矿物元素结合簇类独立软模式法对冬枣产地判别模型的优化

为了提高冬枣产地鉴别方法的准确性,测定了69个冬枣样本中10种元素的含量,并对数据进行了差异性分析、主成分分析和簇类独立软模式分析(SIMCA).结果表明,冬枣中Mg、B、Mn、Fe、Zn等元素在不同产地间存在显著差异,利用主成分分析可以看出不同产地样本有较好的聚类趋势.在前4个主成分中,Fe、B、Mn、Zn和K元素的载荷值较高,是重要的产地识别元素.利用SIMCA建立的产地判别模型,置信水平为5%时对验证集样本判别结果最好,识别率为100%,拒绝率为78.95%.研究结果证实了农产品中多元素分析结合SICMA法可以有效用于原产地的鉴别.

广域照射拉曼光谱技术结合簇类独立软模式法快速鉴别原料肉及掺假肉

应用广域照射(wide area illumination,WAI)拉曼光谱技术与簇类独立软模式(soft independent modeling of class analogy,SIMCA)法,结合多元散射校正(multiplicative scatter correction,MSC)和光谱仪降噪和波长标定(spectrometer noise reduction and wavelength calibration,SNRWC)降噪技术,建立鸭、羊、猪3种原料肉及掺假羊肉的定性识别模型。结果表明:经MSC与SNRWC处理后,鸭、羊、猪3种原料肉之间及羊肉、掺假羊肉之间的主成分分析结果具有明显的聚类趋势,在此基础上建立SIMCA定性分类模型,对不同产地的37个原料肉样品种属进行定性鉴别,识别正确率达100%;对4个掺假羊肉和5个未掺假羊肉样品识别正确率也为100%。因此,拉曼光谱分析技术结合有效的数据前处理方法及化学计量学方法可对鸭、羊、猪原料肉种属及掺假羊肉进行鉴别。与常规方法相比,该检测过程快速、方便,并且无需样品前处理。

拉曼光谱技术结合簇类独立软模式法快速鉴别进口鳕鱼真伪

利用拉曼光谱技术结合簇类独立软模式方法建立快速鉴别进口鳕鱼真伪检测方法,为口岸监测开发了一种快速、简便、智能的鉴别技术。结合多元散射校正降噪技术,建立起6种鱼的定性识别模型。结果表明:大西洋鳕鱼样品与其他5种鱼类样品的主要成分分析结果具有明显的聚类趋势,在此基础上建立SIMCA定性分类模型,大西洋鳕鱼样品内部验证正确率为100%,外部验证正确率亦为100%。因此拉曼光谱分析技术结合数据处理方法及化学计量学方法可对进口鳕鱼进行真伪鉴别。

红外、近红外光谱-簇类的独立软模式方法识别植物调和油脂

用IR,NIR光谱法结合簇类的独立软模式(SIMCA)识别方法对植物油脂进行分类识别,建立了识别二元、三元植物调和油脂的测定方法。应用NIRCal5.2软件的SIMCA技术,分别为所制备的植物调和油脂建立了IR和NIR识别模型,并讨论了光谱处理和数据处理方法来提高模型的分类识别效果。分别以各种植物调和油脂的IR和NIR光谱为变量,随机抽取2/3的样本作训练集,建立了各个调和油的主成分分析(Princi-pal component analysis,PCA)模型;1/3作验证集,对所建模型进行验证识别。用聚类分析-主成分分析(CLU-PCA)方法考察调和油的IR,NIR光谱信息与其纯油的主成分分布。结果显示,在4000～10000cm-1光谱范围内,SIMCA可以对15种二元调和油和2种三元调和油的NIR光谱分别聚类并识别;并对10种二元调和油和2种三元调和油的IR光谱分别聚类并识别。IR以4个波数1099,1119,1746与2855cm-1的吸收值作为分析基础,选择不同的主成分数及数据预处理方法。各种油脂的SIMCA分析的分类精度均为100%,调和油的验证识别准确率100%,最低识别比例为1%,且IR识别灵敏度高于NIR。

