1 西南林业大学生物多样性保护学院, 云南 昆明 650224
2 西南林业大学地理与生态旅游学院, 云南 昆明 650224
3 中国科学院哀牢山亚热带森林生态系统研究站, 云南 景东 676209
植物凋落物是联结生物有机体合成和分解的桥梁, 通过物质流、 能量流及信息流深刻地影响了陆地生态系统的结构、 功能及关键生态过程。 自然生态系统中地表凋落物通常以混合物的形式分解, 尤其是在物种极其丰富的亚热带常绿阔叶林中。 受样地内树种组成影响, 叶凋落物往往属、 种混杂, 非专业人士难以实现准确鉴别, 这为后续凋落物分解研究带来一定的困难。 近红外光谱分析技术作为一种快速无损的检测手段, 已经成功应用于牛肝菌、 柑橘、 水稻等的种类鉴别。 该技术为解决叶凋落物鉴定这一难题提供了新的途径。 该研究收集云南哀牢山典型中山湿性常绿阔叶林6种优势树种叶凋落物共计540份, 获取样品近红外漫反射光谱, 分析不同种类叶凋落物平均光谱图特征。 建模时, 使用Kennard-Stone算法将540个样品数据以2∶1比例分为训练集与验证集, 其中360个样品数据用于叶凋落物分类模型的建立, 180个样品数据用于叶凋落物分类模型的验证。 使用标准正态变量变换(SNV)、 Savitzky-Golay卷积平滑(SG)、 多元散射校正(MSC)、 导数处理(Derivative)等单一与组合算法对光谱数据进行预处理, 并采用主成分分析(PCA)与正交偏最小二乘判别分析(OPLS-DA)2种模式识别方法对不同树种叶凋落物进行鉴别。 结果表明: (1) 叶凋落物近红外光谱主成分分析得分图中各组数据呈现交织状态, 虽然经SNV+SG方法预处理后, 光谱数据得到优化, 变色锥与舟柄茶与其他树种出现一定的区分, 但仍然无法实现6种叶凋落物的准确鉴别。 (2) SNV+SD预处理方法结合OPLS-DA建立的模式识别模型, 效果最好, 因变量累计拟合指数为0.922, 模型累计预测能力指数为0.894, 置换检验显示模型未过度拟合, 训练集与验证集识别率均为100%。 研究表明, 在对样本近红外光谱进行预处理优化的基础上, 结合有监督的OPLS-DA模式识别方法, 可以实现不同树种叶凋落物的准确鉴别, 为后续植物凋落物研究提供了有力的技术支撑。
近红外光谱 叶凋落物 主成分分析 正交偏最小二乘判别分析 哀牢山 Near-infrared spectroscopy Leaf litters Principal component analysis Orthogonal partial least squares discriminant anal Mts. Ailaoshan 光谱学与光谱分析
2023, 43(7): 2119
1 中国航天员科研训练中心, 北京 100094
2 厦门大学固体表面物理化学国家重点实验室, 化学化工学院, 福建 厦门 361005
人体能量摄入量与能量消耗量平衡是评估健康的标准之一。 不平衡的能量摄入量可能造成生物体组织细胞损伤、 机体过度肥胖等后果。 评估能量摄入量对人的身体健康管理具有重大意义。 目前评估能量摄入量的主要方法是膳食回顾法, 该方法不仅耗时长, 还会增加待评估人员的负担, 所以亟需开发一种简单快速的能量摄入量评估方法。 能量摄入后经过体内的消化代谢, 会产生代谢产物作为废弃物排出体外。 废弃物如尿液等, 含有大量的化学物种, 可以系统性反映生物体的饮食代谢状况和疾病进程。 基于高灵敏、 可无损检测两个组“指纹式”分子光谱特征的表面增强拉曼光谱（SERS）, 采用谱峰统计、 无监督和有监督聚类算法分别对尿液的SERS信号开展分析, 最终实现对不同能量摄入量的聚类分析。 首先尝试对能量摄入量分组分别为1 500, 2 030和2 700千卡·日-1两个组的志愿者尿液SERS谱图进行谱峰分析, 发现很多有机分子的拉曼谱峰存在一定程度的重叠, 所以直接对谱峰进行解析及归属存在较大难度, 需要采用化学计量学的方法建立分类模型, 以实现良好区分和预测效果。 对比无监督的主成分分析（PCA）和有监督的正交偏最小二乘判别分析（OPLS-DA）两种算法的区分效果。 首先对原始光谱数据直接进行主成分分析, 发现模型中不同类别的散点分布存在较大程度的重叠, 这使得组别归类效果很差, 而经过一阶导数差分校正基线后, 模型呈现出可分类的趋势。 