基于仿生模式识别和近红外光谱的转基因小麦快速鉴别方法

提出了一种采用近红外光谱快速鉴别转基因小麦种子的方法,对不同品种的9个转基因小麦样品种子分别建立了鉴别模型。对9个小麦样品共225个样本,通过近红外光谱仪扫描获得从4 000～12 000 cm-1波段范围的光谱数据。为了消除噪声,对原始数据先进行了归一化预处理;然后使用主成分分析(PCA)方法得到能反映小麦种子97.28%光谱信息的前10个主成分,提高了数据处理效率;最后利用仿生模式识别(biomimetic pattern recognition, BPR)方法建立小麦品种的鉴别模型。对于每个样品中的25个样本,随机挑选15个样本作为训练样本,其余10个样本作为第一测试集,其他品种共200个样本作为第二测试集。在对第二测试集平均正确拒识率达到96.7%的情况下,对第一测试集中的样本取得了95.6%的平均正确识别率。实验结果表明,该方法具有较高的鉴别准确度,可以作为一种快速无损的转基因小麦种子鉴别方法。     

近红外光谱分析技术在宝石研究中的应用

运用傅里叶变换红外光谱仪对常见宝石、玉石、有机宝石的近红外光谱进行分析研究以及谱峰归属。宝石的近红外光谱表明,宝石矿物中广泛存在不同类型水的合频、倍频吸收峰,也可出现能量较低的电子跃迁吸收峰,其中水分子组合频吸收峰位于5 200 cm-1±,OH的倍频吸收峰位于7 000 cm-1±,以5 898 cm-1±和7 849 cm-1±为中心的强宽吸收谱带为能量较低的电子跃迁吸收峰,并且当只有7 000 cm-1±出现时表明水以—OH的形式存在于宝石中,当5 200和7 000 cm-1±吸收峰同时存在则表明宝石矿物中水的存在形式既有水分子也有—OH。而有机宝石近红外光谱以7 000 cm-1± NH伸缩振动的一级倍频和5 200 cm-1± NH伸缩振动与酰胺Ⅱ的组合频为特征。但是,近红外光谱吸收峰的峰位、峰型、相对强度因有机宝石的品种不同而有所区别。苯环中CH的伸缩振动与弯曲振动组合频吸收峰(4 061和4 179 cm-1±)、CH伸缩振动与苯环骨架振动的组合频吸收峰(4 621和4 683 cm-1±)为经过有机物充填处理的宝玉石的特征谱峰,其中,与苯环有关的吸收峰,表示样品经过充填处理,指示样品中环氧树脂的存在。     

胃炎和胃溃疡组织细胞的显微拉曼光谱研究

利用共焦显微拉曼光谱研究了胃炎组织和胃溃疡组织的粘膜细胞。结果表明,与胃炎组织细胞比较,溃疡组织细胞中胞嘧啶的振动峰781 cm-1相对较弱,而腺嘌呤和胸腺嘧啶793,823cm-1处的峰强有所增加; 对应于α螺旋结构蛋白质酰胺Ⅰ和酰胺Ⅲ带的1654和1230～1270cm-1的强度均相对减小,色氨酸特征峰1332cm-1和苯丙氨酸特征峰1003cm-1强度有所降低,同时与色氨酸残基微环境变化密切相关的1554频移到1556cm-1,且强度有所增加;脂类的特征谱线1073 cm-1向高波数频移到了1078cm-1, 对应于CH₂扭转振动的1303cm-1与来自于CH面内变形振动的1268cm-1强度比值减小。上述变化表明两种疾病组织细胞中的核酸,蛋白质和脂类在成分、结构和构型上都存在明显差异;研究发现利用C—H弯曲振动的谱线1449cm-1和蛋白质酰胺Ⅲ带的谱线1660cm-1的强度比值A₁₄₄₉/A₁₆₆₀区分两种疾病具有较好的准确性。     

