基于近红外光谱和OPLS-DA的不同牌号卷烟分类识别方法研究

为了对卷烟牌号进行准确分类鉴别,提出了一种基于近红外光谱(NIRS)分析技术结合有监督的模式识别快速鉴别卷烟牌号的新方法。利用标准正态变量变换(SNV)、多元散射校正(MSC)、一阶导数(FD)、二阶导数(SD)和Savitzky-Golay平滑(SG)及其相结合的光谱预处理方法对烟丝光谱进行预处理,通过近红外光谱结合主成分分析(PCA)、偏最小二乘判别分析(PLS-DA)和正交偏最小二乘判别分析(OPLS-DA)3种模式识别方法对不同牌号烟丝进行分类识别研究,并采用分类识别正确率作为评价指标。实验结果表明:(1)烟丝近红外光谱主成分得分图交叉重叠,区分不明显,PCA无法识别出5种牌号的成品烟丝;(2)烟丝光谱经MSC+FD预处理后的PLS-DA模型可得到较好的识别效果,校正集和测试集的分类识别正确率分别为100%和98.3%;(3)烟丝光谱经MSC+SD预处理后的OPLS-DA模型的模式识别效果最好,模型对自变量拟合指数(R2X),因变量的拟合指数(R2Y)和模型预测指数(Q2)分别为0.485、0.907和0.748,近红外光谱校正集和测试集的分类识别正确率均为100%。说明近红外光谱技术结合有监督模式识别方法OPLS-DA建立的烟丝牌号分类模型具有高效快速、准确无损的优点,为卷烟烟丝分类提供了一种新的快速鉴别方法。

基于代谢组学分析耐盐碱水稻根际土壤特异代谢物

探究耐盐碱水稻种植对滨海盐渍土代谢变化。基于超高效液相色谱-串联质谱(UPLC-MS/MS)法的广泛靶向代谢组学研究,采用主成分分析(PCA)、偏最小二乘法判别分析(PLS-DA)、热图分析等方法对海水稻倒灌土壤进行分析。结果表明,与未种植耐盐碱水稻的海水倒灌土壤(HC)相比,种植耐盐碱水稻的海水倒灌土壤(HR)和种植耐盐碱水稻+土壤改良剂的海水倒灌土壤(HT)根际土壤特异代谢物呈明显的分离状态。从3种土壤样品中共检测出121种代谢产物,其中HC与HR之间筛选出23个差异代谢物,分别是上调代谢物16种、下调代谢物7种;在HC与HT之间筛选出21个差异代谢物,分别是上调代谢物12种、下调代谢物9种。HR和HT的土壤特异代谢物主要集中在脂质、糖类、杂环化合物、胺类、氨基酸类等。表明种植耐盐碱水稻丰富了盐渍土中的代谢物种类。

基于超声影像学特征定量预测甲状腺良恶性的模型构建及应用效果分析

目的:构建基于超声影像学特征定量预测甲状腺良恶性的模型,并分析其应用效果。方法:选择医院收治的105例甲状腺结节患者,根据病理结果将其分为恶性组(65例)和良性组(40例)。采用蒙特卡罗模拟方法将105例结节样本分为训练集(84例)和预测集(21例)。所有患者均行甲状腺结节常规超声、超声弹性成像(UE)及超声造影检查,记录甲状腺结节钙化、实性成分、回声类型、质地、形态、纵横比、边缘、血流分级、远场、晕、血流位置、被膜等影像特征。利用偏最小二乘-判别分析法(PLS-DA)及Logistic回归分析方法建立甲状腺结节良恶性风险评估预测模型。采用受试者工作特征(ROC)曲线分析两种模型鉴别甲状腺结节良恶性的价值。结果:恶性组患者结节微钙化、实性成分、低回声、形态不均匀、纵横比≥1、边缘不清晰、远场衰减以及被膜受侵比例明显高于良性组(χ^(2)=49.114,χ^(2)=17.960,χ^(2)=24.432,χ^(2)=41.316,χ^(2)=37.813,χ^(2)=39.023,χ^(2)=45.859,χ^(2)=10.033;P<0.05)。ROC曲线分析显示,PLS-DA基于训练集构建模型诊断预测集甲状腺恶性结节的ROC曲线下面积(AUC)为0.948;Logistic回归分析基于训练集构建模型诊断预测集甲状腺恶性结节的AUC为0.901。通过蒙特卡罗模拟运行1 000次分析发现,PLS-DA模型训练集真阳性和真阴性准确率分别为97.11%和99.74%,PLS-DA模型预测集真阳性和真阴性准确率分别为91.68%和96.61%,此时的AUC均值为0.938,95%CI为0.928~0.966。蒙特卡罗模拟运行1000次Logistic回归分析显示,结节微钙化、实性成分、低回声、形态不规则、纵横比≥1、边缘不清晰、远场衰减以及被膜受侵对预测甲状腺肿瘤是否恶化具备统计学意义。结论:基于PLS-DA及Logistic回归分析方法建立的甲状腺结节良恶性风险评估预测模型在鉴别甲状腺结节良恶性的价值较好,其中基于PLS-DA甲状腺结节良恶性预测模型预测价值更高。

