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。     

基于支持向量机及小波变换的人参红外光谱分析

以吉林名贵中药材人参作为研究的主要对象,详细研究了利用小波变换技术对红外光谱变量的压缩方法和实现过程,以及如何利用人工神经网络(ANN)和支持向量机(SVM)技术建立人参的红外光谱的产地鉴别模型,并详细讨论了ANN模型中相关参数的优化方法以及SVM模型中的核函数及σ值的优化选择。仿真实验表明,建立的ANN模型对40个吉林人参样品产地识别率达到92.5%,而采用径向基核函数的SVM模型的识别率为97.5%,其分类效果明显优于ANN模型。从而表明小样本的情况下,利用SVM结合小波变换技术可以对吉林人参的红外光谱的产地特征进行正确区分,同时为中草药的红外光谱的进一步的分析和研究提供了一定理论依据和技术支持。     

壁虎药材红外光谱指纹图谱研究

本文采用傅里叶变换红外光谱和二阶导数谱分析方法,首次对不同产地的壁虎药材进行了测定分析,得到壁虎药材红外光谱指纹图谱的共有模式。结果表明,不同产地壁虎药材的红外光谱相似程度较高,差异主要表现在峰位的细微变化和峰的相对强度方面,1800~400cm~(-1)为该药材的红外光谱指纹区。壁虎药材的红外光谱指纹图谱鉴别特征明显,稳定性、重现性较好,可作为该药材快速鉴别和质量整体性评价的一种新方法。     

径向基函数神经网络和近红外光谱用于大黄中有效成分的定量预测

采用近红外光谱(NIRS)法和人工神经网络定量预测大黄样品中４种有效成分的含量,包括：蒽醌及其单糖甙类、水溶性蒽甙类、芪芪甙类、鞣质及其有关化合物。在1 100～2 500 nm波长范围内扫描大黄粉末样品,采用径向基函数神经网络(RBFNN)建立了近红外光谱与HPLC分析值之间的校正模型。上述四类化合物的交叉验证均方差(RMSECV)分别为2.572,0.442,2.794,9.438;预测均方差(RMSEP)分别为4.598,8.657,0.458 6,5.106。该方法快速,无损,结果令人满意,可作为中药材复杂体系中化学组分定量测定的方法。     

小波软阈值径向基神经网络同时测定多组分混合物

建立了一种小波软阈值径向基函数神经网络 (STWRBFN)方法 ,同时定量分析了多组分混合物。结合小波软阈值法和径向基函数神经网络改进了回归质量。通过最佳化 ,选择了小波函数、小波分解水平(L)、阈值法类型和网络的伸展参数 (σ)。两个程序PSTWRBFN和PRBFN被设计执行STWRBFN和径向基函数神经网络 (RBFN)计算。实验结果表明STWRBFN是成功的且优于RBFN法 ,和经典的多变量线性回归(MLR)方法相比较 ,这两个方法更为有效     

拉曼光谱法快速鉴别黄芩中药材

本文利用付里叶变换拉曼光谱法和计算机辅助比对软件对 1 2个不同产地、不同种植方式及不同采集时间的中药材黄芩进行了快速鉴别 ,结果表明可以由拉曼光谱的特征频率与强度鉴别不同种植方式的黄芩样品。此鉴别方法与常规的光谱法相比具有更直接、快速 ,不破坏样品的原性质的特点 ;与传统的药材鉴别方法相比更准确 ;与民间传统的鉴别方法相比更具有科学性。     

基于遗传算法的近红外光谱橄榄油产地鉴别方法研究

提出了一种应用近红外光谱技术快速无损鉴别橄榄油产地的新方法。采用近红外光谱仪获取三种不同产地的橄榄油各30个样本的光谱漫反射特征曲线,利用全局搜索算法-遗传算法提取特征波长,即从光谱751个波长数据提取9个特征波长数据,并将其作为主成分分析法的输入变量,运用主成分分析法建立分析校正模型。结果表明,主成分1和2累计可信度已达99.130%,对不同产地的橄榄油有很好的聚类作用,同时也说明遗传算法抽取特征波长方法正确。将提取到的六种主成分作为BP神经网络的输入变量,品种类型作为神经网络的输出变量,建立3层人工神经网络模型,对30个未知橄榄油产地进行预测,预测结果准确率达100％。该方法能快速无损地检测橄榄油产地,同时也为其他油类产地鉴别提供了一种新方法。     

