基于中红外光谱分析技术的香菇产地识别研究

采用中红外光谱分析技术对香菇产地进行识别研究,并将相关向量机(relevance vector machine,RVM)算法应用于中红外光谱判别分析之中,取得了较好的效果。通过采集香菇粉末的中红外透射光谱,去除光谱噪声明显部分,对剩下的3 581~689cm-1透射谱线采用多元散射校正(multiplicative scatter correction,MSC)进行预处理,并基于预处理谱线建立了香菇产地识别的偏最小二乘判别分析(partial least squares-discriminant analysis,PLS-DA)、簇类独立软模式分类(soft independent modeling of class analogy,SIMCA)、K最邻近算法(K-nearest neighbor algorithm,KNN)、支持向量机(support vector machine,SVM)、RVM模型等五种判别分析模型。所有模型的识别正确率均高于80%,KNN,SVM和RVM判别分析模型取得了相近的结果,建模集和预测集识别正确率高于90%。基于全谱的PLS-DA模型的加权回归系数,利用加权回归系数法选取了6个特征波数,并基于特征波数建立了PLS-DA,KNN,SVM和RVM模型。基于特征波数的PLS-DA模型的建模集和预测集识别正确率均低于80%,而KNN,SVM和RVM模型的建模集和预测集的识别效果相近,且都高于90%。基于全谱和特征波数的模型中,RVM算法表现出较好的效果,识别正确率优于90%。结果表明,基于中红外光谱技术能用于香菇产地的识别,特征波数的选择以及RVM算法可以有效的用于中红外光谱判别分析中。本文成功将中红外光谱用于香菇产地识别研究,为香菇品质以及其他农产品品质分析提供了一种新的想法,具有实际意义。     

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。     

二里头遗址绿松石的红外光谱产地识别

湖北十堰是世界著名优质绿松石产地,所产松石颜色鲜艳、质地细腻。距十堰绿松石矿区直线距离300 km的河南偃师二里头遗址于2002年以来出土了大量绿松石器。有学者推测二者存在供与用玉的关系,即存在古老的“绿松石之路”。然而,为了考证该推测,并试图给出二里头松石的矿源地,本次研究以十堰地区三个矿区(秦古、文峰和云盖寺)的三组样品、及一组二里头出土样品为研究对象,通过对获得的红外光谱特征进行比对与分析。谱学特征显示, 秦古、文峰和云盖寺样品红外光谱于1 200～950和700～400 cm-1峰位存在细微的,但可以识别的差异。在1 174 cm-1处,文峰样品中出现吸收峰,而秦古和云盖寺样品均没有出现。在700～400 cm-1范围内,文峰样品出现5个吸收峰,而秦古和云盖寺样品出现7个相似的吸收峰。二里头样品的红外光谱特征在以上峰位上与文峰绿松石差异较大,而与秦古、云盖寺松石的谱学特征相似。在1 159 cm-1附近,其吸收峰特征与云盖寺样品更加吻合。利用公式A=lg(1/T),将透射光谱值转换为吸光度光谱值,计算出二峰值相对吸收强度比值(R=A_{783 cm-1}/A_{837 cm-1})。文峰、秦古、云盖寺及二里头绿松石的比值范围依次为0.819～0.920,0.870～1.010,0.806～0.860和0.827～0.878。显然,二里头与云盖寺样品重合率最高。综上,我们认为所测二里头绿松石来自于云盖寺的可能性最大,并认为用红外光谱示踪出土文物来源有一定的参考或诊断意义。     

中红外和近红外数据融合的香型风格判别

烤烟香型的判别一直是烟草行业的关注焦点.利用中红外和近红外光谱对189份不同香型的烟叶进行分析.分别从中红外谱图数据中提取21个特征波数处以及近红外谱图数据中13个特征波数处的吸光值作为影响因素.通过主成分分析方法分别对选取的中红外、近红外数据进行烟叶清香型、中间香型和浓香型三种香型风格的定性分析.结果表明基于中红外和...     

