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。

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.

基于傅里叶变换红外光谱技术和软独立模式分类法的牛奶分类识别

利用傅里叶变换红外光谱法(FTIR)结合软独立模式分类法(SIMCA)对不同类别的牛奶进行识别。通过对光谱数据基线校正和Savitzky-Golay平滑处理后,在3100～850cm-1光谱区域,利用留一交互验证法建立获得主成分分析(PCA)最优模型。在α=5%显著水平下,最优模型对纯牛奶、低乳糖奶、低脂奶和高蛋白奶的识别率分别为80%、80%、100%和80%,拒绝率分别为93%、100%、100%和93%。表明FTIR结合SIMCA可成为快速识别牛奶类别的有效方法。

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。

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%。

LIF技术与SIMCA算法在煤矿突水水源识别中的研究

煤矿突水水源类型的快速识别对于煤矿水害预警防治意义重大。针对传统水化学方法水源识别耗时较长的问题,提出一种基于激光诱导荧光光谱(LIF)技术与簇类的独立软模式(SIMCA)算法的煤矿突水水源快速识别方法。激光诱导荧光光谱技术具有分析速度快、灵敏度高等特点,在激光器的辅助下,荧光光谱仪实时采集荧光光谱,根据水样的荧光光谱即可进行水源类型识别,在数据库完备的情况下,只需几秒即可进行煤矿水源判断,对于煤矿的水害预警以及灾后救援来说意义重大。实验利用405nm激光器发射激光,打入被测水体,得到五种常见突水水样的共100组荧光光谱,对各水样的荧光光谱进行光谱预处理。每种水样使用15组共75组荧光光谱作为预测集,剩余的25组水样的荧光光谱作为测试集。利用主成分分析(PCA)分别对五种水样进行建模,而后依据所建模型进行SIMCA分类。实验发现不同水样的荧光光谱差异明显,经过Gaussian-Filter预处理后的荧光光谱,在主成分数为2,显著性程度α=5%的情况下,利用SIMCA算法进行水样分类,预测集和测试集的正确率皆为100%。

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。

近红外光谱法快速检测宽熔融指数分布的聚丙烯树脂

熔融指数(MFR)是聚丙烯(PP)的重要加工性质参数,而MFR的传统测量方法无法满足PP聚合过程控制的在线检测需求。针对160个PP粒料样本,采用近红外(NIR)光谱,结合簇状独立软模式法(SIMCA)和偏最小二乘法,建立了判别MFR分布区间和预测MFR的模型。实验结果表明,将PP粒料区分为MFR(10 min)小于1 g、介于1~10 g和大于10 g的样本区间,分别建立NIR光谱预测模型,可提高模型的预测准确性,通过光谱组合预处理,上述3个区间模型的校正标准偏差分别为0.001,0.111,0.691,预测标准偏差分别为0.010,0.766,2.877。使用SIMCA模式识别方法,可准确判定PP样本的MFR数值分布区间,模型的判别准确率为100%。因此可选用相应的NIR光谱校正模型实现宽MFR分布PP粒料的快速检测。

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。

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。

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。

傅里叶变换红外光谱结合模式识别法快速鉴别食用油的真伪

采用傅里叶变换红外光谱(FTIR)结合簇类独立软模式识别技术(SIMCA)建立了真伪食用油的快速鉴别方法.该方法依据FTIR的指纹特性,收集并分析了53个合格食用油和13个伪造食用油的FTIR谱图;通过对谱图取二阶导数和标准化处理,主成分分析(PCA)提取特征变量;采用SIMCA方法分别随机选取43个合格食用油和9个伪食用油样品的FTIR谱图组成训练集,构建得到真伪食用油的SIMCA分类模型.该模型经过剩余10个合格食用油和4个伪食用油的验证,正确识别率达到了100%.说明FTIR结合SIMCA可能成为快速鉴别食用油真伪的一种新方法.

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.

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%。

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。

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。

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。