智舌快速检测副溶血弧菌簇类独立软模式识别的建立

【目的】为探索一种新型食品致病菌的快速检测方法。【方法】用基于多频大幅脉冲伏安法为基元模式的智舌,结合簇类的独立软模式识别方法,检测样本培养物的综合信息并进行类别分析,建立智舌结合主成分分析的副溶血弧菌簇类独立软模式的判别模型。【结果】经过对6个工作电极3个频率段检测分析模型的比较,得到最佳电极及频率段组合:钯电极1 Hz、钨电极100 Hz和银电极100 Hz。用这3个模型判别10种致病性弧菌,得到钯电极1 Hz频率段的模型判别海鱼弧菌、梅氏弧菌、溶澡弧菌、辛辛那提弧菌、麦氏弧菌和O型霍乱弧菌的检验集,钨电极100 Hz频率段的模型判别拟态弧菌和创伤弧菌检验集,银电极100 Hz频率段的模型判别鲨鱼弧菌和非O型霍乱弧菌检验集的判别准确率都达100%。【结论】智舌结合簇类的独立软模式识别方法能够有效的判别副溶血弧菌和其他致病性弧菌,有望成为一种新的快速检测副溶血弧菌的新检测方法。

木材种类的近红外光谱和模式识别

木材的种类识别是木材加工和贸易的一个重要环节,传统的木材种类识别方法主要有显微检测法和木材纹理识别法,其操作繁琐,耗时长,成本高,不能满足当前需求。本研究利用木材的近红外光谱(NIRS)结合模式识别方法,以期实现木材种类的快速准确识别。采用近红外光谱结合主成分分析法(PCA)、偏最小二乘判别分析法(PLSDA)和簇类独立软模式法(SIMCA)三种模式识别对58种木材进行种类鉴别研究; 5点平滑、标准正态变量变换(SNV)、多元散射校正(MSC)、 Savitzky-Golay一阶导数(SG 1^(st)-Der)和小波导数(WD)五种光谱预处理方法用于木材光谱的预处理;校正集和测试集样品的正确识别率(CRR)用于模型的评价。采用PCA方法,通过样品的前三个主成分空间分布图分辨木材种类的聚类情况。在建立PLSDA模型,原始光谱的正确识别率最高,分别为88.2%和88.2%; 5点平滑处理的光谱校正集和测试集的CRR分别为88.1%和88.2%; SNV处理的光谱校正集和测试集的CRR分别为84.4%和84.5%; MSC处理的光谱校正集和测试集的CRR分别为83.1%和84.2%; SG 1^(st)-Der处理的光谱校正集和测试集的CRR分别为81.8%和82.7%; WD(小波基为"Haar",分解尺度为80)处理的光谱校正集和测试集的CRR分别为87.3%和87.2%。可知,在PLSDA模型中,木材光谱未经预处理种类识别效果最后好。在建立SIMCA模型过程中,原始光谱的校正集和测试集的CRR分别为99.7%和99.4%; 5点平滑处理的光谱校正集和测试集的CRR分别为100%和100%; SNV处理的光谱校正集和测试集的CRR分别为99.5%和99.1%; MSC处理的光谱校正集和测试集的CRR分别为99.0%和98.4%; SG 1^(st)-Der的光谱校正集和测试集的CRR分别为81.8%和82.7%; WD处理的光谱校正集和测试集的CRR分别为100%和100%。可知,在SIMCA模型中,木材光谱经平滑和小波导数处理后的识别效果最好,且光谱的校正集和测试集CRR都为100%。采用三种模式结合五种不同的预处理方法对木材近红外光谱进行定性建模识别时,由于木材样本属性复杂,主成分分布图相互交织, PCA无法识别出58种木材;原始光谱的PLSDA模型可以得到较好的判别模型,但校正集和测试集的CRR只有88.2%和88.2%;木材光谱经过5点平滑或WD预处理后的SIMCA模型可达到最好的识别效果,校正集和测试集的CRR均为100%,且WD-SIMCA模型因子数比5点平滑SIMCA模型小,模型更为简化,故WD-SIMCA为58种木材种类识别的最优模型。研究表明光谱预处理方法可以有效的提高木材种类识别精度,有监督模式识别方法SIMCA可以用来建立有效的木材识别模型,近红外光谱结合模式识别可以为木材种类的识别提供一种快速简便的分析方法。

