霍山石斛、铁皮石斛与河南石斛花茶多级红外光谱快速鉴定研究

将石斛的鲜花干制成花茶,作为保健饮料日渐为市场接受。由于口感、药理活性与产量的差异,不同来源的石斛花茶,价格差异显著,其中以霍山石斛花茶价格最高。在经济利益驱使下,以价格较低的铁皮石斛、河南石斛花茶冒充霍山石斛花茶时有发生,急需构建霍山石斛花茶与铁皮石斛、河南石斛花茶的鉴定方法。建立一种快速鉴定霍山石斛、铁皮石斛、河南石斛花茶多级红外光谱方法。收集不同企业生产的不同批次的霍山石斛、铁皮石斛、河南石斛花茶样品,利用衰减全反射测定4 000～400 cm-1范围内一维红外光谱;一维红外光谱通过数据变换获得二阶导数光谱;利用温度微扰获得二维红外光谱。分析一维红外光谱、二阶导数光谱、二维红外光谱获得三种石斛花茶区别。结果显示,三种石斛花茶的一维红外光谱非常相似,很难从外观上看出三者的区别。分析一维红外光谱吸收峰发现,霍山石斛花茶在1 398 cm-1有特征峰,铁皮石斛花茶在1 542 cm-1有特征峰,河南石斛花茶在1 610,1 332,811,703和603 cm-1等处有特征峰;二阶导数处理能明显的提高光谱分辨率、增加光谱灵敏度。三种石斛花茶在1 800～600 cm-1的二阶导数光谱上,可以观察到明显差异：在1 750～1 690 cm-1区间,相对铁皮石斛与河南石斛,霍山石斛花茶二阶导数光谱呈明显“M”形;在1 140～1 080 cm-1区间,霍山石斛与河南石斛二阶导数光谱呈“W”型,铁皮石斛呈不规则形;在1 000～930 cm-1区间,霍山石斛花茶二阶导数光谱为“M” 形,铁皮石斛与河南石斛花茶呈“W”形;二维红外光谱显示,在1 230～1 130 cm-1区间,霍山石斛有5个分别位于1 134,1 155,1 182,1 196和1 211 cm-1的自动峰,铁皮石斛有2个分别位于1 186和1 210 cm-1的自动峰,河南石斛有3个自动峰,位于1 186,1 197和1 209 cm-1。霍山石斛在1 230～1 130 cm-1区间存在正相关峰（1 182和1 210 cm-1）、正相关峰（1 135和1 181 cm-1）、负相关峰（1 197,1 155 cm-1）,而河南石斛和铁皮石斛在该区间没有明显的相关峰。根据一维、二阶导数和温度微扰二维红外光谱可以快速鉴别霍山石斛、铁皮石斛与河南石斛花茶。     

基于可见/近红外光谱的水稻品种快速鉴别研究

提出了一种应用可见/近红外光谱技术与化学计量学相结合的快速、无损鉴别稻谷品种的新方法。收集了5个品种水稻共150个样本作为实验样本,通过可见/近红外光谱仪扫描这些样本获得了从350 nm到1 075 nm波长范围的光谱信息。将样本的光谱信息进行小波分解以消除高频噪声。将去噪声后的光谱数据经主成分分析压缩成数目较少的新变量(主成分),压缩得到的前4个主成分能够解释99.891%的原始光谱信息。将前4个主成分作为BP神经网络的输入,不同水稻品种值的二进制代码值作为BP神经网络的输出,建立稻谷品种的模式识别模型。模型的预测误差阈值是0.2,模型是3层网络结构,各层的节点分别是4,9和3。150个样本被随机的分成包含100个样本的建模集和50个样本的预测集。结果表明,预测未知的50个样本的正确率达到96%。说明该方法具有较高的鉴别准确度,为稻谷品种的快速无损鉴别提供了一种新的方法。     

近红外光谱分析技术

介绍了近红外光谱分析技术的工作原理,阐述了其数学模型的建立及分析过程,总结了现有常用的化学计量学方法及各自的优点,最后简单的概括了近红外光谱分析技术的应用,尤其是在制药方面的应用.     

近红外光谱结合小波神经网络鉴别苹果种类

将近红外光谱与小波神经网络技术结合,实现对不同种类苹果鉴别.将80个样本随机分为建模样本集和预测样本集.其中建模样本集包含60个样本,预测样本集包含20个样本.应用小波变换与主成分分析对样品数据进行预处理与特征提取.建立一个10-45-2的三层小波神经网络,实现对未知样品预测.实验结果表明,该方法对苹果的种类鉴别率达到100％,说明这种方法有很好的鉴别作用,对苹果种类的准确、无损检测具有积极的实用性.     