基于人工神经网络的淫羊藿红外光谱的研究

对于不同产地和不同栽培条件的药材, 其药效的不同是由于其所含化学成分和各成分含量的比例不同所造成的, 这种差异将造成红外图谱的差异。但这些差异非常细微,单纯地从谱图去区分其特征是非常困难的。文章利用傅里叶变换红外光谱,测定了42种来自吉林3个不同产地的淫羊藿样品的红外光谱,并对光谱数据进行了相应的预处理。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。实验表明,建立的模型能够正确地对42个淫羊藿样品进行产地鉴别,同时避免了传统光谱分析对药材的分离和提取,从而为中药质量的科学控制和现代化管理提供了可靠的依据。     

基于支持向量机的近红外光谱鉴别茶叶的真伪

快速准确地鉴别名优茶的真伪是当前茶叶行业亟待解决的一项重大课题。针对这一现状,提出了一种快速准确鉴别名优茶真伪的新思路。试验中,以碧螺春茶为研究对象,利用近红外光谱分析技术结合支持向量机(SVM)模式识别原理建立碧螺春茶真伪鉴别模型。试验结果显示,通过标准归一化(SNV)预处理,选取6500~5500 cm-1波长范围内的光谱经过主成分分析后,提取11个主成分,选用径向基函数(RBF)作为核函数建立的模型最佳。对训练集中的138个茶叶样本,模型的回判鉴别率达到93.48%;对90个独立样本进行预测时,模型的预测鉴别率达到84.44%。研究结果表明基于支持向量机的近红外光谱鉴别名优茶真伪的方法是可行的。     

不同产地虎杖根FTIR主成分分析研究

借助于傅里叶变换红外光谱分析仪,采用主成分分析法对来自7个产地的虎杖根在植化组成上的相似性进行了聚类分析。结果表明：虎杖样品在4000～1700cm-1区域有相似的红外光谱特征,而在1700～900cm-1区域不同产地的样品又存在一定的差异。据此将虎杖的产地分为6个区,分区与各产地的地理位置和气候条件有一定的相关性,同一区内虎杖的化学组分相似。红外光谱法可以快速、简便、直观地对中药材进行聚类分析和质量鉴别。     

傅里叶变换红外光谱法并结合主成分分析法鉴别灯盏花和多舌飞蓬的研究

灯盏花和多舌飞蓬为菊科飞蓬属植物,由于其形态上非常相似,因此在藏医药均被叫着"美多罗米"用于清热解毒、瘟病时疫.然而,它们在现代监床应用方面存在明显的差异.为了能简便快速的鉴别灯盏花和多舌飞蓬,借助于傅里叶变换红外光谱分析,采用主成分分析法(PCA)对来自13个不同产地的灯盏花和多舌飞蓬样品在植化组成上的相似性进行了聚类分析.比较了灯盏花和多舌飞蓬之间的差异程度,结果表明FTIR结合主成分分析在反映同属不同种及不同产地的同种植物化学组成差异程度上具有重要意义.所建立的方法可以快速、简便、直观地对灯盏花和多舌飞蓬进行聚类分析和质量鉴别,也可以为其他中药材和民族药材的鉴别研究提供参考.     

近红外光谱技术对人参药材人参皂苷含量测定及产地识别的研究

以东北三省6个产地的74份人参样品为研究对象,采集其近红外光谱,以多元散射校正原始光谱;采用超高效液相色谱技术,建立样品中人参皂苷Rg₁,Rb₁,Re的含量测定方法,以样品中这三种皂苷的总量作为参考值,在6 001～4 007和10 000～8 786 cm-1建模区间,采用偏最小二乘法建立了人参样品中人参皂苷近红外定量模型,交叉验证均方根误差为0.115,预测均方根误差为0.167,相关系数分别为0.947 7和0.915 3。同时对近红外原始光谱进行多元散射校正和Savitzky-Golay平滑处理,以8 531～7 559 cm-1谱段对人参样品进行产地识别,结果表明,74份样品可分为3类,分别对应辽宁、吉林和黑龙江产区,校正模型判正率为96%,预测模型判正率达90%。2010版《中国药典》以人参样品中人参皂苷Rg₁,Rb₁,Re的总量作为评价人参质量的化学指标,该工作所建立的近红外预测人参样品三种皂苷总量的方法快速、准确,可用以评价人参样品的质量。     

模式识别和红外光谱法相结合鉴别中药材产地

用红外光谱法取得来自不同产地的中药材的中红外光谱,结合模式识别的方法实现中药产地的快速鉴别。采用了近邻法和多类支持向量机方法对采集自4个不同产地的269个白芷样本和6个不同产地的380个丹参样本进行了产地鉴别,得到的交叉验证准确率达99%,为中药材产地的自动鉴别探索了一条有效的途径。     

