科研产出
基于近红外光谱的桃果实冷害识别分析
《食品与发酵工业 》 2021 北大核心 CSCD
摘要：该文采用近红外(near infrared,NIR)光谱技术对水蜜桃低温冷害褐变进行识别分析.分别建立了水蜜桃低温贮藏期间不同冷害阶段的两分类和多分类模型,讨论了不同光谱预处理方法对模型的影响,并比较偏最小二乘判别分析(partial least squares-discriminant analysis,PLS-DA)、主成分判别分析(principal component dis-criminant analysis,PCA-DA)、K-最邻近(K-nearest neighbor,K-NN)、簇类独立软模式(soft independent modeling of class analogy,SIMCA)4种建模方法的分类效果.结果表明,采用PLS-DA模型效果最好,两分类和多分类模型的总准确率为分别为0.93和0.71.两分类模型可较准确地对冷害褐变进行快速识别分类,多分类模型可用于水蜜桃低温贮藏期间不同冷害阶段的初步筛查.
关键词： 水蜜桃 近红外光谱 低温冷害 化学计量学 分类模型
全文链接
请求原文
近红外光谱的不同产地柑橘无损鉴别方法
《光谱学与光谱分析 》 2021 EI 北大核心 CSCD
摘要：柑橘是世界第一大水果。不同产地的柑橘内部品质和价格有所不同,但其外观差别较小,外行人较难通过肉眼实现准确鉴别分析。DNA标记法与仪器分析操作复杂、成本较高,且对样品具有破坏性,无法实现快速无损分析,影响了产品的二次销售。近红外光谱技术是一种快速无损的新型检测手段,可以用于不同产地农产品的鉴别分析。由于柑橘皮对光谱的干扰较大,导致现阶段柑橘产地无损鉴别研究匮乏。此外柑橘体积较大,因此需要对光谱采样点进行优化。为此,基于近红外光谱技术与化学计量学方法,提出了一种用于不同产地柑橘无损鉴别的新方法。使用近红外光谱仪得到了120个来自云南、湖南、广西武鸣、广西来宾的沃柑漫反射光谱数据。采用单一和组合光谱预处理方式以消除光谱中的多种干扰;采用主成分分析方法对数据进行降维处理,并以此作为输入值结合Fisher线性判别分析方法构建柑橘产地鉴别模型,并与主成分分析模型进行对比。此外,考察了不同光谱采样位置（赤道线4个采集点、果梗部以及果顶部）对结果的影响。结果表明:主成分分析方法结合优化光谱预处理的方法不能实现不同产地柑橘的准确鉴别分析,最优鉴别率仅为5%;而采用主成分分析-Fisher线性判别分析方法,利用赤道线4个点的平均光谱结合去偏置校正或多元散射校正预处理方法可实现不同产地柑橘的100%鉴别分析;采用主成分分析-Fisher线性判别分析对6个点的平均光谱数据进行处理时,采用原始光谱便可实现不同产地柑橘的100%鉴别分析。为此,通过对光谱预处理方法以及光谱采集点的优化,利用主成分分析-Fisher线性判别分析方法即可建立准确的柑橘产地鉴别模型,为不同产地柑橘的快速鉴别提供了新途径,为后续各种柑橘类水果的鉴别分析提供了参考。
关键词： 近红外光谱 沃柑 无损分析 主成分分析 线性判别分析
全文链接
请求原文
不同品牌豆浆粉与假冒豆浆粉无损鉴别方法的建立
《中国食品学报 》 2020 北大核心 CSCD
摘要：基于近红外光谱技术与化学计量学方法建立一种适合于假冒以及国内外不同品牌豆浆粉的无损鉴别方法.采集国内外不同品牌豆浆粉以及假冒豆浆粉共132个样本的近红外光谱,利用连续小波变换方法扣除光谱中的背景和基线干扰,基于标准偏差与相对标准偏差筛选出特征波长,并结合主成分分析方法对不同品牌与假冒豆浆粉进行鉴别.结果表明:连续小波变换能够有效消除基线的干扰,波长筛选方法可以大大提高鉴别的准确性.采用该方法,假冒豆浆粉、进口豆浆粉与国产豆浆粉之间的鉴别准确率达100%,而不同品牌豆浆粉之间的鉴别准确率达93.94%.采用近红外光谱技术与化学计量学方可有效实现对国内外不同品牌豆浆粉以及假冒豆浆粉的快速无损鉴别分析.
