1 贵州医科大学公共卫生与健康学院/环境污染与疾病监控教育部重点实验室, 贵州 贵阳 550025
2 贵州中烟工业有限责任公司技术中心, 贵州 贵阳 550009
刺梨是蔷薇科蔷薇属多年生落叶灌木, 其果实富含多种生物活性物质, 具有重要的药食用价值。 采用近红外、 紫外-可见、 激发发射三维荧光光谱技术系统性表征刺梨鲜果提取物化学组成, 探讨不同产地的301个批次刺梨果中总酚、 总黄酮、 总三萜类物质的含量与自由基清除能力、 铁离子还原能力等抗氧化活性的分布特征。 结果显示刺梨果中具有高含量的酚类、 黄酮类、 三萜类物质, 分别为9.23~37.45, 8.80~27.96和6.91~22.62 mg·g-1 FW(新鲜刺梨果的重量)。 刺梨果具有较好的自由基清除活性和还原能力, 对1,1-二苯基-2-三硝基苯肼(DPPH)清除率为14.39%~83.19%、 2,2'-联氮基-双-(3-乙基-苯并噻唑啉-6-磺酸)二铵盐(ABTS)清除率18.50%~68.45%、 对铁离子还原能力(FRAP)0.08~0.44 mmol·L-1 TE·g-1 FW。 这些物质含量与活性指标数据均服从正态分布, 表明实验用的多批次刺梨样本具有多样性、 代表性、 随机性, 并且不同产地的样本提取物的活性成分含量及抗氧化活性没有显著的统计学差异性。 提取物样本的紫外-可见、 近红外、 荧光光谱都具有明显的谱带特征, 其光谱数据的主判别变量模型可有效鉴别八个不同产地的刺梨样本。 研究表明多光谱技术能够表征提取物的物质组成, 可对刺梨鲜果进行快速检测、 品质差异判别与产地溯源, 为刺梨质量评价、 选种和资源开发提供参考。 植物提取物的总酚、 总黄酮等活性成分含量、 抗氧化活性等指标不能准确反映样本的活性物质组成特征性, 不能用于样本产地溯源分析。
刺梨 抗氧化活性 近红外光谱 激发发射荧光光谱 主判别变量法 Rosa roxburghii Tratt. Antioxidant activities Near-infrared (NIR) spectroscopy Excitation-emission fluorescence spectroscopy Principal discriminant variate (PDV) method 光谱学与光谱分析
2022, 42(11): 3403
1 贵州中烟工业有限责任公司技术中心, 贵州 贵阳 550009
2 贵州医科大学食品科学学院, 贵州 贵阳 550025
模型转移是解决近红外光谱仪器间存在差异导致校正模型难以在多台仪器间通用问题的重要方法。 利用主成分-马氏距离方法判断样品在不同仪器间的光谱差异性, 然后通过吉洪诺夫正则化约束和校正模型参数, 提出新的模型转移算法, 实现模型在不同近红外光谱仪器上的共享和使用。 首先使用一组标准样品光谱, 建立主机和子机近红外光谱模型预测误差最小化函数。 通过约束主机和子机的模型参数的差异, 求出子机的模型参数, 从而达到模型转移的目的。 该方法应用于药物活性成分和烟叶中总植物碱与总糖的含量分析, 结果表明使用15个标准样品时, 子机光谱样本的预测均方根误差(RMSEP)分别从8.3 mg、 0.49%和1.91%降到3.9 mg、 0.09%和0.83%。 转移后模型预测相对分析误差(RPD)均大于3.0, 子机光谱样本的预测效果得到明显提高。 该方法理论明确、 直观, 在实际应用中样品预测准确性较好, 为具有标准样品的模型转移方法提供一种新思路。
近红外光谱 吉洪诺夫正则化 模型转移 马氏距离 Near-infrared spectroscopy Tikhonov regularization Calibration transfer Mahalanobis distance 光谱学与光谱分析
2020, 40(6): 1804
浙江农林大学， 浙江省森林生态系统碳循环与固碳减排重点实验室， 环境科技学院， 浙江 临安311300
以毛竹、 雷竹和孝顺竹野外高光谱数据为基础， 在非参数统计理论和模式识别的基础上， 提出了利用Mann-Whitney非参数检验筛选竹类间最佳特征区分波段及利用支持向量机识别竹类的问题。 研究结果表明: (1) 毛竹与雷竹之间的最佳区分波段为503~655， 689~732， 757~1 000， 1 038~1 084， 1 238~1 311， 1 404~1 591， 1 682~1 800， 1 856~1 904和1 923~2 500 nm， 毛竹与孝顺竹之间的最佳区分波段为350~386， 731~1 430， 1 584~1 687， 1 796~1 873 nm， 雷竹与孝顺竹之间的最佳区分波段为355~356， 498~662， 689~745和1 344~2 500 nm； 利用Mann-Whitney非参数检验方法可以分别消除30.0%， 57.7%和35.8% 的无效区分波段。 (2) 在最佳区分波段内， 利用支持向量机的SMO算法进行高光谱竹类识别， 模型精度分别为98.4%， 93.5%和95.1%， 模型泛化精度分别为93.3%， 90.0%和86.7%， 表明此方法可有效区分和识别竹亚科中的不同竹类。
Mann-Whitney检验 高光谱 竹亚科 Mann-Whitney test Hyperspectral SVM SVM Bambusoideae 光谱学与光谱分析
2011, 31(11): 3010
浙江农林大学， 浙江省森林生态系统碳循环与固碳减排重点实验室， 环境科技学院， 浙江 临安311300
以柏木、 雷竹和无患子野外高光谱数据为基础, 在统计学理论和实践分析的基础上， 提出了利用均值置信区间带筛选树种间最佳特征区分波段及利用Manhattan距离和Min-Max区间相似度识别树种的问题。 研究结果表明: (1) 柏木与雷竹之间的最佳区分波段为358~386， 452~1 145和1 314~2 500 nm， 柏木与无患子之间的最佳区分波段为350~446， 497~527， 553~1 330， 1 355~2 400和2 436~2 500 nm， 雷竹与无患子之间的最佳区分波段为434~555， 580~1 903， 1 914~2 089， 2 172~2 457和2 475~2 500 nm； (2) 在最佳区分波段内， 同种树种间的Manhattan距离远小于异种树种间的Manhattan距离， 同种树种间的Min～Max区间相似度远大于异种树种间的Min～Max区间相似度， Manhattan距离和Min～Max区间相似度可以有效区分和识别不同类型的树种。
置信区间 高光谱 Manhattan距离 Min～Max区间相似度 Confidence interval Hyperspectral Manhattan distance Min～Max interval similarity 光谱学与光谱分析
2011, 31(9): 2462
