红外光谱及Bayes信息融合技术的葡萄酒鉴别研究

建立了将检出限不同的近红外透射光谱技术和中红外衰减全反射光谱技术进行Bayes信息融合后用于葡萄酒鉴别的方法。分别采集3种品种和3种陈酿方式的干红葡萄酒的近红外透射光谱和中红外衰减全反射光谱,用PLS-DA法分别建立基于近红外光谱和中红外光谱的判别模型,用Bayes方法实现两种判别结果的融合修正。信息融合后的结果为:葡萄酒品种鉴别模型的建模集准确率为95.08%,检验集准确率为94.68%,葡萄酒陈酿方式鉴别模型的建模集准确率为98.91%,检验集准确率为98.75%;均优于单独采用一种光谱技术的判别结果。实验表明,信息融合技术有助于模型判别效果的提高,采用Bayes信息融合技术对葡萄酒品种和陈酿方式进行快速识别是可行的。     

中红外光谱技术应用于蜂蜜掺假预判的研究

由于蜂蜜蜜种多,成分复杂,加之蜂蜜掺假方式繁多,采用传统的方式很难对蜂蜜进行快速准确的鉴别。通过对国内多个地区的蜂蜜进行调研,采集来自全国20个省份多个蜜种的蜂蜜,利用中红外光谱仪对样品进行光谱扫描,采用主成分分析和聚类分析的方法,利用化学计量软件进行模型的建立。该识别模型不仅能较准确地判别蜂蜜是否掺假(准确率为95.36%),还能对添加量在10%以上的掺假方式进行预判,判别准确率为97.78%,符合判别模型的建立要求。利用中红外光谱技术对蜂蜜掺假进行鉴别的方法有效、可行。     

基于氢核磁共振技术和化学计量学方法鉴别蜂蜜品种

利用氢核磁共振(~1H NMR)技术结合化学计量学方法对不同品种的蜂蜜进行鉴别。采集33个洋槐蜜、48个油菜蜜、63个荔枝蜜的核磁指纹图谱,对数据进行不同方式的预处理后,采用有监督的偏最小二乘判别分析(PLS-DA)和正交偏最小二乘判别分析(OPLS-DA)建立判别模型。结果表明,不同的数据预处理方式对模型解释能力和预测能力的影响较大,自标度化(UV)模式更适于蜂蜜核磁数据的分析。建立的OPLS-DA模型可有效地分离判别3种蜂蜜,所建模型对3种蜂蜜的判别解释能力达95.8%,对未知样本的预测能力为90.5%。因此,利用~1H NMR结合OPLS-DA方法可有效地实现不同品种蜂蜜的快速鉴别。     

柑橘黄龙病检测的近红外光谱集成建模方法

针对黄龙病检测问题,提出了一种集成了多特征提取模型和多分类器的柑橘黄龙病检测算法。将谱回归核判别分析和主成分分析并行融合进行特征提取,将偏最小二乘判别分析、决策树和支持向量机利用Stacking策略融合完成分类任务。基于3个主要柑橘品种共1 620条近红外光谱数据,与单特征提取单分类器方法和多特征提取单分类器方法进行对比,集成分类模型的正确率可达98.52%,精度在98.57%以上,F2得分可达98.01%。实验结果表明,集成分类模型明显优于单特征提取单分类模型和多特征提取单分类模型,证明利用集成分类模型进行柑橘黄龙病的无损检测是可行的,为其他领域的光谱分类提供参考。     

