（食品科学专业论文）基于近红外光谱的柑桔产地溯源及橙汁掺假识别研究.pdf

摘要 基于近红外光谱的柑桔产地溯源 及橙汁掺假识别研究 食品科学专业硕士研究生张晓焱 指导教师焦必宁研究员 苏学素副教授 摘要 近红外光谱技术是二十世纪9 0 年代发展最快、最引人注目的光谱技术之一。因其具有分 析速度快、样品前处理简单、操作简便、非破坏性以及不使用化学试剂等优点，加上近年来 计算机科学、化学计量学理论和方法的不断发展与完善，近红外光谱技术越来越受到国内外 学者的青睐，已广泛应用到食品、医药、石油化工等众多领域。 本研究对江西、重庆和湖南三个产地的7 2 个脐橙样品及1 1 9 个橙汁样品，利用p e r t e n d a 7 2 0 0 型近红外光谱仪收集近红外光谱，通过平滑、一阶导数、二阶导数、矢量归一化、标 准正态变量变换( s n v ) 等光谱预处理方法以及主成分分析( p c a ) 、簇类独立软模式法 ( s i m c a ) 和判别偏最小二乘法( p l s d a ) 等数理统计方法建立了基于近红外光谱的柑桔产 地判别和橙汁掺假识别定性分析模型。主要研究结果如下： 1 、针对江西、重庆和湖南三个产地的7 2 个脐橙样品，建立了基于s i m c a 模式识别法的 柑桔产地溯源定性分析模型。原始光谱经过一阶导数( 9 点平滑) 预处理，在1 1 4 0 1 1 7 0n m 波段范围，江西、重庆和湖南三个产地模型的主成分数为2 时，采用s i m c a 模式识别法建立 柑桔产地溯源模型。在5 的显著水平下，三个产地模型对训练集样品的识别率均为1 0 0 ， 拒绝率分别为8 5 7 、8 3 3 、1 0 0 ；对验证集样品的识别率均为1 0 0 ，拒绝率分别为1 0 0 、 8 9 5 、1 0 0 。表明建立的s i m c a 模型能够达到区分柑桔产地来源的目的。 2 、对江西、重庆和湖南三个产地的脐橙样品分别赋值0 、1 、1 ，建立了柑桔产地的p l s d a 模型。原始光谱不经过任何光谱预处理，在全波长范围9 5 0 1 6 5 0n m 建立的模型效果最好，在 主成分数为1 3 时建立p l s d a 柑桔产地溯源模型，预测值与标准值的相关系数( r 2 ) 为0 9 7 3 ， 校正标准差( r m s e c ) 为0 1 0 9 ，预测标准差( r m s e p ) 为0 1 5 9 ，模型对训练集样品的预测 值分别在一0 1 9 6 0 2 0 5 、0 7 5 1 1 1 1 9 、1 1 5 1 0 8 6 7 ，对验证集样品的预测值分别在- 0 4 4 1 0 3 6 8 、0 6 5 2 - - 1 0 6 3 、1 2 1 9 - 0 5 6 4 ，重庆样品预测最小值0 6 5 2 大于江西样品预测最火值 0 3 6 8 ，湖南样品预测最大值0 5 6 4 小于江西样品预测最小值0 4 4 1 ，三类样品能明显区分开。 模型对训练集和验证集样品的识别准确率达到1 0 0 。 比较分析s i m c a 模式识别法和p l s d a 法建立的柑桔产地溯源模型，发现p l s d a 模型 比s i m c a 模型的预测准确度更高，模型的稳定性能更好。 3 、对橙汁原汁赋值1 ，宽皮柑桔汁和柚汁赋值1 ，建立区分橙汁原汁与宽皮柑桔汁和柚 汁的p l s d a 模型。原始光谱经过s n v 预处理，在9 5 0 1 6 5 0n m 全波长范同，模型的预测效 两南7 ：学硕十学位论文 果最好，在主成分数为1 0 的条件下，建立p l s d a 模型。模型的预测值与标准值的相关系数 r 2 为0 9 9 1 ，r m s e c 为0 0 9 2 8 ，r m s e p 为o 1 3 7 ，模型对训练集中橙汁原汁的预测值在o 8 8 0 1 2 0 8 ，宽皮柑桔汁和柚汁的预测值在1 1 5 7 - - 0 7 8 7 ，对验证集样品的预测值分别为0 9 4 5 - 1 4 4 6 和1 3 9 5 - 0 5 5 8 ，模型对训练集和验证集样品的识别准确率为1 0 0 。 4 、针对橙汁原汁和掺假橙汁样品，分别赋值1 和1 ，建立了基于p l s d a 法的橙汁掺假 识别模型。原始光谱不经过任何预处理，在1 3 4 0 1 5 5 0m 波段范围，在最佳主成分数为6 的 条件下，建立橙汁掺假识别的p l s d a 模型。模型的预测值与标准值的相关系数r 2 为0 9 8 5 ， r m s e c 为0 0 8 9 9 ，r m s e p 为0 1 0 8 ，模型对训练集中橙汁原汁的预测值在0 7 4 5 - 1 1 4 5 ，对 掺假橙汁的预测值在1 1 6 2 0 7 6 3 ，对验证集样品的预测值分别在0 8 4 21 2 0 8 和1 1 2 6 - - 0 7 8 0 ，两类样品以0 为界限，分别分布在l 和1 附近，模型对训练集和验证集样品的预测准 确率为1 0 0 。 关键词：近红外光谱；柑桔；簇类独立软模式法( s i m c a ) ；判别偏最小二乘法 ( p l s d a ) ；产地溯源；橙汁；掺假 i l a b s t r a c t d e t e r m i n a t i o no f g e o g r a p h i c a lo r i g i no f c i t r u sa n da d u l t e r a t i o no f o r a n g e j u i c eb y n e a ri n f r a r e ds p e c t r o s c o p v iiv c a n d i d a t e ：z h a n gx i a o y a n s u p e r v i s o r ：p r o f j i a ob i n i n g a s s o c i a t ep r o f s ux u e s u a b s t r a c t n e a ri n f r a r e ds p e c t r o s c o p yf n i r s ) i so n eo ft h ef a s t e s td e v e l o p m e n ta n dt h em o s tc o n s p i c u o u s t e c h n o l o g i e s b e c a u s en i r si sar a p i d ，s i m p l e ，n o n - d e s t r u c t i v ea n dg r e e na n a l y t i c a lt e c h n i q u e ，a n d w i t ht h ed e v e l o p m e n