OPLS-DA算法通过预先设定Y的标签及正交信号矫正处理, 能将X矩阵信息分解成与Y相关和不相关的两个组分, 集中表达相关的信息, 实现良好的分类效果。 结果表明, OPLS-DA算法可以对三种不同能量摄入量水平进行很好的归类, 而且每两组间也可以实现很好区分。 ROC分析结果表明敏感性和特异性均达到100%。 200次迭代的置换检验结果也说明了模型良好的可靠性和预测性。 表明通过采集尿液的拉曼信号, 经过一定的数据处理即可评估人体能量摄入量水平。 该方法可以实现尿液的快速分析, 测试分析时间小于2 min, 操作简单, 判别结果准确, 在医疗健康领域具有很大应用前景。
表面增强拉曼光谱 能量摄入 尿液分析 主成分分析 正交偏最小二乘判别分析 Surface enhanced Raman spectroscopy Energy intake Urine analysis Principal component analysis Orthogonal partial least-squares discriminant anal
为了找出一种快速、简便、准确的方法来探究霉菌试验后**装备表面生长的霉菌种类，按照标准的试验方法进行了霉菌试验，利用傅里叶红外光谱仪对经过不同菌种腐蚀后的样本进行了测试，获取了光谱数据，并通过对数据进行初步的主成分分析确定了光谱数据的识别区域。采用最小距离匹配、光谱角匹配、光谱信息散度、光谱协方差、主成分分析、偏最小二乘判别分析(Partial Least Squares Discriminant Analysis，PLS-DA)、随机森林等分类算法建立了识别模型。研究结果表明，随机森林算法能够很好地识别霉菌种类，准确率预期在98%以上。基于合适的分类算法，傅里叶红外光谱(Fourier Transform Infrared, FTIR)技术能够实现对菌种的有效鉴别。
傅里叶红外光谱 偏最小二乘判别分析 光谱信息散度 随机森林 霉菌试验 菌种识别 FTIR PLS-DA spectral information divergence random forest mold test species identification
1 宁夏大学食品与葡萄酒学院, 宁夏 银川 750021
2 宁夏大学物理与电子电气工程学院, 宁夏 银川 750021
灵武长枣作为宁夏优势特色枣果, 具有重要的经济社会价值和科学研究意义。 利用可见近红外(Vis/NIR)高光谱成像系统采集60颗完整长枣光谱图像, 然后利用损伤装置对60颗完整长枣进行损伤实验, 最终得到60颗损伤(内部瘀伤)长枣, 高光谱成像系统采集损伤后五个时间段(损伤后2, 4, 8, 12和24 h)长枣的光谱图像。 对采集的长枣光谱图像用ENVI软件提取感兴趣(ROI)区域, 并计算完整长枣和每个时间段长枣的平均光谱值。 原始光谱利用Savitzky-Golay平滑的一阶导数(SG-1)和二阶导数(SG-2)、 标准正态变换(SNV)和去趋势(Detrending)、 以及SNV-SG-1、 SNV-SG-2、 Detrending-SG-1、 Detrending-SG-2算法进行预处理, 原始光谱和预处理光谱建立偏最小二乘判别分析(PLS-DA)分类模型。 选择最优的预处理光谱数据, 利用连续投影算法(SPA)、 间隔随机蛙跳(IRF)、 无信息消除变量(UVE)、 变量组合集群分析法(VCPA)、 区间变量迭代空间收缩法(IVISSA)和IRF-SPA、 UVE-SPA、 IVISSA-SPA等算法进行特征变量选择, 对选择的特征变量建立PLS-DA、 线性判别分析(LDA)和支持向量机(SVM)分类判别模型。 结果表明, 在原始光谱建立的PLS-DA模型中, 模型校正集和预测集准确率分别为82.96%和90%。 光谱经过预处理后得到SNV-SG-2-PLS-DA为最优分类判别模型, 模型校正集和预测集准确率分别为91.11%和96.67%。 在特征变量建立的分类模型中, SNV-SG-2-UVE-PLS-DA模型校正集和预测集准确率分别为86.3%和94.44%; SNV-SG-2-SPA-LDA模型校正集和预测集准确率分别为86.3%和83.33%; SNV-SG-2-UVE-SVM模型校正集和预测集准确率分别为77.78%和71.11%。 对于分类模型来说线性分类模型(PLS-DA、 LDA)分类结果优于非线性分类模型(SVM)分类结果, 在线性分类模型结果中PLS-DA优于LDA分类结果, PLS-DA可以更好的提供分类效果。 研究表明, 利用高光谱结合偏最小二乘判别分析分类模型, 可以有效的实现灵武长枣损伤后随时间变化的快速检测, 为灵武长枣在线检测提供理论依据。
