检测提供了一种简便、快捷、准确的方法。  相似文献   

3.
PCA-SVR联用算法在近红外光谱分析烟草成分中的应用   总被引:5,自引:0,他引:5  
由50份烟草样品的近红外漫反射光谱组成的光谱矩阵经过主成分分析降维,采用基于支持向量机回归(SVR)算法,以常规化学分析方法测定的总糖、还原糖、总氮、烟碱的含量为参考值,建立了烟草中主要成分近红外光谱定量分析定标模型,并采用留一法交叉验证(LOOCV)对模型进行验证.以内部交叉验证预测的RMSE值为判据,从核函数类型、惩罚因子C和不敏感函数ε取值等方面对定标模型进行优化,获得不同成分定标模型的优化参数.烟草总糖、还原糖、总氮、烟碱优化定标模型的RMSE值分别为1.581,1.412,0.117和0.313.同时建立了烟草以上成分的偏最小二乘回归(PLS)、多元线性回归(MLR)以及误差反向传播人工神经网络(BP-ANN)定标模型,通过内部交叉验证的RMSE值与SVR定标模型进行比较,结果表明SVR模型具有更好的预测效果.  相似文献   

4.
利用激光诱导荧光技术开展了初榨橄榄油掺杂定量分析的研究。利用波长为450nm的激光激发不同掺杂浓度的掺杂橄榄油样品产生荧光并进行荧光光谱采集。将采集到的光谱利用线性判别法(linear discriminant analysis,LDA)结合k-近邻方法(k-Nearest Neighbor,kNN)建立掺杂橄榄油掺杂浓度预测的模型。通过交叉验证,该模型预测的橄榄油掺杂浓度的均方根误差为3.74%。按照掺杂浓度的不同将样品分为4组进行分类识别,分类正确率达88%。结果表明,利用激光诱导荧光原理结合LDA-kNN能够实现掺杂橄榄油掺杂浓度的定量分析,该方法可以用于掺杂橄榄油快速初筛。  相似文献   

5.
透反射近红外光谱法快速测定大豆油中的脂肪酸   总被引:1,自引:0,他引:1  
应用透反射技术在1 100~2 500nm波谱段采集大豆油近红外光谱,采用改进的偏最小二乘法算法,建立了近红外光谱快速测定大豆油中五种主要脂肪酸含量的方法。以气相色谱法测定的158个大豆油样品中棕榈酸(C16∶0)、硬脂酸(C18∶0)、油酸(C18∶1)、亚油酸(C18∶2)和亚麻酸(C18∶3)含量作为其化学值,建模集样品数为138,检验集样品数为10,盲样验证集样品数为10;通过对定标模型的优化,五种脂肪酸的交互定标决定系数(1-VR)分别为0.883 9,0.583 0,0.900 1,0.977 6,0.959 6,交互定标标准误差(SECV)分别为0.42,0.29,0.83,0.46,0.21;盲样验证集样品五种脂肪酸的近红外预测值与化学值的相对标准误差均小于5.50%。结果表明,近红外预测值与化学值之间存在较好的线性关系,所建立的方法快速、方便、可靠,可用于大豆油的掺伪鉴别。  相似文献   

6.
为探寻一种快速可靠的分析方法用于橄榄油中掺杂煎炸老油含量的测定,实验采用可见和近红外透射光谱分析技术结合区间偏最小二乘法(interval partial least squares,iPLS)、联合区间偏最小二乘法(synergy interval partial least squares,SiPLS)和反向区间偏最小二乘法(backward interval partial least squares,BiPLS),对掺杂不同含量煎炸老油的橄榄油建模分析,并对不同模型比较优选。采集样品400~2500 nm范围内的光谱,对光谱数据进行Savitzky-Golay(SG)平滑去噪。剔除奇异样本后,采用sample set partitioning based on joint X-Y distance(SPXY)法划分样本集,以不同的iPLS优选建模区域,建立煎炸老油含量预测模型。结果表明:对掺杂不同含量煎炸大豆油的橄榄油,采用划分20个区间,选择2个子区间[4,16]建立的SiPLS模型预测效果最好,相关系数(R_p)达0.998 9,预测均方根误差(RMSEP)为0.019 2。对掺杂不同含量煎炸花生油的橄榄油,采用划分20个区间,选择2个子区间[2,16]组合建立的SiPLS和BiPLS模型具有相同的预测效果,预测均方根误差(RMSEF)为0.0120,均优于iPLS模型。此外,与SiPLS模型相比,BiPLS模型运算量少,速度快。由此可见,基于掺杂油样品的可见和近红外透射光谱,分别采用组合区间偏最小二乘法(SiPLS)和反向区间偏最小二乘法(BiPLS)优选建模光谱区域,可以对橄榄油中掺杂煎炸大豆油和煎炸花生油含量进行准确测定。而且,实验过程无需对掺杂油样品进行预处理,无环境污染,操作简单,快速无损。  相似文献   