模式识别和红外光谱法相结合鉴别中药材产地

用红外光谱法取得来自不同产地的中药材的中红外光谱,结合模式识别的方法实现中药产地的快速鉴别。采用了近邻法和多类支持向量机方法对采集自4个不同产地的269个白芷样本和6个不同产地的380个丹参样本进行了产地鉴别,得到的交叉验证准确率达99%,为中药材产地的自动鉴别探索了一条有效的途径。     

基于傅里叶变换红外光谱指纹技术的艾叶产地溯源研究

中药材产地对中药材品质与安全有直接影响。从生物学角度,中药材是物种受特定生态环境的影响,在长期生态适应过程中所形成的。药材生长所需的气候、土壤、水文等生态因素与其生长发育和品质唇齿相关,并带有地域信息的指纹特征。近年来,中医药产业的快速发展带来了中药材资源需求量的激增,但同时也存在诸多安全隐患,药材产地难以区分和溯源已成为制约中医药发展的主要瓶颈之一。以国内4个省份5个主产区的75份艾叶样品为实验材料,采用FTIR法进行红外特征分析和数据挖掘,通过比较多种光谱信号预处理方法(如高斯滤波、多元散射校正、标准正态变换、一阶/二阶导数等)和多种模式识别技术(如BP神经网络、随机森林、 K-最近邻算法、贝叶斯算法、粒子群优化支持向量机模型等),探索适合艾叶产地溯源的计量学方法。结果表明,K-最近邻算法、贝叶斯算法及粒子群优化支持向量机3种模式识别效果最为理想,测试集的正确率均为100%。基于运行时间、鉴别正确率与模型稳定性综合考虑,最终确定K-最近邻算法是艾叶产地鉴别的最优方法。整体来看,红外光谱指纹技术结合适当的化学计量学方法能够用于艾叶的产地溯源,研究结果为艾叶的道地性评价和质量控制提供技...     

应用ATR红外光谱法识别不同陈酿方式的红葡萄酒

以三种不同陈酿方式的96个干红葡萄酒样品为试验对象,用傅里叶变换中红外光谱仪外加衰减全反射(attenuated total reflectance,ATR)附件扫描其光谱,然后分别用定性偏最小二乘法和支持向量机法建立三种不同陈酿方式葡萄酒的判别模型,10次随机划分建模集与预测集后建模,不同模式识别方法所建模型的建模集、预测集的判别准确率均高于90%。结果表明,采用中红外ATR光谱技术结合模式识别方法对不同陈酿方式红葡萄酒进行快速识别是可行的。     

三大产地（波罗的海、多米尼加和缅甸）琥珀红外光谱鉴别特征

采用镜面反射法和溴化钾压片透射法对波罗的海、多米尼加和缅甸琥珀进行红外光谱测试,获得了不同产地的红外光谱鉴别特征。经仔细分析认为,尽管不同产地琥珀的红外光谱具有共同特征,但某些吸收峰位置或相对强度仍存在差异。3 000～2 800 cm-1范围内,波罗的海琥珀有两个明显的吸收峰和一个弱肩峰,多米尼加琥珀有两个吸收峰,缅甸琥珀具有三个特征吸收峰;1 740～1 690 cm-1范围内,波罗的海琥珀出现1 732 cm-1附近强吸收峰,多尼米加和缅甸琥珀有两个吸收峰,分别位于1 730和1 695 cm-1附近,但是多米尼加琥珀1 730 cm-1峰强度小于1 695 cm-1,与缅甸琥珀相反;1 300～1 000 cm-1范围内,波罗的海琥珀具有典型的“波罗的海肩峰”及1 163 cm-1附近的强吸收,多米尼加琥珀出现1 240 cm-1附近吸收峰,缅甸琥珀在此范围内的强吸收峰组成“山”字型;波罗的海琥珀R（A_{1 381 cm-1}/A_{1 456 cm-1}）值约为0.9,多米尼加琥珀约0.8,而缅甸为0.7。上述差异可以作为判断琥珀产地的鉴别依据。不同产地琥珀的红外光谱出现差异,可能与其形成年代、植物种源和地质环境不同有关。根据红外光谱中与环外C=C双键有关的吸收峰的存在和强度,推断三个产地的琥珀形成时间由早到晚分别为缅甸、波罗的海、多米尼加。红外光谱在识别琥珀产地方面具有重要的宝石学意义,同时在考古学研究与应用中有潜在意义。     

