化学计量学模式识别方法结合近红外光谱用于大米产地溯源分析

对江苏、辽宁、湖北、黑龙江4个省份的169个大米样品,利用波数测定范围为10 000~4 000 cm~(-1)的Thermo AntarisⅡ傅里叶变换近红外分析仪,采用化学计量学模式识别主成分分析(PCA)和线性判别分析(LDA)方法进行产地溯源分析。结果表明,PCA方法基于前2个主成分可基本区分大米产地,但各类样品有部分重叠;采用PCA-LDA法可更有效区分大米产地,利用蒙特卡罗模拟方法随机重复选取训练集和预测集判别4个省份的大米产地准确率在93.00%以上,识别准确率相对较高。因此,化学计量学模式识别方法结合红外光谱用于大米产地溯源分析具有一定的可行性和应用价值。     

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.     

光谱法快速鉴定附子道地性的研究

运用X射线荧光光谱、近红外光谱法区分道地与非道地附子。搜集道地产地附子和其他产地附子,通过对附子进行处理后,采用Axios型X射线荧光光谱仪和AntarisⅡ傅里叶变换近红外光谱仪对样品进行扫描。发现Na和Mg元素含量的差异可以作为道地附子的特征标识,利用马氏距离建立三维空间模型,能将江油附子和其他产区附子区分,具有很好的预测性能。因此,利用X射线荧光光谱和近红外光谱技术能快速、有效实现对道地江油附子的鉴别。     

基于BP和Adaboost-BP神经网络的 羊肉新鲜度高光谱定性分析

【目的】 实现对羊肉新鲜度的快速准确鉴别。【方法】 研究通过对460~1 000 nm的羊肉高光谱图像纯肌肉部分提取光谱数据,以挥发性盐基氮(TVB-N)值对新鲜度等级进行划分,对预处理后的光谱数据分别采用连续投影算法(SPA)、主成分分析(PCA)两种压缩降维方法和反向传播(BP)神经网络、自适应提升BP(Adaboost-BP)神经网络两种建模方法开展羊肉新鲜度的分类比较。【结果】 其中采用SPA、PCA建立的BP模型校正集与预测集准确率均为100%、83.33%,建立的Adaboost-BP模型校正集与预测集准确率均为100%、94.44%,两种压缩降维方法下Adaboost-BP模型效果均优于BP模型。【结论】 利用高光谱图像技术结合Adaboost-BP方法对羊肉新鲜度等级进行分类判别是可行的。     

道地与非道地产区铁棍山药品质比较

通过比较丰县和温县铁棍山药的外观,生理生化及口感品质,揭示道地产区与非道地产区对山药怀品质的影响。结果表明,与温县铁棍山药相比,丰县铁棍山药紫斑数相对多,紫斑颜色深,断面有韧性且略有药味;丰县铁棍山药的灰分、K、Fe、Cu、Zn、多糖和可溶性糖含量显著高于温县铁棍山药,但干物质、Ca、Mg、Mn、非必须氨基酸及淀粉含量低于温县铁棍山药;在相同条件下煮食,丰县铁棍山药较硬,口感较粗糙,糯性一般,但略有药味,口感较温县铁棍稍差。     

基于近红外光谱分析技术的水蜜桃产地溯源

利用近红外光谱分析技术对来自3个省份的水蜜桃进行研究,比较主成分分析-线性判别分析(PCA-LDA)、判别偏最小二乘法(DPLS)、支持向量机(SVM)等方法对光谱数据识别的有效性差异。结果表明, SVM的准确率和召回率均高达94.47%,明显优于PCA-LDA和DPLS,更适用于水蜜桃产地溯源。     

不同产地黄硬皮马勃的红外光谱鉴别方法研究

黄硬皮马勃(Scleroderma flavidum Ell.et EV.)主要生长在我国南方地区,有食用和药用价值。利用红外技术对其进行产地鉴别,为黄硬皮马勃的资源鉴别提供基础分析方法和理论依据。利用傅里叶变换红外光谱(Fourier transform infrared spectroscopy,FTIR)仪采集4个不同产地共40个黄硬皮马勃样本的红外光谱,每个样本平行扫描3次,取平均值。随机选择12个样本作为验证集,其余作为校正集,采用1 800~500 cm-1波段的光谱数据,对比多种预处理方法,选择最佳预处理方法建立模型并进行判别分析(discriminant analysis,DA)。结果表明,预处理方法 ND(7∶3)+SD+MSC(ND为诺里斯导数平滑,SD为二阶导数,MSC为多元散射校正)构建的判别模型性能最佳,验证集样本的分类准确率和校正集样本的回判准确率均达到100%,模型鉴别效果良好,可靠性高。傅里叶变换红外光谱法结合判别分析,能有效鉴别不同产地黄硬皮马勃。     

