共查询到10条相似文献,搜索用时 765 毫秒
1.
利用傅里叶变换红外光谱技术研究了7个不同甜橙树苗春梢叶片样品的红外光谱特征,结果表明,7个甜橙品种叶片样品的傅里叶变换红外光谱主要由纤维素和多糖的吸收带组成,其特征吸收峰频率位置基本一致,但在峰形、峰相对吸收强度上存在一定差异,尤其在1500~700 cm-1范围内的差异较为明显.通过对1500~700 cm-1范围内的二阶导数光谱进行系统聚类分析,结果显示系统聚类分析能把不同甜橙品种按亲缘关系远近进行聚类,实现对甜橙品种的快速鉴别与分类.因此,利用傅里叶变换红外光谱技术结合系统聚类分析对柑橘品种快速鉴别与分类具有一定的可行性,可作为甜橙苗早期品种鉴别的一种扩展手段. 相似文献
2.
3.
4.
5.
分子光谱分析技术结合化学计量学已成为一种非常活跃的食用油鉴别方法。然而,当不同类型的样本之间的光谱差异极其微小时,利用传统的分类技术也很难将其分开。为了完成相似品种食用油的快速识别和分类,收集了包括芝麻油、玉米油、油菜籽油、调和油、葵花油、花生油、橄榄油七种食用油的衰减全反射红外光谱,在此基础上,采用图像识别的方法对七种食用油进行快速分类。在所提出的图像识别方法中,首先,将通过多元散射校正预处理后的红外光谱吸光度矩阵进行自相关运算,利用等高线原理根据吸光度强度值的不同生成光谱图像,以扩大的光谱差异并提高光谱可视化。然后,根据图像膨胀的原理找到光谱图像的局部特征点,将其作为图像特征。最后,使用BP神经网络对特征点进行训练和分类预测。为了对比所提出的方法,PCA-BP和KL-BP的方法被用于与图像识别的方法进行比较,实验结果表明,图像识别方法的正确识别率为94.4%,高于PCA-BP的66.7%和KL-BP的83.3%。所提方法为实现食用油的快速识别和检测提供了一条新的有效途径。 相似文献
6.
用傅里叶变换红外光谱(FTIR)和逐步判别分析法对油菜籽的品种和产地进行鉴别研究。测试了来自5个产地17个油菜籽品种188份油菜籽皮样品的红外光谱,按产地和品种选择训练样本,每个品种选择5份为训练样本,剩下的作为测试样本,选择1 800~950 cm-1范围的光谱信息,在SPSS20.0的判别分析模块中采用逐步法,Fisher线性判别准则,分别建立油菜籽品种和产地的鉴别模型来判别样品的品种和产地;比较了逐步判别分析中五种筛选建模信息的算法所建立的模型对实验样品品种和产地的鉴别效果。基于油菜籽皮红外光谱信息的品种判别分析,五种筛选变量的算法所建立的模型都能较好的识别油菜籽的品种,“Wilks’ Lambda”法所建模型的识别效果最好,判别正确率为97.9%。基于油菜籽皮红外光谱信息的产地判别分析,五种筛选变量的算法所建立的产地判别模型也都能较好的识别油菜籽的产地,“Unexplained variance”法所建模型的识别效果最好,判别正确率为98.4%。研究结果表明,基于油菜籽皮中红外光谱信息的品种和产地判别分析,有望成为油菜籽品种和产地鉴别的方法。 相似文献
7.
分子光谱分析技术结合化学计量学已成为一种非常活跃的食用油鉴别方法。然而,当不同类型的样本之间的光谱差异极其微小时,利用传统的分类技术也很难将其分开。为了完成相似品种食用油的快速识别和分类,收集了包括芝麻油、玉米油、油菜籽油、调和油、葵花油、花生油、橄榄油七种食用油的衰减全反射红外光谱,在此基础上,采用图像识别的方法对七种食用油进行快速分类。在所提出的图像识别方法中,首先,将通过多元散射校正预处理后的红外光谱吸光度矩阵进行自相关运算,利用等高线原理根据吸光度强度值的不同生成光谱图像,以扩大的光谱差异并提高光谱可视化。然后,根据图像膨胀的原理找到光谱图像的局部特征点,将其作为图像特征。最后,使用BP神经网络对特征点进行训练和分类预测。为了对比所提出的方法,PCA-BP和KL-BP的方法被用于与图像识别的方法进行比较,实验结果表明,图像识别方法的正确识别率为94.4%,高于PCA-BP的66.7%和KL-BP的83.3%。所提方法为实现食用油的快速识别和检测提供了一条新的有效途径。 相似文献
8.