基于偏最小二乘回归的类模型方法用于中药牛黄的真伪鉴别

针对独立软模式类簇法(SIMCA)在确定主成分数和决策区间时遇到的困难,提出了一种基于PLSR的类模型方法——PLS类模型方法(PLSCM)。通过把类描述问题转化为常见的PLSR问题,采用成熟的蒙特卡罗交互验证法确定模型的隐变量数和决策区间。采用本方法对不同牛黄样品的近红外光谱数据(波长范围4000～9000 cm-1)进行分析,可成功鉴别牛黄的真伪。本方法的可操作性和鉴别准确率均优于经典的SIMCA方法。对于原始光谱数据,PLSCM的训练和预测准确率均为100%,对于经SNV处理的数据,训练和预测准确率分别为99%和100%。

FTIR结合DD-SIMCA和二维相关光谱的核桃产地判别分析

【目的】建立一种基于傅里叶变换红外光谱(FTIR)的简便、快速的核桃产地鉴别方法。【方法】使用KBr压片法采集4类不同产地(新疆、贵州、四川、云南)的核桃仁(n=120)和核桃壳(n=80)的中红外(4000~400 cm^(-1))光谱信息,经S.G.平滑+MSC方法预处理后,进行化学计量学建模和2DCoS分析。【结果】各产地核桃仁中红外光谱的主要吸收峰在表征蛋白质的1649 cm^(-1)和1539 cm^(-1)处存在显著差异(VIP>1.0)。SVM比PLS-DA模型取得了更好的识别效果,其对核桃壳和核桃仁样本的最佳产地判别正确率分别为100%和97%。DD-SIMCA法对核桃仁样本的判别灵敏度和特异性均达到100%,高于SIMCA的87%分类正确率。各产地核桃仁样本的二维同步谱图存在差异,表明该法可以用于核桃产地的分类判别。【结论】FTIR光谱结合DD-SIMCA化学计量学方法或2DCoS分析技术可以实现对核桃产地的高效识别。

近红外光谱结合SIMCA法溯源羊肉产地的初步研究

产地溯源是食品安全追溯制度的重要组成部分。该文采用近红外光谱结合簇类独立软模式法(SIMCA)建立了羊肉产地溯源模型。结果表明,在11995～3999cm-1波长范围内,光谱经5点平滑(Smooth)与多元散射校正(MSC)预处理,山东济宁市、河北大厂县、内蒙临河市、宁夏银川市4个产地模型的主成分数分别为5、6、5、6时,采用SIMCA模式识别方法可以建立稳健的羊肉产地溯源模型;在1%的显著水平下,4个产地校正集模型对未知样本的识别率分别为95%、100%、100%、100%,拒绝率均为100%;其验证集模型的识别率分别为100%、83%、100%、92%,拒绝率均为100%。该研究表明,近红外光谱技术作为一种羊肉产地的溯源方法切实可行。

基于近红外光谱和化学计量学的驴肉鉴别方法研究

驴肉具有极高的食用价值,资源的缺乏使其价格持续走高,由此引发的欺骗和掺假亟待解决。选取了不同部位(脖子、肋板、后墩和腱子)的驴肉样品(n=167)及牛肉(n=47)、猪肉(n=51)和羊肉(n=32)样品在4 000~12 500cm-1光谱范围上建立了驴肉的近红外光谱鉴别模型。比较了马氏距离判别分析、簇类独立软模式分类法、最小二乘-支持向量机方法分别结合平滑(5点、15点及25点)、一阶和二阶微分、多元散射校正和标准归一化的光谱预处理方法对肉块样品及大中小三个不同粉碎粒径(7,5,3mm)肉糜样品的分类模型结果发现,原始光谱前11个主成分得分作为输入的马氏距离判别及前6个主成分作为输入的最小二乘-支持向量机肉块样品分类模型较优,校正集和预测集正确率分别为100%和98.96%;原始光谱前5个主成分作为输入的LS-SVM大粒径肉糜样品分类模型结果较优,校正集和预测集判别正确率为100%和97.53%;原始光谱前8个主成分得分作为输入的簇类独立软模式分类法中粒径肉糜样品分类模型结果较优,校正集和预测集的判别正确率均为100%;而对于小粒径肉糜样品,原始光谱前7主成分输入的马氏距离判别和前9主成分输入的簇类独立软模式分类法模型均得到了校正集和预测集100%的判别正确率。以上模型中的驴肉样品均得到了100%的判别正确率。研究结果表明,使用近红外光谱分析技术结合化学计量学方法鉴别驴肉是可行的。