7.
基于近红外光谱的橄榄油品质鉴别方法研究   总被引:1,自引:0,他引:1  
目前市面上销售的橄榄油主要分为特级初榨橄榄油和普通初榨橄榄油两类,为了鉴别两种不同品质的橄榄油,提出了一种应用siPLS-IRIV-PCA算法的橄榄油品质鉴别的新方法。基于橄榄油的近红外光谱数据,应用联合区间偏最小二乘法(siPLS)对橄榄油的近红外光谱进行了波长区间优选,使用交叉验证均方根误差(RMSECV)评估模型的性能并选择最优波长区间,通过迭代保留信息变量(IRIV)算法从最优波长区间中选择特征波长,根据选择的特征波长构建主成分分析(PCA)模型。对90组特级初榨橄榄油和90组普通橄榄油样本进行了判别鉴定。PCA将1 427个波长变量作为输入变量,前两个主成分贡献率为51.891 8%和26.473 2%;siPLS-PCA将408个波长变量作为输入变量,前两个主成分贡献率为56.039 1%和36.2355%;siPLS-IRIV-PCA将6个波长变量作为输入变量,前两个主成分贡献率为66.347 6%和32.304 3%。结果表明,与PCA和siPLS-PCA鉴别方法相比,siPLS-IRIV-PCA具有最佳的鉴别性能。  相似文献   

8.
特级初榨橄榄油作为一种冷榨植物油含有较为丰富的不饱和脂肪酸和多酚类化合物,其营养价值较高。目前,橄榄油的掺假问题是业界最严重的问题之一,中国对橄榄油的消费量与日俱增,国内橄榄油市场较为混乱,掺假造假现象层出不穷,从橄榄油的国外进口到国内二次包装都有可能存在人为干扰和品质造假,如果不加以有效监督和制止,对国民的健康和财产将造成严重损失。如果通过传统的化学分析方法获取所有成分信息势必会增加检测周期,不利于商品的快速流通,对生产厂商和消费者来说都是一种损失。为应对复杂多变的橄榄油掺伪技术及国内具备橄榄油检测资质机构不足的问题,提出一种基于超连续光谱特级初榨橄榄油的快速检测方法,为实现快速鉴别提供了可能性,研究选用特级初榨橄榄油、菜籽油、茶油、芝麻油、稻米油、葵花油、玉米油以及大豆油作为研究对象,分别采集每种植物油的超连续光谱并对初步光谱数据进行光谱预处理,最后计算了不同样本间超连续光谱的皮尔逊相关系数并以此作为特级初榨橄榄油判别的主要依据。实验结果显示不同样本特级初榨橄榄油间的超连续光谱的皮尔逊相关系数在0.901 1以上,而特级初榨橄榄油与其他种类植物油的超连续光谱的皮尔逊相关系数在0.172 2~0.899 0之间。研究表明以皮尔逊相关系数0.901 1作为判别特级初榨橄榄油与其他植物油的检测阈值,可实现快速实时的精准检测识别。该技术与分光光度计的吸收透射光谱相比,最大的优势在于采集周期短和光谱指纹特征丰富,周期短表现为光谱曝光采集时间仅为100 ms,光谱指纹特征丰富表现为除包含吸收光谱外还表现出各种荧光活性物质所特有的荧光光谱。除此之外,可将超连续谱光源应用推广到食品安全检测技术领域。该技术装置简单且易于推广对国内橄榄油的检测和市场规范具有一定的研究意义。  相似文献   

