近红外光谱技术鉴别海面溢油

为快速了解和掌握海面溢油的种类 ,以便采取应急措施 ,提出了近红外光谱技术结合模式识别鉴别海面溢油的方法。自行配制了 5 6个汽油、柴油、润滑油的模拟海水样品 ,用有机溶剂萃取出海水中的溢油后记录其近红外光谱 ,将原始光谱进行多元散射校正 (MSC)和Norris一阶导数平滑预处理后 ,在主成分分析 (PCA)提取不同种类溢油样品特征的基础上引入马氏距离建立溢油样品的识别模型。研究了光谱预处理对溢油鉴别的影响 ;探讨了马氏距离阈值的确定。结果表明 ,主成分分析可将原始数据压缩而马氏距离判别可给出离群点的阈值 ,本文建立的校正模型能正确判别浓度在 0 4 μL·mL-1以上的溢油类别 ,为近红外光谱结合化学计量学方法建立校正模型进行海面实际溢油样品的分类提供了思路。     

药用植物川东獐牙菜红外光谱分析与鉴别

采用傅里叶变换红外光谱法(Fourier transform infrared spectroscopy,FTIR)、偏最小二乘判别分析(partial least square discriminant analysis,PLS-DA)和系统聚类分析(hierarchical cluster analysis,HCA)快速鉴别不同产地川东獐牙菜(Swertia davidi Franch)。采集4个不同地区70株样品不同部位的红外光谱数据,原始光谱数据经预处理(自动基线校正,自动平滑,一阶求导,二阶求导)后导入OMNIC 8.2,比较吸收峰的差异;用SIMCA-Pa+10.0进行偏最小二乘判别分析(PLS-DA),以前三个主成分三维得分图比较产地鉴别效果;红外光谱数据导入SPSS 19.0,进行系统聚类分析(HCA),通过树状图比较不同部位分类效果。结果显示,(1)不同产地根的光谱图在1 739,1 647,1 614,1 503,1 271,1 243,1 072cm~(-1)附近的吸收峰有差异,不同产地茎的光谱图在1 503,1 270,1 246cm~(-1)吸收峰附近有差异;(2)相同产地不同部位的光谱特征峰有差异;(3)PLS-DA分析结果显示自动基线校正+自动平滑+二阶求导这种预处理方式分类效果最好,根的红外光谱数据产地鉴别效果最佳;(4)HCA的树状图,显示根的聚类分析结果正确率83%,茎的聚类分析结果正确率49%,叶的聚类分析结果正确率70%。FTIR技术结合PLS-DA与HCA方法能够快速准确地鉴别不同产地川东獐牙菜,不同部位产地鉴别效果有差异,根的光谱数据产地鉴别效果最佳,二阶求导处理增强了样品的特异性,使PLS-DA的三维主成分得分图分类效果更明显。     

基于小波包变换的叶片高光谱数据的树种分类

非成像高光谱数据的特点为树种的精细识别提供了可能.非成像高光谱数据的多波段特性,使得利用数据间的微小差异来进行树种的识别分类研究成为可能.该文利用光谱相关匹配(Spectral correlation matching,SCM)方法来对树种进行识别分类,分别采用均值平滑法、中值平滑法、小波包变换对高光谱数据进行预处理及识别分类研究.结果表明,经过数据平滑预处理,可以有效地去除噪声,提高叶片高光谱数据的树种分类的精度.小波分析能有效的去除光谱中的噪声信息,保留光谱中的有效信息.在小波包变换的基础上,经过中值滤波数据预处理之后的分类精度高于均值滤波数据预处理后的分类精度.     

基于花瓣的傅里叶变换红外光谱鉴别分类杜鹃属植物

利用傅里叶变换红外光谱(FTIR)技术结合适当的方法对杜鹃属植物不同亚属进行鉴别分类研究。测试了4个亚属植物花瓣的红外光谱,结果显示同种植物花瓣的红外图谱,峰形相似;不同种植物花瓣的红外光谱图在混合模区(1 500~1 200 cm-1)略有差异。为了进一步快速对其分类群进行鉴别,利用OMNIC软件分层抽样建立3个光谱数据库,未知样品光谱分别与光谱数据库比较得出匹配数值进行鉴别。研究结果显示此方法能够准确地鉴别分类4个亚属植物,这为大型的植物系统分类研究提供了一种潜在的方法。     