灵武长枣 高光谱 偏最小二乘判别分析 线性判别分析 支持向量机 Lingwu long jujube Hyperspectral Partial least squares-discriminant analysis Linear discriminant analysis Support vector machine 光谱学与光谱分析
2021, 41(9): 2879
华南理工大学聚合物新型成型装备国家工程研究中心, 广东省高分子先进制造技术及装备 重点实验室, 华南理工大学聚合物加工工程教育部重点实验室, 广东 广州 510640
在聚合物加工过程中, 如果在同一生产线上混用不同牌号的原材料, 可能会影响产品性能, 降低产品合格率。 然而采用传统方法识别相同类型不同牌号的聚合物往往耗时长且具有滞后性, 目前还缺乏一种快速实时的牌号识别方法。 因此, 以5种不同牌号的通用聚苯乙烯(GPPS)为研究对象, 利用自主开发的安装于挤出机上的在线近红外光谱测量系统, 将近红外光谱与化学计量学、 机器学习算法相结合, 实现对挤出过程中GPPS牌号的快速在线识别。 首先利用在线近红外光谱测量系统实时采集5种不同牌号GPPS熔体的在线近红外光谱, 波长范围为900~1 700 nm。 经过谱图分析后, 利用主成分分析结合K均值聚类算法验证在线近红外光谱数据对于不同牌号的可分性。 最后采用偏最小二乘判别分析和随机森林两种算法分别建立GPPS牌号识别模型并进行对比。 结果表明: ①经过基线校正、 最大最小归一化、 7点移动平均平滑预处理后, 在线近红外光谱在1 207, 1 388, 1 407和1 429 nm处的特征峰峰值会随着牌号的变化呈阶梯状改变, 以前3个主成分得分作为K均值聚类的输入变量得到聚类正确率为88%, 说明了不同牌号GPPS在线近红外光谱数据的可分性; ②所建立的两种预测模型均能够对GPPS牌号有效识别, 最佳主因子数为3的偏最小二乘判别分析模型对验证集的分类正确率为90.4%, 以前5个主成分得分作为输入变量建立的随机森林模型对验证集的分类正确率达95.6%, 所以随机森林模型的牌号识别性能更好。 因此, 在线近红外光谱测量系统结合化学计量学、 机器学习算法可以实现GPPS牌号的快速在线识别, 为在生产线上利用近红外光谱识别同种聚合物的不同牌号提供参考。
近红外光谱 牌号识别 通用聚苯乙烯 偏最小二乘判别分析 随机森林 Near-infrared spectroscopy Grade identification General purpose polystyrene Partial least square-discriminant analysis Random forest 光谱学与光谱分析
2021, 41(9): 2759
利用可见近红外（Vis-NIR）高光谱成像技术对完好和损伤等级灵武长枣进行快速识别检测。 采用定量损伤装置得到损伤Ⅰ, Ⅱ, Ⅲ, Ⅳ和Ⅴ级的灵武长枣, 借助高光谱成像系统采集完好长枣和损伤长枣样本高光谱图像。 提取感兴趣区域（region of interest, ROI）并计算样本平均光谱值。 利用光谱-理化值共生距离算法（SPXY）将420个长枣样本按3∶1的比例划分校正集315个和预测集105个。 灵武长枣原始光谱建立偏最小二乘判别分析（PLS-DA）分类模型, 得到校正集和预测集准确率分别为72.70%和86.67%; 灵武长枣原始光谱数据采用移动平均（MA）、 卷积平滑（SG）、 多元散射校正（MSC）、 正交信号修正（OSC）、 基线校准（baseline）和去趋势（de-trending）等方法进行光谱预处理并建立PLS-DA分类判别模型。 