9.
目前市场上的橄榄油品牌很多,质量参差不齐,亟需完善橄榄油的等级分类检测和特级初榨橄榄油的鉴别方法。可见吸收光谱光谱法可在不直接接触样品的情况下对样品进行无添加试剂的探测,因此为实现特级初榨橄榄油的鉴别,采用可见吸收光谱法对不同种类植物油进行了光谱测量。实验结果发现特级初榨橄榄油在500~780 nm波段内具有4个明显的吸收峰,而其他种类植物油在此波段内吸光度较弱或无吸收峰,且同种植物油不同品牌之间的光谱特征极其相似。采用相关系数比对不同种类植物油可见吸收光谱,分别计算了四个不同波长范围内植物油的可见吸收光谱的相关系数,实验发现不同波长范围内的植物油可见光谱相关系数差别较大。在520~700 nm范围内,特级初榨橄榄油间的光谱相关系数在0.999 6以上,特级初榨橄榄油与其他种类植物油的光谱相关系数均低于0.267 8,特级初榨橄榄油与其他等级橄榄油的光谱相关系数在0.194 6~0.835 8之间。研究结果表明可见吸收光谱相关系数法是一种快速非接触式鉴别特级初榨橄榄油的可行性方法。建立了一种特级初榨橄榄油快速鉴别方法,即可见吸收光谱相关系数法。该方法在特级初榨橄榄油的实际鉴别中具有一定的应用价值。  相似文献   

10.
提出了一种基于最小二乘支持向量机(LS-SVM)的橄榄油掺杂拉曼快速鉴别方法。首先,收集若干己知类别的橄榄油样作为训练样本,获取其拉曼谱图,并对其谱图进行预处理和波段选择,进而构建LSSVM分类器;对于未知类别的油样,获取其拉曼谱图,并进行相应的预处理和波段选择,由LSSVM分类器获得鉴别结果。实验以7种已知的特级初榨橄榄油为基础,分别掺入4种其它植物油(大豆油、菜籽油、玉米油、葵花籽油),获得112个掺杂油样。将全部样本随机分成训练集和测试集,对测试集样本的预测实验结果表明,本文方法能有效鉴别橄榄油掺杂,且掺杂量最低检测限为5%。与其它分类方法相比,LSSVM分类法具有最佳的分类性能。该方法快速、简便,为橄榄油掺杂鉴别提供了一种全新的方法。  相似文献   

11.
运用傅里叶变换红外光谱仪对常见宝石、玉石、有机宝石的近红外光谱进行分析研究以及谱峰归属。宝石的近红外光谱表明,宝石矿物中广泛存在不同类型水的合频、倍频吸收峰,也可出现能量较低的电子跃迁吸收峰,其中水分子组合频吸收峰位于5 200 cm-1±,OH的倍频吸收峰位于7 000 cm-1±,以5 898 cm-1±和7 849 cm-1±为中心的强宽吸收谱带为能量较低的电子跃迁吸收峰,并且当只有7 000 cm-1±出现时表明水以—OH的形式存在于宝石中,当5 200和7 000 cm-1±吸收峰同时存在则表明宝石矿物中水的存在形式既有水分子也有—OH。而有机宝石近红外光谱以7 000 cm-1± NH伸缩振动的一级倍频和5 200 cm-1± NH伸缩振动与酰胺Ⅱ的组合频为特征。但是,近红外光谱吸收峰的峰位、峰型、相对强度因有机宝石的品种不同而有所区别。苯环中CH的伸缩振动与弯曲振动组合频吸收峰(4 061和4 179 cm-1±)、CH伸缩振动与苯环骨架振动的组合频吸收峰(4 621和4 683 cm-1±)为经过有机物充填处理的宝玉石的特征谱峰,其中,与苯环有关的吸收峰,表示样品经过充填处理,指示样品中环氧树脂的存在。  相似文献   