小米的傅里叶变换红外光谱研究

本文利用傅里叶变换红外光谱(FTIR)结合主成分分析和聚类分析对白小米、黄小米、糯小米、青小米、陈黄小米、黑小米和大黄米进行鉴别研究。所有样品的傅里叶变换红外光谱整体相似,二阶导数光谱存在明显的差异。选取1800~1400cm-1范围内的二阶导数光谱数据对52份小米样品做多变量分析,结果显示,主成分分析的分类准确率为84.6%,系统聚类分析的分类准确率为92.3%。结果表明傅里叶变换红外光谱技术结合化学计量学能有效地区分不同品种的小米,为不同小米的分类鉴定提供新的方法与途径。     

基于枸杞红外光谱人工神经网络的产地鉴别

应用红外光谱技术,快速鉴别枸杞药材产地。利用傅里叶变换红外光谱,测定了45个来自青海省不同产地的枸杞样品的红外光谱。以常规预处理方法和小波变换对红外光谱原始数据进行了预处理。对比常用的窗口移动平滑预处理、标准正态变换以及多元散射校正,小波变换是一种有效实用的光谱预处理方法。为了提高神经网络的训练速度,在利用人工神经网络建立模型之前,通过小波变换的方法对光谱变量进行了压缩,同时对建立的模型的相关参数进行了详细的讨论。结果表明,红外光谱数据压缩到原来的1/8,其分析精度与原始光谱数据基本相当。以压缩了的光谱数据作为反向传播(BP)网络的输入变量,产地类别作为神经网络的输出变量,建立3层人工神经网络。其中隐含层神经元个数为5个,输出层神经元个数为1个。隐层的传递函数是tansig,输出层传递函数是purelin,网络训练函数trainlm,权阈值的学习函数是learngdm。net.trainParam.epochs=1 000,net.trainParam.goal=0.001。对10个未知枸杞产地类别进行了预测,预测结果准确率达100%。实验表明,建立的模型能够正确地对枸杞样品快速地进行产地鉴别。红外光谱法结合人工神经网络可作为中药材产地分类鉴别的一种新的现代化方法。     

基于主成分分析和聚类分析的不同产地绒柄牛肝菌红外光谱鉴别研究

采用傅里叶变换红外光谱结合主成分分析和聚类分析建立快速鉴别不同产地绒柄牛肝菌的方法。采集15个产地绒柄牛肝菌样品的红外光谱信息,用多元散射校正(multiplicative signal correction,MSC)、二阶求导(Second derivative,SD)、Norris平滑的组合方法对原始光谱进行优化处理,MSC+SD+ND(15,5)预处理后的光谱数据进行主成分分析和聚类分析,并通过主成分载荷图分析不同产地绒柄牛肝菌样品差异的原因。结果显示,该方法的重现性,精密度及稳定性的RSD值分别为0.17%,0.08%,0.27%,表明方法稳定、可靠。主成分分析的前3个主成分累积贡献率达到87.24%,能表达红外光谱的主要信息,主成分得分散点图中同一产地样品成簇聚集,不同产地样品分布于相对独立的空间,能有效区分不同产地样品。主成分载荷图显示,随主成分贡献率降低,主成分所捕获的样品信息减少,其中PC1在3 571,2 958,1 625,1 456,1 405,1 340,1 191,1 143,1 084,935,840,727cm~(-1)波数捕获大量样品信息,归属为糖类、蛋白质、氨基酸、脂肪、纤维素等化学物质的吸收峰,表明这些化学物质含量的差异是区分不同产地绒柄牛肝菌样品的主要依据。基于离差平方和法(Ward method)及欧氏距离(Euclidean distance)进行聚类分析,能直观显示不同产地样品的分类情况及样品之间的相关性,15个产地样品基本能够按照产地来源正确聚类,正确率为93.33%。傅里叶变换红外光谱结合主成分分析和聚类分析,可以有效鉴别绒柄牛肝菌产地来源,并且能够分析不同产地样品具有差异的原因,为野生食用菌的鉴别分类和应用研究提供可靠依据。     

