基于FTIR的两种模式识别方法在两面针产地鉴别中的应用

为了探求建立快速鉴别两面针产地的方法,基于傅里叶变换红外光谱(FTIR)技术,选取1 800~400 cm-1红外指纹图谱带,采用Fisher比值法和SIMCA聚类分析法建立产地分类模型,分别对广西区内四个产地的两面针进行鉴别,并通过计算识别率与拒绝率来验证模型。结果表明,红外光谱技术不但能准确提取中药材的整体信息,并且基于红外光谱建立起的两种模式识别模型对未知样品进行预测,识别率和拒绝率均达到90%以上,说明所建模型具有较强的识别能力。通过自编计算程序以及现有统计软件,还可以将模式识别模型实现实时在线化检测与快速样品鉴别,大大提高了鉴别速度而更具应用价值。     

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。     

红外光谱数据融合对美味牛肝菌产地鉴别

近年来食品安全问题频发,消费者愈加重视食品原产地的环境安全,导致地理标志产品的需求增加。美味牛肝菌（Boletus edulis）作为一种健康食品,其产品品质受原产地环境影响较大,为保护消费者的身体健康,防止假冒伪劣产品进入市场,急需一种高效、廉价的美味牛肝菌产地鉴别技术。采用数据融合策略结合偏最小二乘判别（PLS-DA）模型对美味牛肝菌的产地进行鉴别。扫描来自8个产地（昆明、楚雄、玉溪、迪庆、大理、保山、文山和曲靖）141个样品的傅里叶变换近红外光谱和傅里叶变换中红外光谱。使用Kennard-Stone算法将所有样品划分为2/3的训练集和1/3的预测集,利用三种融合策略（低级、中级和高级）对4个单一光谱矩阵：近红外的菌柄(N-b)、近红外的菌盖(N-g)、中红外的菌柄(M-b)、中红外的菌盖(M-g),建立偏最小二乘判别（PLS-DA）模型。用交叉验证均方根误差（RMSECV）和预测均方根误差（RMSEP）评价模型稳定性,非错误率（NER）、训练集正确率和预测集正确率评价模型分类性能,综合多种评价指标,找出美味牛肝菌产地鉴别的最佳方法。结果表明：（1）近红外和中红外光谱均能鉴别美味牛肝菌产地;（2）中红外光谱所建立的模型优于近红外光谱所建立的模型;（3）三种融合策略均可提高美味牛肝菌的产地鉴别效果,产地鉴别效果优劣依次为中级融合、高级融合、低级融合、单一光谱模型。通过融合近红外和中红外光谱使用PLS-DA进行基于特征值LV的中级融合策略,建立不同产地美味牛肝菌鉴别模型,有最少的变量数（49）,最高的产地训练集正确率（100%）,最高的产地预测集正确率（100%）,最低的RMSEP（0.133）,实现了美味牛肝菌产地的快速、准确鉴别,可以作为美味牛肝菌产地溯源的一种可靠方法。     

基于枸杞红外光谱人工神经网络的产地鉴别

应用红外光谱技术,快速鉴别枸杞药材产地。利用傅里叶变换红外光谱, 测定了45个来自青海省不同产地的枸杞样品的红外光谱。以常规预处理方法和小波变换对红外光谱原始数据进行了预处理。对比常用的窗口移动平滑预处理、标准正态变换以及多元散射校正, 小波变换是一种有效实用的光谱预处理方法。为了提高神经网络的训练速度, 在利用人工神经网络建立模型之前, 通过小波变换的方法对光谱变量进行了压缩, 同时对建立的模型的相关参数进行了详细的讨论。结果表明,红外光谱数据压缩到原来的1/8,其分析精度与原始光谱数据基本相当。以压缩了的光谱数据作为反向传播(BP)网络的输入变量,产地类别作为神经网络的输出变量,建立3层人工神经网络。其中隐含层神经元个数为5个,输出层神经元个数为1个。隐层的传递函数是tansig,输出层传递函数是purelin,网络训练函数trainlm,权阈值的学习函数是learngdm。net.trainParam.epochs=1 000,net.trainParam.goal=0.001。对10个未知枸杞产地类别进行了预测,预测结果准确率达100%。实验表明, 建立的模型能够正确地对枸杞样品快速地进行产地鉴别。红外光谱法结合人工神经网络可作为中药材产地分类鉴别的一种新的现代化方法。     

红外光谱与聚类分析法无损快速鉴别肉苁蓉

应用傅里叶变换红外光谱（FTIR）法测定了栽培和野生肉苁蓉,以450～2 000 cm-1范围内的吸收峰吸光度为指标,以红外光谱图为对象,应用SMICA聚类分析（Cluster analysis）法对栽培和野生肉苁蓉进行了聚类分析。结果表明,红外光谱结合聚类分析技术可对不同来源的肉苁蓉进行鉴别,识别率和拒绝率达到90%以上,盲样检测的准确率也在95%以上。因此,红外光谱与聚类分析法相结合可以快速、无损识别中药材。     

