玛咖（Lepidium meyenii Walp.）是生长在高海拔地区的十字花科独行菜属一年生或两年生的草本植物, 具有丰富的营养价值和生物保健功效。 自2011年被列为新资源食品后, 玛咖产业得到了迅速发展, 价格不断上涨。 由于芜菁（Brassica rapa L.）外形与玛咖极为相似, 受经济利益驱使, 不法商家常将芜菁冒充玛咖, 制成玛咖粉、 玛咖片和玛咖饮品等牟取暴利, 这给玛咖健康产业的有序发展带来了严重的负面影响。 因此玛咖的真伪鉴别是非常必要的, 但目前对于玛咖的真伪鉴别多为传统方法, 快速检测方法较少。 采用多光谱成像技术, 建立了一种玛咖与芜菁真伪的快速无损鉴别的新方法。 主要包括玛咖切片和玛咖粉真伪鉴别两部分内容； 其一是针对玛咖切片的真伪鉴别, 通过Videometer A/S多光谱成像仪对240片玛咖和芜菁切片（玛咖和芜菁切片各120片）进行数据采集, 波长范围在可见光区域和近红外区域, 分别为405, 435, 450, 470, 505, 525, 570, 590, 630, 645, 660, 700, 780, 850, 870, 890, 910, 940和970 nm共19个波段, 为了有效鉴别玛咖和芜菁, 首先进行了主成分分析（principal component analysis, PCA）, 然后结合支持向量机（support vector machines, SVM）, 遗传算法优化支持向量机（genetic algorithm and support vector machine, GA-SVM）和反向传播神经网络（back propagation neural network, BPNN）算法建立了分析模型, 校正集与预测集的样品数量比值为3∶1。 研究发现PCA分析可以明显地将玛咖和芜菁区分, SVM模型对于玛咖和芜菁切片的预测正确率分别为98.33%, 100%, GA-SVM和BPNN模型对玛咖和芜菁切片的鉴别正确率均为100%。 其二是针对玛咖粉的真伪鉴别, 选择120份玛咖粉, 向其中掺入20%, 40%, 60%, 80%, 4个不同掺假水平（W/W）的芜菁粉进行多光谱数据采集, 结合偏最小二乘（partial leastsquares, PLS）和最小二乘支持向量机（least squares-support vector machines, LS-SVM）对芜菁的掺假比例进行了定量预测。 研究发现, PLS和LS-SVM模型对于玛咖粉中芜菁粉的掺入比例的预测决定系数（R2P）分别为0.992和0.994, 预测均方根误差（RMSEP）分别为2.718%和2.675%, 相对预测误差（RPD）分别为12.782和12.987。 相比较而言, LS-SVM模型具有更高的R2p, RPD较低的RMSEP, 对于玛咖粉中掺入芜菁粉比例的预测性能更好。 为玛咖真伪的快速无损鉴别提供了一种新方法。

奶粉的真伪和掺伪近年来受到广泛的关注, 研究一种操作便捷, 能准确、 快速、 全面鉴定奶粉品牌并实现奶粉掺假鉴别的新方法对于奶粉的质量控制具有重要的意义。 为实现奶粉的真伪鉴别, 采集三种品牌奶粉贝因美、 飞鹤和雀巢的拉曼光谱, 并利用拉曼谱图特征峰结合最近邻算法（nearest neighbor, NN）的模型对三种品牌奶粉进行识别, 在10次交叉验证的基础上, 平均识别率为99.56%。 为实现奶粉的掺伪分析, 将飞鹤奶粉与雀巢奶粉按不同质量比（0∶1, 1∶3, 1∶1, 3∶1, 1∶0）混合成五种掺伪奶粉, 提取掺伪奶粉中的脂肪, 采集脂肪样本的拉曼光谱, 分别使用拉曼谱图特征峰结最近邻算法的模型和核主成分分析（kernel principal components analysis, KPCA）结合最近邻算法的模型对五种脂肪样本进行识别, 10次交叉验证下的平均识别率分别为93.33%和98.89%, 平均运算时间分别为0.085和0.104 s。 实验证明: 特征峰结合NN的算法可以快速实现对奶粉真伪的判别, 但此算法不能很好的区分掺伪奶粉; 拉曼光谱-KPCA-NN模型可以为奶粉的掺伪检测提供一种简便、 准确、 快速的方法。

