1 天津理工大学机械工程学院, 天津 300384
2 北京农业智能装备技术研究中心, 北京 100097
3 北京市可持续发展科技促进中心, 北京 100101
5 山东省菏泽市巨野县林业局, 山东 菏泽 274000
作为两种常用的喹诺酮类抗生素, 培氟沙星和氟罗沙星残留问题引起人们的高度关注, 研发快速、 高效的检测手段成为一种需求。 采用太赫兹时域光谱(THz-TDS)技术对鱼粉基质中的培氟沙星、 氟罗沙星进行了研究。 制备培氟沙星、 氟罗沙星、 聚乙烯和鱼粉纯净物质以及培氟沙星-鱼粉和氟罗沙星-鱼粉17种不同浓度二元混合物的压片样品, 共106个; 对所有压片样品进行太赫兹光谱测量和分析; 利用连续投影算法(SPA)结合支持向量机(SVM)和反向传播神经网络(BPNN)建立定性判别模型, 对培氟沙星-鱼粉和氟罗沙星-鱼粉这两种混合物进行分类判别; 利用特征频率处吸收系数建立偏最小二乘回归(PLSR)、 BPNN、 多元线性回归(MLR)定量预测模型, 分别对两种混合物进行定量预测。 结果表明: 纯净培氟沙星在0.775和0.988 THz存在明显吸收峰, 纯净氟罗沙星在0.919和1.088 THz存在明显吸收峰, 聚乙烯对太赫兹波基本没有吸收, 鱼粉无吸收峰, 两种抗生素与鱼粉混合后的峰值出现在纯净抗生素的吸收峰附近; 在定性判别中, SVM判别结果最佳, 预测集判别准确率、 精确率、 召回率、 F1得分分别为97.06%, 97.22%, 97.06%和97.06%; 定量回归中, SPA-BPNN 模型用于预测培氟沙星-鱼粉结果最佳, 预测集相关系数(Rp)、 预测集均方根误差(RMSEP)分别为0.984 9和0.009 5, SPA-MLR模型用于预测氟罗沙星-鱼粉结果最佳, Rp和RMSEP分别为0.982 7和0.040 6。 研究表明THz-TDS技术对鱼粉基质中培氟沙星、 氟罗沙星进行定性定量检测是可行的, 为畜禽行业中培氟沙星和氟罗沙星实际检测提供理论和技术参考。
太赫兹时域光谱 培氟沙星 氟罗沙星 定性判别 定量检测 THz-TDS Pefloxacin Fleroxacin Qualitative discrimination Quantitative detection 光谱学与光谱分析
2022, 42(6): 1798
与其他动物油脂相比, 饲用鱼油的营养价值高、 产量低、 提炼工艺复杂, 其真实性的鉴定有利于市场的正常运行和消费者权益的保障。 本研究提出一种基于红外光谱的连续分类策略, 并将其应用于饲用鱼油中违法掺假陆生动物油脂的鉴别分析。 实验收集动物油脂样品共50个(鱼油12个、 猪脂10个、 鸡油9个、 牛脂10个、 羊脂9个), 采用均匀混合法制备饲用鱼油中掺加陆生动物油脂的样品160个。 采用主成分分析(PCA)方法进行用饲用鱼油中掺假陆生动物油脂红外光谱鉴别分析的可行性分析。 结果表明: 纯鱼油和掺假陆生动物油脂鱼油之间得到了较好的区分; 其他掺假陆生动物油脂鱼油之间有一定的鉴别分析潜力。 基于偏最小二乘判别分析(PLS-DA)和单类别偏最小二乘法(OC-PLS), 第一步, 建立检测鱼油真实性的单类别筛查模型; 第二步, 建立多类别陆生动物油脂掺假的鉴别模型, 探讨了两种陆生动物油脂类别划分方式对鉴别模型的影响。 研究表明: 单类别筛查模型成功区分了纯鱼油和掺假鱼油, 识别率和拒绝率均为100%, 误判率为0%; 按照纯鱼油、 猪脂掺假鱼油、 鸡油掺假鱼油、 牛脂掺假鱼油和羊脂掺假鱼油进行分类, 多类别鉴别模型的识别率和拒绝率均大于80%, 误判率均在15%以下; 按照纯鱼油、 非反刍动物油脂掺假和反刍动物油脂掺假进行分类, 多类别鉴别模型的识别率和拒绝率均提升至90%以上, 误判率减小至7%以下。 在提出的连续分类策略中, 中红外光谱技术结合化学计量学可以用于高效筛查鱼油中是否掺假陆生动物油脂, 并且可以进一步确证掺假陆生动物油脂种属源。 该方法作为一种快速筛查与确证分析工具可满足大样本量鱼油中陆生动物油脂掺假的检测需求。
