忍冬属中药材种类多、 产量大, 外观性状特征相似, 区分较为困难。 采用傅里叶变换红外光谱对来源于忍冬属的忍冬(金银花)、 红腺忍冬、 灰毡毛忍冬、 黄褐毛忍冬4种中药材进行测定, 红外光谱扫描范围为4 000～400 cm-1, 得到图谱后进行图谱解析; 采用谱带较密集的指纹区(1 800～400 cm-1)计算红外光谱图相似系数和二阶导数谱, 同时结合SMICA(簇类独立软模法)聚类分析法对红外指纹图谱进行分类和异同点比较。 结果表明, 4种忍冬属中药材红外光谱整体峰形相似, 谱峰位置和峰高都比较接近, 在1 629～1 635、 1 376～1 384、 1 265～1 282、 1 152～1 158、 1 050～1 051、 814～816、 611～614和534～537 cm-1附近均有吸收, 但忍冬中1 731 cm-1CO伸缩振动吸收峰最明显, 仅灰毡毛忍冬与忍冬显示出1 105和1 103 cm-1C—O的伸缩振动吸收峰。 红腺忍冬与灰毡毛忍冬1 317 cm-1 CH的弯曲振动吸收峰最明显, 黄褐毛忍冬1 075 cm-1处糖醇类物质的C—OH伸缩振动特征峰最明显。 相似系数结果表明4种中药材间存在一定差异, 其中红腺忍冬与黄褐毛忍冬差异最大, 相似系数为0.94。 二阶导数光谱中, 4种中药材在1 700～1 300和971～780 cm-1波段差异明显。 采用Assure ID软件以药材吸收波数为变量进行聚类分析, 红腺忍冬与黄褐毛忍冬的类间距最大, 为6.86, 进一步表明红腺忍冬与黄褐毛忍冬差异最大。 聚类模型中, 4种中药材的识别率和拒绝率最高值为100%, 最低值达99%; 类模型图中, 不同基原药材两两分开, 表明红外光谱结合SIMCA聚类分析能够鉴别忍冬属4种中药材; 取已知基原的样品对聚类分析模型进行验证, 均被正确识别。 因此, 红外光谱与聚类分析法相结合可以快速、 无损鉴别忍冬属4种中药材, 为忍冬属中药的基原鉴别提供了一种科学有效的方法。

烈香杜鹃为常用藏药, 具有止咳、 祛痰、 平喘、 清热解毒、 健胃消肿之功效, 藏医常用于治疗类风湿性关节炎, 多数为野生药材; 为有效鉴别烈香杜鹃的真伪、 产地和品质差异, 采用红外光谱法对13个不同产地的烈香杜鹃进行了红外光谱图的识别分析。 红外光谱的扫描范围为4 000~400 cm-1, 实验发现其红外光谱相似; 对红外吸收谱带归属进行判别分析, 建立了烈香杜鹃红外指纹图谱, 其特征吸收峰位于3 404, 2 921, 2 852, 1 734, 1 625, 1 449, 1 374, 1 266, 1 060和534 cm-1等处; 在1 517, 1 316, 1 161, 825, 779和594 cm-1附近, 峰数目、 峰位置与峰强度有差异。 计算共有峰率和变异峰率, 建立共有峰率和变异峰率双指标序列, 利用SPSS软件对其红外图谱数据进行聚类分析。 双指标序列分析法与聚类分析法的分析原理与角度不同, 分组结果基本一致, 表明这两种方法可靠, 可用于分析烈香杜鹃的产地与品质差异。 双指标序列分析法比较结果显示, 样品的共有峰率≥68.75, 变异峰率≤27.27, 分组结果表明, 产地接近、 气候条件与生长环境相似的烈香杜鹃之间共有峰率较高; 而产地、 气候条件与生长环境相差较大的烈香杜鹃之间变异峰率较高。 聚类分析结果显示, 当欧氏距离为15时, 可聚为三大类, R2, R3和R4为一类, R7, R8, R10, R11和R12为一类, 剩下的归为一类; 当欧氏距离为20时, 聚为两大类, R2, R3和R4为一类, 剩下的归为一类; 当欧式距离为25时, 13个产地的烈香杜鹃聚为一类。 将聚类分析结果与使用ArcGIS软件所做的烈香杜鹃采样点分布图结合起来分析, 能直观地看出烈香杜鹃品质与其产地的关系。 综合以上分析, 建立的烈香杜鹃红外指纹图谱, 结合双指标序列分析法和聚类分析法, 可以为鉴别烈香杜鹃的真伪、 产地和品质差异提供快速、 有效的新方法。

