基于近红外光谱技术与优化光谱预处理的陈皮产地鉴别研究

采集不同产地陈皮内侧和外侧的近红外光谱,采用不同光谱预处理方法进行预处理,筛选得到最佳光谱预处理方法,结合主成分分析法建立了陈皮产地的鉴别模型.实验发现,陈皮原始光谱中存在明显的基线漂移与背景干扰.使用单一光谱预处理可在一定程度上消除干扰的影响.经标准正态变量变换、多元散射校正、一阶导数、二阶导数与连续小波变换预处理后...     

一种基于近红外光谱技术的不同品种及掺假三七的无损鉴别分析研究

基于近红外光谱技术与化学计量学方法,提出了一种不同品种及掺假三七的快速无损鉴别方法。分别采集景天三七、菊三七、血三七、田三七完整、粉末及掺假样品的近红外光谱,采用单一和组合预处理方法消除光谱中的干扰,筛选出最佳的预处理方法;结合主成分分析法建立不同品种以及掺假三七样品的鉴别模型。结果表明：结合主成分分析,采用原始光谱即可实现粉末及掺假样品的100%鉴别分析,而完整样品由于受到物理性状的干扰,其原始光谱数据的品种鉴别率仅为9.38%;而经连续小波变换预处理后可达93.75%。采用组合预处理方法可以进一步消除光谱存在的多种干扰,显著提高完整样品的鉴别准确性,采用去偏移 + 一阶导数、去偏移+连续小波变换以及二阶导数+标准正态变量变换预处理方法预处理后,完整样品的鉴别准确率达到了93.75%。以上结果表明,采用近红外光谱技术与化学计量学方法可有效实现对不同品种以及掺假三七的快速无损鉴别分析。     

基于近红外光谱技术与化学计量学的绿茶无损鉴别方法研究

该文利用近红外光谱技术结合化学计量学方法开发了不同品种绿茶的无损鉴别方法。通过近红外光谱技术得到了8个品种绿茶样品的近红外光谱,比较了单一以及优化组合光谱预处理方法对光谱的影响,利用无监督的主成分分析(PCA)与有监督的线性判别分析方法(LDA)分别构建了茶叶品种鉴别模型。结果表明：对比单一预处理方法,优化组合预处理具有更优的鉴别准确性。标准正态变量变换预处理消除了茶叶样品大小不均造成的光谱散射影响,一阶导数预处理实现了变动背景的消除,减少了基线漂移的影响,突出了图谱中的有效信息,采用二者相结合的预处理方式并结合无监督的主成分分析法可实现较为准确的绿茶样品种类鉴别分析,准确率达75.0%。此外,采用有监督的线性判别分析方法处理原始光谱数据,可达到100%的鉴别准确率,但该方法需提供类别的先验知识。因此,采用近红外光谱技术和化学计量学相结合的手段可实现不同品种绿茶的快速无损鉴别。     

高光谱结合多元统计分析鉴别一次性纸杯样品

为了快速、准确地对现场一次性纸杯物证进行鉴别,提出了一种基于高光谱技术结合PCA、K-Means聚类、Fisher判别分析的识别分类方法。利用高光谱仪对收集的40个不同来源、不同用途的一次性纸杯进行检验,采用主成分分析法对光谱数据进行预处理,从中提取出了11个主成分。借助K-Means算法将40个样品聚为5组,各组分间区分明显。利用Fisher判别分析构建了3组判别函数,经检验函数模型可排除污染客体干扰,分组准确率达100%。     

近红外光谱与化学计量学方法用于镉污染稻米的定性鉴别

采用近红外光谱漫反射模式结合化学计量学方法对稻米镉含量是否超标进行可行性鉴别分析.本研究收集了120个样本,测定其镉含量值(合格49个,不合格71个).对光谱数据预处理方法优化,确定了平滑,一阶导数以及自归一化后的数据作为输入变量.采用竞争性自适应重加权算法筛选了45个关键变量,并对上述变量的光谱吸收带进行归属.比较了主成分分析-判别分析法、偏最小二乘识别分析、线性判别分析、K-最近邻法与簇类独立软模式法5种模式识别方法.确定采用偏最小二乘识别分析建模效果最好,模型训练集与预测集鉴别准确率分别达到98.8％与91.7％.结果表明,近红外光谱作为初筛方法可用于鉴别稻米中镉含量是否超标.     

