Rapid assessment of infrared spectroscopy and ehemometrics of lllicium difengpi from different regions by fourier transform.

为实现不同产地地枫皮快速鉴别并筛选出高药效成分的种质,利用红外光谱结合主成分分析模型和簇类独立软模式法（SIMCA）对不同产地地枫皮药材进行检测,同时在主成分分析模型中提取载荷因子对其进行分析。结果显示：1）各产地红外光谱经过SNV标准归一化后,主成分分析模型中前3个主成分能够分析出代表87％的样品变量信息,样本在主成分空间中聚集成为7个不同的类别。2）SIMCA模型能成功地对不同产地未知地枫皮样本进行预测且判断准确率均达100％。3）载荷因子分析表明,A、B及E产地样本地枫皮素、厚朴醇及芳香类化合物的含量比其他产地高,不同产地样品中芳香类物质差异主要体现在槲皮素含量的不同。     

FTIR光谱主成分分析鉴别不同产地青稞

采用傅里叶变换红外光谱技术,通过主成分分析法对3个不同产地的19份青稞(Hordeum vulgare L.var.nudum Hook.f.)种子进行了聚类分析.结果表明,3个不同产地青稞的平均红外光谱图整体上相似,借助指纹特征区域800～1 600 cm-1红外光谱,利用DPS统计软件对其进行主成分分析,其中前3个主成分累计贡献率超过99％,同时从荷栽图可知,3个主成分代表了样品在该段光谱上的主要信息,主成分空间中样品汇集成不同的类别,可基本鉴别不同产地的青稞.在某种程度上,样本分布密度稀疏,也反映了样本间的亲缘关系.该方法为无损鉴别不同产地青稞种子提供了一种简便快速的方法,可有效反映不同产地青稞种子主要化学成分的差异.     

基于主成分分析法识别不同产地防风和黄芩

在中草药现代化的进程中,识别不同产地的中草药对于中医药的发展十分重要。利用傅里叶变换红外光谱仪测量不同产地黄芩和防风的红外光谱,选取指纹特征区域400～3 500 cm-1的红外光谱,经过预处理、归一化建立基于主成分分析的识别模型。结果表明,防风中三个主成分能代表99.99%的指纹区变量信息,黄芩中三个主成分能代表99.70%的指纹区变量信息。样本在主成分及主成分得分值空间中的分布情况,不仅实现了对不同产地防风、黄芩的识别,还可以通过样本的分布疏密度反映样本的亲缘关系。基于主成分分析原理建立的数学模型可以高效地识别不同产地防风和黄芩,为中草药鉴别提供了有效的参考。     

基于红外光谱概率神经网络的诃子产地鉴别

利用傅里叶变换红外光谱,测定了不同产地诃子(Terminalia chebula Retz.)样品的红外光谱图.采用常规预处理方法和小波变换对红外光谱原始数据进行了预处理,并采用主成分分析进一步压缩光谱数据,前3个主成分的累积贡献率为98.054％.以前3个主成分作为网络输入,诃子产地类别作为网络输出,建立了概率神经网络,同时对建立该网络模型的扩展常数进行了分析.模型分析表明,建立的网络模型能够对40个诃子样品进行产地鉴别,红外光谱法结合神经网络可作为中药材产地分类鉴别的一种新的现代化方法.     

基于光谱技术和SIMCA方法的润滑油鉴别

采用可见-近红外反射光谱结合独立软模式法(SIMCA)建立了不同品牌种类的发动机润滑油鉴别模型。研究在对光谱曲线进行预处理和聚类分析后,选取7个主成分作为SIMCA的最佳主成分,随机采用20×7个样本作为建模样本,其余的10×7个样本作为预测样本,应用SIMCA进行分类,在显著性水平为5%下,其预测分辨率为98.75%。根据变量建模能力值,找到敏感波段420~425 nm、492~518 nm和796~816 nm,并将相应波段的光谱值作为SIMCA的输入,进行建模预测,结果发现,预测分辨率达95.71%,能快速正确区分7类不同品种的发动机润滑油。     

