基于高光谱的黑色签字笔墨水种类鉴别方法研究

该文提出了高光谱成像技术结合机器学习快速无损鉴别黑色签字笔墨水种类的新方法。采集36支不同品牌型号的黑色签字笔笔迹的高光谱图像,对每支签字笔笔迹的高光谱图像选取18个感兴趣区域,共提取648个平均光谱作为样本集。对450～950 nm的原始光谱进行Savitzky－Golay平滑、Z－Score标准化和两种组合方法光谱预处理,使用线性判别分析（LDA）和随机子空间－线性判别分析（RSM－LDA）分别构建黑色签字笔墨水种类鉴别模型。实验结果表明：不同预处理方法对RSM－LDA模型的鉴别准确率影响较小,而对于LDA模型,组合预处理具有更优的鉴别准确率;相比LDA模型,RSM－LDA模型分类效果更佳,训练集的平均分类准确率达100%,交叉验证平均分类准确率达99.09%,测试集的平均分类准确率达90.70%,每类样本的准确率、精准率、召回率均高于LDA模型分类结果,模型的接受者操作特征曲线下方面积（AUC值）达0.998 3,模型性能良好。因此,采用高光谱成像技术结合RSM－LDA可实现不同品牌型号黑色签字笔墨水的快速无损鉴别。     

食品中三聚氰胺的光谱检测与分析技术研究进展

三聚氰胺是豆、乳类制品中的非法食品添加剂,曾作为蛋白质的廉价代替物被非法添加进奶粉等食品中,造成了严重的社会危害,极大地威胁人民生命财产安全。目前光谱技术已成为识别和定量检测非法食品添加剂的有效手段,为质量监管部门提供了可靠的研究方法和鉴定依据。光谱检测技术的时效性、无损性和准确性提高了食品中三聚氰胺的检测效率,促进了精准化、自动化食品质量检测的发展。近年来有大量研究围绕着三聚氰胺的光谱检测新技术,如开发新型增强底物或传感器,降低三聚氰胺的检测限,提高检测精度;开发更加便携的自动化光谱快检设备,降低检测成本,提高检测效率。这些光谱技术各具优势,但很难形成标准化、统一化的检测规范,使得各种光谱检测技术仅仅停留在试验阶段,无法应用于实战。另一方面,随着人工智能与模式识别技术的发展,光谱数据分析方法在近年来也有着长足的进步,各种光谱预处理和数据建模方法被不断提出,大大提高了光谱检测技术的灵敏性和稳定性。综述了近十年光谱技术（拉曼光谱、近红外光谱、荧光光谱、光谱成像等）在三聚氰胺检测中的应用现状,总结了不同仪器检测限、定量范围和样品前处理方法;分析了各种光谱预处理和光谱数据建模方法在不同光谱数据中的适用性,归纳出这些方法的优劣与适配的仪器,并对其应用前景和研究趋势进行了展望。