基于ICP－MS截尾数据与支持向量机优化模型鉴别蜂蜜植物源

该文开展了一种电感耦合等离子体质谱（ICP－MS）截尾数据和支持向量机（SVM）分类模型识别蜂蜜植物源的研究。实验选取荆条蜜、洋槐蜜、葵花蜜、油菜蜜4种不同植物源的蜂蜜共97例,经微波消解等预处理后,采用ICP-MS分别测得蜂蜜样品中16种金属元素的含量,并研究13种具有显著性差异的金属元素,以含截尾数据和不含截尾数据的元素作为输入变量分别建立基于高斯径向基函数的SVM分类模型,并通过网格搜索法（GS）、遗传算法（GA）、粒子群优化（PSO）算法对SVM模型中的惩罚参数c和核函数参数g进行优化。结果表明：Al、Ti、Cr、Ni、As、Se、Cd、Ba、Pb 9种金属元素存在截尾数据;方差分析结果表明,4种不同植物源蜂蜜之间,Na、Mg、Al、K、Ca、Mn、Ni、Cu、Zn、Se、Ba、Pb 12种金属元素在95%置信区间差异极显著,As元素在95%置信区间差异显著,Ti、Cr和Cd在95%置信区间无显著性差异,使用替换法将截尾数据按二分之一检出限值处理并作为输入变量时所建立的SVM模型分类效果更优;使用截尾数据所建立模型的判别正确率为91.8%,而不含截尾数据建立模型的判别正确率仅为82.5%。使用网格搜索法、遗传算法、粒子群优化算法对分类模型中惩罚参数c和核函数参数g作进一步优化,通过PSO算法寻优获得惩罚参数c为62.8,核函数参数g为1.26的条件下所建立的分类模型最优,其综合判别正确率为96.9%。由此可见,利用替换法按二分之一检出限值处理截尾数据作蜂蜜植物源鉴别分析是可行的,同时表明基于ICP－MS截尾数据结合SVM优化模型能提高模型判别正确率并可有效鉴别不同植物源蜂蜜。     

中红外光谱技术应用于饶河蜂蜜产地溯源的表征

通过对饶河本地的蜂蜜样品和其它地区蜂蜜样品的红外光谱谱图进行分析,利用化学计量软件建立饶河黑蜂蜂蜜产地真假判别模型。利用中红外光谱分析仪,分别采用5倍稀释和10倍稀释的前处理方法对95个饶河本地蜂蜜样品和其它地域具有代表性的31个蜂蜜样品进行测定,利用质量控制模块和分析软件对样品集和校正集进行建模处理,对建立的模型加以筛选和优化,最终确定主成分数F=3、门槛值T=2所建立的判别模型符合建模要求,该模型可以对饶河黑蜂蜂蜜产地进行较为准确的判定,判定准确率为90.3%。结果表明中红外光谱技术对饶河黑蜂蜂蜜进行真伪判别是一种有效的方法。     

FTIR、ATR-FTIR和UV多光谱鉴别不同产地重楼

测定了云南省及贵州省6个不同产地重楼的FTIR、ATR-FTIR及UV信息,并对ATR-FTIR光谱数据进行ATR校正(ATR-FTIR-A)、一阶导数(FD)、二阶导数(SD)、标准正态变量(SNV)等预处理,结合偏最小二乘判别分析(PLS-DA)与支持向量机(SVM)建立了单光谱与低级数据融合分类判别模型。结果表明,校正后的重楼ATR-FTIR(ATR-FTIR-A)光谱信息与KBr压片法展现的信息基本吻合; UV二阶导数图谱较原始图谱分辨率提高; ATR-FTIR-A单光谱及ATR-FTIR-A-UV低级数据融合的PLS-DA及SVM模型鉴别效果最好,预测正确率均达到100. 00%。基于ATR-FTIR-A建立的PLS-DA或SVM产地鉴别模型分类正确率高,在实际生产应用中有简便、高效、准确等优点,若采用ATR-FTIR-A-UV建立模型可进一步加强模型稳定性。     

