论文部分内容阅读
中国是白酒生产、消费大国,知名白酒品牌鉴别是我国酒类产品质量检测的一个重要项目。传统的分析手段需要化学试剂、方法复杂、专业性强,不适合于大规模的应用。本文基于傅里叶变换近红外(FTNIR)光谱,将移动窗口波段选择分别结合到主成分线性判别分析(PCA-LDA)和偏最小二乘判别分析(PLS-DA),提出了两种用于光谱模式识别的集成优化方法,即MW-PCA-LDA和MW-PLS-DA,成功应用于我国知名白酒品牌泸州老窖的快速判别分析。收集到非泸州老窖(52%vol,浓香型)样品200个(阳性)和用于对照的泸州老窖(52%vol,浓香型)样品160个(阴性),分别利用1mm、2mm、5mm、10mm光程的样品池测定样品的FTNIR光谱。为了建立稳定可靠的模型,将全体样品随机划分为建模、检验集,建模集再随机划分为定标、预测集共30次。基于30次不同的划分的最优预测准确率(P_RECAve)优选模型参数。首先,在全谱波段(15000-4000 cm-1)上建立模型。采用PCA-LDA方法,最优P_RECAve为98.1%,最佳光程为2mm和10mm;采用PLS-DA方法,最优P_RECAve为100.0%,最佳光程为2mm。但是,采用的波数个数(N)高达2852,因此,进一步提取有效波数、降低模型复杂性尤为必要。其次,基于最佳光程(2mm、10mm)的光谱数据进行波段优化。采用MW-PCA-LDA方法,最优模型的光程为2mm,波段为5235-5130 cm-1,N为28,P_RECAve为100.0%;采用MW-PLS-DA方法,最优模型的光程为2mm和10mm,波段为5238-5204 cm-1和7186-7128 cm-1,N为10和16,P_RECAve均为100.0%。最后,采用不参与建模的检验样品,对三个最优模型进行检验,最优MW-PCA-LDA和MW-PLS-DA(2mm光程)模型的阴性、阳性检验识别率V_REC—、V_REC+均为100.0%,最优MW-PLS-DA模型(10mm光程)的V_REC—、V_REC+分别为98.3%和100.0%。结果表明:FTNIR光谱结合MW-PCA-LDA和MW-PLS-DA方法可用于白酒品牌鉴别的高精度判别分析。所提出的波段选择方法可以提取有效信息波长、降低模型复杂性,为设计小型专用光谱仪器提供有价值的参考。本文所提出的分析方法简单、快速、有效,在我国酒类产品质量检测具有重要应用前景。