基于卷积神经网络和近红外光谱的太平猴魁茶产地鉴别分析

太平猴魁茶因其特有的“喉韵”深受广大消费者喜爱,不同产地太平猴魁茶市场价格相差较大,如何实现产地精准鉴别是目前促进绿茶产业发展的关键因素。依赖于人工经验的感官评审方法主观性强、稳定性差,无法应用于实际生产检测过程。作为目前主要的检测分析方法,化学分析方法周期长、检测成本高,而且目前没有用于茶叶产地鉴别的统一标准。近红外光谱（NIR）作为一种无损检测分析方法,具有快速、非破坏性、无污染等特点,但是不同产地太平猴魁茶主要内含成分及其含量基本相同,不同产地样本光谱特征峰分布相似,导致常规分析方法无法有效选择特征变量。卷积神经网络（CNN）作为经典深度学习网络模型之一,具有强特征提取和模型表达能力。采用太平猴魁茶产地光谱特征分析,利用一维卷积神经网络模型（1-D CNN）提取太平猴魁茶NIR特征,提出一种基于1-D CNN和NIR的太平猴魁茶产地鉴别分析方法。试验以6个不同产地共120个样本为研究对象,分析10 000~4 000 cm-1范围内的光谱信息;将样本随机划分为训练集（84,占70%）和测试集（36,占30%）,分别讨论不同间隔采样、网络结构、卷积核大小及激活函数对产地鉴别结果的影响,并引入Dropout方法对比分析模型过拟合现象;最终建立一个具有9层结构的1-D CNN模型。蒙特卡罗试验结果表明,相比于基于原始光谱数据（40.57%,7.06）和PCA方法（31.93%,6.96）的太平猴魁茶产地预测模型准确率和标准差,基于1-D CNN的太平猴魁茶产地鉴别模型预测精度和稳定性更高,其测试集预测准确率平均值和标准差分别为97.73%和3.47。因此,1-D CNN可有效提取太平猴魁茶不同产地NIR特征,提高太平猴魁茶产地鉴别精度,为太平猴魁茶精准产地鉴别及溯源分析提供参考。     

近红外漫反射光谱法和模式识别技术鉴别中药材产地

采用近红外漫反射光谱法获得了来自不同产地的中药材的红外光谱,结合近邻法和多类支持向量机等模式识别技术,对来自四个不同产地的269个白芷样本和六个不同产地的350个野生和栽培丹参样本进行了产域鉴别,得到的交叉验证准确率分别达到99%和95%,为中药材产地的快速无损鉴别探索了一条有效的途径。     

Intrinsic dosimetry: Elemental composition effects on the thermoluminescence of commercial borosilicate glass

Intrinsic dosimetry is the method of measuring total absorbed dose received by the walls of a container holding radioactive material. By considering this dose in tandem with the physical characteristics of the radioactive material housed within the container, this method can provide enhanced pathway information for interdicted radioactive samples. Thermoluminescence (TL) dosimetry was used to measure ionizing radiation dose effects on stock borosilicate glass. Differences in TL glow curve shape and intensity were observed for glasses from different geographical origins. The different TL signatures strongly correlated with the concentration of alkaline earth metals and the ratio of sodium to the total amount of alkali metal present in the borosilicate glass.     

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(7 700～6 700 cm-1与5 700～4 300 cm-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。     

基于FTIR的两种模式识别方法在两面针产地鉴别中的应用

为了探求建立快速鉴别两面针产地的方法,基于傅里叶变换红外光谱(FTIR)技术,选取1 800~400 cm-1红外指纹图谱带,采用Fisher比值法和SIMCA聚类分析法建立产地分类模型,分别对广西区内四个产地的两面针进行鉴别,并通过计算识别率与拒绝率来验证模型。结果表明,红外光谱技术不但能准确提取中药材的整体信息,并且基于红外光谱建立起的两种模式识别模型对未知样品进行预测,识别率和拒绝率均达到90%以上,说明所建模型具有较强的识别能力。通过自编计算程序以及现有统计软件,还可以将模式识别模型实现实时在线化检测与快速样品鉴别,大大提高了鉴别速度而更具应用价值。     

近红外光谱技术鉴别花椒产地

采集四川、重庆、云南、贵州、陕西五省市8个不同产地205个花椒样品的近红外光谱,使用主成分分析(principal component analysis, PCA)、判别偏最小二乘法(discriminant partial least squares, DPLS)分析了花椒产地的分类鉴别。结果表明：在12 500～3 800 cm-1波数范围内,采用不同的光谱预处理方法可以建立较为稳健的DPLS模式识别模型,对不同产地的花椒有较好的分类鉴别。其校正集交叉验证除了经一阶微分预处理的模型识别率为99.39%外,其他预处理方法识别率均为100%,独立验证集总体识别正确率在85.37%~97.56%之间,其中经标准正态变量变换(standard normal variate, SNV)、多元散射校正(multiplicative scatter correction, MSC)预处理后的DPLS判别模型效果最好,误判数仅分别为1个,表示该方法在花椒产地识别中具有可行性。