基于近-中红外相关谱融合判定掺伪芝麻油

为充分提取复杂掺伪食用油的特征信息,提出并建立一种掺伪芝麻油的判别方法.采集40个纯芝麻油和40个掺入不同浓度玉米油的芝麻油的常规一维近红外透射光谱和中红外衰减全反射光谱.对两样本采用二维相关谱技术进行相关计算,得到每一样品的同步和异步二维近红外相关谱和中红外相关谱,并进行预处理,得到其对应的同步-异步二维近红外相关谱和中红外相关谱.采用多维主成分分析法提取其特征,并将其得分矩阵进行融合.基于融合的得分矩阵,以及单一近红外、中红外相关谱得分矩阵分别建立纯芝麻油和掺伪芝麻油偏最小二乘判别分析模型,三个模型对预测集样品的判别正确率分别为100%、96.2%和96.2%.研究结果表明,所提出的方法可提取更多的特征信息,提供更好的分析结果.     

中红外反射光谱结合偏最小二乘法快速定量分析葡萄酒

利用傅里叶变换中红外光谱(FTIR)和衰减全反射(ATR)技术,结合偏最小二乘算法,建立了一种同时快速测定葡萄酒中总酚含量、滴定酸度、pH值和酒精度的方法。通过光谱预处理方法、异常值诊断和建模参数的优化,提高了模型的预测精度,各指标预测值与实测值相关性良好,总酚含量、滴定酸度、pH值和酒精度模型的相关系数(r2)依次为0.9356,0.9649,0.9935,0.9837;交互验证均方根误差(RMSECV)依次为:0.445,0.378,0.087,0.507。t检验结果表明模型预测结果与标准方法测定结果之间无显著性差异(显著性大于0.05)。     

近红外光谱和多分类器融合的葡萄酒品种判别研究

将多种单分类器模型融合,并用融合后的模型对不同品种干红葡萄酒进行判别分析。用BRUKER MPA傅里叶变换型近红外光谱仪采集170个干红葡萄酒样品的近红外透射光谱,选取PLS-DA,SVM,Fisher和AdaBoost作为单分类器建模方法,分别建立葡萄酒品种判别模型,通过差异性度量值对单分类器进行筛选,得到差异性较大的四个单分类器作为基分类器,其中基分类器对测试集葡萄酒品种判别准确率最高为88.24%,最低为81.18%。然后通过加权投票机制对基分类器进行融合,融合后的模型对测试集葡萄酒品种判别准确率提高至92.94%,误判样品个数由单分类器最少的9个降为6个。实验结果表明多分类器融合所建立的模型优于传统近红外光谱定性分析一般采用单分类器模型结果,提高了葡萄酒品种判别的准确性,采用基于近红外光谱的多分类融合方法对葡萄酒种类判定具有可行性。     