油菜籽品种的红外光谱鉴别研究

用傅里叶变换红外光谱(FTIR)技术结合光谱检索的方法对油菜品种进行鉴别研究。测试了15个油菜品种75份菜籽样品的红外光谱,利用光谱软件Omnic8.0建立了两个光谱数据库Lib01和Lib02,Lib01仅云南的9个品种的平均光谱组成,Lib02由全部15个品种的平均光谱组成。未知样品光谱分别与光谱数据库Lib01进行全谱范围的相关性检索和平方微分差检索,相关性检索的正确率达到77.8%,平方微分差检索的正确率达到82.2%。未知样品光谱分别与光谱数据库Lib02进行全谱范围和指定在1 700～950 cm-1光谱范围的平方微分差检索,全谱范围的检索正确率达到82.7%,指定光谱范围的检索正确率达到90.6%。研究结果表明,FTIR结合光谱检索的方法有望成为一种简便、易行的可以鉴别油菜籽品种的方法。     

不同产地茯苓皮药材红外光谱的识别

采用红外光谱、二阶导数光谱和二维相关红外光谱对大别山地区和云南省两大道地主产区的茯苓皮进行鉴别分析。结果表明,不同产地茯苓皮的红外光谱都有1 149,1 079和1 036cm-1等表征糖类成分的特征吸收峰,其中大别山产区(湖北省、安徽省)的茯苓皮中1 619,1 315和780cm-1等表征草酸钙的特征吸收峰比较显著,云南产区的茯苓皮中797,779,537和470cm-1等表征硅酸盐的特征吸收峰更加明显。比较450~1 650cm-1波数范围内的二阶导数红外光谱可知,两个产区茯苓皮所含糖类物质有所不同。在二维相关红外光谱中,不同产地茯苓皮所含糖类物质的差异更加直观显著。红外光谱法直观、简单、方便、快速,可以作为鉴别不同产地茯苓皮,诠释产地与药效之间关联性的一种有效准确的新方法。     

六种蜂花粉的红外光谱三级鉴别研究

采用傅里叶变换红外光谱(FTIR)结合二阶导数谱和热扰动下的二维相关红外光谱技术对6种不同花粉,即杏花花粉、油菜花粉、茶花花粉、西瓜花粉、荷花花粉和虞美人花粉,进行了快速无损的鉴别。结果表明,在一维红外光谱图上,不同花粉的蛋白质、脂肪和糖类物质的特征吸收峰在相对峰强和峰位上均存在一定的差异,在二阶导数谱上差异很明显。而在二维红外谱图上,由于6种花粉的自动峰及相关峰峰簇的位置和数量不同,其差别体现得更为明显和直观。因此,三级红外宏观指纹图谱法是鉴别不同蜂花粉种类的一种有效和快速检测方法。     

红外光谱对不同品种及产地小米的鉴别

不同品种及产地的小米在口感及营养价值上存在显著差异,因此区分不同种小米对消费者具有参考意义。将傅里叶变换红外光谱(FTIR)、二维相关红外光谱(2D-IR)与曲线拟合、主成分分析(PCA)相结合,鉴别小米的品种及产地。结果显示：小米主要由碳水化合物、蛋白质和脂质组成,因此,其FTIR特征相似;二阶导数光谱(SD-IR)在3 012,2 962,2 928,2 856,1 748和1 548 cm-1附近的吸收峰强度存在明显差异;2D-IR在1 200~860和1 700~1 180 cm-1范围内,小米样品的自动峰和交叉峰数目、位置和强度差异明显;曲线拟合结果显示小米在1 700~1 600 cm-1范围内子峰面积比例不同,说明不同品种间小米的蛋白质含量不同,可以实现小米品种的鉴别分类;选取1 800~800 cm-1范围内的导数光谱进行主成分分析,前3个主成分累积贡献率为97%,不同产地的小米都得到正确归类。研究表明,红外光谱结合统计分析方法,是鉴别小米品种及产地的有效方法。     

红外光谱结合光谱检索对石斛品种的鉴别研究

用傅里叶变换红外光谱技术结合光谱检索的方法对石斛茎进行品种鉴别研究。测试了23个品种,165株石斛茎样品的红外光谱,光谱显示,各样品的红外光谱非常相似,石斛茎中的主要成分是纤维素等多糖物质。利用光谱软件Omnic8.0建立了三个光谱数据库Lib01、Lib02和Lib03,Lib01由每个品种前4株样品的平均光谱组成,Lib02由平均光谱的一阶导数光谱组成,Lib03由平均光谱的二阶导数光谱组成。各样品光谱分别与Lib01进行指定在1 800～500 cm-1光谱范围的相关性、平方差和平方微分差检索,相关性检索的正确率达到92.7%,平方差检索的正确率达到74.5%,平方微分差检索的正确率达到92.7%。各样品光谱的一阶导数光谱和二阶导数光谱分别与Lib02和Lib03进行指定在1 800～500 cm-1光谱范围的平方微分差检索,一阶导数光谱的检索正确率达到93.9%,二阶导数光谱的检索正确率达到90.3%。结果表明,平方微分差算法的一阶导数红外光谱检索更适合于石斛的品种鉴别。红外光谱结合光谱检索的方法能较好的鉴别不同品种的石斛,有望成为简便、易行的植物品种鉴别方法。     

