红外光谱和逐步判别分析应用于金银花品种和产地的鉴别

基于傅里叶变换红外光谱技术,利用逐步判别分析法对金银花品种和产地进行鉴别研究。采集、测试了5个产地9个品种150份金银花样本的红外光谱,并计算了各样品红外光谱的一阶导数光谱和二阶导数光谱。分别选用不同的样本组成训练集和检验集,以1800～900 cm~(-1)、1500～700 cm~(-1)和1200～700 cm~(-1)波数范围的红外光谱、一阶导数光谱和二阶导数光谱数据为判别变量建立判别模型对金银花的品种和产地进行鉴别。判别结果显示,以1800～900 cm~(-1)波数范围的二阶导数光谱数据为判别变量建立的模型鉴别效果相对较好,对品种和产地的鉴别正确率依次达93.20%和96.13%。研究结果表明,采用逐步判别模式识别可以很好地鉴别不同品种和产地的金银花,方法可行有效,可为金银花品种和产地朔源提供方法。     

基于FTIR指纹光谱的牛肉产地溯源技术研究

在中国牛肉4个产区吉林省榆树市,贵州省安顺市、宁夏自治区同心县、河北省张北县屠宰场采集了58个肉牛牛肉样品,进行脱脂、干燥、粉碎.利用近红外光谱分析技术,对牛肉样品的近红外光谱进行主成分分析、聚类分析、判别分析,建立了判别牛肉产地来源的傅里叶变换红外光谱定性分析模型.分析结果显示4个产区的牛肉的平均近红外光谱存在有差异,牛肉样品的主成分空间分布也位于不同的区域.根据光谱距离,对样品进行聚类分析,初步判定了牛肉的产区,其中贵州的牛肉光谱比较复杂,与河北牛肉样品的光谱距离很近,存在一定交叉.利用来源于4个产区的18个独立样品对模型进行了验证,正确识别率为100%.说明应用近红外光谱分析技术可准确、快速、低廉地追溯牛肉的产地来源.     

基于拉曼光谱和模式识别算法的软玉产地鉴别

利用自行研制的便携式拉曼光谱仪,研究了甘肃、青海和新疆3个产地软玉的拉曼光谱特征,并对其光谱差异进行解析;基于马氏距离判别方法和随机森林判别方法实现了3个产地软玉的无损鉴别。结果表明:利用马氏距离判别方法和随机森林判别方法可以对具有相同拉曼峰的不同产地的软玉进行鉴别,鉴别准确率分别为87.5%和95.83%。     

基于波长选择方法Modeling Power的黑木耳产地判别研究

应用近红外光谱技术结合波长选择方法(modeling power,MP)实现了黑木耳产地的快速准确判别。共收集4个产地240个黑木耳样本,通过光谱扫描,建立了最优的偏最小二乘(PLS)判别模型。同时应用MP选择对黑木耳产地判别的有效波长,作为输入变量,建立最小二乘-支持向量机(MP-LS-SVM)模型。比较了3种MP选择波长的阈值方法,分别为MP值大于0.95,0.90和(0.90+Peak),并建立了相应的MP-LS-SVM模型。以预测集样本的准确判别率作为模型评价标准,分别设定预测的残差绝对值标准0.1,0.2和0.5。预测结果表明,MP-LS-SVM(0.90+Peak)模型在残差标准为0.1,0.2和0.5时的判别效果均为最优,正确判别率分别为98.3%,100%和100%。说明ModelingPower是一种非常有效的波长选择方法,应用近红外光谱技术结合MP-LS-SVM进行黑木耳产地判别是可行的,并获得了满意的判别精度。     