关键词： 近红外光谱 豆浆粉 连续小波变换 波长筛选 主成分分析
全文链接
请求原文
基于近红外超连续激光光谱的水稻种子活力无损分级检测研究
《中国光学 》 2020 EI 北大核心 CSCD
摘要：针对目前农业种植选种应用对于带稃壳水稻种子活力分级检测的迫切需求,以及现有通用的糙米检测技术存在的问题,本文提出一种基于近红外超连续激光光谱的水稻种子活力透射光谱检测方法。首先,设计了种子活力近红外吸收光谱检测系统,测量了3种不同年份的带稃壳的水稻种子的近红外吸收光谱,结果显示,水稻种子的活力梯度与近红外吸收光谱的特征吸收峰值相关。然后,采用归一化、二阶导数校正法和正交信号校正相结合优化了种子光谱的预处理算法。最后,建立主成分分析(PCA)模型,对光谱进行降维,确定最佳主成分数目,应用偏最小二乘判别分析(PLS-DA)建立了水稻种子活力分析鉴别模型。分析结果表明,本文设计的透射式吸收光谱检测系统结合PLS-DA判别模型可对不同活力的水稻种子进行分类,校正集和验证集的准确率分别为94.44%和95.92%,筛选后水稻种子的发芽率可达97.17%。研究结果表明,本文提出的基于近红外光谱信息实现水稻种子活力无损分级的方法可行,且具有较高的预测精度。
关键词： 近红外光谱 种子活力 偏最小二乘判别分析 主成分分析
全文链接
请求原文
基于多类别的镉稻米近红外光谱识别分析
《中国食品学报 》 2019 北大核心 CSCD
摘要：采用近红外(NIR)光谱结合化学计量学方法对不同镉污染程度的稻米进行鉴别.首先利用主成分分析(PCA)对样本的NIR光谱进行解析,再用有监督学习算法偏最小二乘识别分析(PLS-DA)、径向基人工神经网络(RBF-ANN)及支持向量机(SVM)对不同污染程度的镉稻米进行定性建模分析.本文还讨论了不同的光谱预处理方法以及建模方法对识别效果的影响.由于NIR光谱差异太小,所以PCA得分图重叠严重,类之间很难区分,PLS-DA、RBF-ANN与SVM模型的预测集鉴别准确率分别为77.1%,67.8%与67.2%,PLS-DA的识别率最高.近红外光谱技术与化学计量学方法虽难以获得预测准确率较高的识别模型,但其预测结果还是可用于超标镉稻米的初步筛查.
全文链接
请求原文
不同偏最小二乘法的近红外光谱技术测定大米中水分的研究
《分析科学学报 》 2019 北大核心 CSCD
摘要：通过近红外光谱法对大米中含水量进行分析,运用Kennard-Stone法对校正集及预测集样本进行选取,利用Range Normalization法、二阶导数和多元散射校正加一阶导数法,分别对近红外光谱进行预处理优化,并采用偏最小二乘法(PLS)、组合区间偏最小二乘法(SiPLS)和移动窗口偏最小二乘法(MWPLS)分别建立了定标模型.结果显示,相较于全谱建模,2种变量优选方法都能在有效减少建模所用的变量数,同时提高模型性能.其中采用MWPLS优选变量所建的大米水分定量模型的性能最优,决定系数为0.9525,校正集均方根误差为0.4093.利用40个验证集样本对定标模型进行了验证和配对t检验,预测相关系数达0.9617,相对分析误差为3.64,模型预测值与标准方法测定值没有显著性差异,说明模型具有良好的预测能力.基于MWPLS的近红外光谱技术能够实现大米中水分含量的快速检测.
