基于近红外光谱技术鉴别植食性金龟子的初步研究

【目的】植食性金龟子是我国的重要农林害虫,探索一种快速而准确地鉴别植食性金龟子的新方法,为将此法推及至其他鞘翅目昆虫的识别来建立研究基础。【方法】利用近红外光谱法对金龟子进行鉴别,提出了用支持向量机(Support vector machine,SVM)算法对15种植食性金龟子近红外光谱图(数据)进行分析,经过噪声波段去除后,用平滑求导与标准化法对的光谱进行预处理,选取金龟子标本150个,针对不同分类阶元和分类单元将66%样本谱图作为校正集,用SVM建立鉴别模型并对模型进行自身检验,用剩余样本图谱作为预测集对这些模型进行验证。【结果】模型的自身检验显示在金龟科4个亚科的鉴别模型中,鳃金龟亚科正确识别率为86%,其他样本的识别准确率均大于95%,在亚科不同属和属下不同种的鉴别模型中,除疏纹星花金Protaetia cathaica(Bates)外,其他样本的识别准确率均为100%;模型的预测集验证结果显示,在不同分类阶元和分类单元的鉴别模型中,由于云斑鳃金龟Polyphylla laticollis Lewis样本较少未能正确识别,其他样本的识别准确率均为100%。整体试验结果较为理想,说明模型性能较好。【结论】基于已定金龟子建立的模型能够很好地鉴别大部分样本,采用近红外光谱扫描技术结合支持向量机得到的植食性金龟子鉴别模型具有很强的推广能力。     

食用调和油中花生油含量的近红外光谱分析

采用偏最小二乘法(PLS)等方法建立了食用调和油中花生油含量定量分析的近红外光谱定标模型。采集食用调和油样品在4 000 cm-1~10 000 cm-1范围内的近红外漫反射光谱,光谱经一阶导数处理后,采用偏最小二乘法建立样品中花生油含量的定标模型,并用Leave-one-out内部交叉验证法对模型进行验证。模型相关系数为0.99961,校正均方根RMSEC为0.830%。比较不同光谱预处理方法对定标模型的影响,结果表明一阶导数Corr.coeff最好。采用不同的化学计量学方法建立的定标模型中以偏最小二乘回归法最理想。     

近红外光谱测定小麦粉常规营养成分的模型优化

目的：应用近红外光谱（NIR）结合偏最小二乘法（PLS）建立小麦粉常规营养成分蛋白质、水分和脂肪的含量预测模型,并选择最佳模型。方法：收集117份小麦粉样品的近红外光谱,化学法测定蛋白质、水分和脂肪的含量,利用主成分分析（PCA）随机分组,81份样品用于构建模型、36份样品用作验证模型的预测能力。探讨波长范围和光谱预处理方法对所建模型预测能力的影响。结果：3个营养成分预测能力最好的模型分别是：对于蛋白质,预处理采用矢量归一化（SNV）,波长选取7 505.9~5 446.2 cm-1和4 605.4~4 242.8 cm-1,预测模型的RPD值是7.02;对于水分,无预处理,波长选择全谱12 800~3 960 cm-1,模型的RPD值是6.83;对于脂肪,无预处理,波长在9 000~4 000 cm-1,模型的RPD值是5.06。结论：近红外光谱法可以实现对小麦粉常规营养成分的快速预测,通过选择波长范围和光谱预处理方法可以显著提高模型的预测能力。     

