1 湖南农业大学食品科学技术学院, 湖南 长沙 410128
2 湖南师范大学医学院, 湖南 长沙 410013
菊花为菊科植物菊的头状花序, 滁菊、 贡菊、 杭菊和亳菊是常见的几类药用品种菊花。 不同品种菊花在外观上具有极大的相似性, 非专业人员仅凭肉眼难以对其进行准确鉴别分析。 常规仪器分析法检测成本较高, 分析时间较长, 且需要对样品进行破坏性处理, 影响了产品的二次销售。 近红外光谱技术作为近年来快速发展起来的一种绿色、 简单、 快速的新型检测技术, 在中药鉴别领域取得了很大的进展。 基于便携式近红外光谱仪结合化学计量学方法建立了一种菊花品种无损鉴别方法。 利用便携式近红外光谱仪采集了滁菊、 贡菊、 杭菊和亳菊完整以及粉末状两种物理形态样品的光谱, 采用单一以及组合光谱预处理方法消除光谱中存在的干扰, 结合不同模式识别方法(主成分分析法、 软独立模式分类法和Fisher线性判别分析法)分别构建了不同品种菊花的鉴别模型。 结果表明: 由于仪器的限制及样品物理性状的原因, 光谱中存在较为明显的背景、 基线漂移以及噪声的干扰, 完整样品由于物理性状的原因, 基线漂移干扰尤为严重; 采用主成分分析法结合光谱预处理方法无法实现不同品种菊花的准确鉴别, 完整样品最佳鉴别正确率仅为8.33%, 粉末样品最佳鉴别正确率为52.38%; 通过软独立模式分类法结合预处理方法可以得到较为准确的鉴别结果, 完整样品光谱数据经一阶导数+多元散射校正优化后鉴别正确率为95%, 粉末状样品数据采用原始数据的鉴别正确率为92.5%; Fisher线性判别分析方法结果最佳, 完整样品数据经连续小波变换优化后可以得到97.5%的鉴别正确率, 粉末状样品采用原始光谱便可得到100%鉴别正确率。 以上结果表明, 当采用合适的预处理和建模方法, 完整样品和粉末状样品鉴别结果较为一致, 基于便携式近红外光谱仪结合化学计量学可实现对不同品种菊花的准确无损鉴别分析, 为食药同源产品的无损鉴别分析提供了新途径。
便携式近红外光谱仪 菊花 无损鉴别 Fisher线性判别分析 Portable near infrared spectrometer Chrysanthemum Nondestructive identification Fisher linear discri-minant analysis 光谱学与光谱分析
2022, 42(4): 1129
1 中国科学院合肥物质科学研究院等离子体物理研究所, 安徽 合肥 230031
3 南华大学核科学与技术学院, 湖南 衡阳 421001
便携式近红外光谱仪现场快速检测是近红外光谱分析领域的一个重要的发展趋势。 为了实现快速检测, 便携式近红外光谱仪一般不配备温控装置, 因此环境温度的变化会带来较大的测量误差。 如何降低环境温度对检测结果带来的误差, 是便携式近红外光谱仪在现场快速检测领域大规模推广所需要解决的一个重要问题。 柴油的凝点值是评价柴油品质和适用范围的一个重要指标, 对柴油凝点进行快速检测有重要的经济意义。 通过便携式光谱仪采集了50种具有不同凝点的柴油样品在近红外波段(950~1 650 nm)的吸收光谱, 研究了环境温度变化下的基于近红外光谱分析的柴油凝点快速检测方法。 此光谱仪为基于数字微镜设计的便携式光谱仪, 针对现场快检而研发, 未配备温控样品池。 在环境温度T0=25 ℃时基于偏最小二乘法建立了柴油凝点的预测模型, 并分别将不同环境温度(TE=-10, 0, 10, 20, 30, 40和50 ℃)条件下测量的近红外光谱带入上述凝点预测模型, 分析预测偏差随环境温度相对参考值变化(TE-T0)的依赖关系。 通过一次函数对预测误差随环境温度的变化关系进行拟合, 发现凝点预测偏差的平均值随环境温度的变化关系为Δc=-0.019 8(TE-T0)。 将环境温度的修正因子带入25 ℃条件下预测模型, 建立了针对环境温度变化的温度修正模型。 在温度修正以后, 10 ℃条件下预测凝点的均方根误差由原来的14.6降为8.8, 相关系数由原来的0.4提升为0.7。 研究表明, 本温度修正模型可以有效降低环境温度对预测结果带来的误差。 基于此温度修正模型, 可以显著降低近红外光谱分析建模过程的工作量, 在某一特定温度条件下建立预测模型后将此温度修正项带入模型即可用于在其他环境温度条件下进行柴油凝点值的预测, 而不需要在其他多个温度条件下分别建立预测模型, 可显著提高建模效率和便携式近红外光谱快速检测的温度适应性。
便携式近红外光谱仪 温度修正 偏最小二乘法 柴油凝点 Portable near infrared spectrometer Temperature compensation model Partial least square method Condensation point of diesel 光谱学与光谱分析
2021, 41(10): 3111
1 中国肉类食品综合研究中心, 肉类加工技术北京市重点实验室, 北京 100068
2 中国农业大学食品科学与营养工程学院, 教育部-北京市功能乳品实验室, 北京 100083
应用便携式近红外光谱仪采集320份生鲜猪肉在近红外光谱中波区的光谱信息, 采用不同优化方法建立猪肉胆固醇预测模型, 并对异常样品的剔除及组合预处理方法对模型性能的改善进行了分析。 研究表明: 通过对异常值的二次剔除, 并使用SG一阶导数（savitzky-golay first derivative, SG 1stD）、 SG平滑（savitzky-golay smoothing, SGS）和正交信号校正（OSC）的组合预处理方法, 可获得最佳生鲜猪肉胆固醇预测模型, 其参数如下: 校正集相关系数（Rc）=09137, 校正标准差（standard error of calibration, SEC）=25607, 验证集相关系数（Rp）=0656 7, 预测标准差（standard error of prediction, SEP）=4985 5, 主因子数（principal factor, PF）=4, 范围误差比（ratio of performance to standard deviation, RPD）=25032, 相对预测标准差（relative standard error of prediction, RSEP）=8625 4%, SEP/SEC=1946 8, 说明模型在近红外光谱中波区对猪肉胆固醇的分辨能力和预测准确度较好, 通过向校正集中补充代表性样品可使模型稳健性进一步改善。 对检验集样品预测值（prediction value, PV）与参比值（reference value, RV）的t检验显示二者之间无显著性差异（p＞005）, 检验集样品总体预测准确率为625%, 其中50～70 mg·(100 g)-1区段的局部预测准确率达到917%, 可以用于生鲜猪肉胆固醇浓度的在线快速初步定量分析。 该研究将便携式近红外光谱用于在近红外中波区对生鲜猪肉及肉制品中胆固醇浓度的分析和检测, 通过进一步的研究和改进, 可将其应用于产品的原料分级、 品质和过程控制及市售产品的抽检等。
便携式近红外光谱仪 中波近红外光谱 在线无损检测 生鲜猪肉 胆固醇浓度 Portable near-infrared spectrometer NIR medium wavelength region On-line noninvasive prediction Fresh pork Cholesterol level 光谱学与光谱分析
2017, 37(6): 1759