反刍动物源肉骨粉的近红外漫反射光谱判别分析

为了探讨利用近红外漫反射光谱判别分析技术快速鉴别非反刍动物源肉骨粉中是否掺有反刍动物源肉骨粉的可行性,收集了来源于国内不同地区的不同种类的肉骨粉样本39个,其中猪、鸡肉骨粉各15个,牛肉骨粉5个和羊肉骨粉4个。通过在非反刍动物源猪或鸡肉骨粉中人为掺入0%～48%的反刍类动物源牛或羊肉骨粉,制备了252个肉骨粉的样本。利用FOSS6500型近红外光谱仪获取样本光谱,WINISI软件随机选取180个样本作为校正集,72个样本作为独立的验证集。采用基于偏最小二乘回归法(PLS)的判别分析技术,建立了判别分析模型,利用独立的验证集对判别分析模型进行了验证,最优判别分析模型正确判别率为90%。结果表明所建立的判别分析模型可以对非反刍动物源肉骨粉中含有的反刍动物成分进行快速鉴别,但对反刍动物成分含量低于2%的肉骨粉样本,模型的判别精度还有待提高。文章结果为反刍动物源性肉骨粉的鉴别分析提供了一种有效的快速筛选方法。     

红外光谱和逐步判别分析法应用于油菜籽的研究

用傅里叶变换红外光谱(FTIR)和逐步判别分析法对油菜籽的品种和产地进行鉴别研究。测试了来自5个产地17个油菜籽品种188份油菜籽皮样品的红外光谱,按产地和品种选择训练样本,每个品种选择5份为训练样本,剩下的作为测试样本,选择1 800~950cm~(-1)范围的光谱信息,在SPSS20.0的判别分析模块中采用逐步法,Fisher线性判别准则,分别建立油菜籽品种和产地的鉴别模型来判别样品的品种和产地;比较了逐步判别分析中五种筛选建模信息的算法所建立的模型对实验样品品种和产地的鉴别效果。基于油菜籽皮红外光谱信息的品种判别分析,五种筛选变量的算法所建立的模型都能较好的识别油菜籽的品种,"Wilks’Lambda"法所建模型的识别效果最好,判别正确率为97.9%。基于油菜籽皮红外光谱信息的产地判别分析,五种筛选变量的算法所建立的产地判别模型也都能较好的识别油菜籽的产地,"Unexplained variance"法所建模型的识别效果最好,判别正确率为98.4%。研究结果表明,基于油菜籽皮中红外光谱信息的品种和产地判别分析,有望成为油菜籽品种和产地鉴别的方法。     

基于近红外光谱和模式识别技术鉴别大米产地的研究

利用近红外光谱和模式识别技术建立了大米产地的快速鉴别方法。首先对119个地理标志产品响水大米和90个其他产地的大米(即非响水大米)的近红外光谱进行一阶导数和平滑处理,利用主成分分析法(PCA)对数据进行降维,通过前三个主成分的载荷图确定了相关性最大的特征波段(7 700～6 700cm-1与5 700～4 300cm-1)。在全波段内,凝聚层次聚类和Fisher’s判别鉴别方法都可以100%正确的鉴别响水大米和非响水大米;对于非响水地区的大米的具体产地判别,聚类分析正确率为91.9%,Fisher’s判别分析方法的正确率为96.7%。同时,在特征波段内,对大米产地聚类分析的准确度高于全波段范围内分析结果,说明选取的特征波段具有较强的代表性,是优化模型的有效方法之一。     

荧光光谱成像技术结合主成分分析与Fisher判别快速鉴别肉苁蓉

为探究一种快速、可靠的肉苁蓉属中药材检测方法,实验采用荧光光谱成像技术结合模式识别方法对肉苁蓉属三种中药材:荒漠肉苁蓉、管花肉苁蓉和沙苁蓉进行鉴别研究。实验中发现肉苁蓉样品存在较显著的荧光特性,采集来自不同产地、不同批次以及不同超市购买的三种肉苁蓉属药材的40个样品的荧光光谱图像,对图像进行去噪、二值化处理后,根据光谱立方体绘制每个样本的光谱曲线,将所得450~680nm波段范围内的光谱数据作为鉴别分析的研究对象,应用主成分分析法(PCA)对三种肉苁蓉的光谱数据进行降维处理,再结合Fisher判别方法对三种肉苁蓉进行鉴别。分别比较多元散射校正(MSC)、标准正态变量校正变换(SNV)以及一阶微分(FD)三种数据预处理方法对鉴别模型的影响,并根据主成分的累积贡献率和主成分因子数对判别模型效果的影响对主成分因子数进行优化。分析结果表明:一阶微分预处理后提取前四个主成分进行Fisher判别的鉴别效果最佳,PCA结合Fisher判别建立肉苁蓉属三种药材的判别模型原始判别的准确率达到100%,交叉验证的准确率达到95%。由此可见,利用荧光光谱成像技术结合主成分分析及Fisher判别对肉苁蓉属三种药材的鉴别分析是可行的,而且具有操作简便、快速、可靠等优点。     