MC‐UVE波长选择法在近红外光谱鉴别茯苓产地中的应用研究

利用近红外光谱鉴别云南不同产区药用真菌茯苓。采用光谱标准偏差法(SSD)和蒙特卡罗无信息变量消除法(MC-UVE)逐步筛选光谱信息,利用K-S算法将白茯苓和茯苓皮划分训练集和验证集,并结合偏最小二乘判别分析法(PLS-DA)分别构建不同产区白茯苓和茯苓皮的分类模型,进一步建立不同产区茯苓的Fisher判别方程。结果表明:(1)通过主成分-马氏距离(PCA-MD)分析,白茯苓和茯苓皮的近红外光谱在主成分得分空间内呈现出较大差异,构建不同产区茯苓鉴别模型应将白茯苓及茯苓皮分开。(2)最优主成分数为5时,采用SSD筛选的886个变量(7 501.74–4 088.35cm~(-1))构建的白茯苓和茯苓皮的分类模型,其R~2、RMSECV和RMSEP分别为0.986、0.988;0.320、0.283;0.425、0.395;采用MC-UVE法分别筛选出白茯苓和茯苓皮光谱信息(34个、22个变量)建立的分类模型,其R~2、RMSECV和RMSEP分别为0.993、0.991;0.224、0.255;0.298、0.355。采用MC-UVE结合PLS-DA法建立的分类模型,有效降低了冗余信息,白茯苓和茯苓皮的R~2均有所提升,RMSECV和RMSEP均有所降低,预测正确率分别由85.71%和83.33%,提高至100%。(3)进一步采用逐步判别分析法筛选出白茯苓(6个)和茯苓皮(4个)光谱变量,建立Fisher判别方程,回代验证正确率均大于85.7%,交叉验证正确率均大于66.7%,表明所建立的Fisher判别方程能较好地鉴别不同产区的茯苓。     

可见-近红外光谱结合化学计量学认证有机胡萝卜、绿色胡萝卜和无公害胡萝卜（英文）

在快速发展的中国,有机食品、绿色食品和无公害食品在产地环境、生产规程、加工、包装,尤其是生产资料的使用等方面都有严格区分,导致检验和认证需要花费大量的人力、物力、财力和时间。因此我们需要一种方便、精确的检测技术。基于化学计量学,本研究首次利用可见-近红外反射光谱快速检测有机胡萝卜、绿色胡萝卜和无公害胡萝卜。选择最佳区间(650-700 nm),三种分类模型包括主成分分析结合k均值聚类、主成分分析结合线性判别分析、反向传播神经网络鉴别126个胡萝卜样本的准确率分别为93.65%、100%,和98.41%。结果表明,可见-近红外光谱结合化学计量学技术可以有效地验证有机胡萝卜、绿色胡萝卜和无污染胡萝卜。为质量检验机构提供了一个可行的检测方法,从而促进包括有机食品、绿色食品、无公害食品等安全食品的发展。     

泥炭藓群落的光谱特征及遥感识别研究

以中位泥炭藓（Sphagnum magellanicum Brid.）为研究对象,分别从实测冠层光谱和遥感传感器模拟光谱层面分析其群落的光谱特征。研究结果显示,中位泥炭藓与北方针叶林光谱差异明显,最佳光谱识别区间为740~1140 nm和1230~1412 nm。在可见光波段上,中位泥炭藓与云杉（Picea engelmannii Parry ex Engelmann）和黑松（Pinus contorta Douglas ex Loudon）的绿峰位置有所差异。水竹（Phyllostachys heteroclada Oliver）和中位泥炭藓的光谱识别特征波段集中在可见光-近红外波段,分别为400~550、560~696、1025~1143 nm。中位泥炭藓与北方针叶林以及水竹的特征光谱区间存在细微差异,且与水竹在可见光波段有较好的可分性,因此不同纬度带上中位泥炭藓群落的特征谱宽有所差异。红外波段是中位泥炭藓识别的最佳光谱区间。在多光谱遥感水平上,中位泥炭藓识别效果较好,传感器的识别能力依次为：MSI > ALI > OLI > ASTER。在2个中位泥炭藓群落的光谱特征分析中,导数、对数、包络线去除法的光谱降维能力有所差异,其中包络线去除法效果最好。     

体外联合使用指纹区及高波数区拉曼光谱诊断胃癌

目的:研究正常胃粘膜和胃癌组织在拉曼光谱指纹区(800-1 800 cm-1)和高波数区(2 800-3 000 cm-1)的光谱特征,并将其联合使用建立胃癌诊断模型。方法:收集38例正常胃粘膜和37例胃癌组织活检标本,采用785 nm激发光拉曼光谱仪进行拉曼光谱采集。比较正常胃粘膜和胃癌组织在指纹区和高波数区的拉曼光谱异同,使用偏最小二乘判别分析(PLS-DA)结合留一法交叉验证建立诊断模型。结果:1)胃癌组织在853 cm~(-1),879cm~(-1),1 003 cm~(-1),1 047 cm~(-1),1 173 cm-1,1 304 cm~(-1),1 319 cm~(-1),1 338 cm~(-1),1 374 cm-1、2 932 cm-1谱峰处与正常胃粘膜的拉曼峰强度差异有统计学意义(P0.05)2)将拉曼光谱指纹区和高波数区联合,利用PLS-DA建立胃癌诊断模型的敏感性为94.59%(35/37),特异性为86.84(33/38),正确率为90.6%(68/75)。结论:正常胃粘膜和胃癌组织在拉曼光谱指纹区和高波数区均有显著差异,将上述两区联合使用建立模型诊断胃癌能取得良好的诊断效果。     

