红外光谱结合统计分析对不同产地玛咖的鉴别分类

• 作者: 张霁 王元忠 赵艳丽 金航
• 来源期刊: 食品科学
• 学科: 化学
• 关键词: 玛咖 红外光谱 间隔偏最小二乘法 遗传算法 蛙跳算法
• 年，卷（期）: 2016,（4）
• 所属期刊栏目: 安全检测
• 页码范围: 169-175
• 页数: 7页
• 分类号: O657.3
• 字数: 5346字
• 语种: 中文
• DOI: 10.7506/spkx1002-6630-201604030

摘要

采用傅里叶变换红外光谱法,对采自云南及秘鲁共139份玛咖样品进行产地鉴别研究.采用多元散射校正结合二阶导数和Norris平滑预处理光谱,通过剔除噪声明显的光谱波段,筛选出适宜的主成分数为8.基于最优主成分数,采用间隔偏最小二乘(interval partial least-squares,iPLS)法对3 650.59～651.82 cm-1光谱进行优化分析.结果显示,筛选98份样品在1 855.19～651.822、3 054.69～2 756.78 cm-1和3 650.59～3 353.6 cm-1光谱建立的间隔偏最小二乘判别分析(interval partial least-squares discriminant analysis,iPLS-DA)分类模型,其R2、校正均方根误差和预测均方根误差分别为0.958 4、0.785 8和1.1642.通过41份样品验证,验证正确率与原光谱建立的分类模型保持一致,均为87.80％.为进一步提高分类模型的精度,在iPLS筛选的光谱波段基础上,分别采用遗传算法(genetic algorithm,GA)和蛙跳算法(shuffled frog leaping algorithm,SFLA)对光谱信息进行优化,结果显示,采用GA筛选频率大于4和5的光谱信息,筛选的光谱数据点分别为62个和29个;利用SFLA筛选概率大于0.1和0.15的光谱信息,筛选的光谱数据点分别为77个和27个.验证结果显示,采用GA-PLS-DA(62个数据点)和GA-PLS-DA(29个数据点)建立的PLS-DA分类模型识别正确率分别为95.12％和97.56％,采用SFLA-PLS-DA(77个数据点)和SFLA-PLS-DA(27个数据点)建立的分类模型识别正确率分别为92.68％和97.56％.对比上述方法可知,采用iPLS-DA、GA-PLS-DA和SFLA-PLS-DA建立的分类模型均具有较好的预测性能,其中GA-PLS-DA(29个数据点)和SFLA-PLS-DA(27个数据点)建立分类模型能更准确地鉴别不同产地的玛咖.该方法的建立为玛咖红外光谱产地鉴别提供一种新的思路,所筛选的光谱变量可为不同产地玛咖内在化学成分(组分)差异性分析提供基础依据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王元忠	云南省农业科学院药用植物研究所	162	905	14.0	19.0
2	金航	云南省农业科学院药用植物研究所	100	1238	19.0	28.0
3	张霁	云南省农业科学院药用植物研究所	70	529	13.0	17.0
4	赵艳丽	云南省农业科学院药用植物研究所	35	202	8.0	12.0