改进偏最小二乘法在近红外牛奶成分测量中的应用

采用NicoletNexus870红外-近红外傅里叶变换光谱仪测量了36个市售巴氏杀菌纯牛乳样品的透射光谱。在近红外光谱1254～1875nm和2045～2372nm波段内,为了选择携带信息量大的波长区域,采用改进偏最小二乘回归法,包括间隔偏最小二乘法、移动窗口偏最小二乘法和可变窗宽移动窗口偏最小二乘法对巴氏杀菌纯牛乳中脂肪、蛋白质及乳糖成分分别建立模型,进行了分析和比较,结果表明,采用改进偏最小二乘法所选出的波长区与目标值的相关程度高,可以较好地建立牛奶的预测模型。     

玉米近红外光谱在仿生模式识别中的特征提取方法研究

近红外光谱特征提取是近红外光谱定性分析的关键步骤,其质量直接影响定性分析结果。采用漫透射方法测量8个玉米品种的近红外光谱,经预处理后,分别采用PCA,ICA,PLS-DA和小波分解四种方法对光谱进行特征提取,并使用仿生模式识别方法建立了8个玉米品种识别模型,最后使用测试集数据进行模型测试。结论如下:使用PLS-DA方法进行特征提取后建立的模型正确识别率优于使用PCA,ICA和小波分解特征提取后建立的模型。     

一种标定新方法在FTIR定量分析中的应用

利用傅里叶变换红外(FTIR)光谱技术可以对气体组分的浓度进行连续的在线定量分析。在定量分析过程中,对FTIR进行标定是非常重要的环节之一,直接关系到定量分析是否可以进行和定量分析的精度。本文提出了一种新的标定方法(称之为“积分法”),以CO、HCI和水蒸气为例完成的实验结果表明：这一方法与传统方法(标气法)相比具有许多优点,准确性和稳定性都很好;尤为重要的是,对于传统方法无法解决的常温下为液态的气体物质的标定问题,利用这一新方法可以迎刃而解,而且有很好的精度。     

四象限探测器位移测量的标定方法

提供了一种能实时快捷地对光镊系统中四象限探测器位移探测信号进行校准的方法.实验研究表明了该方法的可靠、精确,其自身的不稳定性小于1％.利用该方法研究了校准系数随小球深度的变化情况,得出校准系数随小球深度的升高而减小.该方法可以用于光镊系统稳定性的监测.     

气溶胶前向散射大气能见度测量系统传递系数的标定及校准方法

分析了气溶胶的前向角散射特性,利用标准的大气透射仪标定前向散射大气能见度测量系统的传递系数。当系统结构发生变化时,传递系数也随之改变,为保证系统测量的准确性和简化系统传递系数的标定过程,提出了一种利用标准漫透射板校准系统传递系数的方法。该方法使用了两块具有相同透射系数的漫透射板,使气溶胶粒子团在前向半球上产生漫散射,此时探测器的测量值即为包含了仪器常数的定值。当系统结构改变时,这个测量值相对于原测量值的变化率作为比例系数代入系统传递系数的计算,实现校准。     

基于可见/近红外反射光谱的大豆叶绿素含量估算方法比较

作物叶绿素含量的估测可以为精准农业提供技术支持.该文利用 PROSAIL 模型模拟了不同叶绿素水平下的大豆冠层光谱反射率,而后针对多期实测高光谱及相应的叶绿素数据,在对响应波段进行小波能量系数提取的基础上,分别采用多元线性回归、BP 神经网络和 RBF 神经网络、以及偏最小二乘法进行估算,并进行了比较分析.研究结果表明...     

稻米色氨酸含量近红外反射光谱全局和局部飞速定标技术研究

色氨酸是人类一种必需氨基酸,也是稻米中一种重要的限制性氨基酸。从4年份1256份材料中选择出272份有代表性的样品,采用碱水解-分光光度法测定了其色氨酸含量。比较不同定标方法的预测结果发现,运用改良的偏最小二乘法(modified partial least square,MPLS)的全局(Global)定标方法和局部(Lo-cal)飞速定标方法的预测效果较佳,基于精米粉光谱建立的方程的预测标准误差均为0.007%,外部验证决定系数分别为87.1%和87.4%,可用于定量分析;而基于糙米光谱建立的定标方程的预测效果略差,但仍具有良好的预测能力。研究结果表明,近红外光谱技术可作为水稻育种中间材料的快速筛选和食品工业中稻米原料的品质监控手段。     

单色仪定标曲线的非线性拟合简

采用两种方案对WDF棱镜单色仪的定标曲线进行非线性拟合。通过实验找出棱镜的折射率与TT鼓轮的关系,得到利用科希公式拟合定标曲线的可行性方案;利用高阶多项式对定标曲线进行拟合,运用统计的方法探讨不同的拟合阶数对拟合结果的影响,并得到了最佳的拟合阶数和高精度的拟合结果。