逐步判别分析在烤烟产地鉴定中的应用

以我国主产烟区烤烟主要化学成分为指标,采用逐步判别分析的方法对不同产地的烤烟样品进行判别分析,并建立判别函数。研究结果表明:总植物碱、总糖、淀粉、钾、氯和石油醚提取物6个主要化学成分进入判别函数,并建立判别模型。采用交互验证的方法对判别模型进行回判,对原样品判对率为79.7%,对预测样品判对率为86.7%。基于烤烟主要化学成分的判别分析模型有较高的稳定性,可以用于烤烟产地的鉴定。     

基于近红外光谱技术的卷烟类型识别方法研究

[目的]研究不同风格及产地的卷烟。[方法]样品原始近红外光谱分别经过最小-最大归一化、一阶导数、一阶导数＋矢量归一化、一阶导数＋最小-最大归一化、二阶导数和连续小波变换（CWT）等方法处理后进行了主成分分析（PCA）,建立了以马氏距离为基础的卷烟识别模型。[结果]小波变换模型有更好的样品识别能力,模型校正集样品的识别率为96.9%,检验集样品识别率为100%.分类可视化结果表明样品对本类型卷烟风格特征的表达最突出,国内烤烟型卷烟的国外混合型特征最不明显,国外混合型卷烟的国内烤烟型特征最不明显,国外烤烟型卷烟的国外混合型特征最不明显。[结论]采用近红外光谱技术可对不同风格及产地的卷烟进行正确识别。     

基于LS-SVM的烤烟烟叶产地判别

为了探索一种快速有效的烤烟烟叶产地鉴别方法,利用近红外光谱技术结合最小二乘支持向量机(LS-SVM)对烤烟烟叶的产地进行了判别。选择云南、湖北、河南三地不同等级烤烟烟叶作为研究对象,对原始光谱数据进行平滑和附加散射校正(MSC)预处理后再进行主成分分析,选择4～12个主成分作为输入变量进行LS-SVM建模。结果显示,该LS-SVM模型预测效果较好,预测相关系数rp≥0.990 7,预测标准误差(SEP)和预测均方根误差(RMSEP)分别为1.755 1和1.737 3,优于偏最小二乘回归(PLS)的预测结果,基于LS-SVM的近红外光谱技术能够很好地对烟叶产地进行判别。     

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。     

顶空 - 气相色谱 - 质谱联用法结合化学计量学分析赣州烤烟样品中的挥发性化合物

【目的】挥发性香气成分作为烟气组分的前体物质,影响着烟草感官评吸质量,通过对赣州烤 烟样品中的挥发性化合物含量进行分析,挖掘不同产地烟叶中挥发性化合物的含量规律并进行产地预报分类, 从而实现对烟草的质量控制。【方法】通过静态顶空 - 气相色谱 - 质谱联用测定赣州 6 个产烟区县（石城、 瑞金、安远、会昌、兴国、信丰）共 62 个烤烟样品中的 54 种挥发性化合物含量,采用主成分分析（Principal component analysis, PCA）对样品产地进行分类,用遗传算法（Genetic algorithm, GA）进行变量筛选,用线性判 别分析（Linear discriminant analysis, LDA）、反传 - 人工神经网络（Back propagation-artificial neural network, BPANN）、最小二乘 - 支持向量机（Least squares-support vector machines, LS-SVM）3 种有监督模式识别方法进行 产地预报。【结果】直接对样品进行 PCA,分类效果并不理想;采用 GA 对挥发性化合物含量进行变量筛选后 得到 11 个变量,分类效果得到显著改善,结合分类结果分析了来自不同区县的样品中挥发性化合物的含量规律。 BP-ANN 和 LS-SVM 的预报正确率分别达到 96.8% 和 98.4%,展现了较好的实际使用价值,据此建立了赣州烤 烟样品的产地鉴别模型。【结论】该方法可以较为准确地判定赣州烤烟样品的来源,同时可以找到不同产地烤 烟挥发性化合物的含量规律,亦可用于全国各地烤烟的香型风格监测和质量控制。     