近红外透射光谱应用于黄酒酒龄的定性分析

应用近红外光谱透射技术,结合化学计量学方法,开展了黄酒酒龄定性鉴别的研究,并对不同光谱预处理方法(未处理、平滑、二阶微分)对酒龄鉴别结果的影响进行了对比分析.试验采用傅里叶变换近红外光谱仪,以86瓶绍兴黄酒为标准样品,并结合不同光谱预处理方法及判别分析法,建立了黄酒酒龄定性鉴别模型.光谱平滑处理对酒龄鉴别结果影响不显著,而微分光谱分析结果最差,近红外原始光谱结合判别分析法的分析结果最优,其校正集正确分类的百分比达98.1%,预测集达90.6%.研究表明,近红外光谱透射技术结合原始光谱及判别分析法可作为一种可靠、准确、快速的检测方法用于黄酒酒龄定性鉴别分析.     

基于主成分分析的不同预处理方法对关节软骨分类的影响

本文采用不同方法对来自正常和病变关节软骨样本的红外光谱进行预处理,而后利用主成分分析对关节软骨进行鉴别分析。首先对关节软骨切片实现傅里叶变换红外光谱采集,其次分别采用基线校准、标准化、多元散射校正和标准正态变量变换对软骨的红外光谱进行预处理,然后对原始光谱(矩阵)以及预处理光谱进行主成分分析,根据得分矩阵对样本进行分类分析。结果表明:预处理方法结合主成分分析可以更好地对正常和病变关节软骨样本进行分类,而且多种预处理方法的结合可以更好地增强样本间的区分度。另外,针对关节软骨样本,多元散射校正比标准正态变量变换具有更好的增强效果。     

光谱数据融合对绒柄牛肝菌产地溯源研究

由于国内外食品市场准入制度和溯源体系不完善，销售商乱用虚假标签等现象的发生，使得食品安全形势愈发严峻。为了保障野生食用菌的安全性，保护云南高原特色农业品牌战略，亟需建立快速准确的产地溯源方法。通过采集云南及其周边8个产地、79个绒柄牛肝菌子实体的紫外-可见吸收光谱(UV-Vis)与傅里叶变换红外光谱(FTIR)，采用多元散射校正(MSC)、标准正态变换(SNV)、二阶导数(2D)、平滑(SG)等算法对原始光谱进行预处理。基于低级与中级数据融合策略，将预处理后的UV-Vis与FTIR光谱信息进行融合，结合偏最小二乘判别分析(PLS-DA)与支持向量机(SVM)，建立牛肝菌产地鉴别模型，确定最佳产地溯源方法。对光谱融合数据进行系统聚类分析(HCA)，探讨不同产地样品整体化学信息的差异性与相关性。结果显示：(1)采用MSC+2D和SNV+2D对UV-Vis与FTIR光谱进行预处理，R2Y与Q2最大，分别为61.58%，95.09%和50.85%，82.16%，表明MSC+2D与SNV+2D为UV-Vis与FTIR光谱的最佳预处理方法；(2)基于UV-Vis，FTIR，低级与中级数据融合建立的PLS-DA与SVM模型，样品分类错误总数分别为24，6，2，2和6，1，1，0，表明数据融合模型分类效果优于单一UV-Vis与FTIR模型；(3)中级数据融合模型中，SVM对所有样品的分类全部正确，PLS-DA的分类错误总数为2，表明基于SVM的中级数据融合策略分类效果优于PLS-DA；(4)低级和中级数据融合HCA模型，分别有4和1个样品不能与同一类区域样品聚为一类，表明中级数据融合优于低级数据融合；由中级数据融合HCA图可知，同一产地样品聚类距离小于不同产地之间聚类距离，表明同一产地样品整体化学成分类较相似，且同一产地不同采集地点的差异小于不同产地之间的差异。采用UV-Vis与FTIR光谱中级数据融合策略结合SVM，能够对不同产地来源牛肝菌样品进行准确鉴别，为野生食用菌产地溯源研究提供一种新方法。     

