红外光谱结合最小二乘支持向量机掺杂牛奶判别方法研究

基于红外光谱和最小二乘支持向量机建立掺杂牛奶与纯牛奶的判别模型。分别配置含有葡萄糖牛奶(0.01~0.3gL-1)和三聚氰胺牛奶(0.01~0.3gL-1)样品各36个,采集纯牛奶及掺杂牛奶样品的红外光谱。采用最小二乘支持向量机分别建立掺杂葡萄糖、掺杂三聚氰胺、两种掺杂牛奶与纯牛奶的判别模型,并利用这些模型对未知样品进行判别,其判别正确率都为95.8%。研究结果表明:与线性的偏最小二乘判别建模方法相比,最小二乘支持向量机方法具有更强的预测能力。     

二维相关红外光谱与支持向量机和灰度共生矩阵统计法相结合判别掺杂牛奶

应用二维相关红外光谱与支持向量机(SVM)和灰度共生矩阵统计方法相结合对分别掺杂有尿素、三聚氰胺和葡萄糖的牛奶进行判别。以质量浓度为外扰,建立掺杂牛奶的二维相关红外光谱图,选择角二阶矩、主对角线惯性矩、相关系数、熵的均值和标准差作为图像纹理特征并分别建立3种掺杂牛奶的SVM判别模型。结果表明:在对同步谱的分析中,上述3种掺杂牛奶样品中,掺杂尿素的牛奶样品训练集分类准确率为91.7%,预测集的准确率为85.0%;掺杂三聚氰胺和葡萄糖的牛奶的训练集分类准确率和预测集分类准确率分别为96.7%,90.0%和91.7%,100%。用同步谱和异步谱相结合的方法对准确率较低的掺杂尿素的牛奶做进一步试验,两种准确率分别提升为98.1%和92.3%;这一数据的提升是由于两者相结合提供了更大的信息量,有利于掺杂牛奶的判别。据此认为,此方法对掺杂牛奶的判别是可行的。     

基于二维相关荧光谱定量分析水中的PAHs

针对水环境中多环芳烃(PAHs)污染现状,提出并建立一种基于二维相关荧光谱水体中PAHs的检测方法。以菲和荧蒽为研究对象,配置36个蒽荧蒽混合水溶液样品(蒽和荧蒽的浓度范围均为1×10-4~1×10~(-6) g·L~(-1)),采集了所有样品的三维荧光光谱。以激发波长为外扰,构建同步二维相关荧光谱。在此基础上建立了定量分析水溶液中蒽和荧蒽浓度的多维偏最小二乘(N-PLS)模型,对蒽和荧蒽的预测均方根误差(RMSEP)分别为5.48×10~(-6) g·L~(-1)和6.25×10~(-6) g·L~(-1)。为了比较,基于常用的三维荧光谱建立了NPLS模型,对蒽和荧蒽的RMSEP分别为5.92×10~(-6) g·L~(-1)和7.33×10~(-6) g·L~(-1)。研究结果表明:基于二维相关荧光谱检测环境中PAHs污染物是可行。     

二维相关近红外谱结合NPLS-DA判别掺杂牛奶的研究

将二维相关近红外谱与多维偏最小二乘判别分析方法结合起来,建立了掺杂牛奶与纯牛奶的判别模型.分别配置掺杂尿素牛奶(1～20 g/L)和掺杂三聚氰胺牛奶(0.01～3 g/L)样品各40个,采集纯牛奶及掺杂牛奶样品的近红外光谱.在量化二维相关近红外同步谱的基础上,采用多维偏最小二乘判别分析法分别建立了掺杂尿素、掺杂三聚氰胺及两种掺杂牛奶与纯牛奶的判别模型对未知样品进行判别,其判别正确率分别为95％、90％和92.5％,并与偏最小二乘判别和隐变量正交投影判别建模方法进行了比较.结果表明:多维偏最小二乘判别分析法具有更强的预测能力可推广到其它食品的掺杂检测中.     