近红外漫反射光谱鉴别鸡蛋种类

提出一种利用近红外光谱技术进行鸡蛋种类快速、无损鉴别的新方法.选用7500-4000cm-1的光谱,采用标准正态变量变换(SNV)后作主成分分析(PCA),选取前10个主成分作为模型输入,种类类别作为模型输出,分别建立了3种鸡蛋种类的线性判别法(LDA)和支持向量机(SVM)鉴别模型,所建模型均能较好的对鸡蛋种类进行鉴别,SVM模型效果优于LDA模型,其预测集正确识别率达97.44％.结果表明,近红外光谱技术可用于鸡蛋种类的快速、无损鉴别.     

薏仁种类的近红外光谱技术快速鉴别

薏仁是一种药食两用资源,对其品质快速鉴别的需求也越来越多,近红外光谱技术(near infrared spectroscopy,NIRS)作为一种快速、 无损且环保的方法正适合这一需求。 以不同产地和品种薏仁的近红外光谱为基础,结合化学计量学方法对薏仁种类进行鉴别。 对原光谱用无监督学习算法主成分分析(principal component analysis,PCA)和有监督学习算法学习向量量化(learning vector quantization,LVQ)神经网络、 支持向量机(support vector machine,SVM)进行定性判别分析。 由于不同地区和不同品种的薏仁营养物质组成复杂且含量相近,所选两类薏仁的特征变量很相似,因而PCA得分图重叠严重,很难区分;而LVQ神经网络和SVM都能得到满意结果,LVQ神经网络的预测正确率为90.91%,SVM在经过惩罚参数和核函数参数优选后,分类准确率能达到100%。 结果表明：近红外光谱技术结合化学计量学方法可作为一种快速、 无损、 可靠的方法用于薏仁种类的鉴别,并为市场规范提供技术参考。     

近红外漫反射光谱法快速鉴别石斛属植物

通过采集15种石斛171份样品的近红外漫反射光谱,结合化学计量学统计分析方法建立预测模型,对不同种石斛进行快速无损鉴别。应用Hotelling T2对随机抽取的5份样品的近红外光谱进行稳定性分析,结果表明,样品的近红外光谱具有较好稳定性。设计正交试验L24(2×4×3×8),对光程类型、光谱波段、导数和平滑四个因素进行优化处理。利用主成分分析对正交试验结果进行分析,结果显示,选择6 500～4 000cm-1的光谱波段,采用多元散射校正、二阶导数和Norris平滑对光谱预处理,提取的主成分数为7时,光谱判别正确率为100%。将正交试验优化条件作为偏最小二乘法判别分析的输入值,随机选取123份样本作为校正集建立预测模型,其余48份样本为预测集,评估预测模型的性能。结果表明,该模型前3个主成分累积贡献率为99.36%,设定鉴别标准偏差为±0.1时,该方法的正确识别率为97.92%,获得满意的结果。该方法的建立为不同种石斛的快速鉴别提供了一种新的方法,同时为药用植物的鉴别提供参考。     

现代近红外光谱技术及应用进展

简要介绍了现代近红外光谱的发展、技术特点和测量原理 ,对近年来近红外光谱仪器、化学计量学方法及软件和应用的进展情况及我们在这几个方面开展的工作进行了简要介绍     

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。     

化学计量学在近红外光谱定性分析中的应用

近红外光谱的多元特性使得它特别适合于应用化学计量学技术进行物质的分析。本文讨论了判别分析技术在近红外光谱定性分析中的应用,结果表明应用相关的化学计量学方法采用近红外光谱进行物质的定性分析是可行的。     

近红外漫反射光谱法快速无损鉴别阿胶真伪

采用近红外光谱漫反射光谱技术和模式识别技术快速鉴别阿胶真伪.收集来源不同的阿胶(真品8个,伪品6个),采集其近红外漫反射光谱,使用多重散射校正和小波变换对光谱进行预处理后,分别应用相似度匹配和马氏距离方法建立质量鉴别模型.相似度法使用真品谱图作为标准谱图,用样品谱图与标准谱图的相似度值来鉴别阿胶质量;对阿胶样品进行重复扫描得到28张谱图,随机分为3组后应用马氏距离法建立交叉验证鉴别模型.两种模式识别方法均能准确无误的鉴别阿胶真伪,表明近红外光谱和模式识别技术结合可快速、准确、客观地进行阿胶质量鉴别,可推广到其他中成药的质量鉴别.     