基于荧光光谱及矩阵分析的植物油鉴别技术

利用FS920荧光光谱仪测量42个油样(包括36个纯植物油样,3个调和油样和3个混合油样)的荧光光谱,并对其数据矩阵(EEMs)进行归一化处理,确定了植物油特征激发波长及矩阵分析模型。综合分析植物油在特定范围内(激发波长为250~550 nm,发射波长为260~750 nm)的等高线光谱图和特征发射谱线图,将植物油划分为三类;将矩阵分析模型应用于纯植物油鉴别,分类正确率100%;为验证矩阵分析的定量判别能力,对三种混合油样进行分析,得到接近实际配比的分析结果;对市售三种调和油样本进行分析,得出调和油以大豆和菜籽油为基底的结论。通过对植物油荧光光谱的图谱特征和其矩阵模型的分析,证实荧光光谱技术和矩阵分析法对植物油进行分析和种类鉴别的有效性。     

基于光谱技术的桔子汁品种鉴别方法的研究

为了实现桔子汁不同品种的快速光谱鉴别,首先采用主成分分析法对光谱数据进行聚类分析,从定性分析的角度得到四种不同品种桔子汁的特征差异.同时将小波变换用于对大量光谱数据的压缩,并结合RBF神经网络建立桔子汁品种鉴别的定量分析模型.该模型将小波压缩后的数据作为神经网络的输入向量,建立径向基函数RBF神经网络.4个品种共240个样本用来建立RBF神经网络的训练模型,剩余的60个样本用于预测.预测结果表明,小波变换结合RBF神经网络的桔子汁品种鉴别的准确率达到100%.说明文章提出的基于光谱技术的鉴别方法具有很好的分类能力,它为桔子汁品种的快速鉴别提供了一种新方法.     

Characterization of Edible Oils Using Total Luminescence Spectroscopy

Total luminescence spectroscopy was used to characterise and differentiate edible oils and additionally, to control one of the major problems in the oil quality--the effect of thermal and photo-oxidation. We studied several vegetable oils available on the Polish market, including soybean, rapeseed, corn, sunflower, linseed and olive oils. Total luminescence spectroscopy measurements were performed using two different sample geometries: front-face for pure oil samples and right-angle for transparent samples, diluted in n-hexane. All the samples studied as n-hexane solutions exhibit an intense peak, which appears at 320 nm in emission and 290 nm in excitation, attributed to tocopherols. Some of the oils exhibit a second long-wavelength peak, appearing at 670 nm in emission and 405 nm in excitation, belonging to pigments of the chlorophyll group. Additional bands were present in the intermediate range of excitation and emission wavelengths; however, the compounds responsible for this emission were not identified. The front-face spectra for pure oils included chlorophyll peaks for most samples, and some additional peaks in the intermediate range, while the tocopherol peaks were comparatively less intense. The results presented demonstrate the capability of the total luminescence techniques to characterise and differentiate vegetable oil products, and additionally, to characterize the effect of thermal and photo-oxidation on such products. In the photo-oxidation experiments, special attention was paid to possible involvement of singlet oxygen. Experiments were done to monitor the highly specific O2(1delta(g)) --> O2(3sigma(g)-) singlet oxygen emission at 1270 nm. Thus, total luminescence spectroscopy presents an interesting alternative to time-consuming and expensive techniques such as gas or liquid chromatography, mass spectrometry and other methods requiring wet chemistry steps.     