把低价油掺入到高价油是食用油脂中的常见掺伪现象, 芝麻油由于品质好价格高, 市场上时有假冒伪劣产品, 因此应用FTIR并结合化学计量学, 建立了芝麻油的真伪和掺伪的快速分析方法。 首先分析了芝麻油与大豆油、 葵花籽油在4 000～650 cm-1范围的FTIR谱图, 由于食用植物油都是不同脂肪酸甘油三酯的混合物, 其谱图极为相似, 很难发现芝麻油与其他油脂的明显差异。 但是不同食用油的脂肪酸组成不同, 其1 800～650 cm-1红外指纹特征区也有所不同, 因此可以选择该区域, 对红外光谱数据用化学计量学方法进行分类识别。 通过建立主成分分析(PCA)和簇类独立软模式识别(SIMCA)模型, 进行了芝麻油的真伪鉴别, 该模型聚类效果较为理想, 识别正确率达到了100％; 采用标准正态化校正(SNV)和偏最小二乘法(PLS), 经过PCA分析计算, 芝麻油中掺入大豆油、 葵花籽油的掺伪检测限均为10%; 利用FTIR和PLS, 建立了芝麻油掺的定量分析模型, 该模型预测值与实际值有着良好的对应关系, 预测相对误差为-6.87％～8.07％之间, 说明定量模型可行。 本方法能够实现芝麻油的快速真伪鉴别和掺伪定量分析, 其优点是模型一旦建立, 分析简便、 快速, 可以满足大量样品的日常监测。

本文用MPA傅立叶变换近红外光谱仪研究了单粒水稻种子的漫反射光谱特征, 发现颖壳对光谱扫描有影响, 为了尽量消除这种影响, 保证光谱的代表性, 应对其上下表面分别进行多次光谱采集, 取它们的平均光谱。本文利用种子品种特有的光谱特性, 结合不同光谱预处理方法建立了多个聚类分析模型, 比较它们对杂交F1代种子“03S/0412”和其父本种子“0412”的鉴别效果。结果显示: 选择4000～8900 cm-1光谱范围, 通过“无预处理”、“矢量归一化”、“二阶导数（25点平滑）”和“二阶导数（25点平滑）+矢量归一化”建立的模型校正集正确率分别为52.4%、65.2%、75.2%和100%, 可见, 相比无预处理, 经过各种预处理后正确率都有提高, 其中“二阶导数（25点平滑）+矢量归一化”建立的模型最好, 用该模型对预测集预测, 分类正确率也为100%, 具有很好的预测性能。这说明近红外光谱技术可用于单粒水稻种子品种真伪性鉴别。

用激光光致发光光谱技术对发票真伪的快速鉴别进行了研究。 首先采集80个真假发票样本的激光光致发光光谱数据， 然后利用遗传算法对谱线重叠严重的566~669 nm波段进行高斯拟合， 提取特征参数， 再结合BP神经网络技术建立鉴别模型。 结果表明， 从104个光谱数据提取13个特征参数， 真假发票的拟合确定系数R2分别为0.997 89和0.996 83， 相对标准差RSD分别为0.017 052和0.022 362， 有效实现对原始光谱特征信息的提取和简化; 将13个特征参数和2个评估参数R2， RSD作为BP神经网络的输入变量， 模型质量最高， 对60个建模发票样本和20个未知发票样本的识别准确率均达到100％。 说明文章提出的光谱分析方法具有很好的分类和鉴别作用， 为发票真伪的快速鉴别提供了一种新方法。

研究收集了不同品牌的90个葡萄酒样品， 为了消除各光谱基线不同带来的影响， 对所有光谱曲线都进行了一阶求导， 以一阶导数谱线作为有效数据， 通过独立主成分（PC）分析可知， 前两个主成分的贡献率达到80%以上， 主成分聚类使得真伪葡萄酒样品明显分为两类; 以前四个主成分作为BP神经网络的输入建立了一个三层人工神经网络的识别模型， 该模型对葡萄酒样品的预测识别率达到100%。 研究表明， 可见-近红外透射光谱结合主成分分析建立的BP神经网络模型能为快速、 无损鉴别葡萄酒真伪提供一种准确可靠的新方法。

