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。

黄酒酿造用大米品种的模式识别研究

以黄酒酿造用大米(粳米、糯米、籼米)为对象,运用漫反射傅里叶变换红外光谱(DR-FTIR)与软独立模式分类(SIMCA)相结合的方法,对粳米、糯米、籼米进行模式识别研究,并建立相应的识别模型。结果显示,以1000～1750cm-1为特征波长,经Savitzky-Golay平滑、自动基线校正及标准矢量归一化(SNV)预处理后,采用交互留一验证法建立的3种大米的SIMCA识别模型,在α=0.05显著水平下,对预测集样本的识别率和拒绝率均可达100%。表明DR-FTIR与SIMCA相结合的方法可以成为黄酒酿造用大米品种模式识别的有效方法。

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。

DR-FTIR结合SIMCA识别不同种类原料米酿造的黄酒

利用漫反射傅里叶变换红外光谱(DR-FTIR)技术采集黄酒的红外光谱图,利用软独立模式分类(SIMCA)识别法对其进行模式识别研究,以期将黄酒按照原料米的种类进行识别。结果表明,选取波数975～1165cm-1和1250～1500cm-1作为特征向量,进行Savitzky-Golay 9点平滑、自动基线校正和标准矢量归一化处理后,建立以大米品种为分类标准的SIMCA识别模型,在5%显著水平下,识别率达100%,除糯米黄酒的拒绝率为75%外,其余黄酒的拒绝率均达100%。表明大米品种对黄酒的最终品质有影响,而SIMCA模式识别能恰当地反应这种影响关系。

FT-IR结合SIMCA法识别糯米产地

利用傅里叶变换红外光谱法结合软独立模式分类法,在3000～2800cm-1和1760～1700cm-1波长范围内,经Savitzky-Golay平滑、基线校正和标准矢量归一化预处理,利用留一交互验证法建立主成分分析模型,以识别率和拒绝率为指标对7个产地的糯米进行识别。结果显示,在α=0.05显著水平下,陕西省汉中市糯米的识别率为80%,湖北省武穴市和浙江省杭州市糯米的拒绝率分别为83%和97%,其余产地糯米的识别率和拒绝率均为100%,表明傅里叶变换红外光谱法结合软独立模式分类法可成为快速识别糯米产地的有效方法。

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。

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%。