关键词： 近红外光谱 大米 水分 组合区间偏最小二乘法 移动窗口偏最小二乘法
全文链接
请求原文
利用近红外吸收光谱对水稻种子活力的判别方法
《杂交水稻 》 2019 北大核心 CSCD
摘要：为了实现对水稻种子活力的无损检测,采用近红外光谱分析技术,通过近红外光谱仪采集单粒水稻种子的透射光,比较不同的预处理方法的偏最小二乘判别分析模型(Partial Least-Squares Discriminant Analysis,PLS-DA),选择归一化+二阶差分+正交信号校正(Orthogonal Signal Correction,OSC)的预处理方法对透射光谱进行预处理,得到的日本晴种子的建模集识别率为94.44%,检验集识别率为91.67%;9311种子的建模集识别率为98.61%,检验集识别率为91.67%。表明该光学系统和数据处理模型对水稻种子的活力辨别具有较高的准确率。
关键词： 水稻 种子活力 近红外光谱 PLS-DA数学模型 正交信号校正
全文链接
请求原文
一种基于近红外光谱与化学计量学的绿茶快速无损鉴别方法
《光谱学与光谱分析 》 2019 EI SCI 北大核心 CSCD
摘要：绿茶是我国饮用范围最广、最受欢迎的一类茶叶。不同品种绿茶叶外观上差别较小,非专业人员难以直接用肉眼进行辨别。传统化学方法操作复杂、检测费用较高,对样品具有破坏性,无法实现快速无损分析。近红外光谱技术是一种简便、快速、无损、重现性好、可直接用于在线定性定量分析的新型分析技术。由于种植方式以及土壤、气候等生长环境的差异,不同品种绿茶叶中含氢基团有机物的种类和含量也不相同,因此可以通过扫描样品的近红外光谱,得到不同品种绿茶叶的特征信息,实现对不同品种绿茶叶的快速鉴别。研究提出了一种基于近红外光谱与化学计量学技术对不同品种绿茶的快速无损鉴别方法。使用近红外光谱仪得到了八个品种绿茶样品的光谱图,用主成分分析方法对不同品种绿茶样品数据进行了聚类分析。使用连续小波变换方法消除了光谱信号中的基线干扰,从而提升聚类效果。利用基于标准偏差与相对标准偏差的变量筛选方法进一步提高了聚类结果的准确性。结果表明:主成分分析后样品的第一主成分和第二主成分的方差贡献率之和在90%以上,可以选取前两个主成分进行聚类分析。直接采用原始数据进行聚类分析的准确率较低,难以满足应用需要;连续小波变换可以有效地消除光谱信号中的基线干扰。与直接使用原始光谱聚类结果相比,采用连续小波变换后聚类效果有显著提升,但依旧不能实现所有品种茶叶样品的准确鉴别。为了进一步提高方法的稳健性和分类结果的准确性,选取了标准偏差和相对标准偏差较大的波长数据进行聚类分析。在符合平均值大于1%的波长范围内,剔除标准偏差小于5‰的波长,进一步选择较大相对标准偏差值对应的波长点进行聚类分析。采用这种方式,可以仅使用几十个甚至是几个波长即可实现绿茶样品品种的准确聚类分析。波长筛选方法可以大大提高主成分分析结果的准确性,采用近红外光谱分析技术与化学计量学方法可以实现对不同品种绿茶的快速鉴别。经过对各个光谱吸收区域波长所对应官能团分析后,初步得出多酚、酰胺类以及氨基酸类物质的种类不同或含量差异是形成绿茶品种差异的重要原因。所提出的基于近红外光谱与化学计量学技术的方法具有较强的鉴别能力,为绿茶的快速无损分析提供了一种新手段。
关键词： 近红外光谱 绿茶 连续小波变换 波长筛选 主成分分析
全文链接
请求原文
特征波长优选结合近红外技术检测大米中的含水量
《食品科技 》 2019 北大核心
摘要：利用近红外光谱技术实现了大米中含水量的快速测定.为进一步提高近红外模型的精度和稳定性,采用4种波长筛选方法:遗传算法(GA)、无信息变量消除法(UVE)、无信息变量消除-遗传算法组合法(UVE-GA)以及连续投影算法(SPA),对大米水分近红外光谱特征波长进行了优选,并基于筛选出的光谱变量建立了大米含水量偏最小二乘法(PLS)模型.结果表明,相较于全光谱建模,4种特征波长优选方法不仅提升了所建模型的预测性能和精度,还有效地减少了建模时的光谱信息量,节省了建模时间;其中经过UVE-GA算法从全波段1154个波长中筛选出的68个特征波长建立的模型效果最好,其预测相关系数和预测均方根误差分别为0.9675和0.3915.综上所述,近红外光谱技术结合UVE-GA光谱处理方法能够实现大米水分含量的快速无损检测,为大米含水量的监督检测提供了技术依据.
关键词： 近红外光谱 大米 特征变量筛选 含水量 间隔偏最小二乘法 遗传算法
全文链接
请求原文