建立了一种基于近红外光谱分析技术的方法, 对熊胆粉的真伪进行了鉴别, 并对掺伪品中熊胆粉的掺入比例进行了定量分析。 采集了四处不同产地的30份熊胆粉样品, 六份猪胆粉份样品, 以及65份按不同比例混合的熊胆粉与猪胆粉的混合样品的近红外光谱, 对所采集的样品光谱进行主成分分析, 观察到熊胆及其伪品和掺伪品之间存在明显的界限, 不同产地的熊胆粉之间也存在着一定的差别。 同时利用偏最小二乘方法对熊胆粉, 猪胆粉, 及二者的混合物建立了判别分析模型和掺伪熊胆粉中熊胆粉的掺入比例的定量校正模型, 判别分析模型预测的准确率为95%, 定量分析模型的预测集决定系数为0.975 9, 预测均方差为4.25%, 预测效果满意。 研究结果有助于实现熊胆粉的快速、 无损鉴别, 并为其他贵重药材的质量鉴定提供了借鉴。

为了快速准确的鉴别卷烟真伪, 以A牌和假冒A牌卷烟为实验材料, 采用近红外光谱法结合主成分分析-马氏距离判别分析方法建立了鉴别模型。 首先对经过预处理的光谱数据进行主成分分析, 分析结果表明, 前4个主成分的累积贡献率已达98.46%, 说明这4个变量能够代表原始光谱的主要信息。 从120个样品中随机抽取100个用于建立4个主成分变量的定性判别模型, 模型的相关系数达到了0.95, 对20个未知样品的预测结果准确率为100%。 说明近红外光谱结合模式识别方法进行卷烟真伪定性鉴别在技术上是可行的, 可以作为卷烟真伪鉴别的一种辅助手段。

采用傅里叶变换红外(FTIR)光谱法并结合二阶导数技术, 测定了中药天然麝香及其伪品的红外光谱。 结果表明: 天然麝香的主要特征峰为3 284, 2 923, 2 851, 1 655, 1 546, 1 400, 1 038 cm-1等吸收峰, 分别代表蛋白质、 大环酮类和甾体类等主要成分； 与天然麝香相比, 麝香伪品的红外光谱的吸收的位置和强度有明显差异, 可被容易区分； 天然麝香、 市售麝香及人工麝香的谱图相似性较高, 尤其是人工麝香与天然麝香极其相似, 难以区分； 采用傅里叶二阶导数谱, 提高了谱图分辨率, 可直观有效地鉴别正品麝香。 该方法具有快速、 灵敏、 直观、 无损等特点, 可为名贵药材的来源与真伪鉴别提供了新的手段。

采用红外光谱的三级鉴定法分析鉴别了黄芪及其伪品刺果甘草。 在一维红外光谱中，　刺果甘草的1　737 cm-1CO伸缩振动峰，　明显高于黄芪的1　737 cm-1特征峰，　说明刺果甘草含有机酯类化合物的量相对高于黄芪。 在高分辨的二阶导数谱中，　刺果甘草有明显的1　620， 1　317， 782和516 cm-1的草酸钙特征峰，　而黄芪没有。 此外，　两者都存在1　463， 1　511和1　596 cm-1的芳香类化合物的特征峰，　不同的是刺果甘草的1　468 cm-1峰的右侧还有一个1　453 cm-1的小肩峰。 在二维相关红外光谱中，　两者都存在1　070，　1　095和1　140 cm-1的糖苷类化合物的自动峰，　不同的是黄芪的1　140 cm-1的自动峰强度最大，　但刺果甘草的1　090 cm-1自动峰强度最大。 谱图的三级鉴定验证了黄芪及其伪品刺果甘草在糖苷类化合物、 芳香类化合物和有机酯类化合物的相对含量上都是不一致的。 该方法不仅可以快速有效地鉴别黄芪及其伪品刺果甘草，　还提供了两者的有机酯类化合物以及芳香类和糖苷类化合物具有很大差别的一些有用的结构信息。 因此，　运用红外光谱法可以快速有效地分析和鉴定黄芪及其伪品刺果甘草。