红外光谱法定性分析假酒中的甲醇

用红外光谱法定性分析假酒中的甲醇，当其含量≥３．９５ｇ／１００ｍＬ时，可测得甲醇的存在。     

应用近红外光谱和多算法融合方法分析烤烟的香型风格特征

以全国17个主要烤烟产地省份中收集的3 914个烟叶样品的近红外光谱为实验对象,其中浓香型、中间香型、清香型烟叶光谱分别865条、1 403条、1 646条,应用近红外光谱和多算法融合方法分析其香型风格特征。在以产地进行初步划分烟叶香型以及认可过渡型和非典型香型类型的基础上,选取基于主成分及Fisher准则的投影法(PPF)、偏最小二乘判别(DPLS)、支持向量机(SVM)作为单分类器,得到各个算法第1和2判别分析结果;应用PPF-DPLS-SVM融合和各算法第1和2判别分析结果,将预测验证样品的分析结果详细划分为典型、过渡型、非典型香型样品(分别为493,392,115个);其中典型香型烟叶样品的判别准确率达到92.7%,较未进行典型样品划分时PPF,DPLS,SVM单算法的识别准确率分别提高了30.2%,15.4%,16.6%。样品数据来源于全国主要烤烟产地,数据量大,代表性较好,分析结果具有一定普遍性;提出的多算法融合分析方法大幅度提高了通过客观数据判别烤烟香型的准确率;同时,将烤烟香型细划分为典型、过渡型和非典型香型的方式,对烤烟烟叶原料的科学合理利用以及烟叶原料的模块化工业加工等有指导作用。     

基于SiPLS特征提取和信息融合的汽油中乙醇含量的多光谱检测

采用紫外可见(ultraviolet/visible, UV-Vis)光谱技术和近红外(near-infrared, NIR)光谱技术及信息融合技术对乙醇汽油中乙醇含量进行了检测。首先采用组合区间偏最小二乘(synergy interval PLS, SiPLS)算法作为特征提取方法,分别建立了基于UV-Vis和NIR光谱的偏最小二乘(PLS)回归模型;再根据油品的实际情况,运用信息融合理论将UV-Vis和NIR光谱信息进行融合,建立了数据级融合(low level data fusion, LLDF)和特征级融合(mid-level data fusion, MLDF)模型,并与单谱源模型效果进行了比较,确定了最优模型为数据级融合后再进行矢量归一化的模型(LLDF-VN1);最后分别用高乙醇含量样品和市售汽油样品的光谱数据对该最优模型进行了通用性检验。结果表明：UV-Vis和NIR光谱数据单独建模均能很好的检测并提供较好的预测结果;而UV-Vis和NIR光谱数据直接融合在基于校正集的回归模型中效果最好,其校正集相关系数r_c=0.999 9,校正集交叉验证均方差RMSECV=0.125 8,校正集整体评价偏差Bias_c=0.000 6;而采用数据级融合后再进行矢量归一化的模型(LLDF-VN1)的预测效果为最佳,其r_p=0.999 1, RMSEP=0.352 7, Bias_p=-0.073 8;自配溶液对最优模型(LLDF-VN1)的通用性验证中,r_p=0.999 7, RMSEP=0.329 1, Bias_p=0.102 2;市售汽油对最优模型(LLDF-VN1)的通用性验证中,r_p=0.990 1, RMSEP=0.892 7, Bias_p=0.675 1。实验结果说明通过将UV-Vis和NIR光谱信息进行数据级融合可以快速、准确的检测出乙醇汽油中乙醇的含量,并能实现乙醇浓度的宽范围检测,为进一步实现混合油品中物质的快速检测奠定了基础。     

近红外光谱法快速测定啤酒的主要品质参数

文章分别在空气背景和蒸馏水背景下使用不同光程样品池(1,5 mm),选择不同光谱分辨率(8,16,32 cm-1)采集了83个不除气啤酒样品的近红外光谱,并应用偏最小二乘法(PLS)和逐步多元线性回归(SMLR)方法,对啤酒的真实浓度、原麦汁浓度以及酒精度三种主要成分进行了回归分析,并建立了相应的定标与预测模型。结果发现：不同背景、不同分辨率、不同光程条件下的定标预测结果相近,逐步多元线性回归方法定标预测结果好于偏最小二乘法。在实验室实现了应用近红外光谱对不除气的少量啤酒样品(约2 mL)同时快速无损检测啤酒的三个重要指标。文章的结果为应用和进一步开发啤酒成分近红外在线分析仪奠定了基础。     

