首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 15 毫秒
1.
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%。  相似文献   

2.
[目的]研究安吉白茶源产地追溯方法,建立高识别率追溯方法。[方法]对266个来自7大源产地产区安吉白茶和118个来自六大茶叶主产区的非安吉白茶进行近红外光谱检测,预处理方法分别采用SNV和MSC,通过LDA模型识别率比较二者优劣,并通过PCA、K-means聚类和HCA聚类等方法进行模型验证。采用SPSS分析聚类结果与样品地理位置的关系。[结果] MSC预处理效果优于SNV,LDA分析模型识别率可达100%。模型验证显示,经MSC预处理后,PCA方法可在前3个PC下清晰聚类,K-means和HCA聚类方法都可将266个产地内和118个产地外样品成功预测出。SPSS聚类分析显示,7个安吉白茶的聚类结果与样品采集地的地理位置远近存在对应关系。[结论]安吉白茶近红外光谱经MSC预处理,LDA建模可作为安吉白茶源产地追溯方法。  相似文献   

3.
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。  相似文献   

4.
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。  相似文献   

5.
近红外光谱法快速鉴别真伪平谷大久保桃   总被引:2,自引:0,他引:2  
[目的]实现对真伪平谷大桃的快速鉴别。[方法]选用65个当地果园的平谷大久保桃和115个其他产地大久保桃进行试验,使用傅立叶近红外光谱仪对样品进行吸收光谱扫描,采用OPUS化学计量学分析软件对样品的光谱进行处理。[结果]通过对光谱全波段的考察,发现在7500-4000cm-1波段范围信息量较丰富,区别较大,选取此光谱区域进行后续处理。经一阶导数+矢量归一化预处理,利用因子化法、合格性测试和主成分分析法(PCA)建立平谷大久保桃的鉴别模型,结果表明所建立的3种模型都能准确鉴别真伪平谷大久保桃,鉴别正确率高于95%。[结论]采用近红外光谱结合模式识别技术可快速、准确地鉴别平谷大久保桃的真伪。  相似文献   

6.
为实现淡水鱼品种的快速鉴别,采用近红外光谱分析技术建立7种淡水鱼鲜肉的快速鉴别模型。试验采集了鲢、草鱼、乌鳢、鲫、鲤、青鱼、鳙7种淡水鱼共772个鲜鱼肉样品的近红外光谱数据,分别考察标准正态变换(standard normalized variate,SNV)、多元散射校正(multiplicative signal correction,MSC)的预处理方法及核主成分分析(kernel principal component analysis,KPCA)和主成分分析(principal component analysis,PCA)的特征提取方法对支持向量机(support vector machine,SVM)判别模型的影响。结果显示,经SNV预处理和KPCA提取特征变量后,对未知样品的整体正确判别率达到92.68%。因此,采用近红外光谱技术结合化学计量学方法所建SVM模型可以实现淡水鱼品种的快速鉴别。  相似文献   

7.
采用独立分量分析(ICA)方法,对玉米样品的近红外光谱进行分解,得到统计上独立的各成分光谱;然后用多元回归方法建立基于ICA成分的玉米粗蛋白质、粗淀粉和粗脂肪含量的定量分析模型,3种成分建模集和预测集的化学值和近红外预测值之间的相关系数都较高,且平均相对误差都较低。结果表明,ICA方法建立的玉米样品3个主要成分的近红外模型预测准确度都较高,可应用于玉米育种中大批样品的快速品质分析。  相似文献   

8.
采用偏最小二乘法(PLS)建立了近红外光谱定量检测模型,以定量分析油茶籽油中掺入的棕榈油成分.通过交互验证和外部检验,考察所建模型的可靠性.结果显示:样品不需要任何光谱预处理,直接进行10 000~4 000 cm-1范围内的近红外透反射光谱扫描;建立的PLS模型相关系数为0.999 9,训练集的交叉验证均方根误差(R...  相似文献   

9.
结合可见/近红外光谱技术和化学计量学方法,建立一种液态纯牛奶品牌鉴别模型。利用近红外分析仪InfraXactTM获得3种品牌共90个样本的漫反射光谱,对570-1 850 nm的光谱进行光谱散射和数学预处理,而后进行PCA聚类分析,剔除奇异样本;最后对3种品牌赋值,以主成分回归(PCR)和改良偏最小二乘法(MPLS)的全局(Global)定标方法建立鉴别模型,并进行内部交叉检验和外部检验。实验结果表明,MPLS鉴别模型内部交叉检验相关系数(1-VR)和交叉检验标准误差(SECV)分别为0.961、0.326,外部检验相关系数(RSQ)、预测标准差(SEP)、检验偏差(Bias)分别为0.939、0.506、0.198,模型鉴别结果具有较高的精确度。  相似文献   