通过分析比较, 得到MSC-PLS-DA为最优分类判别模型, 校正集准确率为76.19%, 预测集准确率为86.67%, 其中校正集比原始光谱建模准确率提高了3.49%, 预测集准确率较原始光谱建模结果未提高; 为了提高建模效果, 对灵武长枣原始光谱和预处理后的光谱分别采用连续投影算法（SPA）、 无信息变量消除（UVE）、 竞争性自适应加权抽样（CARS）和区间变量迭代空间收缩法（iVISSA）等算法提取特征波长, 建立PLS-DA分类判别模型, 结果表明, MSC-CARS-PLS-DA为最优模型组合, 校正集准确率为77.14%, 预测集准确率为89.52%, 建模准确率较原始光谱建模准确率分别提高了4.44%和2.85%。 结果表明, Vis-NIR高光谱成像技术结合MSC-CARS-PLS-DA模型可实现灵武长枣损伤等级的快速识别。
灵武长枣 高光谱 定量损伤 等级判别 偏最小二乘判别分析（PLS-DA） Lingwu long jujube Hyperspectral Quantitative damage Level discriminant Partial least squares-discriminant analysis (PLS-D 光谱学与光谱分析
2021, 41(4): 1182
1 中国人民公安大学刑事科学技术学院,北京 100038
2 中国人民公安大学刑事科学技术实验教学中心,北京 100038
中性笔油墨是司法鉴定中同一认定的重要物证。为提高油墨检验的准确性,本文利用拉曼光谱法对油墨样本进行无损检测。首先对预处理后的光谱数据进行降维处理,构建偏最小二乘判别分析模型;然后采用受试者工作特征曲线线下面积对预测效果进行验证,提取出36个变量投影重要性最高的特征变量;接着将特征变量作为数据输入到隐藏层神经元数目为13的多层感知器中,最终的训练正确率为87%且无过拟合现象。将变量投影重要性的特征提取与有监督的多层感知器训练相结合,可以有效压缩数据,缩短分析时间。感知器层间的连接权重可通过自主学习进行调节,提高了中性笔油墨分类结果的可信度与正确率。
光谱学 拉曼光谱法 偏最小二乘判别分析 变量投影重要性 多层感知器 激光与光电子学进展
2021, 58(1): 0130002
茶油的脂肪酸组成与被誉为“黄金液体”的橄榄油相似, 有着“东方橄榄油”的美称, 一些不法商家在高价油中掺入低价油、 地沟油等来谋取暴利, 严重侵犯了消费者的权益。 建立快速、 高效的茶油鉴定方法对于防止茶油掺伪、 维护消费者权益具有重要意义。 首先分析了不同品牌、 加工工艺的茶油、 大豆油、 玉米油等共54个样本的三维荧光光谱等高线图, 分析结果表明: 不同加工工艺获取的茶油, 它们的三维荧光光谱差异较大, 而茶油与大豆油及玉米油的三维荧光光谱则差异较小, 因此仅通过观察样本的三维荧光光谱很难进行茶油鉴定。 通过编写小程序, 并在9.4版SAS软件平台上运行该程序, 将样本三维荧光光谱的二维函数z=f(激发, 发射)表达, 转换成一维函数z=f(激发-发射)表达, 在此基础上, 获取训练集样本三维荧光光谱数据矩阵, 再在simca 15.0.2软件平台上, 采用正交偏最小二乘判别分析(OPSL-DA), 基于训练集样本数据, 构建茶油鉴定模型。 代表该模型拟合能力的参数R2=0.84; 代表模型预测能力的参数Q2=0.72, 变量数=2, 上述参数表明所构建的模型是一个质量好的模型。 设计具有良好代表性的由7个不同品牌茶油, 18个掺伪茶油, 2个盲样构成的检验集, 其中掺伪茶油的掺杂物是大豆油或玉米油或棕榈油或棉籽油或低价混合油, 掺杂物添加水平分别是4%, 10%和16%。 上述构建的茶油鉴定模型, 对检验集27个样本的预测结果全部正确, 能够鉴别添加量仅为4%, 且掺杂物三维荧光光谱与茶油三维荧光光谱非常相似的(如玉米油、 大豆油、 混合油)掺伪茶油。 因此该模型可以快速、 有效地进行茶油鉴定。 该研究为应用三维荧光光谱进行快速、 有效的植物油鉴定, 提供了一种新的途径。