氯盐溶液近红外光谱分析研究

氯盐近红外光谱分析在生物医学上有着十分重要的意义。在室温下对氯化钠,氯化钾,氯化钙水溶液的近红外光谱采集分析表明,氯盐溶液浓度的变化会影响水分子的氢键而使得水溶液的近红外光谱发生变化。通过选择合理波长区间以及温度变化影响为零的波长点(等吸光点),减小温度的干扰对溶液近红外光谱影响,采用偏最小二乘法建立了氯盐溶液的浓度模型用于预测氯盐的离子浓度。分析氯盐溶液中氯盐阳离子的离子半径大小、离子电荷数和离子在水中络合效应等因素对水的近红外光谱所造成的影响以及产生影响因素的原因。实验结果表明,温度和浓度都会影响溶液的近红外光谱,氯盐溶液浓度较低时,温度的影响占主导地位;氯盐浓度高时,浓度的影响占主导地位。氯盐在水溶液中形成络合物,并与氯盐阳离子共同作用对水的氢键产生影响,对于浓度相同种类不同的氯盐溶液, 形成的络合物和阳离子破坏效应对水的氢键的破坏作用为: CaCl₂>NaCl>KCl。最终建立的样品浓度模型校正集的决定系数(R2)=99.97%,交叉验证均方误差(RMSECV)=4.51,剩余预测偏差(RPD)=62.7,满足日常生化检测精度要求。     

利用近红外光谱快速检测牛奶中三聚氰胺的可行性研究

采集了22个合格液态牛奶样品,并制备了50个掺入不同含量三聚氰胺(0.1～1 500 mg·kg-1)的牛奶样品,应用近红外光谱仪扫描其透射光谱,研究利用近红外光谱快速检测牛奶中三聚氰胺的可行性。采用偏最小二乘法建立近红外光谱与牛奶中三聚氰胺含量之间的定量模型,结果表明近红外光谱受检测限的限制,难以准确预测牛奶中掺入的三聚氰胺的含量。而应用近红外光谱,结合判别偏最小二乘法建立定性模型,则可以实现对合格牛奶及掺入三聚氰胺的牛奶的定性鉴别,正确识别率达100%。因此,基于近红外光谱的检测方法可以初步判断牛奶中是否含有三聚氰胺,作为高效液相色谱法的补充,为定量检测做初步的筛查,可大大提高检测效率。     

基于THz光谱和多信息融合的小麦品质无损检测研究

为进一步提高不同品质小麦分类模型的检测精度,提出采用太赫兹时域光谱技术(THz-TDS),融合小麦样品的吸收光谱和折射率光谱信息,对其品质进行检测识别。以正常小麦、发芽小麦、霉变小麦和虫蚀小麦样品为研究对象,获取样品THz波段光学参数,在特征层选用AdaBoost(AdaBoost)分类器和支持向量机(SVM)方法,建立了小麦品质多项光学指标的分类融合模型。并将融合模型的识别结果进行比较,结果表明融合模型对小麦样品的识别率达到95%。最后,为了验证融合模型的有效性,将其与单光谱分析回归模型进行了对比,表明融合模型比单光谱模型在小麦样品的识别率上有了较大的提高,且SVM融合模型的识别率最高,是一种最优的多源信息融合方法。     

近红外光谱技术对人参药材人参皂苷含量测定及产地识别的研究

以东北三省6个产地的74份人参样品为研究对象,采集其近红外光谱,以多元散射校正原始光谱;采用超高效液相色谱技术,建立样品中人参皂苷Rg₁,Rb₁,Re的含量测定方法,以样品中这三种皂苷的总量作为参考值,在6 001～4 007和10 000～8 786 cm-1建模区间,采用偏最小二乘法建立了人参样品中人参皂苷近红外定量模型,交叉验证均方根误差为0.115,预测均方根误差为0.167,相关系数分别为0.947 7和0.915 3。同时对近红外原始光谱进行多元散射校正和Savitzky-Golay平滑处理,以8 531～7 559 cm-1谱段对人参样品进行产地识别,结果表明,74份样品可分为3类,分别对应辽宁、吉林和黑龙江产区,校正模型判正率为96%,预测模型判正率达90%。2010版《中国药典》以人参样品中人参皂苷Rg₁,Rb₁,Re的总量作为评价人参质量的化学指标,该工作所建立的近红外预测人参样品三种皂苷总量的方法快速、准确,可用以评价人参样品的质量。