高光谱技术的羊肉品种多波段识别研究

利用可见/近红外(400~1 000nm)及近红外(900~1 700nm)高光谱成像技术对宁夏地区滩寒杂交、盐池滩羊、小尾寒羊三个品种羊肉进行识别研究。针对不同波段光谱特点,分别优选出Baseline及SG卷积平滑光谱预处理方法,并运用连续投影算法(SPA)提取特征波长,结合线性判别分析(LDA)及径向基核函数支持向量机(RBFSVM)模型进行全波段及特征波长识别分析。结果表明不同波段高光谱对羊肉品种识别均获得较好效果,其中400~1 000nm波段采用Baseline-Fullwave-RBFSVM及12个特征波长下准确率为100%与98.75%,900~1 700nm波段采用Baseline-Fullwave-RBFSVM及7个特征波长下准确率为96.25%与87.80%;RBFSVM非线性分类准确率高于LDA线性判别结果,400~1 000nm波段识别准确率优于900~1 700nm波段,说明三种羊肉在色泽纹理上差异比成分含量显著,利用高光谱成像技术结合RBFSVM方法能够获得较优的羊肉品种识别效果。     

近红外光谱信息筛选在玛咖产地鉴别中的应用

食药植物玛咖富含多种营养成分,极具药用价值。采用近红外漫反射光谱,对采自秘鲁及云南共139份玛咖样品进行产地鉴别。采用多元信号校正结合二阶导数和Norris平滑预处理光谱,利用光谱标准偏差初步选择光谱波段(7 500~4 061cm~(-1)),结合主成分-马氏距离(principal component analysis-mahalanobis distance,PCA-MD)筛选出适宜的主成分数为5。基于所筛选的光谱波段及主成分数,利用"模群迭代奇异样本诊断"方法剔除2个异常样品后,分别采用竞争自适应重加权法(competitive adaptive reweighted sampling,CARS)、蒙特卡洛-无信息变量消除法(monte carlo-uninformative variable elimination,MC-UVE)、遗传算法(genetic algorithm,GA)和子窗口重排(subwindow permutation analysis,SPA)四种方法筛选光谱变量信息,利用模型集群分析(model population analysis,MPA)思想对所筛选的光谱变量信息进行评价。结果显示,RMSECV(SPA)RMSECV(CARS)RMSECV(MC-UVE)RMSECV(GA),分别为2.14,2.05,2.02,1.98,光谱变量数分别为250,240,250和70。采用偏最小二乘判别分析法(partial least squares discriminant analysis,PLS-DA)对四种方法筛选的光谱变量建立判别模型,随机选择97份样品作为建模集,其余40份样品作为验证集。通过R2,RMSEC和RMSEP分析可知,R2:GAMC-UVECARSSPA,RMSEC和RMSEP:GAMC-UVECARSSPA,且GA,MC-UVE,CARS和SPA四种方法筛选的光谱信息所建立的产地判别模型预测正确率分别为95.0%,92.5%,90.0%和85.0%。四种方法筛选的光谱信息所建立的产地判别模型均具有较好的预测性能,其中GA法所筛选的光谱信息建立的判别模型更准确。该方法的建立旨在为中药材鉴别和品质评价奠定基础。     

Different classification algorithms and serum surface enhanced Raman spectroscopy for noninvasive discrimination of gastric diseases

