拉曼光谱结合模式识别方法用于大豆原油掺伪的快速判别

大豆原油是我国的战略储备物资,然而目前储油市场上频繁出现大豆原油掺混的现象严重影响了食用油储备安全。基于此,通过大豆原油与部分植物精炼油拉曼谱图的特征差异,并结合主成分分析-支持向量机(PCA-SVM)模式识别建立了大豆原油是否掺伪的快速判别方法。以28个大豆原油、46个精炼油、110个掺伪油的拉曼谱图为模型样本;选择位于780～1 800 cm-1波段的谱图,预处理方法同时采用Y轴强度校正、基线校正和谱图归一化法;在此基础上应用PCA法提取特征变量,即以贡献率最高前7个主成分为变量进行SVM分析。SVM校正模型的建立是以随机选取的20个大豆原油和75个掺伪油样组成校正集,以8个大豆原油和35个掺伪油样组成验证集,分别运用并比较四种核函数算法建立的大豆原油SVM分类模型,并采用网格搜索法(grid-search)优化模型的参数,以四种模型的分类性能作为评判标准。结果表明：应用线性核函数算法构建的SVM分类模型可以很好地完成掺伪大豆原油的判别,校正集识别准确率达到100%,预测结果的误判率为0,判别下限为2.5%。结果表明应用拉曼光谱结合化学计量学能够用于大豆原油掺伪的快速鉴别。拉曼光谱简便、快速、无损、几乎没有试剂消耗,适合现场检测,从而为大豆原油的掺伪分析提供了一种新的备选方法。     

基于拉曼光谱和最小二乘支持向量机的橄榄油掺伪检测方法研究

为实现橄榄油中掺伪油类型的识别和掺伪量预测,对掺入葵花籽油、大豆油、玉米油的橄榄油共117个样品进行拉曼光谱检测,并用基于多重迭代优化的最小二乘支持向量机模型对掺入油的类型进行识别,综合识别率为97%。同时分别采用最小二乘支持向量机、人工神经网络模型、偏最小二乘回归建立橄榄油中葵花籽油、大豆油、玉米油含量的拉曼光谱定标模型,结果显示最小二乘支持向量机具有最优的预测效果,其预测均方根误差(RMSEP)在0.007 4～0.014 2之间。拉曼光谱结合最小二乘支持向量机可为橄榄油掺伪检测提供一种精确、快速、简便、无损的方法。     

基于拉曼光谱高斯分峰拟合的硫化锑含量检测方法

针对硫化锑含量采用化学分析方法检测存在操作复杂、检测时间长的问题,提出了一种基于拉曼光谱高斯分峰拟合的硫化锑含量快速检测方法。采用拉曼光谱系统测定锑矿样品的拉曼谱图,对原始拉曼谱图进行平滑去噪、背景扣除、谱段选择及归一化等预处理。基于高斯曲线的高斯峰、峰面积、半高宽和峰位置等信息,建立单个高斯峰的数学模型,提出高斯分峰拟合算法对光谱进行拟合,采用状态转移算法对高斯峰模型进行优化求解,得到表征光谱信息的特征参量,结合偏最小二乘回归方法,确定特征参量和硫化锑含量之间的关系,从而建立模型,实现对硫化锑含量的预测。实验中通过训练样本建立校正模型,对测试样本进行预测,同时从训练样本中随机挑选出检验样本,利用已建立的模型,对其硫化锑含量进行预测,以检验模型的正确性和外推性。实验结果表明：与预处理后全光谱建模相比,采用高斯分峰拟合后建立的预测模型的预测效果更好,证明了模型的正确性和良好外推性。因此,拉曼光谱结合高斯分峰拟合算法应用于锑矿中硫化锑含量的检测是可行的,且测量过程更简单,适用于矿物成分的快速分析。     

拉曼光谱对几种宝玉石矿物真伪的鉴定

借助拉曼光谱技术手段,对市场上购买的几种宝玉石进行鉴定。通过对它们的拉曼光谱的详细分析结合其表面显微图片,发现真货与赝品的谱图有明显差异,可以明显区分出玉石的真假。用拉曼光谱可以实现对宝玉石的真伪进行无损、准确、快速的鉴定。     