近红外光谱指纹分析在羊肉产地溯源中的应用

为寻求低廉、快速有效地鉴别羊肉产地来源的方法,对来自内蒙古自治区锡林郭勒盟、呼伦贝尔市和阿拉善盟三个牧区,及重庆市和山东省菏泽市两个农区共99份羊肉样品进行近红外光谱扫描,利用主成分分析结合线性判别分析（PCA＋LDA）,以及偏最小二乘判别分析法（PLS-DA）对光谱数据进行了分析,建立了羊肉产地来源的定性判别模型。结果表明,在全光谱范围（950~1 650 nm）内,经二阶求导（Savitzky-Golay,9点）和多元散射校正（MSC）预处理后,五个地区羊肉的近红外光谱有显著差异。其中农区和牧区之间的差异最为明显,两种判别模型的整体正确判别率均为100%;PCA＋LDA法对五个地域来源样本的整体正确判别率为91.2%,优于PLS-DA法的判别效果（76.7%）。此结果表明近红外光谱结合化学计量学方法可以作为羊肉产地溯源的一种有效技术手段。

基于PLS-DA判别法对黑龙江大米产地溯源的研究

为了开发更方便、准确、快速的大米产地溯源方法,更好地维护市场秩序,保护消费者的合法权益,研究运用近红外光谱技术并结合PLS-DA法(Partial least squares discriminant analysis,偏最小二乘判别分析)进行建模,对2012年黑龙江5个水稻主产区(五常、佳木斯、齐齐哈尔、双鸭山和牡丹江)的118份大米粉末样品进行近红外光谱的扫描,确定光谱预处理方法为9点二阶求导结合7点平滑,建模波长为全波长。主成分分析提取3个有效主成分。用预测样本集进行模型的验证,5个地域的预测正确率分别为87.5%,87.5%,100%,100%和100%。初步认定可用于2012年黑龙江大米产地溯源模型的建立。

核磁共振氢谱结合化学计量学快速检测掺假茶油

以纯茶油和掺假茶油(掺入大豆油、玉米油)作为核磁共振氢谱检测对象,结合化学计量学方法分析处理核磁数据,建立一种能快速预测茶油掺假的方法。结果表明:纯茶油和掺假茶油在主成分分析得分图上有较好地区分,且掺假样品随掺假比例在图中呈规律性分布,但少部分低体积分数的掺假油与纯茶油重叠。而采用偏最小二乘判别(partial least squares discriminant analysis,PLS-DA)法可以得到更好的分离效果,在该模型中,纯茶油的判别准确率为100%。进一步采用PLS可实现对茶油掺假水平的准确定量测定。该方法可简单、快速地用于茶油的掺假鉴别,在茶油品质控制及评价方面具有很大的应用潜力。

近红外光谱技术快速识别针叶材和阔叶材的研究

对一种针叶材和一种阔叶材的横切面采集波长范围为780～2 500nm的近红外漫反射光谱,结合偏最小二乘判别分析法(PLS-DA)对针叶材杉木和阔叶材桉树快速识别的可行性进行了研究,结果表明:(1)利用近红外光谱结合PLS-DA法建立的识别模型对建模样品的识别正确率达到100%,识别模型预测的分类变量值与实际值之间相关系数r达到0.99,SEC为0.07;(2)即使采用短波区域780～1 100nm的近红外光谱也可以获得理想的识别结果(识别正确率为100%),识别模型的r也达到0.99,SEC为0.07;(3)利用近红外光谱建立的识别模型对未知样本的识别正确率都为100%,说明近红外光谱技术可以快速、准确识别针叶材和阔叶材,这为木材识别提供了一种新方法和技术,也为开发低成本的近红外光谱识别仪器提供了科学依据。

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。

基于拉曼光谱的卵巢癌诊断研究

卵巢癌是一种发病率和致死率极高的女性妇科疾病。目前卵巢癌的临床诊断主要依靠病理学检测,超声法以及检测血液中肿瘤标志物CA125,但是上述几种方法都存在其固有的缺陷。本研究提出应用拉曼光谱结合偏最小二乘-判别分析(PLS-DA)模型,实现在分子水平上判别诊断卵巢癌。拉曼光谱在正常组织与癌组织之间存在反映其癌变过程物质结构变化的微小差异。因此,通过结合PLS-DA数据模型分析拉曼光谱信息,能够将微小差异放大化,捕获生物分子的显著特征。在研究中,模型的变量数目选择其分类错误率最小时的数值,即隐变量的数目为5,能够捕获大量的官能团特征性信息,通过分析隐变量的p值大小可知5个隐变量均可实现对正常组织与癌组织的有效区分,并且第一个隐变量具有最明显的区分结果。通过模型运算结果可知,该模型对卵巢癌判别的准确性达到85.2%(其中灵敏性为86.2%,特异性为85.4%)。研究结果表明,拉曼光谱技术,通过与PLS-DA模型相结合,可作为卵巢癌临床诊断中的辅助诊断方法,从分子水平上实现对卵巢癌的诊断判别。

