探究了应用激光诱导击穿光谱(LIBS)结合化学计量学方法鉴别硫熏浙贝母的可行性。 采集了未经硫熏、 轻度硫熏和重度硫熏的浙贝母样本的LIBS光谱, 使用小波变换和归一化对原始光谱进行预处理后, 分别建立了基于全波段(400.41～871.65 nm)和基于特征波段(400.41～600.02 nm)的支持向量机(SVM)、 极限学习机(ELM)和随机森林(RF)的鉴别模型。 结果表明: 基于特征波段建立的三类模型的性能均与基于全波段建立的模型保持一致或更优, 说明特征波段的提取是有效的。 基于特征波段建立的模型中, SVM模型性能最优, 建模准确率和预测准确率分别达到了100%和95.83%。 综上所述, 应用LIBS技术结合特征波段提取和化学计量学方法鉴别不同程度硫熏的浙贝母是可行的, 且具有快速、 简便、 多元素同时分析的优势, 可为鉴别硫熏中药材提供依据, 有助于建立中药材质量检测与分级评定系统。

转基因技术在过去的几十年里快速发展, 然而此项技术对生态环境、 伦理道德等可能带来的影响尚存争议, 因此针对农作物的转基因成分检测和鉴别的相关技术研究十分重要。 本研究以转双价基因(cry1Ab/cry2Aj-G10evo)玉米籽粒和玉米面粉为研究对象, 采用近红外光谱仪采集900～1 700 nm波段范围的光谱, 结合 Savitzky-Golay(SG)平滑算法对提取出的光谱数据进行去除噪声处理。 基于全波段光谱和PCA主成分分别建立了偏最小二乘判别分析(PLS)和支持向量机判别模型(SVM)。 试验结果表明, 在转基因玉米籽粒全谱的判别分析模型中, SVM判别模型效果要优于PLS判别模型, SVM模型识别正确率达到90%以上, PLS的模型识别率只有85%左右。 以PCA降维后建立的模型中, SVM模型也取得了最优的效果, 建模集和预测集识别正确率达到100%。 虽然转基因玉米在研磨加工后外源蛋白和DNA有所下降, 但是转基因玉米粉末基于全波段光谱建立的SVM模型的建模集正确率仍有90.625%。 结果表明应用近红外光谱技术集合化学计量学方法对转基因玉米的鉴别是可行的, 为转基因玉米乃至其他转基因农产品的鉴别提供了技术支持, 具有重要的理论意义和应用价值。