基于红外光谱技术建立宁夏中宁产区枸杞子判别模型的应用研究

[目的]采用傅里叶变换红外光谱技术实现对宁夏中宁产区枸杞子的快速鉴别。[方法]分别采集宁夏、甘肃、青海、内蒙古4个不同产地40份枸杞子样品进行扫描,对其红外光谱分别进行聚类分析和主成分判别分析,建立中宁产区枸杞子产地判别模型。[结果]在900~1 700 cm~(-1)波数范围内,建立主成分分析判别模型,对样品的识别率均达到100%,模型预测效果好;采用组间均联法,利用马氏距离作为样品的测度,进行聚类分析,可将不同产区枸杞子进行区分,样品判别率达到100%。[结论]采用聚类分析和主成分分析对不同产区枸杞子红外光谱进行分析,该方法在枸杞子产地判别中具有可行性,能够快捷、准确地鉴定中宁枸杞子。     

基于近红外光谱的普洱茶产地识别研究

以81份来自西双版纳、普洱市、临沧市3个不同产地的普洱茶样本为研究对象,其中校正集54份,验证集27份,利用近红外光谱采集单个普洱茶样本在1 100～2 498 nm的光谱数据,分别采用主成分聚类分析法和判别分析法建立普洱茶产地识别定性分析模型。结果表明,2种分析模型的校正集正确识别率均大于90%,可用于普洱茶产地的识别。其中,基于判别分析方法建立的判别分析模型效果更好,其校正集和验证集的识别正确率达到98.15%和100%,更适用于普洱茶产地的识别。应用近红外光谱技术可快速、无损识别普洱茶产地,为普洱茶产地检测提供参考。     

FTIR结合小波变换分析鉴别8种根茎类作物（英文）

为了区分鉴别8种根茎类作物,通过采用傅里叶变换红外光谱(FTIR)结合小波变换(WI)、主成分分析(PCA)和聚类分析(HCA)的方法,测试研究了8种根茎类作物40个样品的红外光谱。结果表明:8种样品红外图谱相似,但在1800~700 cm-1范围内,红外光谱的峰位、峰形及吸收强度差异明显。对此范围内的原始红外光谱进行连续小波和离散小波变换。提取连续小波变换的第15层系数和离散小波变换的第5尺度细节系数数据,进行主成分分析和聚类分析。连续小波和离散小波的前3个主成分的累计贡献率分别为93.12%、89.78%,主成分分析和聚类分析正确率为100%。研究结果显示:傅里叶变换红外光谱技术结合小波变换的方法可以区分鉴别不同种的根茎类作物。     

FTIR结合DWT鉴别研究六种不同植物来源的淀粉

利用傅里叶变换红外光谱(FTIR)结合离散小波变换(DWT)、主成分分析(PCA)和聚类分析(HCA)方法对甘薯、马铃薯、薯蓣、莲藕、豌豆、玉米淀粉进行鉴别研究,测试淀粉样品的红外光谱。结果表明,6种淀粉样品红外光谱相似,但在1 700~800 cm-1范围内,红外光谱的峰位、峰形及吸收强度差异明显。对此范围内的原始红外光谱进行离散小波变换,提取离散小波变换的第五尺度细节系数数据,进行主成分分析和聚类分析。离散小波的前3个主成分的累计贡献率为94.43%,主成分分析和聚类分析正确率为100%。研究表明,傅里叶变换红外光谱技术结合离散小波变换的方法可以鉴别不同植物来源的淀粉。     

辣椒的傅里叶变换红外光谱研究

[目的]利用傅里叶变换红外（FTIR）光谱结合主成分分析（PCA）和系统聚类分析（HCA）技术对不同品种辣椒（Capsicum frutescens L）进行鉴别研究.[方法]测试了5种辣椒50个辣椒的红外光谱.[结果]5个不同品种辣椒的红外图谱相似,但在1 800 ～ 800 cm-范围内红外光谱的峰位、峰形及吸收强度有一些微小差异.对原始光谱作二阶导数光谱处理,发现在1 800～ 800 cm-1范围内5种辣椒的二阶导数光谱图差异明显,利用1 800～800 cm-1范围二阶导数光谱数据对5个品种50个样品进行聚类和主成分分析.聚类分析其正确率为100％;主成分析前3个主成分的累计贡献率达到94.47％,其正确率达98％,能把5个辣椒品种分开.[结论]傅里叶变换红外光谱技术结合统计分析的方法可以把不同品种的辣椒区分开来.     