红外光谱的陆生动物油脂中反刍动物成分鉴别分析

为有效应对违法掺加导致的饲料安全隐患，完善饲用油脂的高效检测手段，满足饲料质量安全的监管需求，以来源可靠的不同种属动物油脂为研究对象，通过在非反刍动物油脂中掺加不同比例（1%，5%，10%，20%，30%和40% W/W）的反刍动物油脂获得试验样品，首次系统应用傅里叶变换红外光谱结合化学计量学方法探讨了陆生动物油脂中掺加反刍成分的鉴别分析方法与模型。研究表明基于掺加比例1%～40%样品集，偏最小二乘判别分析模型正确判别率为100%，无假阳性和假阴性样品；进一步研究发现，基于陆生动物油脂中反刍成分低掺加比例0.1%～40%，0.2%～40%，0.4%～40%，0.6%～40%和0.8%～40%样品集，偏最小二乘判别分析模型的正确判别率均低于100%。且随着最低掺加比例的降低，假阳性与假阴性样品数明显增多，其正确判别率逐步降低。因此，陆生动物油脂中掺加反刍成分判别分析检量限约为1%；进一步通过脂肪酸组成与差异性分析、红外光谱特征波段和特征化学键对比分析探讨其判别分析机理。非反刍动物油脂光谱3 006 cm-1处吸收峰（代表=C-H(cis-)的拉伸振动）和914 cm-1处吸收峰（代表=HC=CH-(cis-)的弯曲振动）明显高于反刍动物油脂样品，主要表征了顺式脂肪酸和不饱和脂肪酸的显著差异。非反刍动物油脂光谱965 cm-1处吸收峰（代表-HC=CH-(trans-)的弯曲振动）明显低于反刍动物油脂样品，主要表征了反式脂肪酸和饱和脂肪酸的显著差异。掺加比例为1%的混合样品中反式C=C键含量显著高于其他低掺加比例的样品，而不同掺加比例样品的顺式C=C键含量和C-H(-CH₂-)键含量均无显著性差异。因此，基于红外光谱的陆生动物油脂中反刍动物成分鉴别分析主要是基于反式C=C键结构的信息表征。综上所述，红外光谱可作为一种兼顾检测效率与检测精度的技术应用于陆生动物油脂中反刍成分的鉴别分析。     

PLS-BP法近红外光谱定量分析研究

建立BP模型用于近红外光谱定量分析时,为克服所建模型与训练样本集产生“过拟合”,先用线性算法为其压缩训练数据是必要的。目前多采用主成分法(PCA)和逐步回归法(SRA)。主成分法具有极强的压缩数据能力,用它压缩成的主成分输入BP网所建模型的预测精度一般能满足要求,但它处理数据时未考虑输出变量的影响。逐步回归法根据系统输出选择变量,但所选变量具有自相关性,而且与训练集样品的排列顺序有关,很难选出最好的变量,往往难满足预测精度要求。本研究用偏最小二乘法(PLS),根据输出变量将原始数据压缩为主成分,输入BP网并用所建模型预测30个小麦样品的蛋白质含量。结果表明,与PCA-BP模型的预测决定系数(R2)从92.50提高到97.10,训练迭代次数从12 000减少到4 500。     

The use of infrared spectroscopy in combination with chemometrics for quality control and authentication of edible fats and oils: A review

Edible fats and oils provide a significant contribution in our diet and daily life, as cooking or frying oil, or as components used in food, pharmaceutical, and cosmetics products. Fats and oils are characterized by specific values, including acid value, saponification value, iodine value, and peroxide value, as well as the oxidation products which occur during storage due to oxidative and hydrolytic deterioration. Currently, due to the high price of edible fats and oils, some unethical producers adulterate high-value edible oils like olive oil with low-priced oils like palm and corn oils; therefore the authentication analysis of edible fats and oils must be assured by introducing reliable and fast methods like infrared spectroscopy. Fourier transform infrared (FTIR) spectroscopy is an ideal technique for monitoring the quality control of fats and oils due to its property as a “fingerprint spectra technique,” which allows analysts to differentiate among fats and oils. FTIR spectra signals of fats and oils are very complex. Fortunately, a statistical technique called chemometrics can be used to handle the complex FTIR spectral data. Chemometrics in combination with FTIR spectroscopy has been widely used in many aspects of monitoring quality control of edible fats and oils including their authenticity.     

