鉴别枸杞产地的传统方法耗时且具有破坏性和主观性★■■■，因此◆◆■，本研究旨在开发一种基于高光谱成像技术，从而快速■★■★、无损识别宁夏枸杞产地的检测方法。通过高光谱成像采集宁夏■◆■■、甘肃、内蒙古、青海和新疆共2 250 个枸杞样本，并从ROI提取光谱数据。研究发现相比于SNV◆◆■★■■、SNV结合去趋势★◆◆、一阶导数和二阶导数，NR可以更好地降低光谱噪声和散射效应■◆◆。为了降低数据维度并进一步减少建模时间，采用SPA■◆■★◆、CARS腾博诚信为本 专业服务■■◆★■、PSO、IRIV和CARS＋IRIV选择特征波长，并基于特征波长建立PLS-DA判别模型。随着枸杞产地数量的增加，模型性能呈下降趋势。当仅输入两个枸杞产地数量时，全光谱模型分类准确率高达98.3%，鉴于实用性最佳简化模型CARS＋IRIV-PLS-DA分类准确率高达97■■.7%。当输入为5 个枸杞产地数量■★，简化模型CARS＋IRIV-PLS-DA仍能获得87◆◆★■★.1%的分类准确率和0◆■.839的Kappa系数。综合分析表明，高光谱成像技术（400～1 000 nm）结合化学计量学方法可以作为一种快速、无损的检测方法鉴别宁夏枸杞的真伪性。
特别声明◆★■■■：以上内容(如有图片或视频亦包括在内)为自媒体平台◆★◆“网易号”用户上传并发布，本平台仅提供信息存储服务。
图3显示了从校准高光谱图像中提取的5 种不同产地枸杞样品的光谱曲线 种不同产地枸杞样品之间的光谱曲线表现出相似的轮廓，主要源于枸杞内部组织共性，而反射率的强度差异主要受到其内部化学成分含量影响◆◆◆。多糖、黄酮、总糖和多酚是枸杞主要的活性成分，它们也是衡量其内部质量的主要特征指标，这些化学成分在不同产地的枸杞样品中含量不同■★◆◆■■。从图3b可以看出★■，在可见光区域内的400～550 nm波段，不同产地枸杞的平均光谱反射强度几乎相同，表明它们在蓝色和绿色的颜色分量上几乎没有差异。然而◆★◆■■◆，在550～700 nm的波段区域，各产地枸杞的平均光谱反射强度开始有所不同腾博诚信为本 专业服务■★◆★★，且呈现出明显的上升趋势■■◆◆◆，表明红色波段内存在的颜色分量差异较为明显★◆★。在波长450 nm附近的反射峰主要与枸杞中的酚类物质阿魏酸相关。550 nm波长处的波谷是总糖的有效波长■■，而在波长560 nm附近的吸收峰与枸杞表面叶绿素和类胡萝卜素的吸收带相关。在近红外区域，黄酮的有效波段为800～900 nm，而在860 nm附近吸收峰为枸杞黄酮的有效波长★◆★■■。在910～960 nm波段可归因于水或碳水化合物的O—H拉伸模式的第二泛音。由于5 个不同产地枸杞光谱之间存在很多交叉和重叠，因此将光谱与化学计量学方法相结合进行深度分析，并作出准确判别■◆◆■。
关于“25km/h解限速■◆■■★”，北京市监局约谈雅迪、爱玛、小牛、极核等电自企业
为加强企业主导的产学研深度融合，促进食品科研成果转化和服务地方经济产业，由全国糖酒会主办，北京食品科学研究院◆★★■◆、中国食品杂志社和中粮会展（北京）有限公司承办的“食品科技成果交流会”将于2024年10月29-31日糖酒会期间在深圳国际会展中心举办■◆◆，以当前食品科技发展趋势和食品产业发展的重点科技需求为导向，针对食品产业发展面临的重大科技问题，交流和借鉴国外经验，为广大食品科研工作者和生产者提供新的思路，指明发展方向。
