金银花是清热解毒必备良药， 市面上金银花来源复杂， 最著名的山东平邑产金银花在市场上常遭造假。 已有的鉴别方法大多耗时长、 成本高且操作复杂， 亟需一种快速高效的金银花产地溯源方法。 针对应用在金银花鉴别中的近红外光谱(NIRS)数据的一维卷积神经网络（1D-CNN）鉴别模型存在参数量过大、 模型效率过于低下、 计算复杂度高， 同时易产生过拟合问题， 对传统1D-CNN结构作出改进。 使用效率较高的VD（Very Deep）结构替代传统1D-CNN中隐含层结构， 并针对 NIRS 数据适应性改进， 使其可直接应用于一维NIRS数据。 改进分为三步: (1) 将特征层的设计转为2个约束优化设计: 第一约束条件设每个卷积层C值（卷积核与感受野的大小比值）为1/6， 可提高网络模型效率; 第二约束条件取顶层感受野大小为数据向量大小， 实现更深层数据特征提取， 并减小过拟合。 (2) 通过降采样把特征层输出特征向量缩小至较小的尺寸; (3) 使用两个1×5大小的卷积层和一个带有Dropout的池化层将数据大小降采样到只有一个矢量的向量替代分类作用的全连接层， 进而减小参数量。 采集河南、 山东、 河北、 重庆主要产地出产的金银花为样品500份。 测试光谱范围908～1 676 nm， 采用KS法对样品集预处理， 并用shuffle算法完成训练集、 验证集、 测试集划分， 构建基于改进1D-VD-CNN与近红外光谱的金银花产地鉴别模型。 结果表明， 1D-VD-CNN训练集与测试集准确率均达到100%， 损失值收敛为0.001附近。 与传统1D-CNN模型相比， 1D-VD-CNN模型的训练集与测试集准确率分别提升为约0.5%与1.4%， 参数量和FLOPs分别减少近1 M(兆)和20 M(兆)。 与原始光谱数据分析法和PLS-DA法对比分析， 表明1D-VD-CNN模型对金银花近红外光谱分类具有更高的效率和更好的识别性能。

茉莉花的风味、 药用、 营养等方面的品质受其产地因素的影响, 因此茉莉花产地溯源对于保护消费者权益, 促进茉莉花产业健康发展具有重要意义。 为实现对不同产地的茉莉花产地溯源, 收集了广西横州、 福建福州、 四川犍为、 云南元江四个国内茉莉花主产地的100个茉莉花样本, 分别采用积分球和光纤探头两种方式获得茉莉花花蕾干样的近红外漫反射光谱(900～1 700 nm)。 采用Savitzky-Golay (SG)光谱平滑和多元散射校正(MSC)相结合进行光谱预处理, 光谱预处理后再利用主成分分析(PCA)结合线性判别分析(LDA)、 K近邻法(KNN)建立了茉莉花原产地判别模型。 建模过程中68个样本作为训练集, 32个样本作为测试集, 并通过交互检验进行模型参数优化。 结果表明, 基于PCA-LDA和PCA-KNN两种方法建立的判别模型均有良好的预测能力, 其中对于积分球采样得到的光谱数据两种方法预测准确率均达到100%, 对于光纤探头采样得到的光谱数据PCA-LDA和PCA-KNN的预测准确率分别为100%和93.75%。 最后, 通过不同产地茉莉花的色谱指纹图谱对比分析, 进一步阐明了基于近红外光谱技术进行茉莉花产地识别的物质基础。 该研究为茉莉花产地溯源提供了一种绿色、 快速、 准确的新方法, 在茉莉花原产地保护上有重要的潜在应用价值。

建立基于激光诱导击穿光谱仪技术获取的半定量青白色软玉的微量元素含量的人工神经网络模型, 以促进人工神经网络技术在宝石产地溯源方面的应用。 以我国新疆、 广西、 江苏、 青海, 以及韩国和俄罗斯六个产地的青白色软玉为样品, 利用激光诱导击穿光谱仪在颜色均匀干净的部分获取元素含量数据。 使用数据筛选原则对数据进行了筛选和Al的归一化处理之后, 以因子分析和线性回归分析讨论了数据间的共线性, 在数据间不存在明显多重共线性的情况下建立了三层人工神经网络的判别模型。 结果表明, 所选取的每个变量的VIF值小于5, 数据间不存在明显的多重共线性, 因子分析的KMO值小于0.6, 表明变量间无明显关系。 同时利用软玉t-SNE图对数据进行降维和可视化处理, t-SNE图显示大部分数据点都重叠在一起, 表明对此数据进行简单聚类和相关分析是无法区分产地的, 因此选择人工神经网络的方法对六个产地的数据进行产地判别分析。 经人工神经网络模型迭代判别之后, 模型对我国新疆、 广西、 江苏、 青海, 以及韩国和俄罗斯六个产地的青白色软玉判别的精度达到0.933, 其中韩国软玉的数据判别结果精度最高, 达到0.995, 误差为0.028, 青海软玉的数据判别结果最低为0.803, 误差为0.090。 综上所述, 激光诱导击穿光谱结合人工神经网络的方法在宝石产地溯源方面的应用是具有很大潜力的。