基于致香成分的重庆主要烟草种植区溯源特征研究

【目的】以烤烟中多项致香成分含量为原始数据,采用多元统计分析方法对重庆烟叶产地溯源的可行性进行研究,筛选出判别烤烟产地溯源的有效指标。【方法】利用GC-MS法,检测采自重庆主要烟草种植区(武陵山区、渝中渝西地区、三峡库区和渝东北秦巴山区)4个品种(云烟87、云烟97、K326和贵烟四号)147份烤烟样品中70项致香成分的含量,对试验数据进行方差分析、主成分分析(PCA)、偏最小二乘-判别分析(PLS-DA)、变量重要性因子(VIP)和逐步回归判别分析,逐步筛选出可用于判别烟叶产地溯源的有效指标,建立判别模型,并对模型判别正确率进行检验。【结果】来源于重庆不同地区烟叶样品的致香成分含量具有一定的差异。通过方差分析、PCA、PLSDA、VIP法和逐步回归判别分析,从70项致香成分中筛选出苯乙醇、3-甲基-2-丁烯醛、2-吡啶甲醛、4-吡啶甲醛、糠酸、3-羟基-2-丁酮、面包酮、1-(3-吡啶基)-乙酮、胡薄荷酮、β-紫罗兰酮和亚麻酸甲酯11项,用于有效判别烤烟产地溯源的指标,用11项指标所建立的判别模型对烤烟样品回代检验判别正确率为92.5%,交叉检验判别正确率为90.5%。【结论】将致香成分含量与多元统计分析方法结合可用于烤烟产地溯源。     

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。     

贵州不同产地烟叶中重要挥发性中性致香成分的检测与分析

为研究贵州不同产地烤烟的风格特征特性,采用同时蒸馏萃取-气质联用技术,对贵州省8个不同产地、不同部位具有代表性的烟叶样品进行了检测分析.结果表明:同时蒸馏萃取-气质联用技术检测烟草中挥发性中性致香成分,检测方法稳定可靠,重现性良好.贵州8个不同产地初烤烟叶中的挥发性中性致香成分检测结果显示,不同产地、不同部位烤烟挥发性...     

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%。     

江西烤烟淀粉近红外检测模型的建立

【目的】传统的碘显色法检测淀粉含量需要复杂耗时的前处理和实验准备,近红外检测手段不仅 操作简单、检测快速,且不损耗试剂、样品、标准品,大大降低了检测成本,旨在以江西烤烟样品为依托,建 立一种适用于江西烤烟的淀粉近红外检测模型。【方法】收集了来自江西 21 个区县共 650 个烤烟样品的近红外 光谱和对应的连续流动分析仪检测数据（碘显色法）,将光谱数据和化学分析数据一一对应,使用不同的回归 方法和数据处理方法进行建模,通过比较它们的均方根误差和相关系数确定最佳的模型参数。【结果】建立了 适用于江西烤烟的淀粉含量预报模型,校正均方根误差和预测均方根误差分别达到 0.407、0.490,相关系数为 96.52%,并用外部样品对模型进行了验证,95% 的样品误差在 10% 以内。【结论】该模型可用于快速检测江西 烤烟样品中的淀粉含量,并可在一定程度上取代传统的碘显色测淀粉法,降低了检测成本,提高了分析效率。     

基于近红外光谱的纽荷尔脐橙产地识别研究

【目的】中国柑橘产区分布广、生态类型复杂,不同产地纽荷尔脐橙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的柑橘产地识别技术,利于不同柑橘产地果品的识别和鉴伪。【方法】从中国南方17个纽荷尔脐橙主要产地选择代表性成年果园,分别采摘成熟鲜果样品100个。利用SupNIR-1500近红外分析仪采集脐橙果实赤道部、肩部表面以及果汁滤液的近红外反射光谱,光谱波长范围为1 000-2 499 nm。采用主成分分析法对原始光谱数据进行预处理,提取近红外光谱的特征信息以降低数据集维度以及噪声。研究人工神经网络理论,构建由一个输入层、一个具有非线性激励函数的隐藏层和一个输出层组成的典型的3层人工神经网络识别模型。研究由径向基函数作为核函数、以光谱主成分作为输入的支持向量机模型,构建由126个分类器组成的一对一扩展支持向量机模型。研究遗传算法优异的自然选择特性,利用遗传算法从光谱主成分中选择出最优的特征基因子集作为支持向量机的输入,构建遗传算法-支持向量机模型。利用3种模型分别对果汁滤液的近红外反射光谱数据进行分类,从而实现产地识别测试,并根据产地识别精度筛选出最优的产地识别模型。进一步对比该最优识别模型对果实赤道部、肩部反射光谱数据的识别精度,从而确定识别精度最高的光谱数据采集源。【结果】利用所建立的3层人工神经网络模型对纽荷尔脐橙果汁滤液的近红外光谱进行产地识别测试,确定当输入神经元数量为11、隐藏神经元数量为13时,模型对果实产地识别的最佳精度达81.45%。采用一对一扩展方式建立支持向量机产地识别模型,研究确定采用径向基函数作为核函数,当主成分数量为20时,脐橙产地识别精度最高可达86.98%。测试利用遗传算法-支持向量机混合模型进行脐橙产地分类识别,确定当种群数量为200、遗传代数为100、交叉概率0.7、突变概率0.01时,遗传算法选择出最优的基因子集进行产地识别,遗传算法-支持向量机模型的产地识别精度最高可达89.72%,优于人工神经网络分类模型和支持向量机分类模型的产地识别精度。进一步利用遗传算法-支持向量机产地识别模型对果实赤道部及肩部的果面反射光谱进行产地识别测试,得到对应的最高识别精度分别为80.00%和69.00%。【结论】遗传算法-支持向量机模型对果汁反射近红外光谱进行产地识别精度最高,优于人工神经网络模型和支持向量机模型。该模型对果实赤道部反射光谱进行分类的精度次于果汁滤液反射光谱但优于果实肩部反射光谱,因此,可利用赤道部的反射光谱实现非破坏性果实产地分类识别。     

