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%。

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。

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。

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。

甲基苯丙胺、氯胺酮、海洛因、可卡因红外光谱快速定性分析方法研究

建立了可用于甲基苯丙胺、氯胺酮、海洛因、可卡因快速定性鉴定分析的衰减全反射-傅里叶变换红外光谱(ATR-FTIR)方法,采用特征吸收峰作为定性判别依据。长期以来,由于缺乏合适的定性判别依据,红外光谱法仅被用于毒品的快速定性筛查分析。为扩大红外光谱法在禁毒领域的应用,收集并分析了1380份各类缴获毒品样品,对特征吸收峰法和簇类独立软模式法(SIMCA)两种定性判别方法进行了考察和比较。在标准品化合物红外光谱图的2500~650cm^-1范围内挑选5~8个相对吸收强度较高且不受常见掺杂物干扰的吸收峰作为特征吸收峰。采用特征吸收峰法(全部特征吸收峰均检出)作为定性分析依据时,646份验证样品的阳性检出率为98.1%。采用516份建模样品建立了不同盐型毒品的SIMCA定性判别模型,并对646份验证样品进行了定性分类,总识别率为95.4%,拒绝率为100%。结果表明,特征吸收峰法和SIMCA法均具有专属性强、定性结果准确可靠的特点;但特征吸收峰法操作简单,即使是没有红外光谱知识背景的一线民警在经过简单培训后也可掌握,利于推广和普及;而SIMCA模型的建立需要大量有代表性的建模样品和专业的数理统计软件,推广和普及难度较大。基于特征吸收峰的ATR-FTIR法将极大提高我国毒品样品定性检验的鉴定效率、降低检验鉴定成本。

蔷薇科植物的红外光谱分类研究

不同蔷薇科植物种类资源信息的收集与明确其科、属间亲缘关系对蔷薇科植物资源的开发利用有重要意义。以不同种类蔷薇科植物的叶片、花瓣及雄蕊为材料,用傅里叶变换红外(FTIR)光谱结合主成分分析(PCA)、系统聚类分析(HCA)、簇类独立软模式法(SIMCA)判别模型对蔷薇科植物进行研究。结果表明,蔷薇科叶片、花瓣及雄蕊中均含有多糖、蛋白质、脂类、草酸钙、木质素等成分,花瓣和雄蕊中还含有酚类物质。不同种类叶片之间的FTIR光谱吸收特征相似,但在1660~1000 cm^(-1)范围内吸收峰强度存在明显差异,利用此范围进行PCA,前两个主成分可获得97%以上的累计方差贡献率,用HCA可将11种植物在亚科级别正确分类。结合SIMCA判别模型,对不同叶片、花瓣及雄蕊的蔷薇科植物进行分类,用全谱4000~400 cm^(-1)范围数据,正确分类率可达96.08%;用1800~800 cm^(-1)范围数据,正确分类率可达100%。研究表明,FTIR光谱结合统计分析方法及判别模型,可以将不同种类蔷薇科植物在亚科、属级别上正确分类。

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。

化学模式识别方法在中药质量控制研究中的应用进展

化学计量学是以计算机和近代计算技术为基础的一门新兴交叉学科,在中药鉴别、定性表征、质量控制、组效关系等研究中均具有广泛应用,尤其在中药的质量控制与评价研究中具有重要意义。综述近年来化学计量学中化学模式识别方法,包括2种无监督模式识别方法(聚类分析、主成分分析)和4种有监督模式识别方法(簇类独立软模式法、偏最小二乘法判别分析、支持向量机、人工神经网络),并从产地、基原、炮制、真伪等多个方面总结了化学模式识别方法在中药质量控制研究中的应用。

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.

