近红外光谱技术用于豆浆粉品牌与假冒豆浆粉的鉴别

发布时间：2019-01-24 18:53

【摘要】：采用近红外光谱分析技术结合化学计量学方法研究对不同品牌的豆浆粉以及假冒的豆浆粉鉴别的可行性。采集不同品牌豆浆粉以及假冒豆浆粉在12 500~4 000cm-1范围内光谱,并进行不同的预处理。采用偏最小二乘-判别分析(partial least squares-discriminant analysis,PLS-DA)对不同预处理的光谱进行建模比较,去趋势算法(De-trending)预处理光谱与多元散射校正(multiplicative scatter correction,MSC)结合De-trending(MSC+De-trending)预处理光谱的PLS-DA模型预测集判别正确率最高,均为100%。采用xloading weights方法分别基于De-trending和MSC-De-trending预处理光谱选择了6个和7个特征波数,并以特征波数分别建立了线性判别分析(linear discriminant analysis,LDA)和误差反向传播神经网络(backpropagation neural network,BPNN)的判别分析模型。结果表明,以所选出的不同的特征波数建立的BPNN判别分析模型取得了最佳的判别效果,建模集和预测集的判别正确率均为100%。采用近红外光谱分析技术可以准确的判别豆浆粉品牌以及假冒豆浆粉产品。
[Abstract]:The feasibility of identification of different brands of soybean milk powder and counterfeit soybean milk powder was studied by using near infrared spectroscopy (NIR) and chemometrics. The spectra of different brands of soybean milk powder and counterfeit soybean milk powder were collected in the range of 12 500 ~ 4 000cm-1, and different pretreatment was carried out. Partial least Square-discriminant Analysis (partial least squares-discriminant analysis,PLS-DA) is used to model and compare the spectra of different pretreatments. The De-trending algorithm (De-trending) is used to preprocess the spectra and to correct the multivariate scattering (multiplicative scatter correction,. MSC) combined with De-trending (MSC De-trending) pretreatment spectrum, the prediction set of PLS-DA model has the highest discriminant accuracy (100%). Six and seven characteristic wavenumber were selected based on De-trending and MSC-De-trending pretreatment spectrum using xloading weights method, respectively. Linear discriminant analysis (linear discriminant analysis,LDA) and error back-propagation neural network (backpropagation neural network,) were established based on characteristic wavenumber, respectively. BPNN) discriminant analysis model. The results show that the BPNN discriminant analysis model based on the selected characteristic wavenumber has the best discriminant effect, and the accuracy of the model set and the prediction set is 100%. The near-infrared spectrum analysis technology can accurately distinguish soybean milk powder brand and counterfeit soybean milk powder products.
【作者单位】： 浙江大学生物系统工程与食品科学学院;
【基金】：国家高技术研究发展计划项目(2012AA101903) 国家支撑计划项目(2011BAD21B04) 国家自然科学基金项目(31201137,31071332)资助
【分类号】：O657.33;TS214

【参考文献】

相关期刊论文 前1条

1 ;Nondestructive determination of nutritional information in oilseed rape leaves using visible/near infrared spectroscopy and multivariate calibrations[J];Science China(Information Sciences);2011年03期

