国产精品视频一区二区三区四,亚洲av美洲av综合av,99国内精品久久久久久久,欧美电影一区二区三区电影

產(chǎn)品推薦:氣相|液相|光譜|質(zhì)譜|電化學(xué)|元素分析|水分測(cè)定儀|樣品前處理|試驗(yàn)機(jī)|培養(yǎng)箱


化工儀器網(wǎng)>技術(shù)中心>其他文章>正文

歡迎聯(lián)系我

有什么可以幫您? 在線咨詢

熒光高光譜技術(shù)快速無(wú)損檢測(cè)鐵觀音摻假及其程度

來(lái)源:江蘇雙利合譜科技有限公司   2023年02月23日 16:48  

在茶葉市場(chǎng)上,茶葉摻假、低質(zhì)量茶作為高檔茶、舊茶作為新產(chǎn)茶的問(wèn)題也不時(shí)出現(xiàn)在上。在高經(jīng)濟(jì)利潤(rùn)的推動(dòng)下,市場(chǎng)上偶爾會(huì)發(fā)生鐵觀音摻假。一些非法商人在鐵觀音中混合了本山、毛蟹、黃金桂,他們的外觀與鐵觀音非常相似,但在銷售過(guò)程中價(jià)格相差很大。普通消費(fèi)者很難區(qū)分茶葉的真實(shí)性,這嚴(yán)重侵犯了消費(fèi)者和經(jīng)營(yíng)者的合法權(quán)益。在此背景下,迫切需要一種快速、無(wú)損的檢測(cè)茶葉摻假的方法。

四川農(nóng)業(yè)大學(xué)康志亮教授團(tuán)隊(duì)利用我司高光譜設(shè)備(GaiaField-V10E)及配套的熒光系統(tǒng),對(duì)鐵觀音摻假程度的進(jìn)行無(wú)損檢測(cè)。作為一種新的檢測(cè)方法,熒光高光譜技術(shù)為食品檢測(cè)提供了優(yōu)勢(shì),其基本原理是當(dāng)一種物質(zhì)被特定波長(zhǎng)的入射光照射時(shí),其分子吸收光能并從基態(tài)進(jìn)入激發(fā)態(tài),然后立即去激發(fā)并發(fā)射出光。圖1熒光高光譜成像系統(tǒng)。


圖1 熒光高光譜成像系統(tǒng)

在這項(xiàng)研究中,摻假茶和純鐵觀音在形狀、顏色和內(nèi)部成分上只有輕微差異,這增加了檢測(cè)茶葉摻假的難度。摻假茶葉樣本的比例符合市場(chǎng)上不法商人的普遍做法。至于茶葉的熒光特性,作為一種植物,茶葉中的不同物質(zhì)會(huì)吸收不同波段的光,并在不同波段發(fā)出熒光。

本山被用作摻假茶,約占茶葉樣品總重量的0%、10%、20%、30%、40%和50%,并與鐵觀音混合。圖2為經(jīng)過(guò)PCA后的六個(gè)等級(jí)的茶葉三維分布圖。為了對(duì)茶葉進(jìn)行摻假檢測(cè)。本研究在實(shí)驗(yàn)方案中建立了純鐵觀音和摻假鐵觀音的兩級(jí)判別模型,以快速鑒別摻假與否;另一方面,建立了六級(jí)判別模型,保證了在不同程度的茶葉摻假情況下,茶葉摻假程度的快速識(shí)別。

圖2 六個(gè)摻假等級(jí)茶葉的PCA分布圖


首先,熒光高光譜成像系統(tǒng)獲得475–1000 nm波段的光譜信息。圖3為茶葉的平均光譜分布圖。接下來(lái),選擇Savitzky–Golay(SG)、乘性散射校正(MSC)和標(biāo)準(zhǔn)正態(tài)變量(SVN)對(duì)熒光高光譜數(shù)據(jù)進(jìn)行預(yù)處理。并且對(duì)預(yù)處理方法進(jìn)行參數(shù)的比較。表1為不同預(yù)處理方法在SVM下的評(píng)價(jià)指標(biāo)。

表1 不同預(yù)處理方法下的評(píng)價(jià)指標(biāo)

Methods


Sensitivity

Specificity

Accuracy

Time

RAW

Calibration

75.86%

100.00%

95.63%

1.9588

Prediction

84.21%

100.00%

96.25%

SNV

Calibration

100.00%

100.00%

100.00%

2.1267

Prediction

89.47%

100.00%

97.50%

MSC

Calibration

100.00%

100.00%

100.00%

1.7759

Prediction

94.74%

98.36%

97.50%

SG-7

Calibration

100.00%

100.00%

100.00%

1.7861

Prediction

100.00%

100.00%

100.00%

(a)