10.
【目的】建立基于近红外光谱的转基因菜籽油定性鉴别模型,研究小波去噪对光谱的预处理对鉴别准确率的影响。【方法】利用前期已收集的鲁花、金龙鱼等6种品牌的瓶装或桶装的菜籽油共计117份样品,其中转基因菜籽油样品53份、非转基因菜籽油样品64份,采用德国BRUKER公司的MATRIX-F型傅里叶近红外光谱仪对这些样品进行全谱段的光谱采集;利用小波分析对菜籽油光谱数据进行预处理,选用db3小波对光谱进行软阈值去噪;在菜籽油样品近红外光谱数据的基础上,采用判别偏最小二乘法(DPLS)建立转基因菜籽油定性鉴别模型。【结果】对比小波去噪预处理前后转基因菜籽油鉴别的准确率,DPLS鉴别模型的准确率从96.43%提升到了100%。【结论】小波去噪预处理可以有效地提高近红外光谱转基因菜籽油鉴别模型的准确率。  相似文献   

11.
基于红外光谱概率神经网络的诃子产地鉴别   总被引:1,自引:0,他引:1  
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.  相似文献   

12.
应用近红外光谱技术,结合主成分分析(PCA)和偏最小二乘判别分析(PLS-DA)方法,建立了西双版纳、普洱和昆明三地普洱茶生熟茶鉴别和产地溯源模型.结果表明:由于生熟茶生产工艺差别较大,其在近红外谱图的10000—9000 cm-1波数的差异较明显,PCA对生熟茶的识别正确率为90.91%,PLS-DA最优模型的识别正...  相似文献   

13.
为了探索一种快速测定完整藜麦(Chenopodium quinoa Willd)子粒脂肪含量的方法,采集100个藜麦样品的近红外光谱,运用近红外光谱法建立数学模型并进行预测。结果表明,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脂肪近红外光谱定量模型,校正和预测效果最佳,所得的粗脂肪近红外定量模型的交叉验证决定系数(R2cv)为0.939 3,外部验证决定系数(R2val)为0.9235。建立的脂肪近红外光谱模型,可以用于藜麦脂肪含量的快速检测。  相似文献   

14.
为研究一种简便的藜麦粗淀粉含量测定方法,在10 000~4 000 cm-1波数范围内,采集100个藜麦样品的近红外光谱,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淀粉近红外定量模型。结果表明,该模型校正和预测效果最佳,所得粗淀粉近红外定量模型的交叉验证决定系数(r_(cv)~2)为0.914 7,外部验证决定系数(r_(val)~2)为0.903 1。由结果可知,基于近红外光谱(NIR)法测定藜麦完整籽粒的淀粉含量是完全可行的。  相似文献   

15.
[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 000cm-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(R2cv)为0.884 8,外部验证决定系数(R2val)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.  相似文献   

16.
为快速准确地对烤烟样品进行产地判别,用近红外光谱对湖南、福建、广东、云南和贵州5个省2015年的459个样品进行扫描,经光谱预处理后,用主成分分析法对烤烟产地进行分析并建立BP人工神经网络模型。结果表明:该模型对未知的92个样品的预测准确率达98.91%。  相似文献   

17.
[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 000cm~(-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(R~2cv)为0.884 8,外部验证决定系数(R~2val)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。  相似文献   

18.
【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。  相似文献   

19.
为快速、准确、无损鉴别恩施玉露茶的保存年份,扫描在良好条件下连续保存5a(2010-2014年)的100个恩施玉露茶,获得其近红外光谱,对光谱进行预处理,然后结合主成分分析法(PCA)和最小二乘支持向量机法(LS-SVM)建立绿茶保存年份的近红外光谱预测模型。结果表明,前3个主成分的累计贡献率为99.99%,验证集模型的决定系数(R2)为0.971 7,验证均方差(RMSEP)为0.255 0。初步实现了市售绿茶保存年份的快速鉴别,该方法也为其他茶类保存年份的判别提供参考。  相似文献   

20.
基于近红外光谱法快速检测藜麦纤维含量   总被引:1,自引:0,他引:1  
[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。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号