应用近红外光谱技术快速鉴别铁皮石斛的产地

采用近红外漫反射光谱技术结合簇类独立软模式方法(SIMCA)建立了预测模型,并对5个产地的铁皮石斛进行了快速鉴别研究。光谱数据经过Savitzky-Golay(S-G)平滑、1阶Savitzky-Golay(S-G)求导和均值中心化组合光谱预处理和波段选择优化后,所建的SIMCA模型为最佳模型。所建模型的识别率和拒绝率均为100%,而且5个产地铁皮石斛的模型也能拒绝其他3种石斛金钗石斛、紫皮石斛和金石斛。研究表明,模型合理,能够成功实现铁皮石斛产地快速鉴别,为不同产地的铁皮石斛的快速鉴别提供了一种新的方法。     

近红外光谱技术识别沾化和陕西冬枣产地的研究

为探索利用近红外光谱分析技术识别陕西和沾化两地冬枣的可行性,本研究应用便携式近红外光谱仪并结合簇类独立软模式分类(SIMCA)和偏最小二乘判别分析(PLS-DA)两种建模方法识别冬枣的产地,同时研究了不同近红外光谱预处理方式对模型预测识别率的影响。结果表明,采用原始近红外光谱结合SIMCA和PLS-DA方法识别沾化冬枣和陕西冬枣是可行的,其中PLS-DA方法的准确度更高,对冬枣验证集样品识别率为100%。     

基于可见光-近红外光谱技术的烤烟品种鉴别研究

提出了一种使用可见光-近红外光谱技术快速、无损鉴别烤烟品种的新方法。应用可见光-近红外光谱技术,采集获得4个不同烤烟品种的160个样本光谱特征曲线,选取全波段光谱(350~2 500 nm)经Savitzky-Golay平滑滤波、多元散射校正和标准正态变换优化处理,建立了烤烟品种的偏最小二乘判别(PLS-DA)模型。结果表明,该模型校正及验证结果与样本分类变量的决定系数R2大于0.971,校准均方根误差(RMSEC)和预测均方根误差(RMSEP)均低于0.096,模型对验证集中40个未知的烤烟品种样本的正确识别率均达到100%。该方法具有很好的分类和鉴别效果,说明应用可见光-近红外光谱技术结合PLS-DA可以用来对烤烟品种进行鉴别。     

基于NIRS与PLS-DA的红提产地鉴别研究

红提产区分布广、生态类型复杂,不同产地红提果实品质和市场效应具有较大差异。研究基于近红外光谱技术(NIRS)与偏最小二乘判别(PLS-DA)对不同产地的红提果品进行识别和鉴伪。试验购置了美国红提、秘鲁红提、国产红提,每种45个,共135个样品。在4 000～12 000 cm~(-1)范围内采集所有样品的近红外漫反射光谱。对光谱数据进行主成分(PCA)分析,结果发现PCA方法无法完全实现3种产地红提的聚类鉴别。最后,建立PLS-DA模型,对3种产地的红提进行判别,识别率均为100%。     

基于高光谱技术的烤烟成熟度判别研究

提出了一种使用高光谱技术快速、无损检测和鉴别烤烟成熟度的新方法。应用高光谱仪采集获取4个不同成熟度烤烟样本的光谱特征曲线,选取400~2 400nm波段光谱经标准正态变换、Savitzky-Golay平滑滤波和一阶微分滤波预处理优化,建立了烤烟成熟度的偏最小二乘定性判别(PLS-DA)模型。结果显示,模型校正集决定系数R20.812,校准均方根误差(RMSEC)为0.092~0.218,模型正确识别率为100%;模型对验证集中未知成熟度等级烤烟样品的正确识别率达到92.5%以上,不同成熟度烤烟判别模型性能良好。这说明利用高光谱技术结合PLS-DA对烤烟成熟度进行鉴别是可行的。     

基于BP神经网络近红外光谱鉴别茶饮料的研究

提出了一种快速、准确鉴别茶饮料的新思路。采用美国ASD公司的可见-近红外光谱仪对3种茶原料（龙井茶、乌龙茶和铁观音茶）的饮料进行光谱分析。采用多元散射校正（MSC）方法对样本数据进行预处理,再用主成分分析法提取光谱数据的特征值。通过交互验证确定最佳主成分数为5,作为BP神经网络的输入变量,不同原料茶饮料作为输出变量,建立3层人工神经网络鉴别模型,并用模型对20个预测样本进行预测。模型的回判鉴别率达到100%,模型的预测鉴别率达到98.33%。结果表明,基于BP神经网络的近红外光谱鉴别不同原料茶饮料的方法是可行的。     