本研究对枸杞产地多元化鉴别需求进行深入分析，采用原始光谱和NR预处理光谱构建PLS-DA产地溯源判别模型，研究结果如表2所示★■★。可以发现，随着枸杞样本产地的增加，无论采用原始光谱还是预处理光谱PLS-DA模型分类准确率总体呈下降趋势■◆◆★★。当模型输入枸杞产地数量从2增加到5时■◆◆★★，经预处理后模型的训练集分类准确率从99★■◆★◆★.2%下降到95.5%，交叉验证集分类准确率从94■◆◆■★.8%下降到91.9%，测试集分类准确率从98.3%下降到93.1%。
2024年金球奖排名：罗德里夺魁 维尼修斯第2 姆巴佩第6 亚马尔第8
特首李家超宣布严打◆★★，最高判囚14年◆■◆◆◆■！内地女生花200万读港大闯下大祸后续来了，港媒卧底揭背后惊天黑色产业
苹果发布新款Magic Keyboard◆★、Magic Mouse和Magic Trackpad 全面采用USB-C接口
宁夏枸杞是茄科枸杞属的多年生灌木，营养丰富且具有药用价值。但品质优良的宁夏枸杞产量有限，导致一部分不良商贩滥用其他产区的枸杞冒充宁夏优质枸杞以假乱真◆■■，严重扰乱宁夏枸杞交易市场。近红外光谱是一种点测量技术★★■◆，在某些情况下由于样品的异质结构，获得的光谱信息可能不足或不能代表整个样品。高光谱成像技术将光谱和成像技术相融合，同时获取光谱和空间信息的特殊优势备受食品行业研究人员的青睐。
南京林业大学机械电子工程学院的袁伟东、姜洪喆■◆■■★★、周宏平*等采用400～1 000 nm波段范围内的高光谱成像系统结合化学计量学方法对不同产地枸杞进行检测鉴别★■◆■◆。应用多种特征波长选择方法选取特征波长建立判别模型并对比结果★■★，为消除干扰信号和光散射的影响还采用了多种光谱预处理方法，旨在提供一种能够快速、无损鉴别枸杞产地的检测方法。
全光谱数据包含大量的冗余信息，特征波长的选择有利于降低数据维度，这对于开发实时多光谱检测系统非常需要■■。在本研究中★■■◆◆，SPA、CARS、PSO◆■★■★◆、IRIV和CARS＋IRIV对4 组光谱集筛选出的特征波长分布如图5所示（为了便于观察★■，同时将5 种特征选择分布情况置于一张图中，其中纵坐标值按比例增加）■◆■★◆★。当枸杞产地数量为2时，相较于其他产地数量所筛选的特征波段较少■★◆◆，其中5 种方法选择的特征波长都相对分散不连续■★■◆★。当模型输入为5 个产地枸杞样本数据时所选的特征波长相对较多，但仅占全光谱的14■■◆◆◆■.3%～42.4%。可以发现不同的特征变量选择方法将选取不同数量的特征波长，因此确定最优的变量选择方法对于构建高质量判别模型至关重要。枸杞产地溯源的进一步分类将使用基于选择的特征波长进行PLS-DA建模。
实习编辑：李雄；责任编辑■★◆◆■★：张睿梅腾博诚信为本 专业服务★★◆★■■。点击下方阅读原文即可查看全文。图片来源于文章原文及摄图网