基于近红外光谱的脐橙产地溯源研究

为研究近红外光谱分析技术鉴别脐橙产地的可行性,该文采用江西、重庆和湖南3个产地脐橙样品1140～1170nm波段的近红外光谱经一阶导数(9点平滑)预处理,分别建立了簇类独立软模式法脐橙产地鉴别模型。在5%显著水平下,模型对3个产地训练集样品的识别率均为100%,拒绝率分别为85.7%、83.3%、100%;对验证集样品的识别率均为100%,拒绝率分别为100%、89.5%、100%,表明簇类独立软模式法模型基本能够判别脐橙产地。将江西、重庆和湖南3个产地的脐橙样品分别赋值0、1、?1,在全波段范围内建立原始光谱脐橙产地的偏最小二乘判别模型,其预测值与真实值的决定系数为0.973,校正标准差为0.110,预测标准差为0.159,模型对训练集和验证集样品的识别率达到100%。因此,应用近红外光谱分析技术可准确、快速地追溯脐橙产地来源。

基于近红外光谱技术的沙棘籽油鉴伪方法研究

针对市场上沙棘籽油质量参差不齐的情况,结合近红外光谱技术研究沙棘籽油快速鉴伪的方法.采用234份沙棘籽油、其他植物油、掺假沙棘籽油的近红外透反射光谱,结合簇类独立软模式法（SIMCA）、偏最小二乘判别法（PLS-DA）、支持向量机法（SVM）3种化学计量学方法,在4000～6000 cm-1波段范围内分别建立这3类油的判别模型,并用117份独立样品对模型进行验证.结果表明：3种建模方法均得到了满意的结果,其中SVM在训练和验证过程中均得到100％的正确率,判别效果最好;近红外光谱技术应用于识别纯沙棘籽油和区分沙棘籽油掺假类别具有实用性,近红外光谱技术应用于沙棘籽油鉴伪是可行的.

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。

原位实时近红外光谱研究核壳乳液聚合过程

将苯乙烯(St)和丙烯酸丁酯(BA)单体以不同的聚合方式制备核壳乳液和共聚乳液,并采用近红外光谱技术实现了对乳液反应过程的原位实时监测,通过对近红外光谱的谱带归属和主成分分析,为近红外光谱技术判别乳液聚合过程提供了科学依据,也为判断反向核壳乳液核壳翻转的拐点提出了一种新的方法.采用簇类独立软模式法(SIMCA)建立了定性判别模型,得到了很好的判别结果,为进一步研究近红外光谱技术用于核壳乳液聚合过程奠定了基础.

近红外光谱鉴别滇南小耳猪和DLY商品猪

应用近红外漫反射光谱技术（near infrared reflectance spectroscopy,NIRS）,对滇南小耳猪和DLY商品猪的整块、匀质肉糜、烘干粉、冻干粉的光谱建模分析,进行品种鉴别,并筛选出最优的光谱建模方法。采集4 300~11 000 cm-1范围内53头滇南小耳猪、58头DLY商品猪背最长肌整块、匀质肉糜、烘干粉、冻干粉光谱数据。分别采用原始光谱、一阶导数、二阶导数、变量标准化、多元散射校正等方法进行光谱预处理,应用簇类独立软模式方法建立品种鉴别模型。其中80个样品作为校正集,余下31个样品作为验证集。结果表明：DLY商品猪和滇南小耳猪整块肉光谱模型对验证集DLY商品猪识别率为100%,拒绝率为0%,对验证集滇南小耳猪识别率为100%,拒绝率50%,效果不理想;匀质肉糜光谱模型对验证集DLY商品猪识别率为100%,拒绝率为0%,对验证集滇南小耳猪识别率为100%,拒绝率0%,效果不理想;烘干粉、冻干粉的近红外光谱模型鉴别效果较好,验证集的识别率和拒绝率均为100%。综上,近红外光谱分析方法可用于鉴别DLY商品猪和滇南小耳猪两个品种。