FTIR光谱法与奶粉的品质分析

采用傅里叶变换红外光谱法（FTIR）获得了11种奶粉产品的红外光谱。奶粉中的主要营养成分在红外光谱中具有明显的指纹特征。同一生产厂家不同品牌的奶粉,其脂肪、蛋白质和碳水化合物的相对比例在红外光谱上差异性较显著,不同厂家相同类别的奶粉既有一定的一致性,在添加辅料的类型和用量上又有所不同。奶粉中脂肪含量高的谱图在1747cm^-1附近的C-O吸收峰和2926cm^-1附近的CH2吸收峰很强;蛋白质高的奶粉所对应的酰胺Ⅰ带的C=O吸收峰（1650cm^-1）和酰胺Ⅱ带的N—H及C-N吸收峰（1540cm^-1）强度较大;奶粉中碳水化合物所对应的C-O伸缩振动峰和环的振动峰在1150～900cm^-1范围内较显著。麦芽糊精、蔗糖和乳糖这三种常用辅料同样具有明显的指纹特征。该方法可简便、快速、直观地评价奶粉品质的优劣。     

基于FTIR的芝麻油真伪鉴别和掺伪定量分析模型

把低价油掺入到高价油是食用油脂中的常见掺伪现象,芝麻油由于品质好价格高,市场上时有假冒伪劣产品,因此应用FTIR并结合化学计量学,建立了芝麻油的真伪和掺伪的快速分析方法。首先分析了芝麻油与大豆油、葵花籽油在4 000～650 cm-1范围的FTIR谱图,由于食用植物油都是不同脂肪酸甘油三酯的混合物,其谱图极为相似,很难发现芝麻油与其他油脂的明显差异。但是不同食用油的脂肪酸组成不同,其1 800～650 cm-1红外指纹特征区也有所不同,因此可以选择该区域,对红外光谱数据用化学计量学方法进行分类识别。通过建立主成分分析(PCA)和簇类独立软模式识别(SIMCA)模型,进行了芝麻油的真伪鉴别,该模型聚类效果较为理想,识别正确率达到了100％;采用标准正态化校正(SNV)和偏最小二乘法(PLS),经过PCA分析计算,芝麻油中掺入大豆油、葵花籽油的掺伪检测限均为10%;利用FTIR和PLS,建立了芝麻油掺的定量分析模型,该模型预测值与实际值有着良好的对应关系,预测相对误差为-6.87％～8.07％之间,说明定量模型可行。本方法能够实现芝麻油的快速真伪鉴别和掺伪定量分析,其优点是模型一旦建立,分析简便、快速,可以满足大量样品的日常监测。     

爆炸物、毒品的标准拉曼谱图库的建立及自动检索系统

采集31种爆炸物和73种毒品的标准拉曼谱图,分析其谱图,选出适合作为搜索条件的光谱范围。通过编程,建立标准拉曼谱图库和自动检索系统。在选定光谱范围内,拉曼谱图库选择信号较强的特征峰,进行曲线拟合,将获得的峰位置、相对峰强等数据作为参数写入标准拉曼谱图库。通过自动检索系统将未知拉曼光谱与数据库中的标准谱图进行分析比对,搜索软件自动给出正确结论。数据库具有添加、删除、备份、恢复等辅助功能,并具有自动扣除荧光背底,优化拉曼光谱图等功能。本文进一步分析了可能对分析比对结果造成影响的因素。     

FT-Raman光谱法无损鉴定药材的真伪

本文利用傅里叶变换拉曼（FT-Raman）光谱法无损快速鉴定了正品大黄与伪品大黄以及有掺伪物的知母样品。结果表明：大黄（西宁大黄）与伪品大黄（华北大黄，山大黄，水根大黄）在拉曼谱图中均有各自的特征峰，可容易地将它们区别开；知母样品中所掺杂的其他饮片，经与白芨的拉曼谱图比对，证实为白芨饮片，该方法具有快速，准确，操作简单，不需对样品进行提取分离，可直接进行测定的特点。     