一种青海湖流域消除植被光谱对土壤光谱影响的土壤有机质含量遥感估算方法

基于遥感技术手段快速测定区域尺度土壤有机质含量(SOM), 对气候、陆地生态系统和农业等领域具有重要的作用和意义。但现有的多光谱遥感影像因其波段宽度较窄, 包含的土壤有机质信息有限, 导致其估算结果的可靠性与精度较低。为此, 以青海湖流域为实证试验区, 将2016 年9 月底(此时, 青海湖流域牧草等植被停止生长, 土壤有机质积累达到全年最高)地面采集并测定的土壤有机质含量数据与同时期MODIS 黑空BRDF/Albedo 产品的宽、窄波段进行了对比与检验。发现: BRDF/Albedo 宽波段的相关性(近红外、短波波段相关系数分别为0.704 和 0.670)高于窄波段相关性(第2, 5, 6 波段的相关系数分别是0.583、0.631 和0.625), 证实了宽波段含有更加丰富、完整的土壤有机质含量信息。为了进一步提高SOM 估算的精度, 基于梯形方法构建了宽波段近红外反照率/植被覆盖度梯形特征空间,从宽波段近红外反照率(包含植被、土壤混合光谱)中成功分离出裸土反照率, 并分别构建了SOM 遥感估算模型。经验证,消除了植被对土壤光谱影响的裸土反照率模型精度(均方根误差为16.87、平均绝对百分比误差为30.0%, 希尔不等系数为0.22)高于宽波段近红外反照率模型精度(均方根误差为20.12、平均绝对百分比误差为31.0%, 希尔不等系数为0.27)。该方法简单易操作, 不仅有助于提高表层土壤有机质含量遥感估算的精度, 也可为土壤其他属性如N, P等元素含量的遥感估算提供了新思路。     

红外光谱结合化学计量学快速检测熊胆粉真伪及掺伪问题CSCD

利用红外光谱技术对熊胆粉正品、伪品及掺伪品进行快速鉴别并预测掺伪比例,建立熊胆粉的快速质量评价方法。采集94批熊胆粉正品、70批伪品(猪胆粉、牛胆粉、羊胆粉、兔胆粉、鸡胆粉、鸭胆粉、鹅胆粉)及180批掺伪品(掺伪猪胆粉、掺伪牛胆粉)的红外光谱图,利用正交偏最小二乘判别分析(OPLS-DA)及偏最小二乘回归(PLSR)分别建立熊胆粉正品、伪品和掺伪品的定性校正模型及不同类别掺伪品掺伪比例的定量校正模型。熊胆粉正品、伪品及掺伪品的定性校正模型对样本的判别准确率分别为99.64%(校正集)和95.65%(验证集);通过进一步判别分析,可鉴别熊胆粉伪品及掺伪品种类,准确率均大于95%;在2个不同类别掺伪品定量校正模型中,验证集相关系数(R_(V)^(2))和预测均方根误差(RMSEP)分别为0.9874、2.6300%(熊胆粉掺伪猪胆粉)和0.9826、3.1887%(熊胆粉掺伪牛胆粉);3个定性模型及2个定量模型均表现出优秀的预测能力。本研究建立的红外光谱结合化学计量学方法可实现对熊胆粉正品、伪品和掺伪品的快速鉴别及掺伪比例确定,为熊胆粉的质量控制及评价提供参考。     