中草药大黄小波变换的近红外光谱的聚类分析

[目的]采用近红外漫反射光谱法对41种大黄进行图谱扫描,为大黄的生药鉴定提供一种新方法。[方法]采用小波变换技术对近红外光谱进行压缩,减少训练时间,再采用近红外光谱法结合聚类分析方法对不同产地的大黄药材进行鉴别。[结果]NIR光谱经小波变换压缩后,将光谱变量从700减少到44个,用小波压缩的NIR光谱输入到聚类树鉴别模型,通过聚类分析的方法,对大黄正伪品进行了分类,识别正确率达到82.93%。[结论]近红外漫反射光谱法是一种快速、简便的鉴别分析技术,可用于大黄中药的质量控制。     

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。     

近红外光谱技术法快速鉴别茶油掺伪

[目的]采用近红外光谱技术法,快速鉴别茶油掺伪。[方法]基于近红外光谱技术,比较马氏距离聚类分析法与反向传播神经网络,建立茶油与掺有菜籽油、棕榈油掺伪茶油的模式识别模型。[结果]采用马氏距离聚类分析法建模时,参数如下:光谱一阶导数处理后,结合SNV、Norris Derivative滤波方法,经主成分分析法,提取8个主成分,模型对预测集样本的准确率达100%;采用反向传播神经网络建模时,参数如下:输入向量为前8个主成分的33个吸收峰,隐含层神经元个数为15,训练学习速度为0.1,训练220步时,模型对预测集样品识别准确率亦为100%。[结论]反向传播神经网络方法更加具有较快的运算速度和较好的收敛性,可为茶油品质评价与检测提供一种新方法。     

不同预处理模式识别下的近红外绿豆产地溯源研究

采用傅里叶变换近红外漫反射光谱仪测定来自吉林省白城市、黑龙江泰来县、黑龙江杜尔伯特蒙古自治县、山东省泗水县绿豆共120份样品的近红外光谱,分别采用一阶导数+9点平滑、标准正态变换（SNV）、多元散射矫正（MSC）、矢量归一化+MSC四种光谱预处理方法,建立偏最小二乘判别模型（PLS-DA）,分析不同预处理方法对模型稳定性的影响,结果得出：原始光谱模型判别率为62.5%,一阶导数+9点平滑预处理模型判别率为65%,SNV预处理模型判别率为65%,MSC预处理模型判别率为82.5%,矢量归一化+MSC预处理模型判别率为90%。因此,采用矢量归一化+MSC预处理方法对绿豆产地判别的准确率最高。     

衰减全反射红外光谱分析技术识别食用植物油

[目的]利用衰减全反射红外光谱分析技术,对植物油种类、制油工艺和掺伪进行判别。[方法]以不同制油工艺制取的菜籽油、花生油和芝麻油为研究对象,用ATR附件采集样品在谱区4 000~400 cm-1范围内的红外光谱,利用PLS＋ANN、PNN、PLS-DA方法对植物油进行识别。[结果]植物油种类判别正确率为100%,制油工艺判别正确率为80%,掺杂5%以上的花生油可正确判别。[结论]利用衰减全反射红外光谱分析技术可实现食用植物油的准确判别。     

FTIR结合化学计量学对两种葡萄果苗的鉴别研究

[目的]利用傅里叶变换红外光谱技术结合主成分（PCA）和偏最小二乘法判别分析（PLS-DA）,研究了红地球和皇家秋天葡萄苗叶片的红外光谱图.[方法]测试了2种葡萄苗60个样品的红外光谱,选取1 800 ～750 cm-1范围内原始光谱数据做二阶导数处理,显示在该区间存在明显的差异,利用该区间的二阶导数光谱数据进行主成分和偏最小二乘法判别分析.[结果] PCA和PLS-DA都能很好地区分2个品种的葡萄苗,其中主成分的正确率为100％,偏最小二乘法在隐含潜变量为9时正确率最高,此时2个葡萄品种的偏最小二乘法判别分析的正确率均达100％.[结论]小波变换结合PCA和PLS-DA用于傅里叶变化红外光谱技术能够准确地识别红地球和皇家秋天,为区分不同品种的葡萄苗提供快速、有效的方法.     

大果紫檀试管苗玻璃化影响因子的研究

[目的]研究大果紫檀试管苗出现玻璃化的影响因素。[方法]以大果紫檀的无菌种子苗为材料,研究MS培养基附加不同激素组合及改良MS培养基中NH＋4离子、Ga2＋离子浓度对大果紫檀试管苗玻璃化的影响。[结果]当TDZ浓度大于0.03 mg/L时,大果紫檀玻璃化比率会大幅上升,而KT不会导致大果紫檀试管苗出现玻璃化;适当降低培养基中NH＋4离子浓度及提高Ga2＋离子浓度,也能降低试管苗玻璃化发生的比例。[结论]激素种类和浓度是影响大果紫檀试管苗玻璃化的主要因素,低浓度的TDZ既能高效诱导大果紫檀试管苗增殖,又能使试管苗的玻璃化比率处于较低的水平。     

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.     