连续分类策略 饲用鱼油 红外光谱 定性判别 Sequential classification strategy Feeding fish oil Infrared spectroscopy Discriminant analysis 光谱学与光谱分析
2021, 41(8): 2427
华东交通大学机电工程学院, 江西 南昌 330013
咖啡是世界三大饮料之一,严格把控咖啡品质具有重大意义。以三个不同品种的咖啡豆为对象,利用太赫兹时域光谱技术结合化学计量学实现咖啡豆品种的快速鉴别。采用多种预处理方法减小实验误差,利用主成分分析(PCA)对光谱矩阵进行降维。建立偏最小二乘判别分析(PLS-DA)二分类模型和支持向量机(SVM)、反向传播神经网络(BPNN)、随机森林(RF)多分类判别模型。PLS-DA二分类模型的定性判别效果较为理想,总正确率可达98%;在多分类模型中,基于基线校正建立的SVM模型的效果最佳,总正确率达到98%。本研究表明利用太赫兹光谱技术快速鉴别咖啡豆品种是可行的,建立了较优的基于基线校正后的支持向量机模型,以为太赫兹时域光谱技术在定性检测其他农产品时提供经验参考。
光谱学 太赫兹时域光谱技术 咖啡豆 定性判别 基线校正 支持向量机 激光与光电子学进展
2021, 58(16): 1630002
中国农业大学信息与电气工程学院, 北京 100083
应用近红外光谱技术实现农产品产地、 质量等级等属性特征的快速、 准确鉴别, 在农产品的收购、 加工中可发挥重要作用。 目前, 应用近红外技术实现上述目标虽有一些文献报道, 但已实际应用的事例却很少, 其主要原因在于所建模型的可靠性尚存在一定问题。 以来自四川省内不同部位(不同等级)的烟叶样品为例, 基于主要化学成分, 近红外光谱和定性判别结果评价了烟叶等级识别模型的可靠性; 并通过探究主要化学成分和光谱特征分析了四川省烟叶的等级特征。 研究结果表明: 在一定生态产区范围内, 可建立可靠性较好的烟叶等级识别模型, 物质信息基础和模型识别结果的一致性可验证模型的可靠性。 通过探究化学成分和光谱特征, 分析了四川省不同等级烟叶具有的化学成分特征: 上部烟叶具有低总糖, 高烟碱, 高总氮, 高纤维素, 高酰胺的等级特征; 中部烟叶具有高总糖, 中烟碱, 中总氮, 中纤维素, 中酰胺的等级特征; 下部烟叶具有高总糖, 低烟碱, 低总氮, 低纤维素, 低酰胺的等级特征。 本文得出的依据物质信息基础判定定性模型可靠性的方法, 以及基于化学成分和近红外光谱特征分析烟叶等级特征的方法, 对其他农产品的建模和化学成分特征分析具有参考价值。
近红外 烟叶 定性判别 可靠性 等级特征 Near-infrared Tobacco Qualitative discrimination Reliability Grade feature 光谱学与光谱分析
2020, 40(10): 3260
1 桂林理工大学理学院, 广西 桂林 541004
2 广东星创众谱仪器有限公司, 广东 广州 510663