十六份辣椒材料游离氨基酸组成的主成分分析与聚类分析

为了研究不同辣椒材料中游离氨基酸综合品质的差异,以16份辣椒材料为研究对象,采用液相色谱法测定游离氨基酸种类和含量,利用主成分分析法与聚类分析法进行综合评价。结果表明:辣椒中游离氨基酸含量丰富,含有16~17种氨基酸,总量范围是10.57~25.68 mg·g^-1。种类差异不明显,但是不同辣椒材料之间游离氨基酸含量均存在较大差异,其中,D1的总游离氨基酸、必需氨基酸、限制氨基酸的含量均最高,D4中呈味氨基酸含量最高。通过主成分分析提取到3个主成分(F₁、F₂、F₃),其累计方差贡献率为83.501%,并建立综合评价模型:F=0.775F₁+0.126F₂+0.0969F₃。经综合评价,得分前3位的分别是D4、D1和D2。采用聚类分析方法可将16份辣椒材料分为3类,与主成分分析的结果大体一致,可较好地反映辣椒不同种质间的差异性。     

利用HS-SPME/GC-MS法对云南主产区生咖啡豆中挥发性成分萃取与分析研究

为探究云南主产区生咖啡豆中挥发性成分的含量及组成方式,明晰地区间存在差异的特征性标志化合物,为咖啡豆的产地追溯及风味品质提升提供理论支撑,以云南保山、德宏、临沧和普洱4 个地区的生咖啡豆为试材,采用顶空固相微萃取-气相色谱质谱联用法(HS-SPME/GC-MS)检测,结合主成分分析(PCA)和系统聚类分析(HCA)对不同地区样品进行分类。结果表明：从4 个地区的生咖啡豆中共鉴定出42 种挥发性物质,主要以酸类为主,相对含量占32.96%,其次为酮类、醇类、碳氢类、酯类及醛类等。对不同地区样品进行主成分分析,第一主成分主要反映吡嗪类、酸类、醛类和碳氢类的信息,第二主成分主要反映醇类和酚类的信息。对不同地区样品进行聚类分析,可各自聚为一类,与主成分分析结果一致。试验获得了与特定地区样品相关性较大的挥发性物质,为云南主产区咖啡豆的分类鉴别及产地追溯提供理论参考。     

基于电子鼻技术多花黄精药材的鉴别研究

为了建立基于电子鼻技术对多花黄精不同产地、不同生长年限及不同加工方法的药材的鉴别方法,本文通过电子鼻技术检测多花黄精不同药材样品的气味在传感器上的响应值,应用主成分分析(PCA)和LDA线形判别分析对特征数据进行统计学分析。结果表明,电子鼻检测不同产地、不同生长年限及不同加工方法的多花黄精药材的响应值有差异,气味有差异,PCA、LDA及雷达图分析均能判别。由此表明,电子鼻检测结合判别模式为多花黄精不同产地、不同加工方法和不同生长年限的药材提供了有效、客观和简便的定性鉴别技术。     

云南伊洛瓦底江外来种麦穗鱼的形态差异分析

对采自伊洛瓦底江水系和顺、猴桥、龙陵和盈江4个群体共120尾麦穗鱼标本进行11个常规性状和16个框架结构性状的测量,应用多变量形态度量学结合主成分分析和差异系数分析方法比较各群体间的形态差异。结果表明,4个群体间没有显著性差异。其中,主成分PC1、PC2和PC3贡献率分别为26.658%,15.281%和11.395%,累积贡献率为53.334%,在PC1、PC2散点图中,龙陵与猴桥群体部分分出。从27个性状变量中筛选出贡献较大的9个性状(P0.01)与体长的比值进行形态差异系数分析,发现龙陵与猴桥、和顺、盈江群体间差异系数均小于1.28,综上分析,伊洛瓦底江4个麦穗鱼地理群体形态差异不显著,这可能与引入时间较短、引入群体来源于同一种群有关。     

广西地枫皮病虫害种类调查研究初报

随着地枫皮经济价值的不断增长,野生资源逐步枯竭,人工种植势在必行,大面积人工种植病虫害的发生与危害必然会加重,袁但病虫害方面研究未见报道。摸清野生及人工种植地枫皮病虫害的种类及其发生危害情况,可为人工种植地枫皮病虫害防治提供科学依据。调查结果表明,地枫皮的病害有4种,虫害有7种。移栽后的苗木放置不同环境对茎腐病、炭疽病的发生都有影响。     

