基于荧光光谱—模拟退火法年份白酒中乙酸浓度预测研究

近年来年份白酒市场中行业规范有所缺失,因此年份白酒的研究具有深远意义和市场价值。白酒中单体物质的浓度会随着白酒的年份改变,检测白酒中单体浓度可用来鉴定白酒质量及其年份。基于国内某品牌年份原桨白酒的三维荧光光谱,对其中乙酸浓度进行了建模研究。对原始光谱进行了小波分解和求导预处理。研究发现小波分解第一层和第二层呈噪声特征,浓度信息主要分布在第三层和第四层信号中。不同激发波长的荧光发射光谱强度分布不同,如何选择合适的激发波长目前还没有一个统一的方法。根据小波分解信号引入有效信号强度概念并获得了合适的建模激发波长（200 nm）;导数光谱的细节特征比原始光谱丰富,光谱求导可以提高光谱的分辨率。研究了乙酸浓度与荧光光谱的相关性,原始荧光光谱与乙酸浓度之间相关性较小,小波分解光谱和导数光谱与浓度的相关性达0.8以上,且呈现出更多离散化的相关性特征峰。因此,小波分解光谱和导数光谱中包含更多乙酸浓度信息且分布比原始光谱更广。基于荧光光谱和模拟退火法研究了乙酸浓度偏最小二乘法（PLS）多元回归模型。研究发现原始光谱的乙酸浓度预测集的均方根误差高达70.03 mg·L-1,模型效果较差;小波分解光谱和导数光谱由于光谱之间多重相关性降低且分辨率提高的特点,模型预测效果更好,其中二阶导数光谱的乙酸浓度预测集的均方根误差和相关系数分别为20.32 mg·L-1和0.999 8,建模效果最好。基于1 000次循环执行模拟退火算法建模得到的光谱信息密度曲线显示出二阶导数光谱比原始光谱包含更多的乙酸浓度信息。以乙酸为例,为年份白酒中物质浓度预测提供了一种简易的光学方法,研究方法对研究多组分渐变体系浓度预测具有一定的参考价值。     

三维荧光光谱结合平行因子及神经网络对清香型白酒的年份鉴别

以某清香型白酒为研究对象,将三维荧光光谱技术与平行因子分析方法(parallel factor analysis,PARAFAC)、BP神经网络结合,建立清香型白酒年份鉴别模型。首先,利用FLS920全功能型荧光光谱仪测量获得不同年份白酒的三维荧光光谱数据,对激发发射三维矩阵进行三线性分解,得到四个主成分对应的浓度得分和激发-发射光谱轮廓图。将这4个浓度得分作为BP神经网络的输入,建立10,20和30年份白酒的鉴别模型。随机选取每个年份的10个样本,共30个样本组成测试集,剩余的90个白酒样本组成训练集建立训练模型。据此对未知样品进行预测,其预测正确率分别为90%,100%和100%。同时将该方法与多维偏最小二乘判别分析法(multi-way partial least squares discriminant analysis, NPLS-DA)进行了比较。研究结果表明：平行因子结合神经网络的判别模型具有更强的预测能力,该方法能够有效提取年份白酒的特征光谱信息,同时又降低了神经网络输入变量的维数,取得较好的鉴别效果。     

三维荧光光谱结合PCA-SVM对几种浓香型白酒的鉴别

提出一种利用三维荧光光谱技术鉴别不同品牌浓香型白酒的方法。运用FLS920荧光光谱仪测量了七个不同品牌浓香型白酒的三维荧光光谱,不同品牌浓香型白酒的荧光光谱特征相似,仅凭荧光特征参数较难区分。采用求偏导和小波压缩相结合的数据预处理方法,求解光谱数据中每一激发波长下,荧光强度对发射波长的一阶和二阶偏导数,选取db7紧支撑正交小波对数据进行压缩,选择4尺度分解后的近似系数作为新的数据矩阵,然后做主成分分析(PCA)。将提取的主成分作为支持向量机(SVM)的输入,并利用K-fold交叉验证的方法寻找支持向量机的最优参数c和γ,建立不同品牌白酒的分类鉴别模型。从每个品牌白酒中随机选取14个样本,共98个样本组成训练集,其余的42个样本组成预测集。分别比较了数据不求偏导,对数据求一阶偏导和二阶偏导的预处理后对鉴别模型的影响。结果表明：三维荧光光谱经过二阶偏导的预处理后,结合主成分分析和支持向量机能很好地实现不同品牌浓香型白酒的分类鉴别,模型的准确率为98.98%,预测集的准确率为100%。该方法具有简单,快速,成本低的优点,可为中国白酒的检测和鉴别技术的发展提供帮助。     