龙王山墓葬位于湖北省荆门市, 属于大溪文化向屈家岭文化过渡的关键时期, 距今约5 000年。 该墓葬共出土玉器73件, 玉器品质普遍较好。 长江中游地区历来鲜少出土玉器, 而时代更迭之期更是社会变革之际, 无论是从地理位置还是从时期上来看, 研究龙王山墓葬出土的玉器都具重大意义。 采用相对密度检测, 红外光谱仪（FTIR）及激光剥蚀电感耦合等离子体质谱仪（LA-ICP-MS）研究出土玉器的谱学及化学成分特征, 鉴定其材质, 并对用料水平及矿源进行了探究。 红外光谱结果显示龙王山墓葬出土玉器的红外吸收谱图可分为两类: 软玉类和玛瑙类。 软玉类玉器的红外吸收峰表现为1 207, 1 123, 1 028, 928, 775, 700, 602, 488和425 cm-1处。 玛瑙类玉器的红外吸收峰表现为1 158, 814, 790, 702, 572, 521及405 cm-1。 软玉类玉器有71件, 且品质都非常好, 说明龙王山墓葬先民对玉料的分选能力很强。 将龙王山墓葬的用料水平与同时期其他地区的考古学文化的用料水平进行对比, 龙王山墓葬的用料水平远超同期; 将龙王山墓葬的用料水平与湖北地区新石器时代的用料水平进行对比, 龙王山墓葬的用料水平远超湖北地区平均水平。 LA-ICP-MS的结果显示软玉质玉器的微量元素主要包含K和P等, 微量元素赋存情况以W, U, P及Sb元素富集, Th和Ti元素亏损为主。 玉器的稀土配分型式图多样, 水平海鸥状、 左倾式、 右倾式皆有。 Ce异常普遍不明显, Eu以正异常及负异常为主。 采用多元统计方法中的逐步判别法, 辅助SPASS软件, 对龙王山墓葬出土玉器的稀土元素及微量元素含量进行投点, 推断大部分玉料来自某个与新疆成矿环境类似的矿床, 但因其地球化学特征的多样性, 不排除玉料多来源的可能性。

鱼粉是一种在养殖业中占有重要地位的高蛋白饲料原料。 我国对鱼粉的市场需求很大, 但不同产地的鱼粉存在品质差异的问题。 为保证鱼粉品质安全, 建立鱼粉产地溯源系统具有非常重要的意义。 能量色散X射线荧光光谱根据元素辐射X射线荧光光子能量不同, 能够检测样品矿物质元素种类和含量。 鱼粉所含矿物质元素种类和含量会因鱼粉产地不同而存在差异, 因此提出采用能量色散X射线荧光光谱(EDXRF)法对鱼粉进行扫描检测来获得鱼粉的元素信息, 将原始光谱进行预处理后, 采用鲸鱼算法改进的自适应净信号权重局部超平面方法识别鱼粉样品的光谱向量, 从而对其产地进行溯源判别。 首先对产地来自辽宁和浙江的51份鱼粉样品进行压片, 并在EDXRF谱仪的检测程序中设置不同的滤光片, 得到51组(每组6条光谱)光谱。 然后对光谱进行预处理, 采用基于自适应迭代重加权惩罚最小二乘法算法(airPLS)进行基线校正, 从而消除基线漂移的影响, 提高精度。 采用小波变换对光谱进行平滑, 去除光谱曲线的高频噪声。 选取每个鱼粉样品6条光谱的有效区段, 计算谱峰面积, 获得代表样品矿物质元素含量的16维向量。 最后采取鲸鱼算法对自适应净信号权重局部超平面(ANWKH)方法的关键参数(近邻数、 主成分数、 调节参数)进行最优选择, 再利用寻找到的最优参数建立自适应净信号权重局部超平面模型, 随机选取每个产地鱼粉样品的70%作为训练集, 30%作为测试集进行鱼粉产地判别。 鱼粉样品分别来自辽宁和浙江两个产地, 经预测模型识别正确率分别为94.3%和100%, 总正确率为97.3%, 均高于人工寻找参数的自适应净信号权重局部超平面分类准确率。 结果表明, 基于能量色散X射线荧光光谱的鱼粉溯源方法能够准确地实现鱼粉产地溯源, 经鲸鱼算法改进后的自适应净信号权重局部超平面方法能够寻找到最优参数, 建立分类准确度更高的模型, 为以后进行更加详细的国内外鱼粉产地溯源提供了参考。