【共引文献】

相关期刊论文 前10条

1 张红光;杨秦敏;卢建刚;;基于近红外光谱和最小二乘支持向量机的聚丙烯酰胺类型鉴别[J];光谱学与光谱分析;2014年04期

2 朱哲燕;张初;刘飞;孔汶汶;何勇;;基于中红外光谱分析技术的香菇产地识别研究[J];光谱学与光谱分析;2014年03期

3 程术希;谢传奇;王巧男;何勇;邵咏妮;;不同波长提取方法的高光谱成像技术检测番茄叶片早疫病的研究[J];光谱学与光谱分析;2014年05期

4 朱哲燕;刘飞;张初;孔汶汶;何勇;;基于中红外光谱技术的香菇蛋白质含量测定[J];光谱学与光谱分析;2014年07期

5 徐龙;卢建刚;杨秦敏;陈金水;施英姿;;一种新的近红外光谱信息区间选择方法[J];化工学报;2013年12期

6 潘磊庆;郑剑;史娇智;袁建;屠康;;基于近红外光谱和共轭梯度神经网络的板栗褐变检测[J];食品工业科技;2013年15期

7 管骁;古方青;杨永健;;近红外光谱技术在食品产地溯源中的应用进展[J];生物加工过程;2014年02期

8 程平言;范文来;徐岩;;基于质谱与支持向量机的清香型白酒等级判别[J];食品工业科技;2014年08期

9 董文江;倪永年;;高效液相色谱全轮廓指纹图谱结合化学计量学区分不同地区的紫苏叶[J];分析测试学报;2014年05期

10 赵化兵;王洁;董彩霞;徐阳春;;基于可见/近红外反射光谱的梨树叶片钾含量的快速测定研究[J];土壤;2014年02期

相关博士学位论文 前6条

1 刘飞;基于光谱和多光谱成像技术的油菜生命信息快速无损检测机理和方法研究[D];浙江大学;2011年

2 董文江;指纹图谱技术结合化学计量学在某些食品和中药样品质量控制中的应用[D];南昌大学;2013年

3 张志敏;化学计量学算法实现的软件开发基础研究[D];中南大学;2012年

4 郑开逸;近红外光谱分析模型优化和模型转移算法研究[D];华东理工大学;2013年

5 宁宇;功能性富集材料用于微量成分的近红外光谱分析[D];南开大学;2013年

6 宦克为;小麦内在品质近红外光谱无损检测技术研究[D];长春理工大学;2014年

相关硕士学位论文 前10条

1 吴利敏;近红外光谱法快速检测某些中药及中成药品质的应用研究[D];西南大学;2013年

2 于彩云;辣椒脂肪的快速提取、脂肪酸分析及辣椒素检测模型的建立[D];南京农业大学;2011年

3 韩明;基于近红外光谱技术食品检测软件开发及其应用研究[D];电子科技大学;2013年

4 李宝辉;指纹图谱技术结合化学计量学用于一些复杂物质的质量分析[D];南昌大学;2013年

5 刘海芹;瓶装醋的近红外光谱快速、无损检测技术研究[D];山西农业大学;2013年

6 马雁军;卷烟生产过程在线近红外品质监测技术及应用研究[D];北京化工大学;2013年

7 程平言;不同香型、产地、等级白酒数字化分类方法学研究[D];江南大学;2013年

8 葛军;基于斜投影—不展开薄层定量分析方法的研究[D];广西科技大学;2013年

9 吴燕;中药质量控制中的中药全息指纹图谱模式识别方法的研究及应用[D];中南民族大学;2013年

10 ABLAYE WADE;[D];华中农业大学;2013年

【二级参考文献】

相关期刊论文 前10条

1 张雪红;刘绍民;何蓓蓓;;不同氮素水平下油菜高光谱特征分析[J];北京师范大学学报(自然科学版);2007年03期

2 刘飞;方慧;张帆;金宗来;周伟军;何勇;;应用光谱技术无损检测油菜叶片中乙酰乳酸合成酶[J];分析化学;2009年01期

3 冯雷;方慧;周伟军;黄敏;何勇;;基于多光谱视觉传感技术的油菜氮含量诊断方法研究[J];光谱学与光谱分析;2006年09期