基于量子遗传算法和荧光光谱某清香型白酒年份预测研究

年份白酒现已成为企业开发重点,但年份标准有较大的随意性,建立年份标准已成为规范行业和市场的迫切需要。基于某品牌原浆白酒的三维荧光光谱,对白酒年份预测模型进行了研究。研究内容和创新工作如下：首先,研究了荧光光谱与白酒年份的相关性。研究发现：0.5年与其他年份白酒的三维荧光光谱之间的相关系数达0.811 4;原始光谱中年份信息主要分布在激发波长为200~230和250~320 nm、发射波长为400~500 nm的光谱区;导数光谱的年份信息分布区域广且离散性高。其次,研究了荧光光谱之间的相关性。研究表明：原始光谱具有严重的多重共线性,在400~600 nm的区间内,相关系数接近1;求导能提高光谱分辨能力并降低多重共线性,二阶导数具有更好的抑制多重共线性的作用, 相关系数大部分小于0.6。最后,基于量子遗传算法-小波神经网络研究了激发波长为300 nm的白酒年份预测模型,并提出了光谱建模信息密度的概念。研究发现：原始光谱年份预测误差达5.4年,效果最差,其原因是原始光谱具有严重的多重共线性以及光谱与年份的相关性不显著; 导数光谱具有更高的信息密度和更好的建模效果,二阶导数光谱预测集的相关系数达0.999 8,年份预测误差达0.79年。研究成果将为白酒年份标定提供一种便捷的光学手段,同时也为多组分渐变体系的荧光光谱研究提供重要的参考。     

湖泊水体三维荧光光谱的PARAFAC法在污染源解析中的应用

基于三维荧光光谱矩阵的PARAFAC模型中因子得分反映混合物各因子相对浓度和比例这一特征,将其应用到混合物源解析的研究。对于因子与来源物质光谱不一致的情况考虑将来源物质荧光矩阵和混合物荧光矩阵均作为模型三维数据矩阵的元素进行分析,推导出混合样品与源物质荧光矩阵之间的关系式。该关系式系数由因子得分组成,反映了混合样品各来源物贡献率的相对大小,能够作为来源物量化研究的参考指数。在湖泊污染物源解析的应用中,利用混合水样和污染源水样荧光光谱矩阵建立上述关系式,关系式各系数可作为湖泊水体污染源源解析研究的参考。     

用荧光光谱鉴别白酒

在对乙醇、甲醇等醇类溶液荧光光谱特性进行研究的基础上, 应用美国Roper-Scientific公司SP-2558多功能光谱测量系统, 对50多种品牌白酒及其年份酒在紫外光激励下的荧光光谱进行了检测。结果表明, 白酒在紫外光激励下能产生较强的荧光, 各品牌白酒及其年份酒的荧光光谱各有明确的特征。实验测得其三维荧光光谱, 由此构建了白酒荧光光谱指纹图库。分析各荧光光谱的特征, 以谱峰个数、峰值波长、最佳激励波长等特征值创建了各品牌年份白酒荧光光谱特征数据库。利用SQL 数据库软件和VB语言研制成一个能对白酒进行自动比对、识别的白酒荧光光谱智能鉴别系统,实现了白酒的智能化鉴别。研究结果发挥荧光光谱分析灵敏度高、准确度高和样品用量少、不需前期处理等优点, 为白酒检测、鉴别提供了一种有效的新方法, 能应用于白酒企业生产管理及白酒消费市场监督, 并为已引起广泛关注的酒类食品安全监管提供帮助。     

基于三维荧光光谱结合小波压缩与APTLD对水中多环芳烃测定

基于三维荧光光谱结合小波压缩与交替惩罚三线性分解(APTLD)对水中多环芳烃(PAHs)进行定性和定量分析,实验以萘(NAP)、芴(FLU)、苊(ANA)为测量样品。首先用FS920荧光光谱仪测量获得样品的三维荧光光谱数据,对数据进行激发和发射校正且去散射,得到真实光谱。为了解决三维荧光光谱数据的冗余信息,通过小波变换对实验光谱数据进行压缩,其压缩分数和数据恢复分数分别大于92%和95%。用APTLD对压缩后的光谱数据进行分析,体现了二阶优势,实验结果表明,在PAHs的荧光光谱严重重叠和有干扰物共存下,该方法仍能准确地测定,其回收率为94%~98%、预测均方根误差小于0.29 μg·L-1。     

