基于拉曼光谱的大米快速分类判别方法

被引:14
作者
孙娟
张晖
王立
钱海峰
齐希光
机构
[1] 江南大学食品学院
关键词
大米; 拉曼光谱; 分类; 主成分分析; 偏最小二乘判别分析;
D O I
10.13652/j.issn.1003-5788.2016.01.010
中图分类号
TS210.7 [产品标准与检验]; O657.37 [拉曼光谱分析法];
学科分类号
摘要
以拉曼光谱技术为手段,结合化学计量学方法,对来自黑龙江、江苏、湖南3个产地共123份大米样品的光谱数据进行采集,并对得到的拉曼图谱进行主成分分析(PCA)和偏最小二乘判别分析(PLSDA),建立大米快速分类判别方法。应用主成分分析对不同种类、产地和品种的大米进行粗分类鉴别;选择不同种类、品种和产地的稻米样本建立相应的偏最小二乘判别分析模型,其中2/3的样本作为建模训练集,1/3的样本作为建模校正集,按照种类、产地、品种建立的模型其训练集样本正确判别率均为100%,校正集样本正确判别率分别为100%,100%,94.12%。因此,研究所建立的拉曼光谱技术结合化学计量学方法可以快速、有效地鉴别大米种类、品种及产地。
引用
收藏
页码:41 / 45
页数:5
相关论文
共 16 条
  • [1] 新陈玉米的拉曼光谱快速判别研究
    黄亚伟
    张令
    王若兰
    [J]. 现代食品科技, 2014, 30 (12) : 149 - 152
  • [2] 拉曼光谱和近红外光谱在小麦粉品质定量分析中的应用
    宋瑜
    孙晓荣
    刘翠玲
    董秀丽
    吴胜男
    [J]. 食品科学技术学报, 2014, 32 (02) : 24 - 27
  • [3] 表面增强拉曼光谱法在农药残留检测中的研究进展
    欧阳思怡
    叶冰
    刘燕德
    [J]. 食品与机械, 2013, 29 (01) : 243 - 246
  • [4] 基于近红外光谱和模式识别技术鉴别大米产地的研究[J]. 夏立娅,申世刚,刘峥颢,孙汉文.光谱学与光谱分析. 2013(01)
  • [5] 拉曼光谱在重金属分析中的研究进展
    刘燕德
    施宇
    蔡丽君
    [J]. 食品与机械, 2012, 28 (04) : 1 - 4
  • [6] 拉曼光谱在食品分析中的应用
    陈健
    肖凯军
    林福兰
    [J]. 食品科学, 2007, (12) : 554 - 558
  • [7] FT-Raman光谱与谷物化学研究的最新进展
    黄卫宁
    张君慧
    R.C.Hoseney
    [J]. 食品科学, 2004, (11) : 411 - 415
  • [8] 10种稻米的品质分析
    成明华
    关东胜
    张慧敏
    李里特
    沈欣
    [J]. 粮油食品科技, 2001, (06) : 13 - 16
  • [9] Prediction of crude protein and oil content of soybeans using Raman spectroscopy[J] . Hoonsoo Lee,Byoung-Kwan Cho,Moon S. Kim,Wang-Hee Lee,Jagdish Tewari,Hanhong Bae,Soo-In Sohn,Hee-Youn Chi.Sensors & Actuators: B. Chemical . 2013
  • [10] Preliminary study on classification of rice and detection of paraffin in the adulterated samples by Raman spectroscopy combined with multivariate analysis[J] . Xinwei Feng,Qinghua Zhang,Peisheng Cong,Zhongliang Zhu.Talanta . 2013