12.
采用常规宝石学测试方法,配合紫外可见光谱技术(UV-Vis)及傅里叶变换红外光谱技术(FTIR),对美国犹他州天然红色绿柱石及俄罗斯水热法合成红色绿柱石的宝石学特征、紫外可见吸收光谱特征、中红外光谱(MIR)特征及近红外光谱(NIR)特征进行了综合对比研究。结果表明,常规宝石学测试方法很难将上述两类宝石区别开来;紫外可见光吸收光谱对鉴定天然和合成红色绿柱石的能力很有限;同时这两种宝石的中红外吸收光谱(MIR)没有明显的特征差异,其吸收位置和吸收强度基本一致。但在2 000~9 000 cm-1红外波段,天然红色绿柱石与水热法合成红色绿柱石的吸收频率差异明显,因此具有独特的鉴别特征。进一步研究表明,天然红色绿柱石在3 500~4 000 cm-1之间没有强吸收峰,几乎不含结构水,但在3 300~3 600 cm-1之间有非常弱的吸收带(峰值为3 418 cm-1),因此有可能有其他形式的水。水热法合成红色绿柱石样品的近红外光谱特征表明,其在3 500~4 000 cm-1之间及5 000~5 800 cm-1之间均显示有强烈的水的振动吸收:其在5 000~5 800 cm-1有弱的Ⅰ型水吸收峰和强Ⅱ型水吸收峰,可以归属为分子水的弯曲和伸缩的合频振动;其在7 000~7 500 cm-1之间显示的弱Ⅰ型水的吸收峰和强的Ⅱ型水的吸收峰可以归属为水的倍频振动。因此,水热法合成红色绿柱石中的结构水归属Ⅰ型水与Ⅱ型水的混合型,其在3 500~4 000及5 000~5 800 cm-1范围水的近红外吸收光谱特征可作为区别天然和水热法合成红色绿柱石的依据。通过紫外可见光光谱、中红外光谱以及近红外光谱等光谱分析手段可以初步判断红色绿柱石中是否含水、水的赋存状态、以及不同类型水的相对强度和频率,为区分天然与水热法合成红色绿柱石提供诊断性证据。  相似文献   

13.
豆粕是大豆浸提取豆油后经适当干燥和热处理所得副产品,是制作禽畜类饲料的主要原料,其品质决定营养价值。针对现有豆粕品质检测方法存在着有毒化学试剂使用多、操作复杂、分析时间长、无法满足实际生产线快速检测及调控需求等问题,提出一种基于近红外光谱分析的豆粕品质多组分检测方法,以期用于产品质量在线检测及调控。从大豆油脂加工生产线上采集豆粕样品449个,利用105 ℃烘箱法、凯氏定氮法和索氏提取法分别测定样品的水分、蛋白质和脂肪化学值,采用瑞士BuchiNIRMaster傅里叶变换近红外光谱仪采集样品漫反射光谱。首先利用马氏距离法剔除异常样本,然后用多种方法对光谱数据进行降噪处理,对比分析发现小波去噪效果最优。分别采用KS和SPXY两种算法确定豆粕不同组分的最佳样本分集。为了探讨豆粕组分的近红外吸收特性,剔除光谱冗余信息,降低模型计算复杂度,采用区间偏最小二乘法(iPLS)对4 000~10 000 cm-1全谱进行特征提取,优选出水分、蛋白质和脂肪的特征吸收波段分别为4 904~5 200,4 304~4 600和4 304~4 600 cm-1。最后建立豆粕组分含量的广义回归神经网络(GRNN)预测模型。为了减少网络的输入变量,缩小网络规模,提高运行速度,采用PLS对光谱数据降维,提取主因子得分作为GRNN输入变量。通过交叉验证循环法优选网络参数光滑因子spread值,建立豆粕多组分含量PLS-GRNN预测模型,并与经典的PLS和BP模型对比,发现PLS-GRNN模型效果更优,其水分、蛋白质和脂肪的预测集R2分别为0.976 9,0.940 2和0.911 1,RMSEP分别为0.091 2,0.383 4和0.113 4,RSD分别为0.79%,0.83%和8.53%。虽然脂肪的预测误差相对较大,但也在模型评定标准可用范围之内。实验表明基于PLS-GRNN的近红外光谱分析用于豆粕品质检测是可行的,能够用于实际生产过程中的品质监控。  相似文献   

14.
山茶油素有"东方橄榄油"美誉,实现掺假山茶油的鉴别具有重要实用价值,采用近红外光谱技术对掺有葵花油的山茶油进行检测。分别以1%,5%,10%为梯度制备掺假比例不同的山茶油样品,并根据掺假比例将其分为A组(0%~5%)和B组(6%~10%)共11个样品,C组(15%~40%)6个和D组(50%~100%)6个样品。将每个掺假样品充分混匀后再分为9份,依次采集其1 000~2 500nm范围的吸收光谱,共获得207条光谱曲线。每组样品的光谱数据按2∶1随机分为训练集与验证集。经去除首尾噪声后,通过主成分分析法(principal component analysis,PCA)降维,并利用前四个主成分建立了鉴别山茶油不同掺假等级的主成分-支持向量机判别模型,训练集与验证集的总体判别准确率分别达96.38%和94.20%;进一步,通过对前四个主成分的载荷系数的分析,并结合原始光谱,提取建模过程中权重较大的波长并解析其化学含义,最终确定出五个特征波长:1 212,1 705,1 826,1 905及2 148nm,以此波长重新建立近红外特征光谱山茶油掺假等级判别模型,对训练集与验证集的总体判别准确率也达到了94.20%和92.75%。研究结果表明,利用近红外光谱和特征光谱均能够较好实现山茶油掺假等级的鉴别,同时所建立的近红外特征光谱模型也为设计相应的掺假山茶油实用便携式检测仪器提供了理论基础。  相似文献   