基于SVM算法的近红外光谱技术在鱼糜水分和蛋白质检测中的应用

采用支持向量机(support vector machine,SVM)建立了鱼糜样品中水分和蛋白质含量的近红外光谱校正模型,并采用独立样本集进行了预测。光谱数据经间隔两点一阶导数(DB1G2)、标准正态变换(SNV)、多元散射校正(MSC)相结合的方法预处理后,用偏最小二乘(PLS)降维处理,取前15个投影变量为自变量。获得水分模型的校正相关系数R_c、预测相关系数R_v、定标标准差SEE、预测标准差SEP; 蛋白质模型的校正相关系数R_c、预测相关系数R_v、定标标准差SEE、预测标准差SEP,有较好的预测准确性。基于SVM算法的近红外光谱技术可用于鱼糜水分和蛋白质含量的快速检测。     

基于近红外光谱法的多组分复杂溢油源定量建模分析

研究利用近红外光谱分析方法进行模拟复杂混合溢油源的定量分析问题。选取汽油、柴油、煤油三种轻质石油类产品,按照不同浓度比例配置成40个模拟混合溢油样本,利用傅里叶变换近红外光谱仪采集其在4 000～12 000 cm-1谱区范围内的近红外光谱;采用不同预处理方法,利用偏最小二乘算法建立混合溢油样本三组分各自的浓度定量模型。汽油、柴油和煤油的最优预处理方法均为二阶导数方法,分别在8 501.3～7 999.8 cm-1,6 102.1～4 597.8 cm-1,6 549.5～4 597.8 cm-1,7 999.8～7 498.4 cm-1和6 102.1～4 597.8 cm-1谱区范围内,预测模型的决定系数R2分别为0.998 2,0.990 2和0.993 6;RMSEP值分别为0.474 7,0.936 1和1.013 1;RPD值分别为25.126 9,10.517 3和13.072 0。实验结果表明：利用近红外光谱分析技术结合化学计量学方法能够定量确定模拟混合溢油样本中各组分的浓度,为海洋复杂溢油源的定量检测与分析提供有效手段。     

山药近红外拉曼光谱分析

采用785 nm半导体激光光源,全息光栅和近红外增强CCD探测器等光电器件,构建了一套近红外拉曼光谱探测系统,测试获得了山药的拉曼光谱及拉曼一阶导数谱。山药拉曼光谱谱中出现了477, 863, 936 cm-1等较强的特征峰,主要归属为蛋白质、氨基酸、淀粉、多糖等物质,与已知山药生化成分基本相符。在山药拉曼一阶导数谱中,467,484,870,943 cm-1处出现明显特征峰。对比山药拉曼光谱,在600～800 cm-1,1 000～1 400 cm-1区域内,山药拉曼一阶导数谱变化较为明显,可以更为清晰地表现山药拉曼光谱,能作为山药拉曼光谱分析的补充方法。     

脐橙糖度近红外光谱在线检测数学模型优化研究

目的是优化脐橙糖度近红外光谱在线检测数学模型,提高检测精度.在700.28～933.79 nm光谱范围内,根据建模集样品在不同波长处的变异系数,选择基准波长点,计算样品的反射比光谱.吸光度和反射比光谱,经不同光谱预处理后,分别采用偏最小二乘法(PLS)和最小二乘支持向量回归法(LSSVR),建立脐橙糖度近红外光谱在线检...     

应用近红外光谱技术定量分析杂交玉米纯度的研究

利用近红外光谱分析技术结合定量偏最小二乘法对农大108玉米的纯度进行了定量测定,首先通过在农大108杂交种子加入不同量的母本178种子,获得纯度60%~100%范围内的样本123份,然后测定粉碎后样本的光谱,根据2:1的比例划分建模集和检验集。结果表明:6 000~10 000 cm-1为适宜的建模光谱范围,主成分为8时,建模集内部交叉验证的决定系数达96.61%、校正标准差(SEC)2.15%,平均相对误差(RSD)2.04%;检验集的决定系数达到97.67%,校正标准差(SEP)1.78%,平均相对误差(RSD)1.94%。采用该方法建模时,采用不同比例的建模样品和检验样品,建模集平均决定系数为96.21%,校正标准差2.29%,平均相对误差为2.81%。检验集的平均决定系数为95.75%,预测标准差2.23%,平均相对误差为2.73%,进一步证明模型的稳定性。     