茶油 三维荧光光谱 正交偏最小二乘判别分析 鉴定 Camellia oil Three-dimensional fluorescence spectroscopy Orthogonal partial least squares discriminate analysis (OPSL-DA) Identification 光谱学与光谱分析
2020, 40(12): 3854
中国医学科学院血液病医院(中国医学科学院血液学研究所), 实验血液学国家重点实验室, 国家血液系统疾病临床医学研究中心, 天津 300020
急性白血病的诊断基于一系列检测方法, 细胞遗传学和荧光原位杂交方法旨在鉴定涉及白血病发生过程的特定基因和染色体改变, 通过流式细胞术和分子生物学进行的免疫表型分析也是目前可用于明确诊断的检查手段。 这些检查的侵入性和时效性方面的不足促使人们寻找以拉曼光谱技术为代表的新的方法和技术, 以减少假设和诊断结论之间的时间间隔, 有利于患者获得更好的预后。 拉曼光谱技术可用来非标记识别血液中存在的血细胞和生化元素的光谱信息, 例如氨基酸、 蛋白质、 脂质、 核酸和类胡萝卜素, 并且该技术在使用细胞系、 血涂片和血清样本进行的不同类型血液学疾病的诊断中变得愈为重要, 具有广阔的应用前景。 实验研究了人急性T细胞白血病细胞系(Jurkat)、 人急性骨髓性白血病细胞系(KG-1α)、 人急性早幼粒细胞白血病细胞系(NB4)和人急性单核细胞白血病细胞系(THP-1)的拉曼光谱特征, 建立使用拉曼光谱非标记鉴别四种白血病细胞系的新方式, 为临床实验研究提供科学基础。 分别培养并收集四种急性白血病细胞系细胞, 使用Horiba Xplora拉曼光谱仪获取拉曼光谱, 每种细胞系捕获25~30个白血病细胞光谱。 联合运用主成分分析法、 偏最小二乘判别分析和聚类分析等光谱分析方法, 对四种细胞系细胞的光谱展开深入分析和建立鉴别模型, 联合两两组合分析, 对细胞光谱进行甄别。 四种细胞的拉曼光谱具有差异, 主要通过769, 826, 844, 957, 1 048, 1 141, 1 255, 1 313, 1 415, 1 539和1 575 cm-1等峰位进行区分, 反映了jurkat细胞活跃的增殖代谢, KG-1α细胞活跃的与核酸相关的能量代谢以及NB4细胞较强的细胞呼吸等生物学信息。 结果表明: 依据PLS-DA建立的拉曼光谱辨别模型能准确甄别四种急性白血病细胞, 模型具有良好的拟合稳定性、 预判能力和应用前景。
急性白血病细胞系 拉曼光谱 偏最小二乘判别分析 鉴别 Acute leukemia cell line Raman spectra PLS-DA Identification 光谱学与光谱分析
2020, 40(12): 3670
1 中国科学院 长春光学精密机械与物理研究所 应用光学国家重点实验室，吉林 长春 130033
2 中国科学院大学，北京 100049
3 湖南省水稻研究所，湖南 长沙 410125
4 湖南省农业科学院，湖南 长沙 410125
针对目前农业种植选种应用对于带稃壳水稻种子活力分级检测的迫切需求，以及现有通用的糙米检测技术存在的问题，本文提出一种基于近红外超连续激光光谱的水稻种子活力透射光谱检测方法。首先，设计了种子活力近红外吸收光谱检测系统，测量了3种不同年份的带稃壳的水稻种子的近红外吸收光谱，结果显示，水稻种子的活力梯度与近红外吸收光谱的特征吸收峰值相关。然后，采用归一化、二阶导数校正法和正交信号校正相结合优化了种子光谱的预处理算法。最后，建立主成分分析(PCA)模型，对光谱进行降维，确定最佳主成分数目，应用偏最小二乘判别分析(PLS-DA)建立了水稻种子活力分析鉴别模型。分析结果表明，本文设计的透射式吸收光谱检测系统结合PLS-DA判别模型可对不同活力的水稻种子进行分类，校正集和验证集的准确率分别为94.44%和95.92%，筛选后水稻种子的发芽率可达97.17%。研究结果表明，本文提出的基于近红外光谱信息实现水稻种子活力无损分级的方法可行，且具有较高的预测精度。
近红外光谱 种子活力 偏最小二乘判别分析 主成分分析 near-infrared spectroscopy seed vigor partial least-squares discriminant analysis principal component analysis