总氮是衡量土壤肥力的重要成分指标。 传统的检测土壤总氮含量的化学方法操作复杂且费时费力, 采用傅里叶近红外（FT-NIR）对土壤总氮的含量实现直接快速定量分析； 然而, 利用偏最小二乘（PLS）等线性分析方法定量预测土壤样本的总氮含量, 定标预测模型有可能被理想化, 不利于在线检测的实际应用。 考虑给定量分析模型添加容错机制, 将FT-NIR定量分析转化为半定性判别分析, 以加强光谱模型的应用能力, 提出区间间隔搜索主成分分析逻辑回归（iPCA-LR）方法, 结合PLS的先验定量预测值, 通过设定r=0.05, 0.10, 0.15三个不同的容错阈值范围, 给样本赋予先验判别标记, 将定量分析模式转换为半定性判别模式, 建立土壤总氮的FT-NIR半定性判别模型, 同时, 对比讨论基于k＝5, 10, 15, 20四种不同子波段数量的区间划分数据的潜变量转换模式, 优选FT-NIR光谱特征子波段, 并讨论优选连续子波段的组合建模情况。 结果表明, 不同阈值范围下的FT-NIR半定性判别模型的预测准确率差别较大, 但不同阈值范围的最优判别模型的预测准确率均在75%以上, 各个区间划分的优选子波段或合并子波段的判别准确率均达到了90%以上, 可以满足不同程度的应用水平。 利用PLS结合iPCA-LR将定量预测转换为半定性判别的方法能够应用于土壤总氮的FT-NIR光谱分析, 能够解决常规PLS定量分析容易过拟合和过于理想化的问题, 半定性判别结果更符合实际, 有利于光谱技术的在线应用。
土壤总氮 波段优选 iPCA-LR模型 半定性判别 Soil nitrogen FT-NIR FT-NIR Waveband selection iPCA-LR model Quasi-qualitative determination
1 浙江大学生物系统工程与食品科学学院， 浙江 杭州310058
2 山西农业大学工学院， 山西 太谷030801
裂纹是衡量鲜枣品质的重要指标之一， 果皮裂纹加速鲜枣的腐烂， 导致鲜枣货架期的缩短， 严重降低鲜枣的经济价值。 采用高光谱成像技术在380～1 030 nm波段范围内对鲜枣裂纹的位置及大小信息特征进行快速识别。 选用偏最小二乘回归(PLSR)、 连续投影法(SPA)和全波段图像主成分分析(PCA)， 得到鲜枣裂纹相关的敏感波段。 然后利用选取的鲜枣裂纹的敏感波段对建模集的132个样本建立最小二乘支持向量机(LS-SVM)判别模型， 并对预测集的44个样本进行判别。 对PLSR-LS-SVM， SPA-LS-SVM和PCA-LS-SVM判别模型采用ROC曲线进行评判， 得出PLSR-LS-SVM模型对鲜枣裂纹定性判别的结果(area=1， std=0)最佳。 选取PLSR回归系数挑选出的5条鲜枣裂纹敏感波段(467， 544， 639， 673和682 nm)对应的单波段图像进行主成分分析， 其中将主成分PC4的图像结合图像处理技术， 最终识别出鲜枣裂纹的位置、 大小信息。 结果表明， 采用高光谱成像技术结合光谱图像处理可以实现鲜枣裂纹定性判别和定量识别的研究， 为进一步开发相关仪器的研究提供理论方法和依据。
高光谱成像技术 鲜枣裂纹 定性判别 定量识别 Hyperspectral imaging Cracks of fresh jujube Qualitative discrimination Quantitative identification
中国农业大学食品科学与营养工程学院, 北京 100083
近年来随着人们对乳制品需求的不断增加, 将复原乳冒充或添加在鲜乳中出售的现象也日益严重, 亟需简单、 快速的检测方法监测掺假行为。 利用同步荧光技术, 分别对两种鲜牛乳(未经杀菌的生牛乳和低温处理的巴氏杀菌乳)掺杂复原乳的情况进行了定性判别和定量分析。 以各类样本及全部样本的判别正确率作为定性判别模型的评价指标; 以相关系数(r)、 校正均方根误差(RMSEC)和预测均方根误差(RMSEP)作为定量分析模型的评价指标。 