ICP-A ES法测定中国不同产地绒柄牛肝菌中矿质元素含量

采用微波消解处理样品,以电感耦合等离子体发射光谱法（IC P-A ES ）测定了采自云南省不同地点的绒柄牛肝菌菌盖和菌柄中的12种矿物质元素（P ,Na ,Ca ,Cu ,Fe ,Mg ,Zn ,As ,Cd ,Co ,Cr ,Ni）含量。结果显示：绒柄牛肝菌中P ,Ca ,Mg ,Fe ,Zn ,Cu的含量较高,其中菌盖中的P ,Mg ,Zn ,Cd较高,而菌柄中的Ca ,Co ,Ni较高;聚类分析结果显示,采用普洱地区的样品与其他地区的样品差异较大;主成分分析结果显示,前三个主成分的累计贡献率为77％,其中第一主成分中的P ,Ca ,Cu ,Fe ,Mg ,As ,第二主成分中的Ni ,Na以及第三主成分中的Cd和Zn对区分不同地点的样品贡献较大。结果表明采自不同生境地的食用菌元素含量差异较大。     

基于偏最小二乘法判别分析与随机森林算法的牛肝菌种类鉴别

牛肝菌作为一种著名的野生食用菌,具有较高的食用价值和经济价值。牛肝菌种类繁多,不易区分,建立一种有效、快速、可信的种类鉴别技术,可为牛肝菌提高品质提供一种方法。本研究采集云南不同地区7种野生牛肝菌共计683株,获取样品中红外光谱和紫外光谱,分析不同种类牛肝菌平均光谱图特征。基于多种预处理组合（SNV+SG,2D+MSC+SNV,1D+MSC+SNV+SG,MSC+2D）的单一光谱数据结合两种特征值提取法（PCA,LVs）构建了偏最小二乘法判别分析与随机森林算法并结合数据融合策略对牛肝菌进行种类鉴别,有一定的创新性。结果表明：（1）中红外光谱和紫外光谱的不同种类牛肝菌平均光谱吸收峰差异较小,吸光度具有细微差异。（2）合适的预处理可提高光谱数据信息,偏最小二乘法判别分析和随机森林算法模型的中红外光谱数据和紫外光谱数据最佳预处理组合为2D+MSC+SNV,SNV+SG,2D+MSC+SNV,1D+MSC+SNV+SG。（3）单一光谱模型中,中红外光谱模型优于紫外光谱模型,中红外光谱最佳预处理组合2D+MSC+SNV的偏最小二乘法判别分析模型正确率训练集99.78%,验证集99.12%;随机森林模型正确率训练集93.20%,验证集99%。（4）数据融合策略提高了分类正确率,低级融合的偏最小二乘法判别分析模型训练集和验证集正确率为100%,99.12%。随机森林模型训练集和验证集正确率为92.32%,99.14%。（5）随机森林算法中级数据融合Latent variable（LVs）正确率为训练集92.76%,验证集96.04%;中级数据融合Principal components analysis（CPA）正确率为训练集97.15%,验证集100%。（6）偏最小二乘法判别分析中级数据融合（LVs）正确率为训练集100%,验证集99.56%;中级数据融合（CPA）训练集和验证集正确率均能达到100%。基于偏最小二乘法判别分析和随机森林算法结合数据融合策略对牛肝菌进行种类鉴别,鉴别效果理想。偏最小二乘法判别分析中级数据融合（CPA）可作为一种低成本高效率的牛肝菌种类鉴别技术。     