航天诱变育种甜椒品系的红外光谱分析

首次采用傅里叶变换红外光谱法(FTIR)对航天诱变育种甜椒品系种子和一般大田生产的甜椒品种种子进行了对比研究,比较了它们红外光谱的异同。甜椒种子的红外光谱主要由蛋白质的吸收带和碳水化合物的吸收带组成。航天育种的两个甜椒品系种子(SP11和SP18)红外光谱的主要吸收峰的峰位、峰形与普通甜椒品系种子相同,表明经航天诱变的甜椒其主要化学成分和基本结构并未发生变化。太空甜椒种子,在2 854,1 652, 1 542以及1 160～1 062 cm-1范围内的吸收都较普通甜椒种子增加。2 855 cm-1峰是CH₂—伸缩振动,1 652 cm-1处的吸收峰为酰胺Ⅰ带,是CO的伸缩振动峰,1 542 cm-1的吸收峰是酰胺Ⅱ带,是N—H的弯曲振动和C—N的伸缩振动,1 160 cm-1处的峰可能为碳水化合物的C—O的伸缩振动引起。表明航天诱变使甜椒种子的蛋白质和碳水化合物含量增加。     

粉末样品颗粒大小对花椒挥发油近红外光谱定量预测的影响研究

为了快速有效评定花椒质量等级,应用近红外光谱分析技术,采用偏最小二乘法,对141份花椒样品粉碎成八种不同颗粒大小的粉末,对近红外光谱分别建立挥发油含量预测模型,当粉末样品颗粒大小为40目时,建立的模型最优,交叉验证测定系数r2141为0.9364,交叉验证误差均方根RMSECV141为0.421。使用105份40目粉末样品近红外光谱所建立的模型对36份样品的预测集进行预测,光谱预处理采用Meancentering vector normalization,谱区在6100.1~5774.2cm-1及4601.6~4424.2cm-1,则预测测定系数r326为0.9862,预测集验证误差均方根RMSEP36为0.192,预测相对标准差RSD36为4.95%,预测相对分析误差RPD36为8.517。研究结果表明,对花椒进行近红外光谱扫描前,粉碎到40目时所建立的近红外光谱模型最佳,使用近红外光谱技术快速有效检测花椒挥发油含量是可行的。     

SVM回归法在近红外光谱定量分析中的应用研究

研究了基于统计学习理论的支持向量机（SVM）回归法在近红外光谱定量分析中的应用。以66个小麦样品为实验材料,由33个小麦样品作为校正样品,采用4种不同核函数方法对小麦样品蛋白质含量与小麦样品近红外光谱进行SVM回归建模。以所建4种不同SVM回归模型对33个小麦预测样品的蛋白质含量进行了预测;不同回归模型的预测结果与凯氏定氮法确定的蛋白质含量的标准化学值间的相关系数均在0．97以上,平均绝对误差小于0．32。为了考察SVM回归校正模型的预测效果,同所建PLS回归模型的预测结果进行了比较,表明所建预测小麦样品蛋白质含量的SVM回归模型亦可通过近红外光谱进行实际样品的定量分析,且有较好的分析效果。     

自然老化谷类种子的二维红外光谱研究

种粮老化影响种子活力及粮食品质。利用傅里叶变换红外光谱(FT-IR),二阶导数红外光谱(SD-IR)和二维相关红外光谱(2D-IR)方法对不同储藏年份的大麦,小麦,稻谷,玉米和高粱种子进行区分研究。结果显示,原始光谱中几个峰强比有差异;在二阶导数红外光谱中,不同储藏年份种子在1 800～800 cm-1范围内的吸收峰强度和形状显示出差异。二维相关红外光谱结果显示：大麦在1 350～1 800 cm-1,小麦,稻谷,玉米和高粱在860～1 690 cm-1范围内有明显差异,随储藏年份增加,自动峰和交叉峰的数目减少,强度减弱。结果表明,应用傅里叶变换红外光谱结合二维相关红外光谱能有效快速地区分不同储藏年份的谷类种子。     