SVM回归法在近红外光谱定量分析中的应用研究

研究了基于统计学习理论的支持向量机（SVM）回归法在近红外光谱定量分析中的应用。以66个小麦样品为实验材料,由33个小麦样品作为校正样品,采用4种不同核函数方法对小麦样品蛋白质含量与小麦样品近红外光谱进行SVM回归建模。以所建4种不同SVM回归模型对33个小麦预测样品的蛋白质含量进行了预测;不同回归模型的预测结果与凯氏定氮法确定的蛋白质含量的标准化学值间的相关系数均在0．97以上,平均绝对误差小于0．32。为了考察SVM回归校正模型的预测效果,同所建PLS回归模型的预测结果进行了比较,表明所建预测小麦样品蛋白质含量的SVM回归模型亦可通过近红外光谱进行实际样品的定量分析,且有较好的分析效果。     

在多层结构的生物组织中近红外光子迁移的研究

在无损近红外光学诊断领域中,研究光子在多层生物组织中的迁移十分重要。本文以猪的脂肪和肌肉组成的两层结构作为研究的样品。将近红外光源和检测器置于脂肪的表面,由光源发出被两层组织反射的光子的一部分由检测器所接收。本文给出了光电流与光源到检测器的距离的关系以及光电流与脂肪厚度的关系。为了分析实验结果,用蒙特卡罗仿真计算光子在均匀介质中迁移轨迹,用菲涅耳定律来决定光子包在脂肪和肌肉边界处的折射分量和反射分量。结果表明,仿真数据与实验符合得很好。结论是：本文中所提供的实验和仿真方法对于分析光子在生物组织中的迁移以及优化传感器设计十分有用。     

近红外光谱和特征光谱的山茶油掺假鉴别方法研究

山茶油素有"东方橄榄油"美誉,实现掺假山茶油的鉴别具有重要实用价值,采用近红外光谱技术对掺有葵花油的山茶油进行检测。分别以1%,5%,10%为梯度制备掺假比例不同的山茶油样品,并根据掺假比例将其分为A组(0%~5%)和B组(6%~10%)共11个样品,C组(15%~40%)6个和D组(50%~100%)6个样品。将每个掺假样品充分混匀后再分为9份,依次采集其1 000~2 500nm范围的吸收光谱,共获得207条光谱曲线。每组样品的光谱数据按2∶1随机分为训练集与验证集。经去除首尾噪声后,通过主成分分析法(principal component analysis,PCA)降维,并利用前四个主成分建立了鉴别山茶油不同掺假等级的主成分-支持向量机判别模型,训练集与验证集的总体判别准确率分别达96.38%和94.20%;进一步,通过对前四个主成分的载荷系数的分析,并结合原始光谱,提取建模过程中权重较大的波长并解析其化学含义,最终确定出五个特征波长:1 212,1 705,1 826,1 905及2 148nm,以此波长重新建立近红外特征光谱山茶油掺假等级判别模型,对训练集与验证集的总体判别准确率也达到了94.20%和92.75%。研究结果表明,利用近红外光谱和特征光谱均能够较好实现山茶油掺假等级的鉴别,同时所建立的近红外特征光谱模型也为设计相应的掺假山茶油实用便携式检测仪器提供了理论基础。     

Pressure-induced line broadening for the (30012)←(00001) band of CO2 measured with tunable diode laser photoacoustic spectroscopy

Pressure-induced foreign-broadening lineshape parameters of the carbon dioxide rovibrational transitions belonging to the (30012)←(00001) overtone band near the 1.573 μm wavelength region are measured by using a tunable diode laser photoacoustic spectrometer. The spectroscopic analysis has concerned the first 11 lines of the R branch. For these lines, the air- and Ar-broadening coefficients are measured at room temperature (∼298 K). The measured broadening coefficients of all the transitions of ¹²C¹⁶O₂ are compared with those given in the HITRAN04 database and former measurements with a different spectroscopic method. Agreements and discrepancies are underlined and briefly discussed. The recorded lineshapes are fitted with standard Voigt line profiles in order to determine the collisional broadening coefficient of carbon dioxide transitions.     

基于可见光光谱的装饰纸表面视觉特征的模式识别研究

装饰纸作为现代家居产品中必不可少的重要饰面材料之一,不仅具有良好的装饰效果,还可以大大地改善材料的表面性能。然而,装饰纸外观质量的控制(如色差的评价和控制),仍然是制约装饰纸产业发展的重要因素之一。利用人眼来判别和控制往往因人而异,偏主观而非客观。因此,寻找一种客观、有效的方法来代替人的视觉感官来快速判别具有重要意义。本研究利用可见光光谱结合主成分分析法对不同类别装饰纸进行了模式识别分类研究,探讨了该技术的可行性。结果表明:(1)可见光光谱与表征装饰纸表面视觉特性的参数之间呈现出显著的相关性,相关系数都达到了0.85以上,多数均达到0.99,说明可见光光谱中包含有描述装饰纸表面视觉特征的参数;(2)利用装饰纸表面的可见光光谱结合主成分分析方法所建立的模式识别模型,对不同装饰纸表面视觉特征类型进行模式识别时,正确率达到94%~100%,说明可见光光谱分析技术有潜力成为装饰纸表面视觉特征快速、客观、有效识别和分类的新技术。