现在樱桃市场上存在着大量以次充好的不良现象, 严重损害了名牌樱桃的品牌经济效益, 所以亟需一种能对不同产地樱桃实现快速无损鉴别的技术。 拉曼光谱溯源技术作为光谱溯源技术的一种, 由于具有快速、 高效、 无污染、 无损分析等优点, 逐渐得到相关研究者的重视。 长短期记忆（LSTM）网络是一种具有记忆性的反馈神经网络, 它是循环神经网络的一种变体。 LSTM网络克服了循环神经网络中梯度消失的缺点, 适合处理序列敏感的问题和任务, 目前被广泛应用在语音识别、 图像识别和手写识别等领域, 但LSTM网络在产地溯源方面的应用还有待研究。 基于此, 提出了一种LSTM网络与拉曼光谱技术结合的能对不同产地樱桃实现快速无损鉴别的技术。 将来自美国、 山东和四川的369个樱桃作为研究样本, 用拉曼光谱仪在785 nm激光下获得了不同产地樱桃的光谱数据。 并且以每条经过基线校正后的拉曼光谱数据作为网络输入数据, 基于LSTM网络构建了能对不同产地樱桃实现快速鉴别的判别模型, 并且以样本判别准确率A、 样本精确率P、 样本召回率R和样本F值作为评价指标, 探究了不同预处理方法对LSTM网络判别模型性能的影响。 结果表明: 当样本训练集和测试集的比例为85∶38时, 直接采用原始拉曼光谱数据的LSTM网络模型的产地鉴别能力不高, 鉴别准确率为79.87%。 但当使用预处理过后的拉曼光谱数据, 模型的鉴别准确率维持在92%以上。 并且光谱经过SG+MSC预处理后模型的鉴别准确度最好, 鉴别准确率达99.12%。 同时在采用SG+MSC预处理的方法下, LSTM网络鉴别模型的精确率、 召回率、 F值均较高, 表明了所提出的LSTM网络模型有较好的性能可实现对不同产地樱桃的鉴别, 为樱桃的产地溯源提供了一种新的思路。

不同产区的西湖龙井茶的品质具有差异。采用近红外光谱技术和光谱预处理、主成分分析和判别模型等数学方法鉴别了分别产自龙井村、梅家坞村和葛衙庄三个地区的西湖龙井茶。结果表明，二阶导数光谱预处理方法对去除近红外光谱中的噪音最有效，贝叶斯判别分析是这三个地区产的西湖龙井茶的最佳判别模型。在模型中输入5个主成分数后，最佳的原始判别率和交叉验证判别率分别为100%和82.35%。在交叉验证判别中，产自葛衙庄、龙井村和梅家坞的茶叶的判别正确率分别为80%、83.33%和83.33%。因此，该模型可以用于龙井村、梅家坞村和葛衙庄三个地区产的西湖龙井茶的鉴别，为西湖龙井茶产区的判别提供理论依据。

为了鉴别西湖龙井和浙江龙井茶叶，采用近红外光谱分析技术结合化学计量学方法建立了识别模型。先对原始光谱进 行标准正态变换(Standard Normal Variant, SNV)预处理，然后分别采用最小二乘判别分析(Partial Least Square Regression-discriminant Analysis, PLS-DA)、最小二乘支持向量机(Least Square Support Vector Machine, LSSVM)和径向基人工神经网络(Radial Basis Function Neural Network, RBFNN)三种模型对西湖龙井和浙江龙井茶叶进行预测。最小二乘支持向量机参数通过网格搜索和完全交叉验证得到优化。经优化后，惩 罚系数(γ)和核函数参数(δ2)分别为229.1和124.9；RBFNN最佳隐藏层神经元个数为27个。通过比较可知， LSSVM的预测性能最好，其校正集均方根误差(RMSECV)和相关系数(R2)分别为0和1，验证集均方根误差(RMSEP)和相关系数(R2)也分别为 0和1，分辨正确率为100 %。

在中国牛肉4个产区吉林省榆树市、贵州省安顺市、宁夏自治区同心县、河北省张北县屠宰场采集了58个肉牛牛肉样品,进行脱脂、干燥、粉碎。利用近红外光谱分析技术,对牛肉样品的近红外光谱进行主成分分析、聚类分析、判别分析,建立了判别牛肉产地来源的傅里叶变换红外光谱定性分析模型。分析结果显示4个产区的牛肉的平均近红外光谱存在有差异,牛肉样品的主成分空间分布也位于不同的区域。根据光谱距离,对样品进行聚类分析,初步判定了牛肉的产区,其中贵州的牛肉光谱比较复杂,与河北牛肉样品的光谱距离很近,存在一定交叉。利用来源于4个产区的18个独立样品对模型进行了验证,正确识别率为100％。说明应用近红外光谱分析技术可准确、快速、低廉地追溯牛肉的产地来源。

采用物性测试仪通过对果酱、酸奶、蜂蜜等粘稠状样品的粘稠度的测量,仪器探头的选择,测试方法参数的比较,建立粘稠状样品质构的测试方法.结果表明,样品的粘稠度可用物性测试仪科学测量,随着粘稠性的不同可选用不同的探头和附件,从而为品质控制、产品研发、标准建立提供测量依据和参考.