基于三维荧光光谱结合二维线性判别分析的油类识别方法的研究

油类污染严重威胁到自然环境及人类健康。因此,识别和处理油类污染非常重要。由于三维荧光光谱能够表征石油的荧光特征,故一般利用三维荧光光谱法检测溶液中存在的油类污染物。但油类的三维荧光光谱数据维度较高且直接分析的难度较大,因此可以利用数据降维方法提取原始油类样本的光谱特征,并利用所得到的光谱特征对样本进行识别。基于此,利用二维线性判别分析（2D-LDA）对油类样本进行特征提取,研究提取的不同样本光谱特征的差别,将得到的光谱特征作为K最近邻（KNN）分类的输入,得到相应的分类结果。首先,分别配制四种不同的油类（柴油、汽油、航空煤油、润滑油）样本各20个,共计得到80个油类样本;然后,利用FS920光谱仪采集所有油类样本的三维荧光光谱数据;其次,对采集到的光谱数据进行预处理,去除光谱中散射的干扰并标准化;最后,利用2D-LDA算法对样本进行特征提取,利用KNN算法进行分类,并将其分类结果与经主成分分析(PCA)进行特征提取后的分类结果比较。研究结果表明,2D-LDA提取特征的分类效果优于PCA。利用2D-LDA分别提取发射和激发特征得到测试集识别的准确率相同且都为95%,而将发射和激发光谱特征的分类距离相结合并重新进行分类的准确率为100%。表明两类光谱相对于三维荧光光谱具有互补性,将发射和激发光谱特征相结合能够更好地对样本进行分类。而利用PCA对测试集识别的准确率仅为85%,表明2D-LDA对三维荧光光谱数据的特征提取效果更好。与PCA相比,2D-LDA通过类内散度和类间散度最大化投影向量来提取样本的特征,使得同类样本尽可能接近,不同样本尽可能分离。因此,2D-LDA具有使降维后的数据更容易被区分的特点,故其鲁棒性好。该研究为油类的降维识别提供了一种参考。     

基于太赫兹时域光谱的食用油过氧化值定量分析研究

针对目前太赫兹光谱技术在食用油品质检测方面存在定性多、定量难的问题,提出一种基于衰减全反射（ATR）式太赫兹时域光谱（THz-TDS）技术的食用油过氧化值定量分析方法。首先采集不同种类、不同氧化程度食用油样本的太赫兹时域光谱图,筛选有效信号波段并提取得到光学常数,经预处理算法校正后的光学常数,结合多种化学计量学方法建立定量分析模型,实现快速、无损预测食用油的过氧化值。70个实验样本包括大豆油、菜籽油和玉米,过氧化值覆盖范围0.41~10.23 mmol·kg-1,且样本的过氧化值均匀分布。采用TeraView公司生产配有ATR检测模块的TeraPulse 4000太赫兹脉冲光谱系统采集样本THz-TDS信号,根据THz-TDS谱图信号特征筛选有效波段10~86.78 cm-1用于建模分析。通过快速傅里叶变换得到频域信号并从中提取光学常数：折射率和吸收系数,采用Savitzky-Golay7点卷积平滑分别对折射率和吸收系数进行预处理,去除干扰信号。运用SPXY算法按照3∶1比例划分校正集和预测集样本,结合主成分回归法、偏最小二乘法两种化学计量学分析方法,分别建立基于折射率和基于吸收系数的过氧化值分析模型。对模型评价指标均方根误差和相关系数进行分析,基于折射率的过氧化值分析模型采用偏最小二乘算法建模预测精度最理想,选取最优主成分数为6时,其校正集均方根误差RMSEC为0.168%、决定系数R2为0.981,预测集均方根误差RMSEP为0.231%、决定系数r2为0.977;基于吸收系数的过氧化值分析模型则采用主成分回归算法建模预测模型稳健度最好,选取最优主成分数为10时,其校正均方根误差RMSEC为0.192%、校正集决定系数R2为0.979,预测均方根误差RMSEP为0.262%、预测集决定系数r2为0.97。该研究结果的得出,验证了THz-TDS技术用于食用油过氧化值定量分析的可行性,为食用油的品质评价找到一种高精度、性能稳定、快速无损的检测方法。     

应用可见/近红外光谱技术鉴别香菇品源的三维空间建模研究

应用可见/近红外吸收光谱技术对不同品源的香菇进行了无损鉴别研究。通过主成分分析法(PCA)将谱段为375~1 025 nm的光谱数据进行压缩和主成分提取,发现前3个主成分累计可信度可达94.37%,说明在三维空间建立样本鉴别模型是可行的。提出了一种将PCA和三维空间聚类相结合的方法,应用遗传算法确定了样本空间分割平面。遗传算法以同源样本的分割平面方程符号反向次数最小作为适应度函数。还建立了将PCA和BP神经网络相结合的比较模型。选取了195个样本,其中150个用于样本建模,其余45个用于检验模型预测能力。两个模型使用相同的建模集和预测集。结果表明,两个模型预测能力基本一样,准确率均高于91%。与BP神经网络相比,新方法更加直观简便,为仪器化鉴别提供了新途径。     

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。