基于多尺度局部信噪比的拉曼谱峰识别算法

拉曼谱峰识别是拉曼光谱定性分析中的关键技术之一。针对现有方法的自动化程度不高、识别率低的问题,提出了一种新的基于多尺度局部信噪比(MLSNR)的拉曼谱峰识别算法。算法通过多尺度二阶差分运算,得到光谱的差分系数,再将差分系数除以估计出的噪声标准差,获得光谱的MLSNR矩阵,通过寻找MLSNR矩阵中的局部极大值形成的脊线来识别拉曼谱峰。算法采用自动阈值估计法去除噪声引起的局部极大值的干扰,可实现谱峰的自动化识别,不需设置任何参数。仿真实验结果表明:无论对单峰还是重叠峰,当拉曼谱峰信噪比大于等于6时MLSNR的谱峰识别准确率均高达100%,即使对处于检测限的单峰,仍有95%以上的识别准确率。MLSNR是一种切实可行的拉曼谱峰识别方法。     

基于表面增强拉曼光谱技术和GWO-SVR算法快速实现水中总氮总磷含量检测

提出了一种将表面增强拉曼光谱技术（SERS）和基于灰狼优化（GWO）算法的支持向量回归（SVR）相结合快速定量检测水中总氮(TN)、总磷(TP)含量的定量分析方法。传统的TN、TP检测方法不但过程繁杂,实验环境要求高,而且耗时较长,不能实现快速检测。而SERS技术操作简单,耗时短,将其与GWO-SVR算法相结合可以实现快速精确检测。以实验室配制的银溶胶作为拉曼光谱增强基底,不同浓度梯度TN、TP溶液为研究对象,分别配制TN、TP样本溶液26组和23组,其中TN溶液选取8组作为测试集,TP溶液选取7组作为测试集,剩余样本溶液作为训练集。根据待测溶液与银溶胶不同体积配比确定最佳实验方案,将TN、TP分别与银溶胶进行1∶1,1∶2,1∶3,2∶1和3∶1的体积比混合,结果表明当待测溶液与银溶胶以2∶1比例混合时增强效果最佳。采集光谱信息并对特征峰进行归属,然后采用暗电流扣除、背景扣除（基线校正）和平滑处理对原始光谱数据进行预处理。经光谱分析结果可知,由于不同浓度溶液官能团浓度差异,光谱特征峰强度随溶液浓度变化而变化。以训练集样本溶液光谱特征峰强度和溶液浓度值作为回归预测模型的输入值和输出值,建立GWO-SVR定量分析模型。通过测试集样本溶液的相关系数(r)和均方误差(MSE)对模型的预测能力进行分析,并将GWO-SVR模型和其他两种模型进行对比。结果表明,GWO-SVR模型对TN溶液预测的相关系数为0.999 5,均方误差为0.005 8,高于人工蜂群算法优化支持向量回归（ABC-SVR）和粒子群算法优化神经网络（PSO-BP）的0.993 8,0.052 7和0.998 3,0.022 7。对TP溶液预测的相关系数为0.998 5,均方误差为0.037 6,也均高于另外两种模型。而且与ABC-SVR和PSO-BP模型相比,GWO-SVR定量分析输入参数更少,收敛速度更快,更容易找到全局最优解。因此,该方法可以实现对水中TN、TP含量的快速准确检测,为水质检测提供了新方法。     

蜂蜜真伪的近红外光谱鉴别研究

如何有效鉴别蜂蜜真伪是目前我国蜂产品质量控制的难题之一。提出了一种用傅里叶变换近红外光谱结合判别偏最小二乘法(DPLS)快速鉴别蜂蜜真伪的新方法。首先采集了71个商品蜜样品的近红外光谱数据,其中包括27个纯蜂蜜和44个掺假蜂蜜,然后5次随机划分建模集样本和验证集样本,并对建模样本进行不同光谱预处理,选择并优化不同波段范围和主成分数,用DPLS法建立了5组蜂蜜样本的真伪鉴别模型,外部交叉验证法预测模型。通过对结果进行比较分析,5组校正模型中真蜂蜜和掺假蜂蜜的总体识别准确率分别为91.49%,94.68%,92.98%,93.86%,94.87%;预测样本的识别准确率为86.96%～93.75%,其中模型2,3,4中掺假蜜的识别准确率达100%。研究结果表明,该方法可作为鉴别商品蜜真伪的一种快速筛选技术,在我国蜂蜜质量监控中具有重要意义。     