姜科植物的FTIR鉴别分类研究

红外光谱图峰形峰位大体一致,所含化学成分基本相同,是由碳水化合物、蛋白质、脂类等生物大分子振动谱带构成。该研究采用傅里叶变换红外光谱技术结合聚类分析,对姜科植物姜亚科2族6属29种植物进行光谱测试,分析比较姜科同族不同属和同属不同种植物在红外谱图上表现出的差异。将1800~1000 cm-1进行二阶导数处理,并对差异较大的1750~1400、1200~1000 cm-1两个波段分别进行比较分析,用吸光度比值A1516/A3424、A1449/A3424来反映二苯基庚烷和姜辣素的相对含量,再将二阶导数据进行系统聚类。结果表明：姜科植物的主要化学成分姜辣素与二苯基庚烷类化合物的相对含量在族属间和属种间有差异,两种化合物的相对含量在同族不同属植物中差别很大,在同属不同种植物中大体一致;姜科植物的糖类化学成分以单糖和多糖为主;在族属级的水平分类中,2族6属姜科植物的分类与传统分类结果基本吻合,并从光谱角度建议心叶凹唇姜的族级分类应该深入研究。通过研究可知,傅里叶变换红外光谱技术结合聚类分析法可以应用于姜科植物的分类。该研究结果为姜科植物的分类系统学提供了参考。     

藏药五脉绿绒蒿不同部位红外光谱的识别

采用傅立叶变换红外光谱法对藏药五脉绿绒蒿花、花梗、叶以及全草进行了红外光谱图的识别分析。对五脉绿绒蒿在4000~400 cm-1范围内进行了红外光谱扫描,并对主要吸收谱带进行了基团的归属分析。五脉绿绒蒿红外光谱特征的分析结果表明,不同部位的一维光谱和二阶导数谱有明显差异。一维红外光谱谱图中主要特征谱带的相对强度比值,可对不同部位进行区分。二阶导数谱图的1517~1471 cm-1和1162~1107 cm-1波段是区分其不同部位的主要特征波段。因此,红外光谱能够快速、无损地对五脉绿绒蒿不同部位进行鉴别,为藏药五脉绿绒蒿不同部位的成分差异分析提供了一种科学有效的方法。     

可见-近红外光谱结合化学计量学认证有机胡萝卜、绿色胡萝卜和无公害胡萝卜

在快速发展的中国,有机食品、绿色食品和无公害食品在产地环境、生产规程、加工、包装,尤其是生产资料的使用等方面都有严格区分,导致检验和认证需要花费大量的人力、物力、财力和时间。因此我们需要一种方便、精确的检测技术。基于化学计量学,本研究首次利用可见-近红外反射光谱快速检测有机胡萝卜、绿色胡萝卜和无公害胡萝卜。选择最佳区间（650-700 nm）,三种分类模型包括主成分分析结合 k 均值聚类、主成分分析结合线性判别分析、反向传播神经网络鉴别126个胡萝卜样本的准确率分别为93．65％、100％,和98．41％。结果表明,可见-近红外光谱结合化学计量学技术可以有效地验证有机胡萝卜、绿色胡萝卜和无污染胡萝卜。为质量检验机构提供了一个可行的检测方法,从而促进包括有机食品、绿色食品、无公害食品等安全食品的发展。     

高寒草甸几种雀形目鸟类的卵反射率分析

于2010~2013年的繁殖季节,在中国科学院海北高寒草甸生态系统定位站收集了9种青藏高原常见雀形目鸟类的卵,分别进行了反射率测量。测量光谱范围为可见光(400~750 nm)和短波近红外(750~1050 nm)。卵在两个波段光谱的反射率分别是0.066和0.123,二者差异极显著。在可见光范围内,除赭红尾鸲Phoenicurus ochruros的波峰在绿色光范围内,其他物种都在黄色光范围内;在短波近红外范围内,反射率明显分为3个组,以角百灵和小云雀的地面开放巢较高,黄嘴朱顶雀和黄腹柳莺的灌丛巢较低,其他种居中;开放巢及封闭巢的卵反射率在可见光范围无显著差异,但在短波近红外范围有显著差异。我们认为,在青藏高原高寒草甸生态系统中,植被郁闭度低,地面营巢环境不利于巢与卵的遮阳,造成营开放度高的地面巢的鸟卵近红外反射率相对较高,而灌丛巢和封闭巢的雀形目鸟类鸟卵相对较低,但对可见光谱的卵反射率各物种差异不显著。     

