木材的种类识别是木材加工和贸易的一个重要环节, 传统的木材种类识别方法主要有显微检测法和木材纹理识别法, 其操作繁琐, 耗时长, 成本高, 不能满足当前需求。 本研究利用木材的近红外光谱（NIRS）结合模式识别方法, 以期实现木材种类的快速准确识别。 采用近红外光谱结合主成分分析法（PCA）、 偏最小二乘判别分析法（PLSDA）和簇类独立软模式法（SIMCA）三种模式识别对58种木材进行种类鉴别研究; 5点平滑、 标准正态变量变换（SNV）、 多元散射校正（MSC）、 Savitzky-Golay一阶导数（SG 1st-Der）和小波导数（WD）五种光谱预处理方法用于木材光谱的预处理; 校正集和测试集样品的正确识别率（CRR）用于模型的评价。 采用PCA方法, 通过样品的前三个主成分空间分布图分辨木材种类的聚类情况。 在建立PLSDA模型, 原始光谱的正确识别率最高, 分别为88.2%和88.2%; 5点平滑处理的光谱校正集和测试集的CRR分别为88.1%和88.2%; SNV处理的光谱校正集和测试集的CRR分别为84.4%和84.5%; MSC处理的光谱校正集和测试集的CRR分别为83.1%和84.2%; SG 1st-Der处理的光谱校正集和测试集的CRR分别为81.8%和82.7%; WD（小波基为“Haar”, 分解尺度为80）处理的光谱校正集和测试集的CRR分别为87.3%和87.2%。 可知, 在PLSDA模型中, 木材光谱未经预处理种类识别效果最后好。 在建立SIMCA模型过程中, 原始光谱的校正集和测试集的CRR分别为99.7%和99.4%; 5点平滑处理的光谱校正集和测试集的CRR分别为100%和100%; SNV处理的光谱校正集和测试集的CRR分别为99.5%和99.1%; MSC处理的光谱校正集和测试集的CRR分别为99.0%和98.4%; SG 1st-Der的光谱校正集和测试集的CRR分别为81.8%和82.7%; WD处理的光谱校正集和测试集的CRR分别为100%和100%。 可知, 在SIMCA模型中, 木材光谱经平滑和小波导数处理后的识别效果最好, 且光谱的校正集和测试集CRR都为100%。 采用三种模式结合五种不同的预处理方法对木材近红外光谱进行定性建模识别时, 由于木材样本属性复杂, 主成分分布图相互交织, PCA无法识别出58种木材; 原始光谱的PLSDA模型可以得到较好的判别模型, 但校正集和测试集的CRR只有88.2%和88.2%; 木材光谱经过5点平滑或WD预处理后的SIMCA模型可达到最好的识别效果, 校正集和测试集的CRR均为100%, 且WD-SIMCA模型因子数比5点平滑SIMCA模型小, 模型更为简化, 故WD-SIMCA为58种木材种类识别的最优模型。 研究表明光谱预处理方法可以有效的提高木材种类识别精度, 有监督模式识别方法SIMCA可以用来建立有效的木材识别模型, 近红外光谱结合模式识别可以为木材种类的识别提供一种快速简便的分析方法。

针对目前管道泄漏监测与安全预警技术的不足,提出了光纤布拉格光栅(FBG)振动传感的方法,搭建了管道振动信号实时监测系统,并在石油管道上进行了现场实验。通过对实验得到的时域信号进行初步分析,以及采用基于偏最小二乘判别分析法(PLSDA)的模式识别方法,可以对管道上的噪声、铁锹敲击、铁锤敲击、电钻钻孔信号进行有效区分,且信号识别正确率达到96%,得出FBG加速度振动传感器系统检测管道振动信号具有可行性的结论,为石油管道运输中存在的打孔盗油等破坏性行为的监测提供了可行方案,从而实现管道上振动信号的实时在线监测与科学管理。

卵巢癌是一种发病率和致死率极高的女性妇科疾病。 目前卵巢癌的临床诊断主要依靠病理学检测, 超声法以及检测血液中肿瘤标志物CA125, 但是上述几种方法都存在其固有的缺陷。 本研究提出应用拉曼光谱结合偏最小二乘-判别分析（PLS-DA）模型, 实现在分子水平上判别诊断卵巢癌。 拉曼光谱在正常组织与癌组织之间存在反映其癌变过程物质结构变化的微小差异。 因此, 通过结合PLS-DA数据模型分析拉曼光谱信息, 能够将微小差异放大化, 捕获生物分子的显著特征。 在研究中, 模型的变量数目选择其分类错误率最小时的数值, 即隐变量的数目为5, 能够捕获大量的官能团特征性信息, 通过分析隐变量的p值大小可知5个隐变量均可实现对正常组织与癌组织的有效区分, 并且第一个隐变量具有最明显的区分结果。 通过模型运算结果可知, 该模型对卵巢癌判别的准确性达到852%（其中灵敏性为862%, 特异性为854%）。 研究结果表明, 拉曼光谱技术, 通过与PLS-DA模型相结合, 可作为卵巢癌临床诊断中的辅助诊断方法, 从分子水平上实现对卵巢癌的诊断判别。

配置合格的纯牛奶样本及含有三聚氰胺质量浓度范围为0.01 g/L~3 g/L的掺杂牛奶样本各20个, 并采集其近红外光谱。以牛奶中掺杂三聚氰胺浓度为外扰, 构建二维相关同步谱, 研究其相关谱特性。在此基础上, 结合偏最小二乘判别分析法(PLS-DA)建立定性模型, 可以实现纯牛奶与掺伪牛奶的定性鉴别, 正确识别率达100%。同时, 将二维相关近红外同步谱矩阵与偏最小二乘法(PLS)结合起来, 建立定量分析牛奶中掺杂三聚氰胺的数学模型。对未知样品的预测相关系数R达到0.98, 预测均方根误差(RMSEP)为0.18 g/L, 说明基于同步相关谱矩阵建立定量分析的数学模型是可行的。该方法无需样品处理, 成本低, 为快速检测掺伪牛奶提供了一种新的途径。

对一种针叶材和一种阔叶材的横切面采集波长范围为780～2 500 nm的近红外漫反射光谱, 结合偏最小二乘判别分析法(PLS-DA)对针叶材杉木和阔叶材桉树快速识别的可行性进行了研究, 结果表明: (1)利用近红外光谱结合PLS-DA法建立的识别模型对建模样品的识别正确率达到100%, 识别模型预测的分类变量值与实际值之间相关系数r达到0.99, SEC为0.07; (2)即使采用短波区域780～1 100 nm的近红外光谱也可以获得理想的识别结果(识别正确率为100%), 识别模型的r也达到0.99, SEC为0.07; (3)利用近红外光谱建立的识别模型对未知样本的识别正确率都为100%, 说明近红外光谱技术可以快速、 准确识别针叶材和阔叶材, 这为木材识别提供了一种新方法和技术, 也为开发低成本的近红外光谱识别仪器提供了科学依据。