可见/近红外光谱技术识别树叶树种的研究

探索使用可见/近红外光谱技术识别树叶树种的可行性,为野外可见/近红外光谱技术用于树种识别提供方法。本试验识别了9个树种,测试了光谱预处理方法、识别方法对可见/近红外光谱识别的准确率的影响。对9种阔叶树种共46棵树,分别采用距离法和PLS-DA建立识别模型,比较不同波段和导数预处理方法对模型预测效果的影响。结果表明,使用距离法对原始光谱进行识别时,识别准确率<50%,不能够有效识别树叶树种。使用距离法对预处理后的光谱进行识别时,识别准确率为近红外350～2 500nm(99.16%)>350～1 000nm(88.05%)>1 000～2 500nm(81.24%),且任意单个树种的识别准确率都>98%,能够有效识别树叶树种。使用偏最小二乘法(PLS-DA)结合单列识别变量矩阵时,识别准确率高达100%,识别模型的相关系数为0.993 6,RMSEC为0.120,RMSEP为0.144,但只能成功识别4种树叶树种,当树叶种数>4时,预测模型的识别准确率陡降。使用偏最小二乘法(PLS-DA)结合多列识别变量矩阵对9种树叶的识别准确率高达99.58%,识别模型的相关系数为0.888 6～0.956 9,RMSEC为0.084 5～0.15,RMSEP为0.088 7～0.155。本试验为可见/近红外光谱技术快速识别树种提供了一种新的方法和思路。     

基于近红外光谱法快速检测藜麦纤维含量

[目的]探索一种快速测定完整藜麦籽粒纤维含量的方法。[方法]采集100个藜麦样品的近红外光谱,运用近红外光谱分析技术建立数学模型并进行预测。[结果]在10 000~4 000 cm~(-1)波长范围内,运用一阶导数+矢量归一化光谱方法进行预处理,结合化学方法所得数据建立藜麦粗纤维近红外定量模型,校正和预测效果最佳,所得的粗纤维近红外定量模型的交叉验证决定系数为0.884 8,外部验证决定系数为0.876 1。[结论]以完整藜麦籽粒为样品所建立的纤维NITS模型可用于藜麦纤维含量的快速检测。     

Identification of pummelo cultivars by using Vis/NIR spectra and pattern recognition methods

Vis/NIR spectroscopy was used in combination with pattern recognition methods to identify cultivars of pummelo (Citrus grandis (L.) Osbeck). A total of 240 leaf samples, 60 for each of the four cultivars were analyzed by Vis/NIR spectroscopy. Soft independent modeling of class analogy (SIMCA), partial least square discriminant analysis (PLS-DA), back propagation neural network (BPNN) and least squares support vector machine (LS-SVM) were applied to the spectral data. The first 8 principal components extracted by principal component analysis were used as inputs in building the BPNN and the LS-SVM models. The results showed that a 97.92 % of discrimination accuracy was achieved for both the BPNN and the LS-SVM models when used to identify samples of the validation set, indicating that the performance of the two models was acceptable. Comparatively, the results of the PLS-DA and the SIMCA models were unacceptable because they had lower discrimination accuracy. The overall results demonstrated that use of Vis/NIR spectroscopy coupled with the use of BPNN and LS-SVM could achieve an accurate identification of pummelo cultivars.     

不同产地地枫皮的红外光谱和化学计量学快速评价

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。      

近红外光谱法快速测定河南烟叶中木质素的含量

[目的]实现对河南烟叶中木质素含量的快速测定。[方法]首先改进了烟叶中木质素含量的测定方法,并对该方法测定的准确性进行了评定(对同一样品,8次平行测定的RSD值为3.58%),随后用此方法测定了河南地区95个初烤烟叶样品中的木质素含量,然后用近红外光谱仪采集相应的光谱,进行二阶微分处理和平滑预处理后,用偏最小二乘法和完全交互验证方式建立相应预测模型。[结果]试验建立的烟叶中木质素预测模型的相关系数达到96.13%,内部交叉检验均方根误差(RMSECV)为0.104,说明烟叶中木质素含量和近红外光谱之间存在较好的相关性。[结论]采用近红外光谱法可以快速预测河南烟叶中木质素含量。