基于离子迁移谱的葡萄籽油掺伪鉴别研究

建立了基于离子迁移谱(IMS)技术的葡萄籽油掺伪鉴别新方法。经优化,选取进样口温度170℃,迁移管温度60℃。正己烷50倍稀释油样后进样检测,分析时间20 s。为了建立高效的葡萄籽油掺伪鉴别模型,本研究采用递归支持向量机(R-SVM)方法对葡萄籽油和掺伪葡萄籽油的IMS谱图进行分类,建立葡萄籽油和掺伪葡萄籽油分类判别模型,采用十折交互检验对建立的模型进行评价,结果显示模型判别正确率为91.2%。本方法操作简单,分析速度快,为食用油真伪鉴别提供了一种新方法。     

基于微波等离子体炬串联质谱鉴别蜂蜜和糖浆

采用微波等离子体炬串联质谱(Microwave plasma torch mass spectrometry,MPT-MS)技术,在无需样品预处理的条件下,建立了快速鉴别3种蜂蜜和4种糖浆的方法。在正离子模式下,蜂蜜和糖浆直接由MPT产生的火焰离子化,生成的离子采用四极杆质谱仪(QM)检测,得到蜂蜜和糖浆的质谱信息,采用化学计量学方法进一步对质谱数据进行分析。结果表明,MPT-MS结合化学计量学的方法,可以快速鉴别蜂蜜和糖浆,主成分分析(PCA)显示PC1、PC2和PC3的总贡献率达91.2%;聚类分析(CA)显示当临界值为7时,除紫云英蜜和菊粉糖浆外,可以有效的区分蜂蜜和糖浆;偏最小二乘判别分析(PLS-DA)显示蜂蜜和糖浆可以被有效区分;判别分析(DA)显示蜂蜜和糖浆的判别准确率为100%。本方法无需样品预处理,具有分析速度快、信息提取准确和识别精度高等优点,可用于蜂蜜与主要掺假糖浆的鉴别。     

近红外光谱法定性检测菜籽油中多效唑残留

采用近红外光谱技术结合化学计量学方法对菜籽油中多效唑残留进行定性检测。在4000~10000 cm-1光谱范围内采集126个菜籽油样本的近红外透射光谱。对原始光谱进行初步分析后,分别采用线性判别分析(LDA)、簇类独立软模式法(SIMCA)和最小二乘支持向量机(LSSVM)三种不同方法建立菜籽油中多效唑残留的定性检测模型,并对不同多效唑残留的菜籽油样本的分类正确率进行分析。研究结果表明,LDA,SIMCA及LSSVM 3种方法建立的检测模型均具有较高的判别能力,其校正集和预测集的正确率分别为93.33%,91.11%,95.56%和86.11%,88.89%,83.33%。此外,高多效唑残留样本的分类正确率大致趋于100%,而低多效唑残留样本的分类正确率则有一定波动。由此可知,利用近红外光谱技术可对菜籽油中多效唑残留进行快速、无损的定性检测。     

核磁共振技术结合化学计量学方法用于蜂蜜的掺假鉴别

采用核磁共振技术(NMR)结合化学计量学分析手段研究了真蜂蜜和掺假蜂蜜的指纹图谱变化情况。采用无监督的主成分分析(PCA)和有监督的偏最小二乘判别分析(PLS-DA)、正交偏最小二乘判别分析(OPLS-DA)等多元统计分析方法从核磁信号中提取各组的分类信息。结果表明:建立的OPLS-DA模型能够区分真假蜂蜜,所建模型对蜂蜜真假判别的解释能力为90.5%,对未知样本的预测能力为75.5%、识别率为89.7%。置换测试验证表明,化学计量学模型具有很好的稳定性和预测性,可信赖性强,且模型稳健。通过OPLS-DA模型的载荷图和相关系数分析找到了对区分掺假蜂蜜有显著作用的标志物。结合相关系数分析,建立了辨别真假蜂蜜的多元线性回归方程。该方法可简单、快速地用于未知蜂蜜的掺假鉴别,为规范蜂蜜市场提供有利的依据。     