基于拉曼光谱和DCGAN数据增强的珍珠粉掺伪检测研究

珍珠粉和珍珠层粉化学成分相似,但是珍珠层粉的药用价值远低于珍珠粉,并且珍珠层粉制备容易,成本底,常被不法商家用于冒充或掺入珍珠粉中流入市场,谋取利益.因此,对珍珠粉掺伪鉴别和纯度检测具有重要的意义.采用激光拉曼光谱结合深度学习研究珍珠粉掺伪快速鉴别和纯度分析.将纯珍珠粉和珍珠层粉按一定比例混合,制成珍珠粉质量百分数分别...     

中红外光谱和支持向量机的梅花鹿角帽粉假冒与掺假识别模型

梅花鹿角帽具有较高的药用和经济价值,因其质地坚硬,故一般选择打成粉末使用。消费者很难从外观上去判别梅花鹿角帽粉是否为正品,导致其假冒与掺假事件层出不穷。因此,提出利用中红外光谱（FTIR）结合机器学习探索一种识别梅花鹿角帽粉假冒与掺假的方法,以解决用马鹿角帽粉、梅花鹿骨粉假冒梅花鹿角帽粉和牛骨粉掺假梅花鹿角帽粉的问题。从黑龙江、吉林、辽宁3省共5个地区采集梅花鹿角帽、马鹿角帽、梅花鹿骨各120份,共360份样品;牛骨采购于长春市南关区农贸市场,使用牛骨粉掺假梅花鹿角帽粉,掺假比例分别为5%,10%,20%,30%,40%,50%,每种比例各20份,共120份。采集样品中红外光谱数据,多元散射校正（MSC）对光谱进行预处理,经K-S法抽样,按3∶1的比例划分训练集和测试集后,对光谱数据进行归一化（normalization）和主成分（PCA）分析降维处理。根据主成分个数累积贡献率≥85%,主成分特征值≥1原则,选择前7个主成分构成降维后的光谱数据;分别将全光谱（FS）数据与PCA降维后的光谱数据作为模型输入,建立支持向量机(SVM)、随机森林(RF)、极限学习机(ELM)识别模型。结果表明,梅花鹿角帽粉正品与假冒伪品、掺假次品的波谱在波段1 300～1 800和2 800～3 600 cm-1处存在差异,尤其是掺假比例≥10%以上的梅花鹿角帽粉与纯梅花鹿角帽粉差异明显。在识别梅花鹿角帽粉假冒与掺假模型中,FS-SVM,PCA-SVM,FS-RF模型均有很好的识别效果,其训练集与测试集识别率均为100%,其他模型识别率均低于98%。从简化模型的角度上比较,FS-SVM,FS-RF建模时间分别为4 859.36和1 818.96 s,而PCA-SVM建模时间仅为19.91 s。因此,PCA-SVM在6种识别模型中整体效果最佳。研究表明,中红外光谱结合支持向量机建模可以作为一种快速、准确、无损鉴别梅花鹿角帽粉假冒与掺假的有效识别方法。     

Fourier‐transform Raman analysis of milk powder: a potential method for rapid quality screening

In this work, FT‐Raman spectroscopy was explored as a fast and reliable screening method for the assessment of milk powder quality and the identification of samples adulterated with whey (1–40% w/w). Raman measurements can easily differentiate milk powders without the need of sample preparation, whereas the traditional methods of quality control, including high‐performance liquid chromatography, are laborious and slow. The FT‐Raman spectra of whole, low‐fat, and skimmed milk powder samples were obtained and distinguished from commercial milk powder samples. In addition, the exploratory analysis employing data from Raman spectroscopy and principal component analysis (PCA)allowed the separation of milk powder samples according to type,identifying differences between samples in the same group. Multivariate analysis was also developed to classify the adulterated milk powder samples using PCA and partial least squares discriminate analysis (PLS‐DA). The resulting PLS‐DA model correctly classified 100% of the adulterated samples. These results clearly demonstrate the utility of FT‐Raman spectroscopy combined with chemometrics as a rapid method for screening milk powder. Copyright © 2011 John Wiley & Sons, Ltd.     