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。     

薯的傅里叶变换红外光谱研究

利用傅里叶变换红外(FTIR)光谱结合主成分分析(PCA)和聚类分析(HCA)方法对8种薯进行了鉴别研究,测试了40个薯样的红外光谱。结果表明,8种薯红外图谱相似,但在1 800~700 cm-1范围内,红外光谱的峰位、峰形及强度差异明显。将8种薯的傅里叶变换红外光谱与可溶性淀粉的光谱进行相似性分析,结果显示,相似度从大到小依次为:马铃薯、木薯、薯蓣、毛薯、红薯、姜薯、豆薯、菊薯,表明马铃薯含淀粉量最多,其次是木薯,最少是菊薯。对原始红外光谱作二阶导数处理,并利用1 800~700 cm-1范围内的二阶导数光谱数据对8种薯40个样品进行主成分分析和聚类分析,主成分分析前3个主成分的累计贡献率达89.18%,正确率为97.5%,聚类分析正确率为100%。傅里叶变换红外光谱技术结合统计分析的方法可鉴别区分不同种的薯类。     

基于高光谱的水稻叶片氮素营养诊断研究

为快速、准确地实现水稻氮素营养诊断,以中嘉早17水稻为试验对象,设置4种施氮水平的水稻栽培试验,利用便携式地物波谱仪获取240组水稻分蘖期顶三叶在350~2 500 nm的光谱数据。随机将样本划分为训练集(160个样本)和测试集(80个样本)。首先,通过多元散射校正(MSC)、变量标准化校正(SNV)、平滑算法(SG)3种方法分别对原始光谱进行预处理;然后,采用主成分分析(PCA)和连续投影算法(SPA)对预处理后的光谱进行特征降维,选取累积贡献率超过99.98%的前24个主成分作为模型的输入变量,对于经过MSC、SNV和SG处理后的光谱数据,还分别筛选出12、15、19个特征波长;最后,应用支持向量机(SVM)基于上述处理分别建立水稻氮素营养诊断模型。结果表明,采用MSC-PCA-SVM模型进行水稻氮素营养诊断的识别准确率最高,其在训练集和预测集上的准确率分别达99.38%和97.50%。     

近红外光谱技术检测灵武长枣果肉硬度和贮藏时间

利用近红外光谱(400～1 000 nm)系统采集140个灵武长枣样本的光谱信息,采用不同方法预处理原始光谱数据,优选出最佳预处理方法。分别建立竞争性自适应加权算法(CARS)和连续投影算法(SPA)提取特征变量的果肉硬度偏最小二乘回归(PLSR)预测模型,并利用原始光谱建立灵武长枣贮藏时间的偏最小二乘判别(PLS-DA)模型。结果表明,去趋势法(Detrend)为最优预处理方法;建立的Detrend-CARS-PLSR模型效果较好,果肉平均硬度校正集和预测集模型相关系数均为0. 868;果肉最大硬度校正集和预测集模型相关系数分别为0. 914、0. 849。建立的贮藏时间PLS-DA判别模型的校正集判别准确率为98%,预测集判别准确率为99%。说明,采用近红外光谱技术对灵武长枣贮藏过程中长枣果肉硬度和贮藏时间的快速预测具有可行性。     

HPLC指纹图谱在附子药材道地性鉴别中的应用研究

[目的]研究附子药材的HPLC指纹图谱,并采用该方法作为区分附子道地和非道地药材的参考,建立附子药材的质量控制方法。[方法]色谱条件为:色谱柱为Waters XB-C18色谱柱(250 mm×4.6 mm,5μm),柱温30℃,流动相为40 mmol/L醋酸铵(氨水调节pH10.0)-乙腈梯度洗脱,流速1.0 ml/min,检测波长为240 nm,分析时间为70 min,进样量20μl。[结果]道地产区6批附子药材样品的化学成分比非道地产区要复杂,共确定出了22个共有峰,相似度较高,均在0.926以上,但从共有峰的峰面积比值来看,不同产地附子所含成分的含量有一定差异;非道地产区6批附子药材样品中存在15个共有峰,药材化学成分比道地产区要简单,相似度相对较差,均小于0.879,说明各非道地产区药材差异明显。[结论]HPLC指纹图谱稳定性和重复性较好,能很好地区分道地和非道地附子药材,为更好地控制附子药材内在质量提供科学依据。     

月季花的二维相关红外光谱研究

利用傅里叶红外光谱(FTIR)技术、化学计量学(主成分分析、聚类分析)结合二维相关红外光谱对不同品种月季花进行鉴别分析。不同品种的月季花瓣的红外光谱整体相似,主要由脂类、苷类及多糖类化合物的振动吸收组成。二阶导数光谱在1 800~700 cm-1区域有较大差异,选取该范围二阶导数光谱用SPSS软件实现主成分分析(PCA)以及系统聚类分析(HCA)。主成分分析中,前3个主成分占总方差的献率为97.40%;系统聚类分析中,每一种月季花各自聚为一类,准确率达到100%。在二维相关光谱中,在1 330~1 700 cm-1和950~1 300 cm-1范围内,不同品种月季花的自动峰、交叉峰的强度和位置具有显著的差异。结果表明,应用傅里叶红外光谱技术、化学计量学及二维相关红外光谱技术可以快速有效的区分不同品种的月季。     