基于近红外光谱的维生素C片无损鉴别分析

基于近红外光谱技术与化学计量学方法,建立了一种国内外不同品牌维生素C片的无损鉴别方法。采集了国内外8个品牌的维生素C片共计40个样本的近红外光谱数据,比较了完整样品以及粉末样品的近红外光谱,采用连续小波变换技术消除背景干扰和基线漂移,基于标准偏差与相对标准偏差的变量筛选方法筛选出具有代表性的波数点,结合主成分分析方法对国内外不同品牌维生素C片进行鉴别分析。结果表明:原始光谱存在着明显的背景干扰和基线漂移现象,且粉末样品的重现性要优于完整样品;单纯使用原始光谱无法辨别来自不同品牌的维生素C片;连续小波变换可以有效消除背景干扰,提高模型鉴别能力;完整样品的鉴别准确率优于粉末样品,说明国内外不同品牌维生素C片主要成分基本一致,可能是辅剂和工艺上存在细微差异。通过结合近红外光谱分析技术与化学计量学方法,可实现对国产以及进口不同品牌维生素C片的鉴别分析。     

基于近红外光谱和OPLS-DA的不同牌号卷烟分类识别方法研究

为了对卷烟牌号进行准确分类鉴别,提出了一种基于近红外光谱(NIRS)分析技术结合有监督的模式识别快速鉴别卷烟牌号的新方法。利用标准正态变量变换(SNV)、多元散射校正(MSC)、一阶导数(FD)、二阶导数(SD)和Savitzky-Golay平滑(SG)及其相结合的光谱预处理方法对烟丝光谱进行预处理,通过近红外光谱结合主成分分析(PCA)、偏最小二乘判别分析(PLS-DA)和正交偏最小二乘判别分析(OPLS-DA) 3种模式识别方法对不同牌号烟丝进行分类识别研究,并采用分类识别正确率作为评价指标。实验结果表明：(1)烟丝近红外光谱主成分得分图交叉重叠,区分不明显,PCA无法识别出5种牌号的成品烟丝;(2)烟丝光谱经MSC+FD预处理后的PLS-DA模型可得到较好的识别效果,校正集和测试集的分类识别正确率分别为100%和98.3%;(3)烟丝光谱经MSC+SD预处理后的OPLS-DA模型的模式识别效果最好,模型对自变量拟合指数(R2X）,因变量的拟合指数(R2Y)和模型预测指数(Q2)分别为0.485、0.907 和0.748,近红外光谱校正集和测试集的分类识别正确率均为100%。说明近红外光谱技术结合有监督模式识别方法OPLS-DA建立的烟丝牌号分类模型具有高效快速、准确无损的优点,为卷烟烟丝分类提供了一种新的快速鉴别方法。     

基于近红外光谱分析技术的栽培香菇产地快速鉴别

建立了一种基于近红外光谱分析技术的香菇产地鉴别方法。利用近红外光谱仪扫描不同主产地的香菇干样,获得样品的近红外漫反射光谱。利用偏最小二乘判别分析(PLSDA)分别建立了吉林、湖北、福建3个省份栽培香菇的产地判别模型,同时使用光谱预处理和波长筛选技术对判别模型进行优化,最后使用预测样品对模型进行验证。结果表明,使用原始光谱建立的模型能够初步实现对产地的判别,使用光谱预处理技术扣除光谱中的背景信息,同时利用波长筛选技术选择特定波长对模型进行优化后,可进一步提高预测正确率。该方法为香菇产地真实性溯源提供了一种新方法,对香菇产业发展具有重要的实际意义。     

基于光谱融合-特征提取的海洛因及其添加剂无损分类研究

在近年来的多数治安案件中,有不少是由形形色色的毒品所引起的。为了提高检验的效率,降低检验成本,实现对海洛因样本主成分及添加剂的无损分类,提出了一种基于光谱融合,主成分分析和判别分析的鉴别方法。采集并获取了不同质量分数和添加剂共计45个海洛因样本的红外光谱,选择一阶求导、多元散射校正、Savitzky-Golay平滑和峰面积归一化开展预处理工作,并利用主成分分析进行特征变量提取和采用Fisher判别分析构建判别分类模型。实验对单独的原始光谱数据,一阶导数光谱数据和融合后的光谱数据进行比较。无论是对海洛因主成分的质量分数进行分类,还是对海洛因的添加剂分类,单一的分类模型都仅能实现66.7%～88.9%的准确区分。结果表明,基于融合的光谱数据构建的判别模型分类准确率更高,对主成分质量分数和海洛因添加剂的分类,均能达到100.0%。利用红外光谱数据融合技术结合主成分分析和判别分析达到了降低检验成本且无损的目的,能够最大程度的限制毒品的流动,对今后的毒品检测和维护社会治安稳定具有一定的贡献。     

基于近红外光谱分析技术的食品包装塑料的定性分析

该文基于近红外漫反射光谱分析技术对食品包装材料聚乙烯、聚丙烯进行定性判别试验研究,选取不同波段范围、采用不同光谱预处理方法,使用主成分分析法(Principal component analysis,PCA)结合SIMCA、贝叶斯判别、K-近邻3种模式识别方法建立定性预测模型,并根据正确识别率比较了各模型预测性能。结果表明：使用SIMCA方法、贝叶斯判别、K-近邻3种方法建立的定性校正模型均在1 050~1 550 nm波长范围内效果较好;采用矢量归一化、标准正态变量变换、中心化、滑动均值滤波、多项式平滑滤波、一阶微分6种光谱预处理方法和上述3种模式识别方法对塑料样品近红外光谱进行了数据处理,其中在1 050~1 550 nm范围内,主成分因子数为3,采用原始光谱建立的K-近邻定性校正模型较优,对样品校正集和预测集的正确识别率均为100%。可为食品包装材料聚乙烯、聚丙烯的快速鉴别研究提供参考。