为了对塑料饮料瓶物证进行检验分析, 利用傅里叶变换红外光谱仪、X射线荧光光谱仪和厚度仪, 对57个塑料饮料瓶样品进行抽查检验, 并结合聚类分析方法进行了分析处理。首先, 红外光谱法可对塑料饮料瓶样品的主要成分进行检验, 根据样品成分的不同, 可分为聚乙烯(PE)和聚对苯二甲酸乙二醇酯(PET)两大类; 其次, 通过X射线荧光光谱法对样品中的主要填料碳酸钙进行测定, 根据Ca元素的含量可以对样品进行区分; 最后, 利用测厚仪可对塑料饮料瓶样品的厚度进行测定。根据样品的颜色、规格、成分、Ca元素的含量以及样品的厚度, 结合聚类分析法可以将样品进行区分, 实验结果表明该方法简便快速、结果准确可靠、且无损检材, 可用于检验区分塑料饮料瓶。

基于激光诱导荧光光谱原理, 提出一种常见机油的快速识别方法。利用激光器发射波长为355 nm的紫外激光, 诱导九种常见机油样品发射荧光, 共采集450组荧光光谱数据, 其中360组数据用于分类训练, 90组数据用于识别。分析发现不同机油的荧光光谱特征有明显差异, 利用主成分分析结合聚类分析法实现了对90组待识别光谱数据的快速识别, 识别率可达97.8%。实验证明, 激光诱导荧光光谱结合多元分析可以实现不同机油的快速识别与检测。

对31例结直肠癌患者、 8例肠炎患者和10例健康者的血清冻干粉标本进行傅里叶变换红外光谱(fourier transformation infrared spectrum, FTIR)检测, 对比分析各组红外光谱特征。 结果显示, FTIR检测血清冻干粉获得11个吸收峰, 结直肠癌组P9峰位波数蓝移(1 249 cm-1), 差异有统计学意义(Z=－2.051, p<0.05); 5个吸光度比值组间差异无统计学意义; 层序聚类分析法(hierarchical cluster analysis, HCA)显示结直肠癌个体红外光谱具有一定程度的聚类特性; 对酰胺Ⅰ带光谱(1 700～1 600 cm-1)进行傅里叶解卷积等处理获得蛋白二级结构的百分含量, 组间差异无统计学意义。 研究结果初步提供了血清FTIR光谱用于结直肠癌早期诊断的理论依据。

以添加不同辅料奶粉的近红外图谱作为聚类分析的对象,化学成分的含量不同,红外的谱图就会有差异。在建立混合成分模型的基础上,采用SIMCA聚类分析法对添加不同辅料奶粉进行了快速的分类研究。对市场25０种不同种类奶粉进行近红外扫描,并做了重现性测定。含有乳糖或蔗糖的不同辅料的奶粉的近红外谱图,从表观上难以进行指纹特征提取,需采用模式识别技术来进行智能识别。从中随机抽取160张谱图进行聚类分析,并对未知样品进行预测。结果表明:尽管各样品的近红外谱图很相似,难以直接区别,但采用近红外光谱和聚类分析相结合的方法可以鉴定添加不同辅料的奶粉。从模型图上看,两个不同辅料奶粉之间没有重叠,互不干扰,各样品之间光谱聚类的结果较理想,盲样检测的正确率可达90％以上。如果能够获得足够多的样本,增加训练集样本数和采样的代表性,加强操作的标准程度,该法的准确率将会大大提高。近红外光谱与聚类分析法相结合可以快速、无损识别奶粉中添加的不同辅料,是一种有效的奶粉质量检测技术。