二维相关谱在食品品质检测中的研究进展

近年来,食品质量与安全问题越来越严重,需要快速便捷的检测技术以确定食品的品质。二维相关谱技术由于其高光谱分辨率、高选择性和高图谱解析能力,可有效解决常规一维谱在数据分析过程中所遇到的三个困难：①光谱选择性低;②特征信息提取难;③图谱解析难,特别适合于那些传统一维光谱方法难以满足的相似样品的判别分析。综述了二维相关谱方法的发展历程、获取谱图的实验方法、以及数学原理和谱图性质。同时,也指出根据同步二维相关谱交叉峰的正负以及异步二维相关谱交叉峰的有无,可实现被覆盖的或被淹没的弱峰之间相互指认和验证,确认其来源。详细介绍了二维中红外、近红外、紫外、荧光和拉曼相关谱在乳制品、酒类、食用油、肉类、蜂蜜、大米等食品品质检测中的应用,分析了目前二维相关谱方法存在的问题,展望了二维相关谱的发展前景。     

二维相关谱在环境科学中的应用与展望

近年来,随着世界经济的快速发展,大量有害物质排放到环境中,全球环境问题日益严重。光谱检测分析技术由于其快速、便捷、可实现实时现场原位分析检测的特点,已经广泛的应用于水质、大气和土壤环境的检测分析。环境系统是一个开放复杂的体系,容易受到很多因素的影响,常规一维光谱技术难以从复杂的环境体系中提取感兴趣组分的特征信息。二维相关谱技术表征的是随特定外扰变化的信息,不仅能提取复杂环境中微弱的、被覆盖的特征光谱信息,而且还可以提供这些特征信息之间的关系。在综述二维相关谱技术近些年新发展的基础上,详细介绍了该技术在水、土壤和空气环境分析中的应用,其中包括水中农药残留、水中有机污染物定性定量分析、海洋黏液物质和海洋泡沫的形成机理;土壤中有机污染物定量分析、土壤污染物修复吸附机理;大气中气溶胶形成机理,污染气体定性定量分析。最后,详细介绍了二维相关谱在环境中有机质分子特性及与其他金属离子相互作用机理研究中的应用,指出二维相关谱在环境科学领域研究中具有广阔的应用前景。     

近红外光谱定量分析土壤全氮含量预处理方法探讨

提高土壤全氮含量检测的精确性对于精准农业具有非常重要的意义。本文基于近红外光谱技术,对光谱数据预处理方法进行研究。以土壤全氮含量为检测对象,采用平滑+一阶导数、基线校正+归一化、一阶导数+归一化等方法对采集样品的光谱数据进行预处理方法干预,并运用PLS算法分别建立土壤全氮含量的预测模型,分析不同种预处理方法对于近红外光谱建模精度的影响。实验结果表明应用基线校正+归一化处理后建模得到的预测均方根误差RMSEP为0.025,决定系数R~2为0.98,预测精度最佳。     

基于二维红外相关谱欧氏距离判别掺杂牛奶

基于纯牛奶、掺杂牛奶样品间二维红外相关谱欧氏距离,依据未知样品与校正集中“极值样品”欧氏距离平均值、组内、组间样品欧氏距离平均值,提出了一种掺杂牛奶判别的新方法。分别配置掺杂尿素牛奶(0.01～0.3 g·L-1)和掺杂三聚氰胺牛奶(0.01～0.3 g·L-1)样品各16个,采集纯牛奶及掺杂牛奶样品的红外光谱。以牛奶中掺杂物浓度为外扰,构建纯牛奶与掺杂牛奶的同步二维红外相关谱,并计算了各样品相关谱矩阵间的欧氏距离。在此基础上,分别建立掺杂尿素牛奶、掺杂三聚氰胺牛奶与纯牛奶的判别模型,确定模型中的“极值样品”,组内、组间样品欧氏距离平均值。利用所建模型,计算未知样品与“极值样品”的欧式距离,并依据判别规则,对未知样品进行判别。研究结果表明： 基于样品红外相关谱矩阵间欧氏距离可实现掺杂牛奶的判别,其判别正确率为100%,验证了该方法的有效性。该研究为掺杂牛奶的检测提供了一种新的可能方法。