红外光谱法对牛肝菌种类鉴别及镉含量预测研究

建立红外光谱快速鉴别牛肝菌种类及预测牛肝菌中重金属镉(Cd)含量的方法。采集11种牛肝菌共98个子实体的红外光谱信息,解析牛肝菌的红外光谱,用一阶导数、标准正态变量和多元散射校正对原始光谱进行预处理,通过PLS-DA鉴别牛肝菌种类。采用ICP-AES法测定牛肝菌中有毒重金属Cd含量,分析牛肝菌对Cd的富集规律并与GB 2762—2012规定的食用菌中Cd限量标准比较,评价牛肝菌的食用安全性。以食用菌对重金属Cd的富集机理为切入点,将牛肝菌红外光谱数据和Cd含量数据进行拟合,用PLS模型快速预测牛肝菌的Cd含量。结果显示:(1)牛肝菌红外光谱经过适当的预处理进行PLS-DA,前三个主成分累积贡献率达到79.3%,PLS-DA的三维得分图能明显区分不同种类牛肝菌;(2)不同产地、种类牛肝菌对重金属Cd的富集存在差异,其含量在0.05~23.41mg·kg~(-1) dw之间,除了采自昆明五华区的灰疣柄牛肝菌外,多数样品的Cd含量超过GB2762-2012的限量标准,食用有一定的健康风险;(3)牛肝菌红外光谱数据与Cd含量拟合后进行正交信号校正-小波压缩优化处理,用PLS模型预测牛肝菌的Cd含量;训练集和验证集的R~2分别为0.851 9和0.882 4,RMSEE和RMSEP分别为2.59和2.67,大部分牛肝菌的Cd含量预测值与真实值较接近,表明PLS模型可用于牛肝菌Cd含量快速预测。傅里叶变换红外光谱结合化学计量学能实现牛肝菌种类快速鉴别及Cd含量准确预测,为牛肝菌种类鉴别和质量控制提供快速、有效的方法。     

不同部位矿质元素与红外光谱数据融合对美味牛肝菌产地溯源研究

野生食用菌产地溯源研究中,采用单一有机成分或矿质元素指纹存在一定局限性。利用不同指纹分析技术的互补性与协同性,将不同部位与类型的化学信息进行融合,探讨此方法对野生食用菌产地溯源的可行性,以期为野生食用菌溯源提供新的思路与科学依据。通过测定云南7个产地、124个美味牛肝菌(菌柄、菌盖)中15种矿质元素的含量,以及子实体傅里叶变换红外光谱(FTIR)。标准正态变换(SNV)、二阶导数(2D)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FTIR光谱与菌柄、菌盖矿质元素数据进行融合,结合支持向量机(SVM)分别建立菌柄、菌盖、FTIR、低级数据融合(菌柄+菌盖,菌柄+菌盖+FTIR)与中级数据融合(菌柄+菌盖+FTIR)判别模型;分析比较模型参数,确定快速甄别美味牛肝菌产地的可靠方法。结果显示：(1)菌盖中Cd,Cr,Cu,Li,Mg,Na,P和Zn元素平均含量高于菌柄,Ba,Ca,Co,Ni,Rb,Sr和V元素在菌柄中平均含量高于菌盖。美味牛肝菌中人体必需矿质元素Ca,Cu,Mg,P和Zn平均含量远高于小麦、水稻干品和新鲜蔬菜,与动物干制品含量相似;(2)FTIR光谱数据最佳预处理方法为3D+SNV,其Q2和R2Y分别为76.64%,88.91%;(3)菌柄、菌盖、FTIR、低级数据融合与中级数据融合SVM模型,c值分别为8 192,4 096,1.414 2,11.313 7,1和0.7071 1,菌柄和菌盖模型c值较大,表明采用单一菌柄或菌盖矿质元素含量数据,SVM训练存在过拟合风险,判别效果较差;(4)FTIR、低级数据融合和中级数据融合SVM模型,样品分类错误总数分别为7,9,7和0,中级数据融合(菌柄+菌盖+FTIR)模型样品分类正确率最高。表明基于中级融合策略将不同部位矿物元素和子实体FTIR光谱数据融合,可作为野生食用菌产地溯源的一种有效方法。     