基于光谱信息的柑橘黄龙病无损检测及分级模型构建

柑橘黄龙病(Huanglongbing,HLB)是世界柑橘生产上最具毁灭性的病害,给果农和相关产业造成了巨大的损失。以柑橘叶片为载体,利用高光谱图像技术采集柑橘叶片表面的高光谱图像,用ENVI4.7进行图像处理,提取感兴趣区域(Region of Intest,ROI),统计感兴趣区域平均光谱数据,并进行相关植被植物的运算,最后通过PLS-DA(Partial Least Squares Discrimination Analysis)判别法进行鉴别并分类。结果表明:基于平均光谱值和植被指数的PLS-DA判别模型都能对健康、缺锌和HLB叶片进行鉴别。其中基于平均光谱值的PLS-DA模型鉴别健康柑橘叶片样品的灵敏度为100%,特异度为100%,准确度为100%;鉴别缺锌柑橘叶片样品的灵敏度为80.6%,特异度为91.7%,准确度为88.9%;鉴别HLB叶片的灵敏度为89.3%,特异度为88.3%,准确度为88.9%。基于植被指数的PLSDA判别模型鉴别健康柑橘叶片样品的灵敏度为100%,特异度为100%,准确度为100%;鉴别缺锌柑橘叶片样品灵敏度为92.5%,特异度为89.3%,准确度为90.1%;鉴别HLB叶片的灵敏度为86.4%,特异度为95.3%,准确度为90.1%。识别正确率较高,说明利用高光谱进行柑橘黄龙病病情分类是可行的。

HPLC结合多变量统计建立野生与人工沉香的识别模型

为了建立野生、人工沉香的识别方法,采用《中药色谱指纹图谱相似度评价系统》对48批次沉香的HPLC图谱进行分析,并结合多变量统计筛选野生、人工沉香识别特征峰,建立两者的Fisher线性识别模型和偏最小二乘判别法(PLS-DA)识别模型。结果表明:野生、人工沉香HPLC图谱的色酮种类及含量具有较大差异,为识别模型的建立提供了依据;多变量统计筛选出的9个色谱峰变量具有代表性,可用于识别模型的建立;所建立的Fisher识别模型对野生沉香和3年以内人工沉香的判别正确率均为100%,可用于野生与人工沉香的识别; Fisher线性识别模型的线性判别函数:y=-0.193 14x_1-0.086 49x_2+0.073 02x_3+0.136 65x_4+0.053 01x_5-0.058 5x_6+0.097 58x_7+0.040 24x_8-0.130 12x_9,y_1=-1.555 3、y_2=2.641 8、临界值y_0=0.543 3。

基于傅里叶红外光谱技术的大米产地溯源快速判别方法研究

大米的品质受到基因遗传、气候、土壤等影响,不同产地的大米品质不同,为了鉴别大米的产地,应用德国Bruker VERTEX 70傅里叶红外光谱仪采集4个不同产地大米的傅里叶红外光谱,分别经过矢量归一化、一阶导数+13点平滑、一阶导数+13点平滑+矢量归一化、一阶导数+13点平滑+减去一条直线预处理后,建立偏最小二乘判别模型(Partial Least-squares Discrimination Analysis,PLS-DA)。结果表明:经过一阶导数+13点平滑+矢量归一化+PLS-DA处理后的模型识别率为92.29%,该模型对吉林、江苏、辽宁、浙江这4个产地的识别率分别为93.77%、91.24%、100%、75%。为了提高模型的识别率,对全光谱数据进行主成分分析(Principal Component Analysis,PCA)特征提取,建立不同成分特征的K近邻(K Nearest Neighbor,KNN)模型,结果表明:选取PCA前7成分特征作为KNN模型的输入,得到PCA-KNN模型识别率为94.27%,该模型对吉林、江苏、辽宁、浙江这4个产地的识别率分别为94.44%、94.12%、93.75%、93.33%。实验结果表明,利用傅里叶红外光谱技术对大米产地溯源具有一定的可行性。

香料的热脱附-气质联用指纹图谱偏最小二乘判别分析与差异表征

采集72个来自2类不同风格特征香料的热脱附-气质联用指纹图谱,结合偏最小二乘判别分析(PLS-DA),建立2类不同风格特征香料的类模型.使用26个验证样品对类模型进行验证(在P>0.05的条件下),结果表明,验证样品均获得了正确的分类,类模型判别效果良好;同时,通过因子载荷矩阵分析,计算各化学组分对2类香料分类的贡献率,表征2类香料化学组分的差异,结果令人满意.