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.     

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.     

基于气质的主成分支持向量基对新疆薰衣草精油判别分析

[目的]快速鉴别不同品种的薰衣草精油,为精油品质控制提供可靠的科学方法依据.[方法]通过气相色谱质谱(GC-MS)测定三个品种共66个薰衣草精油样品,应用峰面积归一法确定各成分的相对含量.对构建的特征信息数据进行主成分分析(PCA),选取7个主成分代替原始数据,再利用支持向量机技术进行分类和预测,对不同品种的薰衣草精油进行鉴别.[结果]通过48个样本建立支持向量机的分类模型,对18个样本进行预测,对训练集样本的训练正确率达到97.92;,对预测集样本的正确识别率达到94.44;.[结论]主成分分析结合支持向量机方法具有很好的分类和鉴别作用,可作为薰衣草精油品种区分的有效方法之一,为薰衣草精油的质量控制提供了一定的科学依据.     

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。     

基于近红外光谱与DPLS的潲水油快速鉴别方法

潲水油回流餐桌等食品安全问题越来越受到社会关注,探寻准确、快速、简便、高效且成本低廉的潲水油鉴别新方法成为食用油安全性能检测的新要求.对收集的82份潲水油和合格食用油样品进行了理化检测,鉴别出潲水油样品37份,合格油样品45份.从82份样品中随机选出24份样品作为第一组,余下58份样品作为第二组,以第一组24份样品作为校正集,建立判别偏最小二乘法(DPLS)模型,鉴别第二组58份样品,总体鉴别正确率为86.21%;再以第二组58份样品作为校正集,建立DPLS模型,鉴别第一组24份样品,总体鉴别正确率为95.83%.研究表明,基于近红外光谱与DPLS的潲水油快速鉴别方法可行,具有较好的鉴别效果.     

基于GC-MS的不同产地铁皮石斛代谢物差异分析

[目的]探究产地环境对铁皮石斛生长及代谢物质的成分表征影响,筛选不同产地的铁皮石斛差异代谢物.[方法]采用气相色谱质谱联用技术(GC-MS)结合主成分分析(PCA)、偏最小二乘判别分析(PLS-DA)等多元统计分析方法对不同产地铁皮石斛样品进行非靶向代谢组学分析.[结果]对不同产地石斛代谢物进行主成分分析可以将栽培品种...     

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。     

基于机器视觉技术的单粒葡萄质量与果径预测分级研究

[目的]采用机器视觉技术,针对新疆无核白和红提单粒葡萄的质量和果径大小进行预测和分级研究.[方法]在不同的颜色特征空间模型,预处理原始图像,采用最大类间方差法分割目标区域;采用数学形态学方法去除二值图像中部分果梗及噪声点,获得最佳二值图像;基于二值图像,分析获取单粒葡萄的几何特征;最后,分别采用一元线性回归法和偏最小二乘回归法预测单粒葡萄的质量和果径,采用二次判别分析法对单粒葡萄的质量和果径进行分级.[结果]利用短轴与果形指数特征相结合建立的偏最小二乘回归模型可有效预测单粒葡萄的质量和果径,预测决定系数达到0.98和0.945;基于该特征组合的二次判别分析法可用于单粒葡萄的质量和果径分级,准确率超过85;.[结论]机器视觉技术能够较准确预测单粒葡萄的质量和果径,并能对质量和果径进行分级.     

利用可见近红外光谱技术快速鉴别大米品种

提出了1种应用近红外光谱技术快速无损鉴别大米品种的新方法。采用近红外光谱仪获取3种大米的光谱吸收特征曲线,运用遗传算法抽取15个特征波长,并对15个特征波长运用偏最小二乘法进行模式特征分析;经过交互验证法判别提取主成分,完成特征提取后,将7种主成分作为神经网络的输入变量,建立了3层误差逆传播(back propagation,BP)神经网络。结果表明,对30个未知样本进行预测,预测相对偏差均5%,预测结果准确率达100%;遗传算法结合偏最小二乘法进行聚类比单独使用偏最小二乘法对大量原始光谱数据进行聚类分析的效果好,BP神经网络预测的精确度也大大提高。该方法能快速无损地检测大米品种,同时为其他有机物品种鉴别提供了新方法。     

红松籽中脂肪的近红外光谱快速检测研究

采用近红外光谱分析方法对红松籽脂肪进行定量分析,建立红松籽脂肪的快速检测方法,利用多种预处理方法优化模型,同时采用间隔偏最小二乘法、反向间隔偏最小二乘法、无信息变量消除法实现特征波段的选取。结果表明,红松籽样本光谱经矢量归一化预处理后建立的模型最佳;波段优选能够提高模型质量,其中反向间隔偏最小二乘法的筛选结果最优,其红松籽脂肪模型校正集相关系数为0.889 2,验证集均方根误差为0.765 1。由此可知,经过优化后,模型的预测性能较好,实现了红松籽脂肪快速、无损检测。