不同年份和产地美味牛肝菌的红外光谱鉴别研究

采用傅里叶变换红外光谱技术结合多元统计分析建立快速鉴别不同年份、不同产地美味牛肝菌的方法。采集2011年一2014年云南26个不同地区152个美味牛肝菌样品的红外光谱,使用正交信号校正(orthogonal signal correction,OSC)、微波压缩(wavelet compression)方法对原始光谱进行优化处理,OSCW校正前后的光谱数据进行偏最小二乘判别分析(partial least squares discriminant analysis,PLS-DA),比较光谱预处理前后PLS-DA的分类效果。将152个美味牛肝菌随机分为训练集(120个)和验证集(32个),建立OS--CW校正前后的PLS分类预测模型。结果显示,经OSCW处理后的PLS-DA分类效果明显优于处理前的结果,主成分得分图能准确区分不同年份、不同产地美味牛肝菌样品,表明OSCW处理能有效滤除光谱中的噪音及与因变量无关的干扰信息,提高光谱分析的准确性和计算速率。OSCW处理前PLS模型训练集的R~2和RMSEE分别为0.790 1和21.246 5,验证集的R~2和RMSEP分别为0.922 5和14.429 2;OSCW预处理后训练集的R~2和RMSEE分别为0.852 3和17.238 1,验证集的R~2和RMSEP分别为0.845 4和20.87,表明OSCW预处理提高了训练集的预测效果,但OSCW-PLS出现了过拟合现象降低验证集的预测能力,因此,OSCW不适宜与PLS结合建立模型。OSCW结合PLS-DA能滤除光谱中大量的干扰信息,准确区分不同年份、不同产地美味牛肝菌样品,为野生食用菌的鉴别分类提供可靠依据。     

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。     

17种分类算法在牛肝菌种类鉴别研究中的应用

由于部分毒菌与野生食用菌形态和生物学特征相似,农民仅凭经验采集,难免将两者混淆,从而导致严重的食品安全事故。云南省作为国内野生食用菌产量最高、出口量最大的省份,野生食用菌产业发展为云南农村经济发展做出了突出贡献,对不同种类野生食用菌进行快速鉴别,有利于野生食用菌产业的健康发展;分析食用菌亲缘关系,对食用菌育种工作具有积极作用。七种牛肝菌样品,采自云南及周边七个产地,利用FTIR光谱仪分别采集菌柄和菌盖红外指纹图谱,基于低级与中级数据融合策略,将预处理后的菌柄和菌盖FTIR光谱数据进行融合,结合Decision Trees,Discriminant Analysis,Logistic Regression Classifiers,Support Vector Machines,Nearest Neighbor Classifiers和Ensemble Classifiers中的17种算法,分别建立菌柄、菌盖、低级数据融合和中级数据融合模型,每个分类模型连续进行10次运算,通过比较训练集分类正确率平均值,确定牛肝菌种类鉴别最佳分类算法。中级数据融合数据集进行系统聚类分析（HCA）,对推测不同种类牛肝菌样品的亲缘关系进行鉴定。结果显示：（1）菌柄、菌盖和低级数据融合模型最佳分类算法均为Linear Discriminant,训练集分类正确率分别为92.8%,96.4%和97.6%。中级数据融合模型最佳分类算法为Subspace Discriminant,训练集分类正确率为100%;（2）菌柄、菌盖、低级数据融合和中级数据融合最佳分类模型,全部样品分类正确率平均值分别为93.61%,95.54%,96.99%和99.88%,中级数据融合模型优于其他三种模型,表明中级数据模型可以将相似度较高的样品区分开,且减少了产地对种类鉴别的影响;（3）中级数据融合模型数据集进行HCA,华丽牛肝菌和美味牛肝菌聚类距离最小,表明这两种牛肝菌化学信息较相似,亲缘关系较近;（4）华丽牛肝菌与皱盖疣柄牛肝菌聚类临界值距离最大,表明样品化学信息差异较大,亲缘关系较远。综上表明,基于中级融合策略将不同部位FTIR光谱数据融合,结合Subspace Discriminant与HCA,可以准确鉴别不同种类牛肝菌和快速推测样品亲缘关系,可作为野生食用菌种类鉴别与亲缘关系推测的一种新方法。