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。     

基于近红外光谱技术与独立分量分析鉴别辉南火山岩大米

以吉林省辉南县148个具有代表性的大米为样品,利用波数为12 000～4 000 cm^-1的傅里叶近红外光谱仪,采用主成分分析(PCA)、聚类分析(HCA)、独立分量分析(ICA)进行原产地保护(PDO)大米产地鉴别。PCA把68个PDO大米成功从148个大米样品中分出,PDO大米有单独的主簇;HCA在PCA基础上对样品聚类,PDO大米和非PDO大米的波段聚类效果正确率达100%。ICA结合近红外光谱,以大米直链淀粉含量值作为产地鉴别的代表值对水稻的内部品质进行定量建模,对5种不同处理光谱模型进行交叉验证。结果表明:经预处理光谱和交叉验证显著提高校准模型的准确性;一阶导数+SG11点平滑预处理模型为最佳模型;PDO大米通过校准模型进行产地鉴别效果达到100%。这说明独立分量分析方法结合近红外光谱可对辉南县PDO大米产地进行鉴定,具有一定的可行性和商用价值。     

基于近红外光谱的烤烟香型分类模型研究

为了快速无损地判别国产烤烟香型，指导卷烟配方原料利用，对1 383份烟叶样品进行近红外光谱采集，基于八大香型区划结果进行香型分类，选用各香型稳定区的样品构建香型分类模型。结果显示，基于近红外原始光谱数据利用随机森林构建的香型分类模型准确率仅为48.64%，光谱数据经过SG滤波一阶或二阶导数和多元散射校正预处理后，模型准确率提高29.54个百分点，然后经因子分析降维处理（45个因子）模型准确率提高到85.91%，最后对模型关键参数进行优化，当评估器数量为500、随机种子为9时，模型准确率最高为90.45%。利用建立的分类模型对预测集进行预测，清甜香型、焦甜焦香型、清甜蜜甜香型和木香蜜甜香型的召回率均达到90.00%以上，召回率最低的为蜜甜香型和焦甜醇甜香型（66.67%）。以上结果表明，利用近红外光谱技术能够有效鉴别烤烟八大香型。     

基于高光谱数据的棉田虫害鉴别研究

【目的】快速、准确、无损伤地鉴别棉花虫害类别,以便针对性制定植保施药方案。【方法】对棉花叶片高光谱数据进行采集和分析。采用波段范围为350～2 500 nm的FieldSpec?3便携式光谱分析仪,分别获取受蚜虫和红蜘蛛危害的棉花叶片以及正常棉花叶片的高光谱数据。采用K-近邻和SVM算法区分受红蜘蛛和蚜虫侵害的叶片以及正常叶片。为进一步优化虫害识别模型、提高识别精度,利用主成分分析方法 (PCA)进行特征降维,并利用网格搜索法进行参数寻优。【结果】使用K-近邻算法和SVM算法构建了虫害识别模型,2种模型的识别率分别为86.08%和89.29%;引入PCA进行特征降维并使用网格搜索进行参数寻优后,可以提高虫害识别率,K-近邻算法和SVM算法的识别精度分别达到88.24%和92.16%。【结论】利用高光谱数据可以区分受蚜虫和红蜘蛛侵害以及正常的棉花叶片;结合PCA降维和网格搜索法,能够提高识别率且不需要获得具体的特征波段;对于受蚜虫和红蜘蛛侵害以及正常的叶片识别,基于径向基核函数的SVM算法优于K-近邻算法。     

机器学习在近红外光谱法判别鲍鱼品种研究中的应用

为解决市场上鲍鱼产品缺乏科学分类方法的问题,利用近红外光谱分析技术结合机器学习方法对鲍鱼快速分类进行研究,使用MicroNIRTM1700便携式近红外光谱仪采集3种鲍鱼,即绿盘鲍(25只)、红壳鲍(31只)、皱纹盘鲍(35只)的光谱数据,采用CART算法建立鲍鱼分类决策树模型,以模型对测试集样本的预测准确率衡量决策树模型优劣,分裂策略为在每个节点处选择Gini不纯度最大的方式进行分裂,通过交叉验证控制决策树深度。结果表明,对训练集180条光谱建立模型,采用5折交叉验证,模型准确率为90.00%,对测试集93条光谱的预测准确率为90.32%。本研究方法可以很好地区分绿盘鲍、红壳鲍和皱纹盘鲍,满足鲍鱼现场快速分类的需求。     

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.     

关于药材地道性与道地性之商榷

在考证药材地道性研究文献的基础上,本着维护原产地药材的地道性,就地道药材和道地药材的概念进行了思考和定义。用"地道"与"道地"来区分原产地药材与非原产地区域引种药材,概念上则更加的清晰,更容易区分原产地药材与非原产地药材,对于维护原产地药材的地道性,具有重要意义。