近红外窄带光照下不同水果背景中桔小实蝇的图像分割

【目的】为了增强水果背景中桔小实蝇Bactrocera dorsalis Hendel（双翅目实蝇科）的识别效果,研究了该种昆虫与不同水果之间的反射光谱差异。【方法】采用紫外 可见光 近红外分光光度计测量了桔小实蝇与16种水果在400~2 500 nm波段的反射光谱。在中心波长为565 nm和827 nm的窄谱带光源及日光3种光源分别照射下,分别拍摄各种水果背景中的桔小实蝇照片,并用大津Otsu算法对照片进行二值化处理。【结果】发现桔小实蝇的反射率随波长增加而缓慢地增大,最大反射率小于40%。而16种水果的最强反射峰全部或部分落在在777～896 nm。不同水果平均最大反射率为41.10%～97.89%,与桔小实蝇在此波段的低反射率（约30%）形成强烈的反差。在827 nm中心波长窄带光源照射下拍摄的照片中,发现桔小实蝇为黑色,而背景水果呈现大面积的白色,形成高反差,桔小实蝇很容易被辨识。相反,在日光和565 nm中心波长窄带光源照射的照片中,水果背景存在较多的黑色斑块,容易与桔小实蝇的黑区混淆;或者该虫形成白斑,从而无法识别。【结论】选用近红外波段的窄带光源照射能明显提高桔小实蝇与水果图像的对比度,增强桔小实蝇的分割效果。     

近红外光谱仪快速检测油菜硫苷、芥酸及油份含量数学模型的建立

近红外反射光谱技术是一种高效、快速的现代分析技术,应用过程中需要建立相应的数学模型.收集油菜籽样品600余份,采用国际(家)标准方法对芥酸、硫苷、含油率进行测试,根据各模型的要求,选择不同的具有代表性的样品,建立数学模型.内部交叉证实法对模型验证结果显示:高芥酸、低芥酸、硫苷、含油率模型复相关系数分别为0.9677、0.9318、0.9820、0.9626,内部验证均方差(RMSECV)分别为4.41、2.24、4.62、0.543.外部样品检测法分别用已建模型和国际(家)标准方法对油菜籽样品芥酸、硫苷、含油率进行检测,两者检测结果基本一致.综合内部和外部验证结果表明:建立的模型能够满足油菜籽硫甘、芥酸及油份含量快速检测的要求.另对油菜自身含水率对数学模型的影响做了初步探索.     

利用高光谱参数反演水稻叶片类胡萝卜素含量

为了探讨快速、准确预测水稻(Oryza sativa)叶片类胡萝卜素(Car)含量的敏感光谱波段和光谱指数, 通过实施涉及不同年份、不同生态点、不同施氮水平和不同品种类型的4个田间试验, 于主要生育期同步测定了水稻顶部4张叶片的光谱反射率及Car含量, 系统分析了350-2 500 nm范围内任意两波段组合而成的比值(SR (λ1, λ2))、归一化(ND (λ1, λ2))及已报道的对Car敏感的光谱指数与水稻叶片Car含量间的定量关系。结果表明, 不同Car含量水平下水稻叶片光谱反射率存在着明显变化, 以绿光及红边波段对水稻叶片Car含量变化最为敏感。723 nm附近的波段与近红外波段的比值组合以及713 nm附近的波段与近红外波段的归一化组合可以较好地预测水稻叶片Car含量, 以SR (723, 770)和ND (770, 713)表现最好, 线性拟合R²分别达到0.897和0.898。基于独立的试验资料的检验表明, 预测值和实测值的拟合R²分别为0.856和0.858, 均方根差RMSE均为0.072, 平均相对误差RE分别为11.9%和12.0%, 表明SR (723,770)和ND (770, 713)可有效地估算水稻上部叶片的Car含量。     

