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。

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。