基于三维荧光光谱的枸杞鉴别方法

以枸杞干果为研究对象,将三维荧光光谱技术与平行因子分析法、BP神经网络相结合,建立枸杞定性鉴别模型。采用固体样品支架测得枸杞粉末样品的三维荧光光谱,利用平行因子分析方法对预处理后的三维荧光矩阵进行三线性分解得到2个主因子的浓度得分,然后将浓度得分作为BP神经网络的输入向量,建立枸杞的人工神经网络鉴别模型。利用所建模型对待测样品进行预测,预测正确率为100%。结果表明,平行因子分析结合BP神经网络建立的枸杞产地鉴别模型,能够快速准确地鉴别宁夏枸杞。     

基于液相色谱-高分辨质谱的代谢组学技术用于麦卢卡蜂蜜的甄别

采用基于液相色谱-高分辨质谱的代谢组学技术对麦卢卡蜂蜜以及国内主要蜂蜜品种的代谢谱进行全面分析，实现了麦卢卡蜂蜜与其他蜂蜜的区分，建立了偏最小二乘法判别模型，对测试样品能够取得很好的鉴定效果。实验从麦卢卡蜂蜜中筛选出高度表达的3-苯乳酸、甲氧基苯乙酮、二氢麻醉椒苦素、芹菜素等黄酮和肉桂酸类等34种代谢标志物，所构建的标志物组合模型的受试者工作特征曲线下的面积达到了0.99。该文建立的代谢组学方法为麦卢卡蜂蜜的质量控制提供了新的思路。     

二维近红外-中红外相关谱在掺假芝麻油判别中的应用

提出了基于二维近红外-中红外相关谱判别掺假芝麻油的方法。分别配制了40个纯芝麻油样品和40个掺假芝麻油(掺入的玉米油的体积分数在3%~60%之间)样品,并采集了所有样品的近红外光谱和中红外光谱。在4 540~6 000cm~(-1)对650~1 800cm~(-1)内进行同步二维近红外-中红外相关谱计算,建立了掺假芝麻油的多维偏最小二乘判别模型,并将其预测性能与二维近红外相关谱和二维中红外相关谱判别模型的预测性能进行了比较。结果表明:上述3个模型对预测集未知样品的判别正确率分别为96.3%,92.6%,96.3%。     

基于~1H NMR指纹图谱结合多变量分析的地沟油检测方法

地沟油事件是中国近期发生的严重食品安全事故,而针对地沟油的检测目前尚无非常有效的方法报道.本研究对60种市售植物油和地沟油样品分别进行了核磁H谱测定,建立了12个鉴别指标,采用聚类分析技术对样品进行聚类分析,并将样品分为8大类,建立了判别函数.将未知样品的1H NMR数据代入判别函数,可检测和判别未知油的来源和品质.将该方法应用于两次盲测共69个样品,结果显示,两次盲测的正确率分别为91.9%和93.8%,可作为食用油品质检测的重要参考.     

基于矿物元素指纹图谱鉴定陈皮产地的方法研究

采用电感耦合等离子体质谱法测定了新会、广西、湖南3地42批陈皮样品中51种矿物元素的含量,运用方差分析和偏最小二乘法-判别分析（PLS-DA）研究了不同产地陈皮中矿物元素的差别,以筛选得到的9种元素为溯源指标,将不同数量级矿物元素含量进行分类和系数缩放后,构建了陈皮中矿物元素的指纹图谱,并基于各产地矿物元素含量的平均值构建了新会、广西、湖南产地陈皮中矿物元素的标准指纹图谱。通过采用SPSS20.0计算18批新会陈皮矿物元素指纹图谱与其标准指纹图谱的相似度,确定新会陈皮矿物元素指纹图谱的相似度阈值为0.941,基于此阈值建立了新会陈皮的鉴别模型。采用24批样品对所建立的鉴别模型进行准确性验证,正确率为91.6%。该方法操作简单直观,满足实验分析要求,可为陈皮的产地溯源提供参考。     