傅里叶变换中红外光谱结合偏最小二乘法快速测定蕨菜总多糖含量CSCD

本文建立了一种快速预测蕨菜总多糖含量的方法。采用蒽酮-硫酸比色法测定140份蕨菜总多糖含量作为参比值,采集140份蕨菜样品的傅里叶变换中红外光谱图,结合偏最小二乘法,建立蕨菜总多糖定量分析模型。通过比较多元散射校正法、标准正态变换法、一阶导数法、二阶导数法、多元散射校正+一阶导数法、标准正态变换+一阶导数法、多元散射校正+二阶导数法以及标准正态变换+二阶导数法共8种不同的光谱预处理方法,运用多糖类化合物的中红外光谱学特征吸收筛选建模波段,对蕨菜多糖含量预测模型进行优化。结果表明:采用标准正态变换法作为光谱数据预处理方法,以1750~1600、1500~1400、1350~1290、1160~1070、1060~970、930~800 cm^(-1)作为建模波段,获得校正集相关性系数R^(2)为0.9308,校正均方差(RMSEC)为0.374%,检验集相关性系数R^(2)为0.9145,预测均方差(RMSEP)为0.418%,20组样品进行完全外部验证误差为:-0.35%~0.31%,相对误差值为:-0.83%~5.24%,所构建定量模型可用于蕨菜总多糖含量预测。     

谷氨酸棒杆菌发酵过程中亮氨酸浓度近红外模型的建立

目的:建立谷氨酸棒杆菌发酵过程中亮氨酸浓度近红外模型,为实现谷氨酸棒杆菌发酵生产亮氨酸的发酵过程自动化控制提供理论基础和实践依据。方法:首先在5 L发酵罐中进行亮氨酸发酵,每隔一段时间采集发酵液样品,用高效液相色谱精确分析各样品中的亮氨酸实际浓度,再利用近红外分析仪和相关软件,对各样品进行近红外光谱扫描分析,并通过近红外光谱分析软件进行数据处理,建立谷氨酸棒杆菌发酵过程中亮氨酸浓度的近红外预测模型,最后通过外部检验方法检验模型的准确性。结果:结合偏最小二乘法,在波长为9043.3~7489.1 cm-1、减去一条直线作为光谱预处理的条件下,获得谷氨酸棒杆菌发酵过程中亮氨酸浓度最优近红外预测模型。该模型交叉验证误差均方根(RMSECV)、决定系数(R2)以及剩余预测偏差(RPD)分别为1.29 g/L、0.977和4.55。结论:经过验证,该模型的准确性和可靠性较强,实际值与预测值之间的误差较小,能够较好地检测发酵过程中的亮氨酸浓度。     

基于ISSR标记的烤烟种质遗传多样性研究

利用ISSR标记分析了24份代表性烤烟种质的遗传多样性。从100个ISSR引物中筛选出10个引物,通过聚丙烯酰胺凝胶电泳可以检测到208条稳定的条带,片段大小介于200~2 400 bp之间,条带数在7~37条之间;扩增片段中多态性带141条,平均多态性比率(PPB)为67.79%。 通过UPGMA聚类分析,24个烤烟品种分为5类,最大一类有12个材料,主要衍生于Coker319。品种间遗传相似指数(GS)范围为0.66~0.85,表明其遗传多样性较低,需要拓宽烤烟种质的遗传基础。同时,利用2个多态性好的ISSR引物可以将这24份烤烟材料区分开,每个品种都有各自独特的指纹图谱,表明ISSR标记适于烟草品种鉴定和遗传多样性研究。     

圈养高山麝种群年龄组的粪便光谱判别

提出了一种利用粪便可见-近红外反射光谱进行圈养高山麝种群年龄组分析的新方法.以FieldSpec~((R))3地物光谱仪采集了145份高山麝粪便(成体麝粪样45份,亚成体和幼体各50份)的光谱数据,将其随机分成训练集(100份)和检验集(45份).光谱经S.Golay平滑和一阶导数处理后以主成分分析法(PCA)降维.以前6个主成分(含原始光谱95.00%的特征信息)作为新变量,利用训练集样本,分别以Fisher线性判别、Bayes逐步判别以及BP-神经网络(BP-ANN)3种方法建立高山麝种群年龄组的分析模型.对检验集45个未知样的预测表明,BP-ANN模型判别的准确率最高,为84.44%.3种方法所建的模型对幼麝粪样判别的准确率最高,可达93.33%.分析发现亚成体粪样具有过渡性质,但幼麝粪样与成体粪样易于判别.结果表明,利用粪便的可见-近红外反射光谱进行高山麝年龄组的快速、非接触性判别是可行的,且PCA 结合BP-ANN判别是一种优选方法.