(b)

圖3 摻假茶葉的平均光譜曲線


此外,還采用了連續(xù)投影算法(SPA)、競(jìng)爭(zhēng)自適應(yīng)加權(quán)采樣(CARS)、隨機(jī)青蛙算法(RF)和無(wú)信息變量消除(UVE)來(lái)提取茶葉光譜信息的特征波長(zhǎng)。

建立了二分類模型(區(qū)分純鐵觀音和摻假鐵觀音)和六分類模型(區(qū)分純鐵觀音和五個(gè)摻假等級(jí)的茶葉)。在確定模型的預(yù)處理(SG)方法后,選擇特征波長(zhǎng)對(duì)模型進(jìn)行簡(jiǎn)化。在SG平滑后,應(yīng)用了四種特征選擇方法。SG平滑結(jié)合SPA、CARS、RF和UVE算法,將104個(gè)通道分別減少到33、11、44和46個(gè)通道。圖4顯示了SG-CARS之后的特征選擇。SG7平滑結(jié)合四種特征波長(zhǎng)選擇方法的評(píng)價(jià)指標(biāo)如表2所示。所有的特征選擇方法都有助于降低數(shù)據(jù)維數(shù)。

圖4 SG-CARS后的特征選擇


表2 不同特征選擇方法下的評(píng)價(jià)指標(biāo)

SG7

Number


Sensitivity

Specificity

Accuracy

Time (s)

SPA

41

Calibration

100.00%

100.00%

100.00%

1.2147

Prediction

98.51%

100.00%

98.75%

CARS

11

Calibration

100.00%

100.00%

100.00%

1.2088

Prediction

100.00%

100.00%

100.00%

RF

44

Calibration

100.00%

100.00%

100.00%

1.1935

Prediction

100.00%

94.74%

100.00%

UVE

41

Calibration

100.00%

100.00%

100.00%

1.1829

Prediction

100.00%

100.00%

100.00%

在建立六分類模型過(guò)程中。首先,與兩分類模型一樣,將不同的預(yù)處理方法與支持向量機(jī)相結(jié)合,建立了四類判別模型。然后,為了簡(jiǎn)化模型,選擇了四種特征選擇方法來(lái)篩選模型的特征波長(zhǎng),這有利于提高模型的效果和精度。所有模型的結(jié)果如表3所示。其中,六分類模型和兩分類模型的預(yù)處理方法存在差異。通過(guò)使用SNV和MSC,提高了分類模型的準(zhǔn)確性。

特征選擇后,這些模型的總體趨勢(shì)大致相同。純鐵觀音、10%和30%摻假茶葉的準(zhǔn)確率幾乎為100%,但摻假程度為40%的準(zhǔn)確率不高,表明該模型可能無(wú)法準(zhǔn)確區(qū)分鐵觀音的摻假水平。相比之下,在SNV之后,模型的整體準(zhǔn)確性得到了提高。在RF之后,整體準(zhǔn)確度提高了1.09%,僅用時(shí)0.002秒。在該分類中,純鐵觀音和10%和30%的摻假茶被準(zhǔn)確預(yù)測(cè);模型的變化也提高了茶葉剩余摻假比例的準(zhǔn)確性??紤]到整體影響,RF在建立分類模型方面表現(xiàn)出更高的效率。總之,SNV-RF-SVM是區(qū)分純茶和摻假茶的最佳方法,其總準(zhǔn)確率為94.27%,僅需0.00698秒。

表3 六分類模型評(píng)價(jià)指標(biāo)