基于离散小波变换对不同种类瓜籽的FTIR鉴别研究

傅里叶变换红外光谱(FTIR)结合离散小波变换(DWT)对不同种类的瓜籽进行鉴别研究。测试了6种瓜籽30个样品的红外光谱,结果表明:不同种类瓜籽的红外图谱相似,但在1700~900cm~(-1)范围,光谱的峰位、吸收强度及峰形状存在一定差异。选取该区域光谱进行离散小波变换,发现第二尺度细节系数差异明显。基于第二尺度细节系数对样品进行相关分析、主成分分析和聚类分析,其相关性最大的为丝瓜籽和南瓜籽,相关系数达到0.9279,最小是丝瓜籽和冬瓜籽为0.2147;主成分分析中,前2个主成分的累计贡献率达到95.50%,能准确代表6种瓜籽的光谱信息,且主成分分析和聚类分析正确率达100%。研究结果表明FTIR结合离散小波变换分析方法可以用来鉴别研究不同种类的瓜籽。     

牛奶水溶液的荧光光谱研究

采集伊利、蒙牛公司生产的纯牛奶、高钙奶、高钙低脂奶,向5 mL去离子水中分别加入0.17 mL、0.20 mL、0.23 mL、0.26 mL、0.29 mL、0.32 mL、0.35 mL这6种牛奶样品,得到42份牛奶水溶液.采用日立F-4600荧光光谱仪测定样品在波长为315 nm、320 nm、325 nm、330 nm、335 nm、340 nm、345 nm激发光诱导下的荧光发射光谱,对所得荧光光谱进行Savitzky-Golay平滑、FFT低通滤波后,利用高斯分解法对荧光谱线进行分解,将每个荧光光谱分解为5个基元高斯峰.讨论了各种牛奶发射光谱的规律和变化趋势,结果表明:所有牛奶水溶液的各个基元高斯峰,在相同激发波长下,其峰值位基本不变,当激发波长变化时,所有基元高斯峰会随激发波长的增加而红移;高钙低脂奶在波长较长的激发光照射下,各个基元高斯峰强度均大于纯牛奶和高钙奶;牛奶的浓度对总荧光光谱的影响较小.     

基于coif2小波的浮游植物活体三维荧光光谱识别技术研究

小波分析技术是提取不同门类以及种属水平上浮游植物的三维荧光光谱特征的有效手段,利用coif2小波函数对分属于7个门,30个属的37种我国近海常见的浮游植物的三维荧光光谱进行小波分解,小波分量和尺度分量作为浮游植物备选荧光特征谱,通过Bayes分析确定第3层尺度分量作为浮游植物门类特征光谱,第3层尺度分量和第2和第3层小波分量的组合作为浮游植物属特征谱。对获得的浮游植物荧光特征谱进行系统聚类分析,得到37种浮游植物门类水平上的107条和属水平上的155条浮游植物荧光标准谱,组成浮游植物荧光标准谱库。在此标准谱库的基础上,利用非负最小二乘法解析的多元线性回归建立浮游植物三维荧光光谱识别技术。该技术对1 776个单种藻样品和384个混合藻样品进行识别分析,单种浮游植物样品在门类水平上的识别正确率为98.1%,属水平上的识别正确率为97.0%;浮游植物混合样品中的优势种在门水平上的识别正确率分别为94.8%,在属水平上的识别正确率为92.7%。     

Year Discrimination of Mild Aroma Chinese Liquors Using Three-Dimensional Fluorescence Spectroscopy Combined with Parallel Factor and Neural NetworkSCIEI北大核心CSCD

Three-dimensional fluorescence spectroscopy coupled with parallel factor analysis and neural network was applied to the year discrimination of mild aroma Chinese liquors. The excitation-emission fluorescence matrices (EEMs) of 120 samples with various years were measured by FLS920 fluorescence spectrometer. The trilinear decomposition of the data array was performed and the loading scores of and the excitation-emission profiles of four components were also obtained. The scores were employed as the inputs of the BP neural networks and the PARAFAC-BP identification model was constructed. 10 samples were collected from 10, 20 and 30 years of liquors respectively, and 30 samples were selected as the test sets. The remaining 90 samples were used as the training sets to build the training model. The year prediction of unknown samples was also carried out, and the prediction accuracy was 90%, 100% and 100%, respectively. Meanwhile, the discrimination analysis method and the multi way partial least squares discriminant analysis were compared, namely PARAFAC-BP and NPLS-DA. The results indicated that parallel factor combined with the neural network (PARAFAC-BP) has higher prediction accuracy. The proposed method can effectively extract the spectral characteristics, and also reduce the dimension of the input variables of neural network. A good year discrimination result was finally achieved.     

