科研产出
基于FT-NIR和ATR-FTIR光谱的铁皮石斛地理溯源
《分析测试学报 》 2025 北大核心 CSCD
摘要：为实现铁皮石斛地理来源的快速有效鉴别，基于衰减全反射傅里叶变换红外光谱（ATR-FTIR）和傅里叶变换近红外光谱（FT-NIR）技术，结合数据融合策略与化学计量学方法建立了铁皮石斛地理溯源模型。结果表明，FT-NIR和FT-NIR+ATR-FTIR融合数据集经二阶导数（2nd）预处理后构建的偏最小二乘判别分析（PLS-DA）和支持向量机（SVM）模型性能最好，测试集准确率均达到100.00%。基于二维相关光谱（2DCOS）构建的残差卷积神经网络（ResNet）模型在训练集、测试集和外部验证集上均实现了100.00%的准确率。该研究为铁皮石斛地理溯源和地理标志产品保护提供了科学依据。
关键词： 铁皮石斛 化学计量学 机器学习 二维相关光谱 地理来源
全文链接
请求原文
基于FT-NIR和ATR-FTIR技术结合化学计量学方法快速、准确鉴别不同地理来源的草果
《分析测试学报 》 2025 北大核心 CSCD
摘要：该研究采用傅里叶变换近红外光谱（FT-NIR）、衰减全反射傅里叶变换红外光谱（ATR-FTIR）及二维相关光谱（2DCOS）技术，结合化学计量学与深度学习建立偏最小二乘判别分析（PLS-DA）和残差卷积神经网络（ResNet）判别模型，对7个主产区（221份）的草果样本进行快速、准确溯源。结果表明：ATR-FTIR光谱数据经二阶导数（2nd）+标准正态变换（SNV）预处理后建立的PLS-DA模型性能最好（95.31%），但FT-NIR光谱数据的最佳预处理为2nd。基于FT-NIR和ATR-FTIR的同步2DCOS图像建立的ResNet模型不需要筛选最佳预处理和复杂的数据转换，即可达到100%的准确率。其中，基于FT-NIR数据转化的同步2DCOS图像建立的ResNet模型的迭代次数最少、耗时最短、成本最低。该研究为鉴别不同地理来源的草果提供了一种快速、准确的新方法，为草果质量等级评价体系的进一步研究奠定了基础。
关键词： 草果 化学计量学 机器学习 二维相关光谱 地理来源
全文链接
请求原文
首页上一页1下一页尾页