Preprocessing

Methods

Number

Class Accuracy

Overall Accuracy


0%

10%

20%

30%

40%

50%

Time

RAW

NO

104

100.00%

100.00%

100.00%

100.00%

59.09%

100.00%

93.18%

0.01396

SPA

33

100.00%

100.00%

78.57%

81.82%

45.45%

100.00%

84.31%

0.01396

CARS

19

100.00%

100.00%

78.57%

100.00%

36.36%

78.57%

82.25%

0.01296

RF

60

100.00%

100.00%

78.57%

100.00%

36.36%

78.57%

82.25%

0.01396

UVE

41

100.00%

100.00%

78.57%

100.00%

45.45%

100.00%

87.34%

0.01300

MSC

NO

104

100.00%

100.00%

92.86%

100.00%

68.18%

100.00%

93.51%

0.01097

SPA

34

100.00%

94.74%

64.29%

100.00%

54.55%

78.57%

82.03%

0.00801

CARS

11

100.00%

100.00%

71.43%

72.73%

40.91%

78.57%

77.27%

0.00798

RF

55

100.00%

100.00%

71.43%

100.00%

63.64%

92.86%

87.99%

0.00898

UVE

34

100.00%

100.00%

71.43%

100.00%

59.09%

85.71%

86.04%

0.00997

SNV

NO

104

100.00%

100.00%

92.86%

100.00%

68.18%

100.00%

93.51%

0.00798

SPA

27

100.00%

100.00%

85.71%

81.82%

54.55%

85.71%

84.63%

0.00698

CARS

14

100.00%

100.00%

78.57%

100.00%

45.45%

71.43%

82.58%

0.00499

RF

57

100.00%

100.00%

92.86%

100.00%

72.73%

100.00%

94.27%

0.00698

UVE

46

100.00%

100.00%

64.29%

100.00%

59.09%

85.71%

84.85%

0.00698

SG

NO

104

100.00%

100.00%

85.71%

100.00%

45.45%

100.00%

88.53%

0.00898

SPA

41

100.00%

100.00%

71.42%

72.73%

31.82%

71.43%

74.57%

0.00798

CARS

11

100.00%

100.00%

92.86%

72.73%

45.45%

100.00%

85.17%

0.00698

RF

44

100.00%

100.00%

78.57%

90.91%

45.45%

92.86%

84.63%

0.00798

UVE

41

100.00%

100.00%

78.57%

81.82%

36.36%

85.71%

80.41%

0.00898











第一作者簡(jiǎn)介:

康志亮,四川農(nóng)業(yè)大學(xué)教授,碩士生導(dǎo)師。

主要研究方向:信號(hào)與信息處理、傳感器與檢測(cè)技術(shù)、自動(dòng)控制。

參考文獻(xiàn):Hu Y , Kang Z . The Rapid Non-Destructive Detection of Adulteration and Its Degree of Tieguanyin by Fluorescence Hyperspectral Technology[J]. Molecules, 2022, 27(4):1196. DOI:10.3390/molecules27041196


免責(zé)聲明

  • 凡本網(wǎng)注明“來(lái)源:化工儀器網(wǎng)”的所有作品,均為浙江興旺寶明通網(wǎng)絡(luò)有限公司-化工儀器網(wǎng)合法擁有版權(quán)或有權(quán)使用的作品,未經(jīng)本網(wǎng)授權(quán)不得轉(zhuǎn)載、摘編或利用其它方式使用上述作品。已經(jīng)本網(wǎng)授權(quán)使用作品的,應(yīng)在授權(quán)范圍內(nèi)使用,并注明“來(lái)源:化工儀器網(wǎng)”。違反上述聲明者,本網(wǎng)將追究其相關(guān)法律責(zé)任。
  • 本網(wǎng)轉(zhuǎn)載并注明自其他來(lái)源(非化工儀器網(wǎng))的作品,目的在于傳遞更多信息,并不代表本網(wǎng)贊同其觀點(diǎn)和對(duì)其真實(shí)性負(fù)責(zé),不承擔(dān)此類作品侵權(quán)行為的直接責(zé)任及連帶責(zé)任。其他媒體、網(wǎng)站或個(gè)人從本網(wǎng)轉(zhuǎn)載時(shí),必須保留本網(wǎng)注明的作品第一來(lái)源,并自負(fù)版權(quán)等法律責(zé)任。
  • 如涉及作品內(nèi)容、版權(quán)等問(wèn)題,請(qǐng)?jiān)谧髌钒l(fā)表之日起一周內(nèi)與本網(wǎng)聯(lián)系,否則視為放棄相關(guān)權(quán)利。
企業(yè)未開通此功能
詳詢客服 : 0571-87858618
宁安市| 井陉县| 平南县| 米脂县| 军事| 泸溪县| 岑巩县| 古丈县| 保康县| 阜宁县| 西安市| 灯塔市| 通山县| 互助| 道真| 天柱县| 萍乡市| 许昌县| 元朗区| 呼伦贝尔市| 恩平市| 托克逊县| 木兰县| 峡江县| 阳谷县| 安乡县| 恩平市| 湖北省| 红安县| 南阳市| 盖州市| 高雄市| 唐河县| 博爱县| 霍邱县| 长治市| 甘泉县| 巢湖市| 南和县| 拉孜县| 高淳县|