基于质子转移反应-飞行时间质谱快速鉴别不同产地闽北水仙茶

采用质子转移反应-飞行时间质谱仪(PTR-TOF-MS), 构建了3个产地(武夷山、建阳、建瓯)113个闽北水仙茶样品香气的化学指纹图谱, 对所得的闽北水仙茶香气指纹图谱进行主成分分析(PCA), 获得了不同产地闽北水仙茶样品的质谱信息特征, 然后采用软独立建模分类法(SIMCA)、K最邻近结点算法(KNN)、偏最小二乘判别分析法(PLS-DA)对闽北水仙茶的质谱信息进行了模式识别.结果表明, PTR-TOF-MS结合分类识别模式能有效区分不同产地的闽北水仙茶.PCA 提取了3个主成分, 累计贡献率为84.66%;3个识别模型的校正集判别正确率分别为89.38%、100.00%和100.00%, 预测集的判别正确率分别为83.18%、 96.46%和95.57%.基于此成功建立了不同产地的闽北水仙茶识别模型.本方法无需样品预处理、分析速度快、灵敏度高、对茶叶无损伤, 为茶叶产地溯源提供了新方法.     

基于稀疏主成分分析特征选择算法的山楂叶产地判别模型研究

为实现山楂叶产地的快速判别,提出一种基于稀疏主成分分析特征选择（SPCAFS）与支持向量机（SVM）建模的定性分析方法。采用近红外积分球漫反射光谱法采集6个产地共41批山楂叶123份样品的近红外光谱图,经数据预处理后,通过SPCAFS对代表性特征波段进行选择,并采用SVM建立山楂叶近红外产地判别模型。模型与连续投影（SPA）,正则化自表示（RSR）和稀疏子空间聚类（SSC）3种特征选择算法进行对比,以准确率、精确度和灵敏度作为评价标准,评估所提模型的预测性能。结果显示,SPCAFS的特征波段数相比于全波长建模从1 500减少到21,预测结果的准确率和精确度分别从78%、76%提升至97%、100%。同时,相比于SPA、RSR、SSC算法,准确率分别提升了6%、3%、3%,精确度分别提升了13%、10%、5%,模型的预测能力得到显著提升,基于SPCAFS的SVM判别模型可实现山楂叶南北产地的快速判别。     

基于显微拉曼检测蛋白核小球藻鉴别丁草胺及草甘膦

以蛋白核小球藻(Chlorella pyrenoidosa)作为鉴别载体,利用共聚焦显微拉曼光谱仪分别获取生长在除草剂草甘膦、丁草胺污染水体以及正常水体的蛋白核小球藻β-胡萝卜素的拉曼光谱信息,对2种除草剂进行了鉴别.利用预处理后的光谱信号,建立偏最小二乘回归(PLS)预测模型及线性判别分析(LDA)分类模型.当阈值为±0.3时,全波段建立的PLS模型对草甘膦和丁草胺的预测正确率高达83.33%,特征峰建立的LDA分类模型对2种除草剂的分类正确率均达到了100%.结果表明,利用蛋白核小球藻为载体对丁草胺和草甘膦2种除草剂进行鉴别是可行的,且LDA分类模型更适合除草剂的分类研究.     

基于Bayes判别的手帕纸红外光谱鉴别

手帕纸是犯罪现场常见的物证之一,在法庭科学领域备受关注。为了实现对市场上手帕纸的快速分类鉴别的目的,本文采用了具有无损检验特点的傅里叶红外光谱,结合主成分分析(PCA)与Bayes判别对8种品牌96个手帕纸样本建立分类模型。结果表明,分别利用PCA和Bayes判别对样本进行分类的准确率并不理想,采用Bayes判别对PCA降维后的特征向量进行建模,分类准确率可达100%。采用傅里叶红外光谱结合Bayes判别实现了对手帕纸的精准分类,为实践中手帕纸的分类鉴别提供一定的参考和借鉴。