1 华侨大学分析测试中心, 福建 厦门 361021
2 华侨大学化工学院, 福建 厦门 361021
3 厦门市环境科学研究院, 福建 厦门 361021
安溪是铁观音茶的源产地, 茶叶总产值每年数亿元, 但不同品质的铁观音茶价格参差不齐, 市场上存在以次充好的现象。 福建省安溪县和华安县为铁观音主要的茶产地, 两县市的茶叶产量市场占有率较高, 地理位置毗邻, 但茶叶品质和风味各有不同, 造成茶叶市场的困扰。 铁观音中微量元素种类和含量的检测, 对产地的溯源具有重要的意义。 采用X射线荧光光谱无标样半定量分析法(XRF)和微波消解/电感耦合等离子体质谱法(ICP-MS)对福建省主要茶产区安溪县(感德、 西坪、 祥华)和华安县(良村、 华丰、 仙都)的30份铁观音进行元素含量对比分析。 XRF法检测出两县茶样中存在的元素种类有K, Ca, S, P, Mg, Al, Si, Cl, Fe, Mn, Rb, Zn, Na和Sr, 但含量上存在一定的差异。 根据XRF法检测结果进行快速、 准确稀释茶样用于ICP-MS法对比测定金属元素, 优化样品前处理方法以满足痕量检测要求。 对比发现当测定Ca, Mg, Al, Fe, Mn和Zn金属元素时, 相关性系数R2在0.824 8~0.892 8, 趋势线斜率在0.806 0~0.944 9, XRF法和ICP-MS法的可比性较好, 说明检测这六种元素采用这两种方法皆适合。 同1份安溪铁观音茶样采用XRF法的相对标准偏差皆<6.0%, ICP-MS法的相对标准偏差皆<3.0%。 相对于ICP-MS法, XRF法前处理更简单, 耗时少, 因此需低成本、 快速、 简便检测茶样中的Ca, Mg, Al, Fe, Mn和Zn元素含量时, 可选择XRF检测法。 采用ICP-MS检测出的K, Ca, Mg, Al, Fe, Mn, Rb, Zn, Na和Sr金属元素进行逐步判别分析, 通过建立Fisher判别模型对安溪县和华安县铁观音茶样实现有效区分, 模型建立的判别函数的产地检验判别率为96.7%, 交叉检验判别率为96.7%, 对测试样品的识别正确率为100%。 ICP-MS法检测金属元素结合逐步判别-Fisher判别分析, 对安溪县和华安县铁观音茶样产地溯源具有较强的可行性。
铁观音茶 X射线荧光光谱技术 电感耦合等离子体质谱法 元素分析 逐步判别分析 Tieguanyin XRF ICP-MS Elemental analysis Stepwise discriminant analysis 光谱学与光谱分析
2022, 42(10): 3124
基于傅里叶变换红外光谱技术, 利用逐步判别分析法对金银花品种和产地进行鉴别研究。采集、测试了5个产地9个品种150份金银花样本的红外光谱, 并计算了各样品红外光谱的一阶导数光谱和二阶导数光谱。分别选用不同的样本组成训练集和检验集, 以1800～900 cm-1、1500～700 cm-1和1200～700 cm-1波数范围的红外光谱、一阶导数光谱和二阶导数光谱数据为判别变量建立判别模型对金银花的品种和产地进行鉴别。判别结果显示, 以1800～900 cm-1波数范围的二阶导数光谱数据为判别变量建立的模型鉴别效果相对较好, 对品种和产地的鉴别正确率依次达93.20%和96.13%。研究结果表明, 采用逐步判别模式识别可以很好地鉴别不同品种和产地的金银花, 方法可行有效, 可为金银花品种和产地朔源提供方法。
傅里叶变换红外光谱 逐步判别分析 金银花 品种 产地 Fourier transform infrared spectroscopy stepwise discrimination analysis honeysuckle variety geographical origin
1 中国科学院安徽光学精密机械研究所中国科学院大气光学重点实验室, 安徽 合肥 230031
2 中国科学技术大学, 安徽 合肥 230026
根据排查罂粟的需要,利用光纤光谱仪在室内测量了小麦、罂粟、虞美人和狗尾草等植物在450～1000 nm波长范围内的光谱反射率。运用SPSS统计软件的逐步判别分析方法获得区分四种植物的8个特征波长,以选定的特征波长点建立判别模型进行分析,以罂粟错识率及非罂粟错识率为评价指标,研究了识别效果随特征波长点及特征波长点数目的变化情况。结果表明“红边”附近波长对罂粟及非罂粟的识别有重要影响,利用特征波长组合684.0,706.4,725.2,919.2 nm或684.0,694.3,706.4,725.2 nm 时,罂粟错识率及非罂粟错识率可以降到0%。
光谱 罂粟识别 光谱分析 逐步判别分析 spectroscopy opium poppy identification spectral analysis stepwise discriminant analysis
1 湖南农业大学苎麻研究所， 湖南 长沙 410128
2 湖南农业大学信息科学技术学院， 湖南 长沙 410128
为了探讨基于高光谱的苎麻品种识别和分类的方法， 在大田栽培条件下， 采集了4个不同基因型苎麻品种共927个叶片高光谱数据。 根据苎麻叶片高光谱反射曲线， 选择了2组特征参数： 基于高光谱波形峰谷反射率和位置参数（V1组）、 基于偏度和峰度参数（V2组）。 运用逐步判别的方法， 通过设置不同F值筛选不同个数的变量， 分别建立基于2组特征参数的多个Fisher线性判别函数， 并从计算量、 正确率和稳定性三方面对所建立的判别函数进行分析比较。 结论： (1)所有组合的判别函数总体平均正确率为911%， 标准差总体均值为12%； (2)综合权衡， 在所有组合中， V2组且14≥变量个数n≥8判别效果最好——计算量中等， 正确率和稳定性均高于平均值， 其中， 13个变量的Fisher判定函数平均正确率最高有942%， 标准差最低为0%； (3)若优先考虑正确率， V1组且22≥变量个数≥15正确率最高， 平均正确率最大有955%， 但计算量比较大， 稳定性中等， 标准差最低为09%。 研究表明， 利用高光谱参数结合逐步判别方法识别苎麻品种是可行的。