4 方慧;宋海燕;曹芳;何勇;裘正军;;油菜叶片的光谱特征与叶绿素含量之间的关系研究[J];光谱学与光谱分析;2007年09期

5 王渊;黄敬峰;王福民;刘占宇;;油菜叶片和冠层水平氮素含量的高光谱反射率估算模型[J];光谱学与光谱分析;2008年02期

6 刘飞;张帆;方慧;金宗来;周伟军;何勇;;连续投影算法在油菜叶片氨基酸总量无损检测中的应用[J];光谱学与光谱分析;2009年11期

7 褚小立,袁洪福,陆婉珍;近红外分析中光谱预处理及波长选择方法进展与应用[J];化学进展;2004年04期

8 卢超;;两种测定湿地植物总磷方法的比较研究[J];江西农业学报;2009年08期

9 张元;毛罕平;张晓东;赵德升;;基于多光谱视觉的油菜叶片氮素营养检测方法研究[J];农机化研究;2009年11期

10 黄敬峰;王渊;王福民;刘占宇;;油菜红边特征及其叶面积指数的高光谱估算模型[J];农业工程学报;2006年08期

【相似文献】

相关期刊论文 前10条

1 王菊香,申刚,邢志娜;近红外光谱快速测定混胺组分含量[J];分析化学;2004年04期

2 王多加,周向阳,金同铭,胡祥娜,钟娇娥,吴启堂;近红外光谱检测技术在农业和食品分析上的应用[J];光谱学与光谱分析;2004年04期

3 吴荣晖,邵学广;自适应小波算法用于近红外光谱的多元校正[J];分析化学;2005年07期

4 周莹;傅霞萍;应义斌;;湿度对近红外光谱检测的影响[J];光谱学与光谱分析;2007年11期

5 徐广通,袁洪福,陆婉珍;CCD近红外光谱快速测定柴油中的芳烃含量[J];分析化学;1999年01期

6 徐广通,陆婉珍,袁洪福;近红外光谱法测定柴油中的芳烃含量[J];石油化工;1999年04期

7 吉海彦,严衍禄;主成分-人工神经网络在近红外光谱定量分析中的应用[J];分析测试学报;1999年03期

8 史永刚,冯新泸,李子存;化学计量学在近红外光谱定性分析中的应用[J];光谱实验室;1999年03期

9 史月华,陆勇,张荣,徐铸德;傅里叶变换近红外光谱法同时定量分析水溶液中乙醇、果糖和葡萄糖[J];分析化学;2001年10期

10 韦锐!北京;近红外光谱分析技术定性部分的实现[J];石油仪器;2001年04期

相关会议论文 前10条

1 邵学广;卞希慧;蔡文生;;近红外光谱多元校正方法研究[A];第十一届全国计算（机）化学学术会议论文摘要集[C];2011年

2 熊来怡;胡耀华;刘聪;陈康乐;郭康权;;近红外光谱检测猪肉挥发性盐基氮含量及其品质安全判别研究[A];中国农业工程学会2011年学术年会论文集[C];2011年

3 田高友;;轻质石油燃料质量指标近红外光谱分析方法标准研究[A];科学仪器服务民生学术大会论文集[C];2011年

4 路春霞;刘源;孙晓红;潘迎捷;赵勇;;基于培养液的傅里叶变换近红外光谱指纹区分食源性致病菌的研究[A];中国食品科学技术学会第八届年会暨第六届东西方食品业高层论坛论文摘要集[C];2011年

5 李祥辉;林振宇;林燕琴;林艺冰;杨方;王丹红;陈国南;;傅里叶近红外光谱结合化学计量学快速检测食品中的塑化剂[A];中国化学会第28届学术年会第14分会场摘要集[C];2012年

6 毛志毅;蔡文生;邵学广;;基于小波变换的复杂体系近红外光谱定量分析方法研究[A];中国化学会第28届学术年会第14分会场摘要集[C];2012年

7 周新奇;俞秋生;桑强;杨伟伟;叶华俊;陈智锋;;近红外光谱结合偏最小二乘法测定复合肥中氮磷钾含量[A];科学仪器服务民生学术大会论文集[C];2011年

8 屠振华;冯霖;孙丽娟;康颖;籍保平;庆兆s，

本文编号：2414730