15.
近-中红外光谱融合技术速测奶牛场粪水氮磷含量   总被引:1,自引:0,他引:1  
快速准确测定粪水/沼液中的氮磷养分含量,是现阶段我国规模化奶牛场在种养结合道路上亟需破解的技术瓶颈。针对传统的实验室湿化学检测方法难以满足奶牛场粪水还田前任一节点氮磷快速定量的现实问题,研究开发了基于近红外、中红外及近-中红外光谱融合技术,实现规模化奶牛场粪水运移全链条环节氮磷含量的本土化快速检测方法。采集了天津地区27家种养结合型规模化奶牛场粪水流经全程环节(集粪沟、集污池、氧化塘等)共计144个样品,使用傅里叶变换近红外光谱仪和中红外光谱仪分别采集了12 000~4 000和4000~650 cm-1区间的光谱数据,对所有样品的近红外光谱、中红外光谱及近-中红外光谱融合数据进行归一化、基线校正、SNV等预处理,分析了近红外光谱和中红外光谱特征,采用浓度梯度法进行样品分集,运用偏最小二乘(PLS)、间隔偏最小二乘(IPLS)和联合区间偏最小二乘(SIPLS)法,构建了粪水总氮(TN)、总磷(TP)的近红外模型和中红外模型。粪水TN模型预测结果较好,近红外和中红外最佳模型趋近一致;粪水TP模型的预测性能不理想,近红外和中红外SIPLS最佳模型的R2pred仅分别为0.790和0.631,RPD分别为2.213和1.479,四分位数间隔(RPIQ)分别为3.616和2.351,难以用于实际检测;为实现粪水氮磷同步有效的测定分析,进一步提升模型整体预测性能,综合近红外光谱和中红外光谱数据建立了粪水氮磷近-中红外融合模型,光谱区间为12 000~650 cm-1,预测性能整体表现良好,以近-中红外融合IPLS模型预测结果最为理想,其R2pred分别为0.970和0.861,RPD分别为5.615和2.684,RPIQ分别为12.874和4.394,总体优于单一近、中红外模型,尤其TP的最佳融合模型,其R2pred相比近、中红外最佳单一模型分别高出0.071和0.170。研究表明,近-中红外光谱融合技术可以实现对规模化奶牛场粪水运移全链条环节氮磷含量的准确速测,为粪水科学还田提供技术支撑。  相似文献   

16.
Abstract

A new processing based on partial least squares (PLS) algorithm for the discrimination and determination of adulterants in pure olive oil using near‐infrared (NIR) spectroscopy has been introduced. The 280 adulterations of olive oil with corn oil (n=70), hazelnut oil (n=70), soya oil (n=70), and sunflower oil (n=70) were prepared, and their NIR spectra in the region 12,000–4550 cm?1 were collected. The 70 spectra of each adulteration of olive oil were divided into two sets, 50 spectra for a calibration set and 20 spectra for a prediction set. The spectra of a total calibration set (n=200) were separated into individual adulterant calibration sets (ni=50, i=corn, hazelnut, soya, sunflower) by using discriminant PLS (DPLS) analysis, and PLS calibration models for the quantification of adulterants with corn oil, hazelnut oil, soya oil, or sunflower oil were developed separately. A variety of wavelength ranges and data pretreatments were examined for obtaining optimal results for the discrimination and quantification objects. Four PLS models for differentiating the adulterant types were evaluated by classifying the NIR spectra of a total prediction set (n=80) into known adulterant types. Then, these known adulterant spectra were analyzed by the PLS calibration models developed for each type to determine the content of an adulterant in pure olive oil. The results of evaluation revealed that the processing reported in this article works excellently for the discrimination and quantification of the adulterations of olive oil.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号