鱼粉是以一种或多种鱼类为组成原料的高蛋白饲料, 其在养殖产业中占据着非常重要的地位。 鱼粉产地众多, 品质参差不齐, 有不法商家以次充好, 为维护市场秩序, 应当建立一种鱼粉的产地溯源方法, 以便更加精准地判别和分析鱼粉的品质。 采用近红外光谱技术并结合化学计量学方法实现对不同产地鱼粉进行快速准确的产地溯源。 采用径向基为核函数的支持向量机进行模式识别, 并采用灰狼算法对以径向基为核函数的支持向量机进行关键参数的选择, 模拟狼群狩猎行为, 由适应度高低来设置等级制度, 有秩序地对目标参数进行逐渐逼近围捕的移动, 每次移动后重新进行适应性评估, 经过狼群等级迭代最终捕获猎物, 搜索到最佳惩罚因子和核函数半径; 最后, 利用最佳参数建立支持向量机模型进行不同产地鱼粉的产地溯源。 灰狼算法可以提高支持向量机算法中关键参数的选择速度和精度, 并提高支持向量机分类正确率。 对来自浙江温岭、 山东荣成、 山东威海、 辽宁大连四个产地的鱼粉样品采样, 共获得144条光谱, 光谱范围为3 700～12 500 cm-1, 用获得的光谱进行产地溯源。 随机选取每个产地样品的70%作为建模训练样本集, 30%作为测试样品集。 首先对原始近红外光谱进行预处理, 采用多元散射校正算法计算所有光谱的平均光谱当作“理想光谱”, 其他光谱对平均光谱进行一元线性回归, 对光谱平移、 偏移进行基线校正。 采用小波变换对原信号分解, 对高频信号进行阈值化处理, 消除高频噪声达到光谱曲线平滑去噪效果; 利用灰狼算法优化的支持向量机进行十次平行实验, 降低误差干扰, 得到产地分类结果: 浙江温岭、 山东荣成、 山东威海、 辽宁大连识别正确率分别为100%, 98.89%, 96.43%和97.78%。 与网格搜索法相比, 改进后的灰狼算法搜索支持向量机的惩罚因子和核函数半径速度更快更精确, 分类准确率更高, 可见灰狼算法优化的支持向量机（GWO-SVM）对鱼粉光谱进行产地溯源是可行的。

翠榴石为石榴石家族中最为贵重的亚种, 以其漂亮的外观和稀有性深受欢迎。 尤其是俄罗斯所产翠榴石更是国内外收藏家最为追捧的对象。 前人从不同角度对石榴石族矿物研究较多, 但关于翠榴石的研究较少。 为了探究俄罗斯翠榴石的化学成分及光谱学特征, 运用LA-ICP-MS, IR, Raman和UV-Vis, 对俄罗斯翠榴石进行系统研究, 旨在获得其化学成分尤其是稀土元素特征、 光谱学特征, 分析致色原因, 为其品种鉴定及产地溯源提供重要数据。 化学成分研究表明, 俄罗斯翠榴石几乎为纯的钙铁榴石(Andradite>96.39 Mol.%)。 次要成分中, Cr2O3含量较高, 平均0.502 Wt%, 除此以外还含少量Al, Mn, Ti和V。 其中Cr和V均为石榴石中致绿色的元素。 稀土元素含量总体不高, ∑REE平均4.85 μg·g-1; 且轻稀土元素明显富集, ∑LREE平均4.56 μg·g-1; 重稀土元素相对亏损, ∑HREE平均0.29 μg·g-1, ∑LREE/∑HREE=5.35~100.48。 多数样品显示Eu正异常。 主要拉曼位移为994.5, 873.5, 841.5, 815, 576, 552, 515, 492, 451, 369, 351, 323, 310.5, 295, 263, 234.5和172 cm-1。 拉曼光谱仅可作为翠榴石品种鉴定的手段之一, 对其产地溯源作用不大。 红外光谱研究表明, 指纹区红外反射光谱可以有效鉴别翠榴石, 红外光谱官能团区显示结构水的吸收峰, 表明俄罗斯翠榴石含有少量结构水, 这与其形成过程与热液交代作用有关。 紫外-可见吸收光谱研究显示, 俄罗斯翠榴石在384和440 nm处具明显吸收峰, 436 nm见弱吸收峰, 620 nm附近出现宽缓吸收带, 从500 nm附近至紫外区强烈吸收。 分析认为440 nm吸收带归于八面体位Fe3+的6A1→4A1g+4Eg(G)跃迁所致; 620 nm吸收带归于八面体位Cr3+的4A2g(F)→4T2g(F) d—d跃迁所致, Fe和Cr同为致色元素, O-Fe荷移带及440 nm强吸收带使得钙铁榴石产生黄色、 黄绿色, Cr3+的加入, 产生620 nm宽缓吸收带, 吸收橙黄色光, 使得宝石颜色向绿色端偏移, 显示纯正的绿色。 拉曼光谱、 红外光谱指纹区特征可以用于准确鉴定翠榴石; 稀土元素特征及中红外光谱官能团区结构水特征, 可以为其产地溯源提供重要信息。