含反式脂肪酸食品近红外光谱快速无损识别方法研究

为满足食品中反式脂肪酸(TFA)的快检需求,提出了一种采用近红外漫反射光谱识别含TFA食品的快速无损方法。采用光纤探头采集完整样品的傅里叶变换近红外漫反射光谱,应用毛细管气相色谱(GC)法测定食品中TFA的含量作为建模参考数据。根据食品中TFA含量将食品分为含TFA食品和无TFA食品。采用偏最小二乘判别(PLSDA)、支持向量机(SVM)、簇类独立软模式(SIMCA)和K-最邻近法(KNN)等有监督模式识别方法建立了含TFA食品的识别模型,并研究了不同光谱预处理方法和建模波段对模型性能的影响。研究结果表明,PLSDA和SVM两种方法可对含TFA食品进行识别 ,但PLSDA方法识别效果明显优于SVM方法。其中,使用与TFA相关波段,结合标准化和二阶导数预处理所建立的PLSDA识别模型效果最佳,校正集和验证集识别准确率分别可达96.4%和88%,具有快速无损识别含TFA食品的可行性。这种方法不需脂肪提取和研磨等样品预处理,具有简单、快速、无需破坏样品等优点,非常适合现场或在线快速检测。     

火焰原子吸收法测定小麦品种籽粒中铁锰锌含量

用火焰原子吸收分光光度法,测定6种不同类型的冬小麦品种籽粒中铁、锰、锌微量元素的含量。结果表明铁、锰、锌的回收率分别为10309%,10290%和10119%,相对标准偏差(RSD)分别在394%,167%和269%以内,并以GBW08503小麦粉标准样品进行比较测定,结果满意。该方法简便、快速、准确。测定结果为研究小麦品种籽粒中微量元素的含量与小麦品质的关系提供依据。     

小麦PLS近红外定量分析中温度修正的研究

以45个小麦籽粒为实验样品,研究样品温度对小麦PLS近红外定量分析的影响, 并提出引入温度修正量对样品光谱进行修正的方法。采用PLS算法将光谱受温度影响部分剔除后,得到不受温度影响的光谱,再进行模型建立与样品分析。实验结果表明：引入温度修正可以有效的消除温度对模型预测结果的影响,从而提高模型的稳定性及应用范围。     

水热法合成红色绿柱石的光谱特征研究及应用

采用常规宝石学测试方法,配合紫外可见光谱技术（UV-Vis）及傅里叶变换红外光谱技术（FTIR）,对美国犹他州天然红色绿柱石及俄罗斯水热法合成红色绿柱石的宝石学特征、紫外可见吸收光谱特征、中红外光谱（MIR）特征及近红外光谱（NIR）特征进行了综合对比研究。结果表明,常规宝石学测试方法很难将上述两类宝石区别开来;紫外可见光吸收光谱对鉴定天然和合成红色绿柱石的能力很有限;同时这两种宝石的中红外吸收光谱（MIR）没有明显的特征差异,其吸收位置和吸收强度基本一致。但在2 000~9 000 cm-1红外波段,天然红色绿柱石与水热法合成红色绿柱石的吸收频率差异明显,因此具有独特的鉴别特征。进一步研究表明,天然红色绿柱石在3 500~4 000 cm-1之间没有强吸收峰,几乎不含结构水,但在3 300~3 600 cm-1之间有非常弱的吸收带（峰值为3 418 cm-1）,因此有可能有其他形式的水。水热法合成红色绿柱石样品的近红外光谱特征表明,其在3 500~4 000 cm-1之间及5 000~5 800 cm-1之间均显示有强烈的水的振动吸收：其在5 000~5 800 cm-1有弱的Ⅰ型水吸收峰和强Ⅱ型水吸收峰,可以归属为分子水的弯曲和伸缩的合频振动;其在7 000~7 500 cm-1之间显示的弱Ⅰ型水的吸收峰和强的Ⅱ型水的吸收峰可以归属为水的倍频振动。因此,水热法合成红色绿柱石中的结构水归属Ⅰ型水与Ⅱ型水的混合型,其在3 500~4 000及5 000~5 800 cm-1范围水的近红外吸收光谱特征可作为区别天然和水热法合成红色绿柱石的依据。通过紫外可见光光谱、中红外光谱以及近红外光谱等光谱分析手段可以初步判断红色绿柱石中是否含水、水的赋存状态、以及不同类型水的相对强度和频率,为区分天然与水热法合成红色绿柱石提供诊断性证据。     