苎麻 高光谱 逐步判别分析 品种识别 Ramie Hyperspectral Stepwise discriminant analysis Variety discriminant 光谱学与光谱分析
2018, 38(5): 1547
1 暨南大学物理系思源实验室, 广东 广州 510632
2 南方医科大学中医药学院, 广东 广州 510515
旨在建立可靠的Fisher判别模型, 以实现西洋参及其常见伪品饮片的快速、 客观、 准确鉴别, 采用自组的凝视式光谱成像仪, 对90份不同市售来源的中药材饮片(西洋参、 人参、 桔梗各30份)进行了荧光光谱成像实验, 波长范围为400~720 nm, 成像间隔为5nm。 采用标准正态变量(SNV)变换对原的光谱数据进行预处理, 以减少光谱数据中的噪声干扰。 比较了主成分分析(PCA)与逐步判别分析(SDA)的原理特点及对模型的优化效果, 联合这两种分析方法, 首先, 应用PCA对预处理后的光谱数据进行处理, 使光谱数据中的主要信息集中分布在前面的主成分中, 然后应用SDA从65个主成分中筛选出判别能力较强的12个主成分建立Fisher判别模型。 由所建模型的两个判别函数作样品得分散点图, 各类样品在图中表现出良好的聚类现象。 以待判样品点与各种类中心点之间的欧氏距离作为依据, 得出模型的准确判别结果。 结果显示, 所建Fisher判别模型在训练集和预测集中的判别正确率分别为98.33%和 96.67%, 具有较高的可信度与准确度, 因此, 荧光光谱法结合Fisher判别分析可用于快速鉴别西洋参及其伪品饮片。
荧光光谱成像 Fisher判别分析 逐步判别分析 主成分分析 西洋参 鉴别 Fluorescence spectral imaging Fisher discriminant analysis Stepwise discriminant analysis Principal component analysis Radix panacis quinquefolii Identification 光谱学与光谱分析
2017, 37(4): 1157
1 玉溪师范学院物理系, 云南 玉溪 653100
2 玉溪师范学院化学系, 云南 玉溪 653100
用傅里叶变换红外光谱（FTIR）和逐步判别分析法对油菜籽的品种和产地进行鉴别研究。 测试了来自5个产地17个油菜籽品种188份油菜籽皮样品的红外光谱, 按产地和品种选择训练样本, 每个品种选择5份为训练样本, 剩下的作为测试样本, 选择1 800～950 cm-1范围的光谱信息, 在SPSS20.0的判别分析模块中采用逐步法, Fisher线性判别准则, 分别建立油菜籽品种和产地的鉴别模型来判别样品的品种和产地； 比较了逐步判别分析中五种筛选建模信息的算法所建立的模型对实验样品品种和产地的鉴别效果。 基于油菜籽皮红外光谱信息的品种判别分析, 五种筛选变量的算法所建立的模型都能较好的识别油菜籽的品种, “Wilks’ Lambda”法所建模型的识别效果最好, 判别正确率为97.9%。 基于油菜籽皮红外光谱信息的产地判别分析, 五种筛选变量的算法所建立的产地判别模型也都能较好的识别油菜籽的产地, “Unexplained variance”法所建模型的识别效果最好, 判别正确率为98.4%。 研究结果表明, 基于油菜籽皮中红外光谱信息的品种和产地判别分析, 有望成为油菜籽品种和产地鉴别的方法。
红外光谱 逐步判别分析 油菜籽 研究 Infrared spectroscopy Stepwise discriminatory analysis Rapeseed Study 光谱学与光谱分析
2016, 36(5): 1363
1 新疆农业大学草业与环境科学学院, 新疆 乌鲁木齐830052
2 新疆林业科学院现代林业研究所, 新疆 乌鲁木齐830000
地面实测地物光谱可提供细致的光谱信息, 表现同种地物不同理化特性和不同种类地物光谱的微小差异, 使利用光谱进行地物识别成为可能。 使用美国HR-768型地物光谱仪, 在塔里木河下游和吐鲁番沙漠植物园实测胡杨、 柽柳、 梭梭和沙拐枣高光谱数据, 利用包络线去除、 一阶微分和二阶微分法对原始光谱进行变换处理, 使用马氏距离法确定所测树种原始光谱和变换光谱的差异显著波段, 利用逐步判别法检验所选差异波段的识别效果。 结果表明: 马氏距离法可准确确定树种识别的最佳波段, 且上述4树种光谱识别波段大多位于近红外区。 原始光谱、 包络线去除、 一阶微分和二阶微分四种光谱对4树种的识别精度分别为: 85%, 93.8%, 92.4%和95.5%;可见, 原始光谱经变换处理可提高树种的识别精度。 但不同研究对象、 不同光谱处理方法, 提高识别精度的效率不同。 研究结果将为大尺度高光谱遥感影像用于荒漠植物分类与生境监测和评价提供依据。
高光谱 荒漠树种 马氏距离 逐步判别分析 Hyperspectral Desert tree species Mahalanobis Distance Stepwise discriminant analysis 光谱学与光谱分析
2014, 34(12): 3358