In this study, surface enhanced Raman spectroscopy (SERS) was used to investigate the spectral characteristics of blood serum for the purpose of diagnosing stomach diseases. SERS spectral data was collected from patients with atrophic gastritis, both pre‐operation and post‐operation gastric cancer, and from healthy individuals. Visual differences in the SERS spectra were observed between the four groups which indicate corresponding biomolecule concentration changes in blood. To further investigate the diagnostic ability of human serum, the spectral data was analyzed with three chemometric processes. These three methods extracted features and classified from the spectral data. Principal component analysis (PCA) was first performed to reduce the dimensionality of the original spectral data. Then, the classification methods support vector machine (SVM), linear discriminant analysis (LDA) and classification and regression tree (CART) were used for the evaluation of diagnostic ability. Accuracies of 96.5%, 88.8% and 87.1% were obtained for PCA‐SVM, PCA‐LDA and PCA‐CART, respectively. Copyright © 2016 John Wiley & Sons, Ltd.     

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。     

模糊K-Harmonic-Kohonen网络的FTIR光谱数据聚类分析

食品的品种不同则其含有营养成分和功效存在差异,得到的傅里叶变换红外光谱也存在差异。为了准确的实现品种分类,设计了一种将傅里叶变换红外光谱与模糊聚类分析方法相结合的品种鉴别方法。在模糊Kohonen聚类网络(FKCN)基础上将模糊K调和聚类(FKHM)引入到Kohonen聚类网络的学习速率和更新策略中,提出了模糊K-Harmonic-Kohonen网络(FKHKCN)算法。FKHKCN利用模糊C均值(FCM)聚类的模糊隶属度计算其学习速率,以FKHM的聚类中心为基础通过推导计算得到FKHKCN的聚类中心,可以解决模糊Kohonen聚类网络方法对于初始类中心敏感而导致聚类结果不稳定的问题。FKHKCN作为一种模糊聚类算法,可实现傅里叶变换红外光谱数据的聚类分析。采用三种数据集：(1)采集产自四川的三种茶叶(优质和劣质的乐山竹叶青以及峨眉山毛峰)作为实验样本,样本总数为96。(2)两个品种(robusta和arabica)的咖啡样本。(3)三个品种(鸡肉、猪肉和火鸡)的肉类样本。首先对三个光谱数据集进行预处理,利用多元散射校正降低茶叶样本原始光谱数据集的散射影响,使用Savitzky-Gol...     

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。     

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。     

Detection of explosives with laser-induced breakdown spectroscopy

Our recent work on the detection of explosives by laser-induced breakdown spectroscopy (LIBS) is reviewed in this paper. We have studied the physical mechanism of laser-induced plasma of an organic explosive, TNT. The LIBS spectra of TNT under single-photon excitation are simulated using MATLAB. The variations of the atomic emission lines intensities of carbon, hydrogen, oxygen, and nitrogen versus the plasma temperature are simulated too. We also investigate the time-resolved LIBS spectra of a common inorganic explosive, black powder, in two kinds of surrounding atmospheres, air and argon, and find that the maximum value of the O atomic emission line SBR of black powder occurs at a gate delay of 596 ns. Another focus of our work is on using chemometic methods such as principle component analysis (PCA) and partial least squares discriminant analysis (PLS-DA) to distinguish the organic explosives from organic materials such as plastics. A PLS-DA model for classification is built. TNT and seven types of plastics are chosen as samples to test the model. The experimental results demonstrate that LIBS coupled with the chemometric techniques has the capacity to discriminate organic explosive from plastics.     

基于FT-NIR的微生物快速鉴定方法研究

微生物细胞的傅里叶变换近红外光谱(Fourier transform near infrared spectroscopy,FT-NIR)反映了细胞成分的分子振动信息,具有的高度特异性,为寻求一种基于FT-NIR的微生物快速鉴定方法提供了可能。文章通过采集1株酵母和5株细菌标准菌株的近红外漫反射光谱,采用主成分分析法对光谱数据进行了分析,构建了基于FT-NIR的微生物快速鉴定模型。分析结果表明:①光谱鉴别指数Dy1y2值范围为1.61±1.05～10.97±6.65,重现性良好;②建立的基于线性判别分析模型的鉴定准确率为100%,基于人工神经网络模型的预测结果平均相对误差为5.75%,预测准确率高。研究结果证实该方法可以实现基于FT-NIR结合多元数学统计方法的微生物快速鉴定,并具有广阔的产业应用前景。     

