光谱在采集过程中, 时常伴随随机噪声, 为获得高质量的样品光谱信息, 必要的光谱降噪处理成为光谱预处理环节的重要组成部分, 目前, 针对高维激光拉曼光谱的构建与降噪研究相对较少。以羊奶粉为例, 提出了以激光强度为外扰的二维相关高维拉曼光谱的构建, 实现了样品的三维拉曼光谱分析, 展现了更为丰富的光谱信息; 其次, 提出了以相关系数为评价指标的高维拉曼光谱降噪策略评估方法, 研究了Savitzky-Golay滤波, Haar小波, Daubechies小波和Biorthogonal小波处理拉曼光谱数据的降噪效果。结果显示, 拉曼光谱数据蕴含丰富的样品化学特征信息, 通过光谱降噪处理可有效降低随机噪声的影响, 不同降噪函数的光谱处理效果存在差异, 以相关系数为评估指标可量化分析降噪函数的适用性, 针对实验体系, Savitzky-Golay滤波降噪处理效果较好。

为满足白酒品牌判别领域快速检测的迫切需求, 提出了一种以紫外光谱为输入, 移动窗口相关系数法为手段的白酒品牌快速判别新方法。 研究以海之蓝酒作为对象品牌, 实验结果显示各批次海之蓝酒在实验波长区间存在较高的吻合一致性, 基于紫外光谱原始谱图的相关系数值和基于移动窗口光谱计算所得的相关系数值均达到0.99以上。 由于其他洋河系列白酒与海之蓝酒均属于洋河酒厂生产, 原料来源、 生产制备工艺等存在较高的相似性, 此时若仅使用紫外光谱原始谱图数据结合相似度算法进行品牌判别, 则定量化的判别区分存在一定困难。 移动窗口法可有效提高谱图细节差异, 突出光谱在特征谱段的形状、 强度、 变化趋势差异, 提高实验谱图在细节结构差异辨认分析能力。 经过研究筛选, 发现以移动窗口相关系数结合紫外光谱特征谱段(270～295 nm)可提高洋河系列酒间的谱图差异, 实现这种有较高相似性白酒品牌的判别区分。 此外, 市售六种其他品牌白酒及乙醇作为对照组, 进一步论证了该方案的可行性。 该研究的创新之处在于提出了一种移动窗口相关系数光谱法进行白酒品牌快速判别分析的新思路, 该方法同时具备速度快, 操作简便等优点, 具有较高的实际应用潜在价值, 并可为其他食品的质量安全判别分析研究提供借鉴。

奶粉的真伪和掺伪近年来受到广泛的关注, 研究一种操作便捷, 能准确、 快速、 全面鉴定奶粉品牌并实现奶粉掺假鉴别的新方法对于奶粉的质量控制具有重要的意义。 为实现奶粉的真伪鉴别, 采集三种品牌奶粉贝因美、 飞鹤和雀巢的拉曼光谱, 并利用拉曼谱图特征峰结合最近邻算法（nearest neighbor, NN）的模型对三种品牌奶粉进行识别, 在10次交叉验证的基础上, 平均识别率为99.56%。 为实现奶粉的掺伪分析, 将飞鹤奶粉与雀巢奶粉按不同质量比（0∶1, 1∶3, 1∶1, 3∶1, 1∶0）混合成五种掺伪奶粉, 提取掺伪奶粉中的脂肪, 采集脂肪样本的拉曼光谱, 分别使用拉曼谱图特征峰结最近邻算法的模型和核主成分分析（kernel principal components analysis, KPCA）结合最近邻算法的模型对五种脂肪样本进行识别, 10次交叉验证下的平均识别率分别为93.33%和98.89%, 平均运算时间分别为0.085和0.104 s。 实验证明: 特征峰结合NN的算法可以快速实现对奶粉真伪的判别, 但此算法不能很好的区分掺伪奶粉; 拉曼光谱-KPCA-NN模型可以为奶粉的掺伪检测提供一种简便、 准确、 快速的方法。