食用油是人类营养和能量的重要来源,为人体提供必需的脂肪酸,研究食用油在太赫兹波段光学特性,对食用油成分分析及品质评价具有重要价值。衰减全反射式太赫兹时域光谱技术是一种新型的太赫兹时域光谱技术,通过样品与倏逝波的相互作用,获取样品的太赫兹光谱。与透射式或反射式太赫兹时域光谱技术相比,该技术能有效地避免测量食用油等液体样品时样品池对光学参数的影响,并能获得样品的精确光学参数。分别利用透射式太赫兹时域光谱技术和衰减全反射式太赫兹时域光谱技术测量了大豆油的吸收光谱。结果表明,与透射式太赫兹时域光谱技术相比,衰减全反射式太赫兹时域光谱技术能更有效地提取大豆油的吸收系数、吸收峰分布等光学特性。进一步利用衰减全反射式太赫兹时域光谱技术研究了大豆油、核桃油、葡萄籽油在太赫兹波段的光学特性,获得了三种食用油在1~1.8 THz范围内的折射率谱和吸收光谱。利用密度泛函理论计算了食用油中四种主要成分(软脂酸、硬脂酸、油酸和亚油酸)在太赫兹波段的振动、转动模式,理论计算结果同实验测量结果吻合较好。研究表明,在太赫兹波段食用油的吸收峰与所含脂肪酸分子种类与含量有关,其主要来源为脂肪酸分子的低频振动和转动。研究成果对食用油成分定性定量分析及品质检测等具有指导意义。 相似文献
9.
采用傅里叶变换红外光谱法测定彝药包谷七和见肿消的红外光谱图。分析比较了两种彝药在红外光谱图上的异同,结果表明,两种样品在红外光谱图上的吸收峰的峰形、吸收位置和强度均有差异,不同样品的特征吸收峰明显,通过分析红外光谱,为彝药的识别、鉴定和药理分析提供了一定的科学依据。 相似文献
10.
基于人工神经网络的傅里叶变换中红外光谱法对食用油油烟种类识别研究 总被引:1,自引:0,他引:1
随着餐饮业的发展,餐饮烟气已经成为某些城市三大空气污染源之一。由于餐饮烟气对人体健康威胁很大,近年来对餐饮烟气的研究愈来愈热。餐饮烟气中包含有大量食用油加热过程中裂解而产生的不饱和烃类,危害着人类健康。不同食用油裂解出来的成分以及含量有所不同,通过构建一定的分类识别数学模型,从而实现对食用油分类识别。采用自主研发的傅里叶变换红外光谱仪,采集了不同食用油油烟烟气红外光谱数据。同时构建了主成分分析(PCA)分别结合概率神经网络(PNN)以及误差反向传播人工神经网络(BPANN)的分类识别算法。将两种分类识别算法对不同食用油油烟烟气的傅里叶变换红外光谱数据进行分析。通过样本数据对数学模型进行训练,将训练好的数学模型对未知光谱数据进行分析,来确定产生油烟烟气的食用油种类。实验结果表明,两种算法都能对不同的油烟种类进行较好地分类识别。在全波段识别时,识别率分别达到90.25%和97.0%。通过对烟气光谱数据的吸收波段进行分析,提取大气窗口并且具有较强可挥发性有机物(VOCs)吸收特征的波段(1 300~700 cm-1以及3 000~2 600 cm-1);将吸光度数据分成两个分离的吸收波段,两种算法在3 000~2 600 cm-1波段都有较好的识别效果,PCA-PNN算法识别率为90.25%,PCA-BPANN算法识别率为92.25%。可见,两种人工神经网络算法都能有效对食用油烟种类进行识别。 相似文献