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。

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%。

基于近红外光谱的鸡蛋产地溯源

为了快速、准确、无损地追溯鸡蛋的不同产地,借助于近红外光谱技术,采用主成分析结合PLS-DA判别模型和簇类独立软模式法(SIMCA)建立了鸡蛋的溯源模型。利用标准正态变量(standard normal variate,SNV)、Savitzky-Golay平滑滤波(SG)和多元散射校正(multiplicative scatter correction,MSC)等方法对原始光谱数据进行了预处理,结果表明SG(3点)平滑处理结果最好;利用主成分分析方法对不同地区的鸡蛋进行聚类分析,发现当主成分数为3时,建立的SIMCA溯源效果最好。结果表明,在显著水平0.05时,4个地区(朔州、吕梁、太谷、运城)验证集的识别率均为100%,其中吕梁和运城地区的拒绝率为100%,朔州和太谷地区的拒绝率为98.6%。说明SIMCA模式建立的模型基本能够判别鸡蛋产地。

基于高光谱技术的籼稻霉变程度鉴别模型构建与优化

为解决快速无损鉴别籼稻霉变程度问题,利用高光谱技术采集200份霉变样本可见/近红外光谱信息,随机选取155份样本作为校正集,剩余45份作为验证集,根据预测浓度残差检验标准对校正集中异常样本进行剔除。以新校正集建立主成分线性判别分析(PCA-LDA)和簇类独立软模式法(SIMCA)模型,选用正确识别率为指标,优选最佳鉴别模型。并采用连续投影算法(SPA)提取特征波长,优化优选的最佳模型构建速度。研究结果表明,PCA-LDA对所有样本的误判总数为15,正确识别率为92.50%;SIMCA和SPASIMCA对所有样本的未能正确识别总数分别为6、2,正确识别率分别为97.00%、99.00%,并且经SPA筛选的变量数为20,仅占原始变量数的7.81%,建模时长缩短为原始变量的40.93%。因此,SPA-SIMCA鉴别效果最好,该方法在快速、准确鉴别籼稻霉变程度上具有可行性。

智舌快速检测水产品中的麦氏弧菌

探索仿生传感器——智舌在麦氏弧菌快速检测中的可行性,以期构建一种新型的水产品中致病性弧菌的快速检测技术。用智舌结合主成分分析法对11种致病性弧菌的液体培养物进行区分,以确定该法能否将11种致病性弧菌区分开及其所需的最短培养时间,并确定针对被测物的适宜电极和频率段组合;然后用智舌结合簇类独立软模式识别法构建麦氏弧菌的判别模型,并对判别模型进行回判及验证,根据判别准确率确定最佳判别模型,从而探索智舌结合簇类独立软模式识别法能否用来建立快速检测麦氏弧菌的数据库。结果显示:当弧菌在其特异性培养基中培养7h后,智舌能很好地将11种致病性弧菌区分开;6种电极与其频率段组合下的判别模型对所有样本的判别准确率均达到了100%。说明所建模型可用于麦氏弧菌的快速筛检。

利用中红外光谱法快速鉴别脱脂核桃粉掺杂

探究中红外光谱法鉴别核桃粉中掺杂花生粉和葵花籽粉的可行性,为核桃粉真伪判别提供参考依据。以脱脂核桃粉为研究对象,分别掺入质量分数1%~40%(1%, 5%, 10%, 20%, 40%)的脱脂花生粉、脱脂葵花籽粉,使用主成分分析法(PCA)对采集的中红外光谱数据进行定性分析和异常值检测,采用簇类独立软模式法(SIMCA)和偏最小二乘判别分析法(PLS-DA)对光谱进行建模与分类鉴别。PCA结果表明,脱脂核桃粉的不同掺杂及其不同掺杂质量比之间的分类明显。利用PLS-DA模型对掺杂葵花籽粉和掺杂花生粉的训练集和测试集识别正确率在71%~87%。利用SIMCA建立的不同掺杂样品识别模型训练集识别率均为100%,测试集识别率为80%~100%。经比较,SIMCA模型效果最佳。中红外光谱结合SIMCA法可以实现对核桃粉中掺杂不同比例的脱脂花生粉和脱脂葵花籽粉的快速鉴别。