通过分析牛乳的三维荧光图谱确定同步荧光扫描的固定波长差Δλ值为80 nm; 在对图谱进行二阶求导后, 偏最小二乘-判别分析法(PLS-DA)对生鲜牛乳、 巴氏杀菌乳和复原乳的种类判别总正确率可达100%, 并且在判断两种鲜乳中是否添加复原乳时, 校正集样品的正确率均可达到100%, 预测集样品的正确率分别为75%和81.25%, 鲜牛乳和复原乳的种类判别模型, 以及鲜乳与掺假乳的定性判别模型均取得了良好的效果; PLS回归对同步光谱值与复原乳含量建立线性关系时, 两种鲜乳定量模型的r值分别为0.911 2和0.936 7, RMSEC分别为0.042 2和0.038 4, RMSEP分别为0.054 8和0.057 5, 鲜乳中复原乳含量的定量分析模型的r值均可达到0.9以上, 能对添加量较高的样品进行预测。 因此, 同步荧光技术可以较为准确、 快速的检测鲜牛乳中是否掺杂复原乳。
同步荧光技术 鲜牛乳 复原乳 定性判别 定量分析 Fluorescence spectroscopy Fresh milk Reconstituted milk Discrimination analysis Quantitative analysis 光谱学与光谱分析
2014, 34(10): 2685
1 上海交通大学农业与生物学院食品科学与工程系, 上海200240
2 上海市食品药品检验所, 上海201203
薏仁是一种药食两用资源, 对其品质快速鉴别的需求也越来越多, 近红外光谱技术（near infrared spectroscopy, NIRS）作为一种快速、 无损且环保的方法正适合这一需求。 以不同产地和品种薏仁的近红外光谱为基础, 结合化学计量学方法对薏仁种类进行鉴别。 对原光谱用无监督学习算法主成分分析（principal component analysis, PCA）和有监督学习算法学习向量量化（learning vector quantization, LVQ）神经网络、 支持向量机（support vector machine, SVM）进行定性判别分析。 由于不同地区和不同品种的薏仁营养物质组成复杂且含量相近, 所选两类薏仁的特征变量很相似, 因而PCA得分图重叠严重, 很难区分; 而LVQ神经网络和SVM都能得到满意结果, LVQ神经网络的预测正确率为90.91%, SVM在经过惩罚参数和核函数参数优选后, 分类准确率能达到100%。 结果表明: 近红外光谱技术结合化学计量学方法可作为一种快速、 无损、 可靠的方法用于薏仁种类的鉴别, 并为市场规范提供技术参考。
薏仁 近红外光谱 支持向量机 学习向量量化神经网络 定性判别 Coix seed Near infrared spectroscopy Support vector machine Learning vector quantization neural network Qualitative discriminant 光谱学与光谱分析
2014, 34(5): 1259
1 中国农业大学工学院， 北京100083
2 中国农业大学食品科学与营养工程学院， 北京100083
将与西瓜成熟度相关的10项指标， 经聚类分析分为完全成熟和不完全成熟两大类， 利用PCADA和PLSDA两种建模方法， 通过近红外光谱分析， 针对小型西瓜京秀果实成熟度进行了定性判定。 其中PCADA模型的效果最好。 赤道部位建模的效果优于瓜顶部位。 两个模型中均有误判， 且存在着共同被误判的样品， 果实样品理化成分和结构的不同都会对光谱信息产生影响， 从而导致误判。 漫透射近红外技术在小型西瓜成熟度检测方面可以获得较好的效果。 但是建立预测模型时应选择合适的光谱采集部位和建模方法。
小型西瓜 果实成熟度 近红外光谱 定性判别 Small watermelon Fruit maturity Near-infrared spectroscopy Qualitative identification 光谱学与光谱分析
2012, 32(6): 1526