基于不同特征波长选择方法选取的特征波长构建多元化枸杞产地溯源PLS-DA判别模型，结果如表3所示。与全光谱PLS-DA模型性能相比，结果有所下降■◆★◆。由于特征波长极大简化了分类模型，可能造成这种性能下降■◆■★。整体来看，基于SPA筛选特征波长建立的模型性能表现较差，主要原因是所筛选的波长主要集中在900～1 000 nm★★■■，无法提供全部的有效信息★◆◆。虽然使用CARS和IRIV选择的波长建模取得了优异的结果，由于选择的波长较多不利于光谱检测系统的开发★■■★◆◆，对于PSO-PLS-DA和CARS＋IRIV-PLS-DA模型表现出令人满意的结果，所选的特征波长仅占全波长的15■■■■.6%～27.7%★★◆★◆■，在二元分类模型中预测集分类准确率分别为96★■■★★◆.0%和97◆★■◆■★.7%■■★★◆◆，在三元分类模型中预测集分类准确率分别为90◆◆◆◆■.0%和90.9%，在四元分类模型中预测集分类准确率分别为86.7%和89.2%，在五元分类模型中仍取得84■◆■★.1%和87.1%的分类结果。
对原始全光谱应用不同的预处理方法，并采用原始和预处理全光谱建立PLS-DA枸杞产地判别模型。为了确定最佳的预处理方法■■，本研究基于5 个产地的枸杞数据建立模型◆★，结果如表1所示。结果表明，无论采用原始光谱还是预处理光谱PLS-DA模型，分类准确率均大于90%，表明所建立的模型可以轻松区分不同产地的枸杞样本。在PLS-DA模型中，LVs的选择会严重影响最终结果■◆◆。当LVs过多时，会造成过拟合。相反，如果LVs的数量太少，会丢失一些有用的信息，降低模型的准确性。因此★◆◆■■，通过交叉验证计算最小预测残差平方和以确定最优LVs。图4显示了不同LVs对原始光谱PLS-DA判别模型性能的影响。还可以观察到◆◆★，NR和SNV预处理均提升了模型的性能◆◆，而SNV＋去趋势、一阶导数和二阶导数略微降低了性能◆★■。其中，基于NR预处理全光谱的PLSDA模型表现最佳，最佳LV为30，训练集分类准确率为95.5%◆★■■，交叉验证集分类准确率为91.9%★■，预测集分类准确率为93.1%■◆★★★。NR预处理可有效抑制部分光照差异的影响和消除无关信息。因此★■，在随后的分析中最终选择NR预处理光谱用于枸杞产地溯源鉴别。
本文《基于高光谱成像技术的宁夏枸杞产地溯源鉴别》来源于《食品科学》2024年45卷6期254-260页. 作者：袁伟东，姜洪喆，杨诗雨，张聪，周禹，周宏平★★■■◆■. DOI:10.7506/spkx0620-159. 点击下方阅读原文即可查看文章相关信息。
为了进一步探索CARS＋IRIV-PLS-DA模型鉴别枸杞产地溯源的能力，图6给出了该简化模型预测集的混淆矩阵、灵敏度和特异性以及Kappa系数计算结果。在混淆矩阵中■★，纵坐标表示实际类，横坐标表示预测类★◆■◆◆。主对角线内的值表示正确分类的样本，主对角线外的值表示错误分类的样本◆★◆★。结果表明，内蒙古和新疆枸杞样本发生错误分类数量最少（灵敏度均大于94%）★★，可能由于内蒙古和新疆枸杞相较于其他产地枸杞含糖量高，具有较好的区分性★■★◆◆★。还可以观察到宁夏枸杞易被错误分类成内蒙古枸杞，在二元分类模型中由于模型简单宁夏枸杞的识别率高达96.7%。随着输入产地数量的增加■◆★◆◆，宁夏枸杞识别率和Kappa系数整体呈下降趋势，在五元分类模型中宁夏枸杞仍取得了82★■◆.7%的识别率。4 组简化模型的Kappa系数均超过0★★.83◆■■，说明分类模型具有较强的稳定性和鲁棒性。这些结果表明◆■◆◆，CARS＋IRIV-PLS-DA模型在没有任何化学或物理信息的情况下识别宁夏枸杞产地溯源具有巨大的潜力。