基于电子舌的料酒味觉特征辨识与定量分析

为探明电子舌对调味料酒生产工艺的判别能力和理化指标的预测能力,本研究采用电子舌和理化检测手段,结合不同统计方法,对54份料酒样品分别建立定性和定量分析模型。结果表明,应用主成分分析(PCA)可以区分不同生产工艺的料酒样品,第一主成分为鲜味,贡献率62.4%,第二主成分为酸味,贡献率33.2%;应用簇类独立软模式法(SIMCA)可以准确判别酿造料酒和配制料酒,各传感器区分能力(DP)>5,识别率达到100%;应用偏最小二乘法(PLS)将传感器信号与行标方法检测结果进行拟合,总酸、氨基酸态氮和食盐的验证集标准偏差与预测标准偏差的比值(RPD)分别为12.1、6.5和14.1,建立的模型效果良好,可进行准确的定标和预测;酒精度RPD值为2.7,也可进行定量分析,但模型稳定性较弱。本研究结果为应用电子舌对调味料酒进行品质区分和检测提供了理论和实践基础。

近红外光谱结合SIMCA对不同产地枸杞溯源模型的优化

采用近红外光谱结合簇类独立软模式法(SIMCA)建立枸杞溯源模型,比较不同光谱预处理方法建立的溯源模型的优劣。结果表明,在950～1650nm波长范围内,原始光谱经二阶导数、五点平滑以及矢量归一化处理后,在波长1135、1175、1235、1335、1395、1535nm处,均有明显的特征吸收峰;新疆、中宁、甘肃、青海、南梁、惠农、固原和内蒙的8个产地模型的主成分数分别为3时,采用SIMCA法建立的枸杞溯源模型最好;在10%显著水平下,建立的8个产地模型中,固原模型最好,惠农模型最差。

近红外光谱法判别鲍鱼品种的研究

利用近红外光谱分析技术结合化学计量学方法对三种鲍鱼快速分类方法进行研究,为鲍鱼分类提供一种新的方法和手段。使用JDSU便携式红外光谱仪采集产地为莆田的91只,18月龄的绿盘鲍、皱纹盘鲍和红壳鲍三种鲍鱼的光谱数据。分别采用簇类独立软模式法(SIMCA)和偏最小二乘判别分析法(PLSDA)建立三种鲍鱼的快速分类模型。结果表明,一阶导数处理后SIMCA模型达到最优;先平滑后二阶导数或者单独使用均值中心化处理能使PLS-DA模型达到最优,其中PLS-DA模型效果更好,训练集和检验集的分类识别正确率分别为100%和97%,能满足鲍鱼现场快速分类的要求。

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%。

不同产地山药的近红外鉴别和差异分析

为快速分类鉴别不同产地山药,该研究采用近红外光谱(near infrared spectroscopy,NIRS)技术结合聚类分析法和簇类独立软模式法(soft independent modeling of class analogy,SIMCA)对山东、河北、湖北、河南、江西的山药进行产地鉴别和差异分析,并且比对不同产地山药中K、Ca、Mg元素的含量。结果表明,原始谱图经过一阶导数处理后所建立的模型对山药地区聚类判别和SIMCA判别的准确率均为100%,利用近红外光谱技术可以实现山药产地的快速鉴别。不同产地山药中K、Ca、Mg元素的测定结果显示,K元素含量为1872.59μg/g~3703.28μg/g,Ca元素含量为209.89μg/g~334.88μg/g,Mg元素含量为215.80μg/g~343.22μg/g,加标回收率为96.26%~98.89%,相对标准偏差为1.35%~1.98%。