红外光谱对三七及其野生近缘种亲缘关系研究

野生近缘种在丰富种质资源以及改善栽培物种品质产量方面具有十分重要的意义和作用。采用傅里叶变换红外光谱对三七及其野生近缘种亲缘关系进行探讨,以期为三七的品种改良及种质资源开发利用提供理论基础。采集三七及其4个野生近缘种(珠子参、屏边三七、越南人参、羽叶三七)、三七总皂苷标准品红外光谱,将三七及其野生近缘种红外光谱进行自动基线校正、平滑、纵坐标归一化、二阶导数预处理,结合主成分分析、偏最小二乘判别分析及系统聚类分析进行亲缘关系研究。结果显示,三七与三七总皂苷标准品红外光谱在3 400,2 930,1 635,1 385,1 075,927 cm~(-1)等附近存在多个共有峰,推测这些共有峰强度与皂苷含量之间有一定关系;三七及其野生近缘种原始光谱较为相似,存在C-H,C=O,O—H,C—N,C—O等官能团吸收峰,不同物种的二阶导数红外光谱指纹区(1 800~500 cm~(-1))具有较大差异,如1 385和784 cm~(-1)等特征吸收峰差异明显;选取指纹区光谱数据进行主成分分析、偏最小二乘判别分析,通过比对两种方法的3D得分图,偏最小二乘判别分析对物种的区分效果优于主成分分析;前6个主成分数据的系统聚类分析表明,三七与越南人参、珠子参亲缘关系较近,与屏边三七、羽叶三七亲缘关系较远。利用傅里叶变换红外光谱结合化学计量学的方法能有效对三七及其野生近缘种进行亲缘关系分析,同时为药用植物种质资源相关研究提供借鉴与参考。     

近红外光谱技术结合变量选择方法定性检测食用植物油中的腐霉利

利用近红外光谱技术对食用植物油中的腐霉利进行定性检测研究。以国家标准规定的腐霉利最大残留限量为界线,将不同腐霉利含量的食用植物油样本分为合格组和不合格组。采用QualitySpec台式近红外光谱仪采集两类样本的光谱,利用无信息变量消除(UVE)和子窗口重排分析(SPA)方法进行波长变量筛选,并应用线性判别分析(LDA)、偏最小二乘-线性判别分析(PLS-LDA)及判别偏最小二乘(DPLS)方法建立两类样本的分类模型。结果表明,近红外光谱技术可以对两类样本进行分类。UVE方法可以有效筛选有用波长变量,提高分类模型的性能。UVE-DPLS所建立的分类模型性能最优,其预测集样本的分类正确率、灵敏度及特异性分别为98.7%,95.0%和100.0%。     

近红外光谱技术快速鉴别蜂胶品种的可行性研究

不同植物源的蜂胶物质组成不同,其生理和药理活性也存在着一定的差异。目前主要是根据蜂胶中物质组成及其含量的不同来鉴别蜂胶植物源,存在着一些局限性。因此,建立一种快速、准确鉴别蜂胶植物源的方法具有重要的意义。以三种不同植物源的蜂胶(杨树型蜂胶、桦树型蜂胶和橡树型蜂胶)为研究对象,利用傅里叶变换近红外光谱仪对蜂胶的无水乙醇溶液进行光谱扫描,采用主成分分析结合马氏距离判别法和典型判别分析分别建立蜂胶品种的判别模型并对其性能进行检验。结果表明:在经过光谱预处理和主成分分析后,得到最佳的光谱建模波段为4 500~12 000cm~(-1),最佳的光谱预处理方法为一阶导数+Savitzky-Golay(7)平滑;主成分分析结合马氏距离判别法建立的判别模型校正集和检验集的判别准确率分别为93.62%和82.61%;典型判别分析建立的判别模型的判别准确率为91.4%,交叉检验的判别准确率为88.6%。由此可知,主成分分析结合马氏距离判别法与典型判别分析对蜂胶样品的分类效果均较好。近红外光谱技术结合化学计量学方法应用于蜂胶植物源的快速、准确鉴别具有一定的可行性和实用性。