FTNIR光谱结合化学计量学用于白酒品牌鉴别的快速判别分析

摘要

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（15000-4000cm-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。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 前 言

1.1 近红外光谱技术

1.2 白酒检测技术的现状

1.3 本文研究目标和技术路线

第二章 实验与方法研究

2.1 不同光程FTNIR光谱的采集

2.2 样品定标、预测和检验集划分

2.3 移动窗口波段选择方法（MW）

2.4 主成分线性判别分析方法（PCA-LDA）

2.5 偏最小二乘判别分析方法（PLS-DA）

2.6 提出MW-PCA-LDA集成方法

2.7 提出MW-PLS-DA集成方法

2.8 判别分析指标

第三章 结果与讨论

3.1 基于不同光程的光谱特征分析

3.2 基于不同光程光谱的全谱波段模型

3.3 基于最佳光程光谱的MW-PCA-LDA模型

3.4 基于最佳光程光谱的MW-PLS-DA模型

3.5 模型检验

第四章 总结与展望

参考文献

在学期间发表论文

致谢