一种低原子序数元素EDX RF的多次导-样条小波解析方法研究

能量色散X射线荧光（EDXRF）光谱分析待测元素的信息主要反映在能谱的特征峰峰位以及特征峰净峰面积中。对于特征峰的准确检测是EDXRF光谱分析的关键。特征X射线之间的能量在低原子序数元素中相差很小,在实际测量过程中由其他一些因素干扰会导致EDXRF光谱中特征峰产生严重重叠,以EDXRF光谱中低序列元素的重叠峰作为研究对象,提出一种四次导数结合三样条小波变换处理低序列元素重叠峰的新方法。通过数学模型模拟重叠峰检测了该方法的可行性,并仿真了实测X荧光光谱数据进行检测得到良好的效果,通过使用了CIT-3000SY X 荧光元素录井仪实测T铅黄铜数据和混合轻元素数据荧光光谱作为验证。首先,介绍导数法以及三样条小波法分解重叠的原理。导数法阶数越高信号越畸形但可以有效提高重峰分离度,而三样条小波变换对低分离度重峰处理较为无力但能有效的保持峰型。通过Tsallis峰信号模拟重叠峰,模拟出3个峰信号,第1个峰和第2个峰的分离度R=0.33,第2个峰和第3个峰的分离度R=0.67,导数处理后信号任仍具有一部分重叠,但是导数处理后不仅保留了信号的峰位值,且出现了分离度变大的现象,而三样条小波对低分离度重叠峰的分解较为无力,但是对于分离度较大的重叠峰具有较好的效果,信号通过四次导增加分离度再进行三样条小波变换,通过调节样条小波分解层次的次数,然后对分解出的高频信号采取适当的系数进行放大,最后进行信号重构。实验实现了对模拟信号的分解。验证了此方法针对重叠峰分解具有可行性。实验采用分解4层的三样条小波变换以及放大6倍的高频信号。然后,处理仿真K元素的重叠光谱,实现了重叠峰的分解,通过仿真实验表明新方法能准确的识别峰位,结果表明只有1%之内的误差,证明了新方法对X荧光光谱重叠峰分解的适用性。最后用此方法对CIT-3000SY X荧光元素录井仪实测T铅黄铜元素数据以及混合轻元素数据X荧光光谱进行处理,实现了对重叠峰的分解,且分解后的峰位误差控制在1%之内,具有较高的准确率。实验结果证明：四次导数结合三样条小波变换能有效分离重叠峰,并且在处理X荧光光谱的重叠峰分解上具有实用性。     

基于小波变换的人血清血卟啉荧光光谱分析法

卟啉是生命活动的重要物质,原卟啉可做为肿瘤血液标志物.人血清中血卟啉含量很低,且受多种因素影响.基于小波变换的人血清血卟啉荧光光谱分析法可实现对其弱信号的分辨.用多功能光谱测量系统获取人血清血卟啉荧光光谱,对获取的荧光光谱通过数次小波变换进行分解,将噪声与光谱信号分离,滤波后的荧光光谱进行6次分解后得到了离散逼近信号(a1～a6)和离散细节信号(d1～d6).信号频率随着分解次数的增加逐步降低.当分解到第6次时,出现了血卟啉荧光特征峰,成功地观测到血卟啉的荧光发射峰,实现了弱信号分辨,得到了血清中所含血卟啉的准确成份和定量信息,从而进行定性和定量分析,为血清荧光光谱用于肿瘤的早期诊断提供了一种方法.     

基于荧光光谱的茶汤中拟除虫菊酯类农药的智能识别

基于三维荧光光谱和二维荧光相关光谱,对茶汤中两种拟除虫菊酯农药进行了识别。利用图像局部极值算法,分别提取出三维荧光光谱图和二维相关光谱图中的峰、谷位置信息,然后进行峰位匹配实现茶汤中农药组分的智能识别。结果表明,三维荧光光谱图受到荧光峰重叠的影响,不能对氰戊菊酯进行有效匹配。而利用二维相关光谱不仅可以克服这一缺点,而且不受混合物中农药组分浓度的影响。基于二维荧光相关光谱,对实际茶汤中氰戊菊酯和顺式氯氰菊酯进行了识别,识别率分别为80%和83%。     

酒香型光谱分析和模式识别计算分析

白酒是一个复杂的混合物体系,它含有大量的微量成分,这些微量成分直接决定了白酒的品质、口感和香型。为实现对白酒香型的快速鉴别,可采集不同香型白酒的红外光谱图,并将其作为模式分类方法的输入模式,建立白酒香型鉴别模型。首次全面系统地介绍了白酒香型模式识别算法,这些算法包括统计分类器(线性判别函数、二次判别函数、正则判别分析、K近邻算法)、原型学习算法(学习矢量量化)、支持向量机和AdaBoost算法。实验结果表明,基于红外光谱的白酒香型检测模式识别算法达到了很高的分类准确率、识别率和拒绝率,显示出了很好的性能。