二维相关近红外光谱检测牛奶中的三聚氰胺

配置合格的纯牛奶样本及含有三聚氰胺质量浓度范围为0.01g/L～3g/L的掺杂牛奶样本各20个,并采集其近红外光谱。以牛奶中掺杂三聚氰胺浓度为外扰,构建二维相关同步谱,研究其相关谱特性。在此基础上,结合偏最小二乘判别分析法(PLS-DA)建立定性模型,可以实现纯牛奶与掺伪牛奶的定性鉴别,正确识别率达100%。同时,将二维相关近红外同步谱矩阵与偏最小二乘法(PLS)结合起来,建立定量分析牛奶中掺杂三聚氰胺的数学模型。对未知样品的预测相关系数R达到0.98,预测均方根误差(RM-SEP)为0.18g/L,说明基于同步相关谱矩阵建立定量分析的数学模型是可行的。该方法无需样品处理,成本低,为快速检测掺伪牛奶提供了一种新的途径。     

反刍动物源肉骨粉的近红外漫反射光谱判别分析

为了探讨利用近红外漫反射光谱判别分析技术快速鉴别非反刍动物源肉骨粉中是否掺有反刍动物源肉骨粉的可行性,收集了来源于国内不同地区的不同种类的肉骨粉样本39个,其中猪、鸡肉骨粉各15个,牛肉骨粉5个和羊肉骨粉4个。通过在非反刍动物源猪或鸡肉骨粉中人为掺入0%～48%的反刍类动物源牛或羊肉骨粉,制备了252个肉骨粉的样本。利用FOSS 6500型近红外光谱仪获取样本光谱,WINISI软件随机选取180个样本作为校正集,72个样本作为独立的验证集。采用基于偏最小二乘回归法(PLS)的判别分析技术,建立了判别分析模型,利用独立的验证集对判别分析模型进行了验证,最优判别分析模型正确判别率为90%。结果表明所建立的判别分析模型可以对非反刍动物源肉骨粉中含有的反刍动物成分进行快速鉴别,但对反刍动物成分含量低于2%的肉骨粉样本,模型的判别精度还有待提高。文章结果为反刍动物源性肉骨粉的鉴别分析提供了一种有效的快速筛选方法。     

多波长激光诱导荧光麦卢卡蜂蜜掺杂分类识别

麦卢卡蜂蜜产自新西兰,具有很强的抗菌及抗氧化作用,其售价较高,近年来掺假事件时有发生,利用激光诱导荧光技术对掺杂糖浆的麦卢卡蜂蜜进行分类识别研究。选用266, 355, 405和450 nm四种常用激光作为激发源,选择三种品牌的新西兰进口麦卢卡蜂蜜(编号A, B, C)中掺杂烘焙糖浆作为实验样品,掺杂比例为0%～90%,间隔10%;每个激发波长下每种样本溶液重复测试60次,共7 200组数据。光谱数据首先进行荧光波段截取、平滑及归一化等预处理;然后随机选取80%的数据做训练集,20%的数据做测试集;对训练集数据使用主成分分析(PCA)结合线性判别分析(LDA)做数据降维;最后对降维后的数据分别建立K最近邻(KNN)和支持向量机(SVM)分类模型,对测试集数据进行分类识别,重复进行50次随机分组及分类识别后对得到的分类识别率求平均值及标准差。实验分析结果表明,激发光波长对最终识别结果影响较大,266 nm激发的荧光光谱分类识别正确率最高,三种麦卢卡蜂蜜掺杂溶液的分类识别率均能达到98.5%以上,最高能达100%; 355和405 nm激发的分类识别效果次之,所有样品的分类识别率均大于92...     