概率神经网络在烤烟产地分类中的应用

利用基于统计思想和Bayes分类规则的概率神经网络的基本网络模型预测烤烟产地.网络以烤烟的主要化学成分测试数据作为输入,烤烟产地作为输出,对1995年贵州、湖南、山东、河南4省的烤烟进行产地预测.结果表明,概率神经网络能够准确地预测烤烟的产地.     

烤烟化学成分均衡性及差异性评价

为探索烤烟化学成分的均衡性及差异性,检测87个河南烤烟样品的7项化学成分并进行因子分析、方差分析、聚类及对应分析。结果表明,各项化学成分在产地、部位间表现出的差异程度不同,烟碱、总糖、还原糖、总氮、钾、淀粉含量在部位、产地间均呈显著或极显著差异,氯含量在产地间呈极显著差异;基于样品综合因子得分将河南烤烟烟叶聚为3个主组,再按着生部位不同分成8个亚组,烤烟综合化学特性以及烟碱、总氮、总糖、还原糖含量在主组间差异较大;河南烤烟的化学特性受产地因素的影响较大;平顶山地区烤烟的化学特性在3个主组间的分布最均衡,部位与主组间的对应关系最好,各部位烤烟的化学特性均表现出相应部位的典型特征,而其他地区的烤烟不同程度地存在某些部位的化学特性与相应部位典型特征不一致的情况。     

基于近红外光谱技术对绿豆产地溯源的研究

为探索绿豆产地鉴别可行性,实现对来自白城、杜尔伯特、泰来、泗水绿豆原产地的快速鉴别。研究运用近红外光谱技术,并结合PLS-DA法（偏最小二乘判别分析）进行建模,对4个产地的120份绿豆粉末样品进行近红外光谱的扫描,分别采用不同光谱预处理方法[标准正态变换（SNV）、多元散射校正（MSC）、矢量归一化与导数处理等]最终确定矢量归一化+MSC建立的模型最稳定,建模波长为12 000～4 000 cm-1全波长。主成分分析提取3个有效主成分（主成分1贡献率为52.44%,主成分2贡献率为30.16%,主成分3贡献率为9.57%）,其累计贡献率达到92.17%。用预测样本集进行模型的验证,白城、杜尔伯特、泰来、泗水4个产地的预测正确率分别为100%、80%、80%和100%。预测结果达到80%以上,初步认定近红外光谱分析技术可用于绿豆产地溯源研究。     

基于傅里叶变换红外光谱的金银花产地鉴别

基于傅里叶变换红外光谱技术,结合光谱检索的方法进行金银花(Lonicera japonica Thunb.)产地鉴别研究。测试了4个省、6个种植区共130份金银花样本的红外光谱,利用Omnic 8.2软件建立了由各类样品的平均红外光谱、一阶导数平均谱和二阶导数平均谱组成的光谱库。比较了基于不同算法、不同波数范围和不同类型光谱数据建立的模型检索鉴别结果表明,基于1 500~1 200 cm-1波数范围的二阶导数光谱数据的绝对微分差算法检索的鉴别效果相对较好。有119个样品的光谱检索匹配得分最高值对映的光谱为自身所在类别,占样品总数的91.5%。红外光谱结合光谱检索的方法是金银花产地鉴别的一种简便、快捷方法。     

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。     

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。      

近红外光谱对小麦产地来源的判别分析

[目的]对不同产地来源小麦的近红外光谱进行判别分析,为小麦的产地鉴别提供一种新方法.[方法]应用近红外光谱分析仪检测2007/2008年度和2008/2009年度中国小麦主产区河北省、河南省,山东省和陕西省共240份小麦籽粒样品,对近红外光谱数据分别进行均值标准化、一阶求导和多元散射校正(MSC)处理后,利用偏最小二乘判别分析法(DPLS)分析预处理后的数据.[结果]2007/2008年度小麦籽粒样品总体正确判别率为87.5%,2008/2009年度样品总体正确判别率为91.7%;用2007/2008年度样品所建模型来预测2008/2009年度的样品,结果总体正确判别率为48.3%;两年样品混合后,总体正确判别率为82.5%.[结论]不同地域来源小麦的近红外光谱特征有显著差异,但其受品种和年际因素影响较大,判别模型的稳定性有待进一步提高.