多元素分析判别牛肉产地来源研究

 【目的】探讨多元素分析对中国牛肉产地溯源的可行性，筛选判别牛肉产地的有效指标。【方法】在代表中国4大牛肉产区的吉林、贵州、宁夏、河北共取牛肉样品61个，进行脱脂后利用等离子体质谱仪（ICP-MS），测定了脱脂牛肉样品中的Na、Mg、Al、K、Ca、V、Mn、Fe、Co、Ni、Cu、Zn、Ga、As、Se、Sr、Zr、Mo、Sn、Sb、Ba、Pb共22种元素的含量，对其进行了方差分析、主成分分析、聚类分析及判别分析。【结果】不同地域牛肉样品中元素含量有其各自的特征。河北样品的Mn、Fe、Co、Zn、Ga、As、Se、Sr、Ba和Pb含量均极显著高于其它3个地区，吉林样品的Ni含量最高，贵州样品的K、Mo和Sb含量最高，宁夏样品的Na和Ca含量最高。主成分分析和聚类分析使牛肉样品分成不同类别，类别与来源地基本一致。通过逐步判别分析筛选出了5项可判别牛肉产地来源的指标，依次为Se、Sr、Fe、Ni和Zn，它们对吉林、贵州、河北样品的正确判别率均为100％，对宁夏样品的正确判别率为91％，整体的正确判别率为98.4％。【结论】利用多元素分析技术对牛肉产地来源的判别是可行的。     

Detection of common defects on oranges using hyperspectral reflectance imaging

To detect various common defects on oranges, a hyperspectral imaging system has been built for acquiring reflectance images from orange samples in the spectral region between 400 and 1000 nm. Oranges with insect damage, wind scarring, thrips scarring, scale infestation, canker spot, copper burn, phytotoxicity, heterochromatic stripe, and normal surface were studied. Hyperspectral images of samples were evaluated using principal component analysis (PCA) with the goal of selecting several wavelengths that could potentially be used in an in-line multispectral imaging system. The third principal component images using six wavelengths (630, 691, 769, 786, 810 and 875 nm) in the visible spectral (VIS) and near-infrared (NIR) regions, or the second principal component images using two wavelengths (691 and 769 nm) in VIS region gave better identification results under investigation. However, the stem-ends were easily confused with defective areas. In order to solve this problem, representative regions of interest (ROIs) reflectance spectra of samples with different types of skin conditions were visually analyzed. The researches revealed that a two-band ratio (R875/R691) image could be used to differentiate stem-ends from defects effectively. Finally, the detection algorithm of defects was developed based on PCA and band ratio coupled with a simple thresholding method. For the investigated independent test samples, accuracies of 91.5% and 93.7% with no false positives were achieved for both sets of selected wavelengths using proposed method, respectively. The disadvantage of this algorithm is that it could not discriminate between different types of defects.     

利用电子鼻技术评价桃果实成熟度的研究

采用电子鼻系统对不同成熟度‘锦绣黄桃’果实进行评价研究.主成分分析(PCA)和判别因子分析法(DFA)的结果显示,电子鼻可以较好地区分转色期、成熟期和完熟期的果实,但成熟期、完熟期的果实有部分区域发生重叠.为了评价电子鼻的分析能力,将其预测结果与传统的理化检测方法(硬度、可溶性固形物、可滴定酸、挥发性香气组分)及生理指标(乙烯释放速率)得到的结果进行了比较.结果表明,采用电子鼻系统中的PCA较DFA更能准确区分桃果实的不同成熟度.     

近红外光谱结合SIMCA模式识别法检测木材表面节子

利用近红外光谱结合SIMCA模式识别法来检测马尾松木材单板节子.结果表明,通过培训集样本建立的基于主成分分析的SIMCA判别模型对有无节子两种类型样本进行回判和对未知节子类型的样本(包括无节子和有节子样本)的判别正确率均达到90％～100％,说明应用近红外光谱结合SIMCA模式识别法可以快速有效地检测木材表面的节子缺陷.