基于二维相关近红外谱参数化及BP神经网络的掺杂牛奶鉴别

将二维相关近红外谱参数化方法与BP神经网络结合,建立掺杂牛奶与纯牛奶的判别模型。分别配制含有尿素牛奶(1～20 g·L-1)和三聚氰胺牛奶(0.01～3 g·L-1)样品各40个。研究了纯牛奶、掺杂牛奶的二维相关近红外谱特性,在此基础上,分别提取了各样品二维相关同步谱的5个特征参数。将这5个特征参数作为BP神经网络的输入,分别建立掺杂尿素、掺杂三聚氰胺、两种掺杂牛奶与纯牛奶的判别模型,采用这些模型对未知样品进行预测,其预测正确率分别为95%,100%和96.7%。研究结果表明：该方法有效地提取了牛奶中掺杂目标物的特征光谱信息,同时又减少了BP神经网络输入变量的维数,实现了掺杂牛奶与纯牛奶的鉴别。     

基于太赫兹光谱的奶粉中葡萄糖及蔗糖定性定量检测方法

奶粉富含人体所需的五大营养物质,是婴幼儿主要的营养来源之一,奶粉中的营养成分对婴幼儿的生长发育具有重要影响,除乳糖外的糖类含量超标可能对婴幼儿健康产生不良影响。由于奶粉成分复杂,目前的色谱法和近红外光谱法检测技术都难以满足奶粉糖分快速无损检测的要求,因此亟须探索一种奶粉中葡萄糖、蔗糖含量快速无损检测方法。太赫兹波对不同大分子物质的吸收峰具有“指纹”特性,可利用该特性对不同的大分子物质进行识别。应用太赫兹时域光谱技术（THz-TDS）并结合化学计量学方法对奶粉中葡萄糖、蔗糖两种糖分的定性定量检测方法进行了研究。实验装置采用TAS7500TS太赫兹光谱系统,实验样品为不含糖的婴幼儿奶粉和纯度大于99%的葡萄糖、蔗糖晶体及不同梯度浓度的奶粉-葡萄糖、奶粉-蔗糖混合物,实验分别采集了3种纯品样品及15种不同梯度浓度的奶粉-葡萄糖、奶粉-蔗糖混合物样品的太赫兹时域信号,每个样品采集三次并取平均值作为其时域光谱信号,经快速傅里叶变换（FFT）得到各样品的太赫兹频域信号,再根据Dorney提出的光学参数提取公式计算得到各样品的吸收系数谱和折射率谱。最后分别基于两组混合物样品的吸收系数谱和折射率谱数据,采用偏最小二乘法（PLS）建立相应的定量分析模型,校正集和预测集样品比例为2∶1。实验结果表明,奶粉在太赫兹波段无明显特征吸收峰,葡萄糖和蔗糖分别在1.45,1.8,1.98,2.7 THz和1.5,1.9,2.6 THz频率处有较强的特征吸收峰,可根据两种物质的太赫兹指纹特征峰进行定性分析。不同梯度浓度的两组混合物的整体吸收峰位置与葡萄糖、蔗糖纯品太赫兹吸收峰位置基本一致,具有稳定的吸收特性。基于吸收系数谱和折射率谱数据建立偏最小二乘法模型,均可实现奶粉中葡萄糖和蔗糖的定量分析,且由折射率谱建立的葡萄糖、蔗糖定量回归模型效果均优于由吸收系数谱建立的模型效果,其中,奶粉-葡萄糖混合物中葡萄糖含量PLS模型的校正集相关系数（R_c）及均方根误差（RMSEC）分别为0.99和0.18%,预测集R_P及RMSEP分别为0.96和0.66%,奶粉-蔗糖混合物中蔗糖含量PLS模型的校正集R_c及RMSEC分别为0.96和0.55%,预测集R_P及RMSEP分别为0.99和0.25%,葡萄糖和蔗糖定量模型的预测效果均较为理想。研究结果表明THz-TDS技术可有效用于奶粉中葡萄糖和蔗糖定性定量分析,为运用THz-TDS技术开展奶粉掺假及品质快速检测方法研究提供参考。