红外光谱在纤维质文物材料鉴别中的应用研究

纺织纤维和纸张纤维是常见纤维质文物材料,是构成博物馆精美文物如服饰手稿书画的基本材料,近年来寻求通过无损或微损方法对这一类材料的鉴别以及劣化状况评价备受文物鉴赏家和文物保护工作者的关注。借助傅里叶变换红外光谱,研究博物馆常见纺织纤维材料棉、麻、桑蚕丝、柞蚕丝、羊毛的红外光谱特征和它们的分子结构组成异同,研究传统纸纤维稻草、麦草、龙须草、龙旗松、桑皮红外光谱特征。结果表明：衰减全反射傅里叶变换红外光谱无损分析技术可通过比较3 300～2 800 cm-1 CH,NH,OH振动区间光谱形状以及指纹区峰位以区别不同种类纺织品纤维;碳氧振动纸张纤维最明显光谱差异位置出现在与纤维素OH伸缩振动相关波数3 300 cm-1和与C—O—C相关波数1 332,1 203,1 050 cm-1。文章探索研究红外光谱技术结合主成分分析法在快速鉴别纤维材料中的应用。通过对全光谱数据多元散射校正(MSC)预处理后进行主成分分析,可以把红外光谱十分相似的纺织纤维棉和亚麻、桑蚕丝和柞蚕丝明显分类;对光谱相似的纸纤维,可采用选择不同光谱波数段进行主成分分析,比较发现能够把五种纸纤维明显区分的光谱区间为3 800～2 800 cm-1。本研究为分子光谱无损分析技术应用于文物材料鉴别、科学评估纤维材料保存状况提供基础研究。     

农作物种子发芽时贮藏物质动员的红外光谱研究

研究种子萌发时贮藏物质动员的一般方法是化学方法,操作烦琐耗时。作者利用傅里叶变换红外光谱对豆类(大豆、蚕豆、豌豆)及禾谷类(稻谷、小麦、大麦)农作物种子发芽时贮藏物质动员情况进行了研究。结果表明,豆类种子发芽前后在1 200～1 000 cm-1范围的光谱变化显著,表明在发芽过程中糖类物质消耗较多;禾谷类种子发芽前后蛋白质酰胺带的强度明显下降,说明发芽过程中贮藏蛋白质被利用了;另外,禾谷类种子发芽后脂类特征峰强度也下降,说明发芽过程中贮藏脂类也被动用了。红外光谱法在种子学研究方面具有快速、方便、不需对样品进行分离提取等特点。     

基于NIR分析和模式识别技术的玉米种子识别系统

模式识别技术及数据挖掘方法已成为化学计量学的研究热点。近红外(NIR)光谱分析以其快速、简便、非破坏性等优势广泛应用于光谱信号的处理和分析模型的建立。文章基于五种不同的模式识别方法:局部线性嵌入(LLE),小波变换(WT),主成分分析(PCA),偏最小二乘(PLS)和支持向量机(SVM),利用NIR技术建立了玉米种子的模式识别系统,并将其应用于108玉米杂交种和母本178种子的近红外光谱样品。首先利用LLE,WT,PCA,PLS进行消噪或降维,然后运用SVM进行分类识别,而一模支持向量机(1-norm SVM)算法直接进行分类识别。三个不同NIR光谱范围的数值实验显示:PCA+SVM,LLE+SVM,PLS+SVM识别效果甚佳,而WT+SVM和1-norm SVM方法也有较高的分类精度。实验结果表明了本文提出方法的可行性和有效性,为利用近红外光谱和模式识别技术进行种子识别研究提供了理论依据和实用方法。