to ft h ec o m p u t e rs c i e n c ea n dc h e m o m e t r i c sm e t h o d sa n dt h e o r i e s ，m o r ea n d m o r es c h a l o r sa r ep a y i n gc l o s ea t t e n t i o nt on i r s ，n o w a d a y sn i r sh a sb e e nw i d e l yu s e di nf o o d , m e d i c i n e ，p e t r o l e u mc h e m i c a li n d u s t r y ，e c t i nt h i sr e s e a r c h ，7 2n a v e lo r a n g e sf r o mj i a n g x i ，c h o n g q i n ga n dh u n a np r o v i n c e ，a n d119o r a n g e j u i c ew e r ec o l l e c t e db yp e r t e nd a 7 2 0 0n e a ri n f r a r e ds p e c t r o s c o p yt oe s t a b l i s hc i t r u sd i s c r i m i n a t i o n m o d e l s s p e c t r o s c o p yp r e t r e a t m e n tm e t h o d sw e r es m o o t h i n g , f i r s td e r i v a t i v e ，s e c o n dd e r i v a t i v e ， v e c t o rn o r m a l i z a t i o na n ds t a n d a r dn o r m a lv a r i a t i o nt r a n s f o r m a t i o n ( s n v ) ，a n dr e g r e s s i o nm e t h o d s w e r ep r i n c i p a lc o m p o n e n ta n a l y s i s ( p c a ) ，s o f ti n d e p e n d e n tm o d e l l i n go fc l a s sa n a l o g y ( s i m c a ) a n dp a r t i a ll e a s ts q u a r e sd i s c r i m i n a n ta n a l y s i s ( p l s - d a ) t h em a i nr e s u l t so ft h i sp a p e rw e r e 嬲 f o l l o w s ： 1 f o r7 2n a v a lo r a n g es a m p l e sf r o mj i a n g x i ，c h o n g q i n ga n dh u n a np r o v i n c e ，aq u a l i t a t i v em o d e l w i t hs i m c a p a t t e r nr e c o g n i t i o nm e t h o dw a se s t a b l i s h e di no r d e rt od i s c r i m i n a n tg e o g r a p h i c a lo r i g i n o fc i t r u s t h r e em o d e l sw e r ed e v e l o p e db yt h ef i r s td e r i v a t i v e ( 9p o i n t ss m o o t h i n g ) s p e c t r ai nt h e r e g i o n114 0 - 117 0a mw i t hs i m c a t h er e s u l t ss h o w e dt h a tt h r e em o d e l sa r et h eb e s tw h e np r i n c i p a l c o m p o n e n tw a s2 u n d e rt h e5 s i g n i f i c a n c el e v e l t h ei d e n t i f i c a t i o nr a t e so ft h r e em o d e l sf o rt h e c a l i b r a t i o ns a m p l e sa r e10 0 ，a n dt h er e j e c t i o nr a t e sa l g8 5 7 ，8 3 3 ，1 0 0 w h i l et h e i d e n t i f i c a t i o nr a t e sf o rv a l i d a t i o ns a m p l e sa r e10 0 ，a n dt h er e j e c t i o nr a t e sa r e10 0 ，8 9 5 ，10 0 2 g i v ev a l u e s0 ，l ，- 1f o rj i a n g x i ，c h o n g q i n ga n dh u n a nc l a s sa sc a t e g o r yv a r i a b l e ，p l s - d a m o d e lw a se s t a b l i s h e dt od i s c r i m i n a n tc i t r u sg e o g r a p h i c a lo r i g i n s t h eb e s tm o d e lw a sd e v e l o p e d u s i n gr a ws p e c t r aa n di nt h ew a v e l e n g t hr a n g e s9 5 0 - 16 5 0a mw h e np r i n c i p a lc o m p o n e n tw a s1 3 t h er e s u l t ss h o w e dt h a tt h ec o r r e l a t i o nb e t w e e nt h ep r e d i c t e dc a t e g o r yv a r i a b l ea n dt h em e a s u r e d c a t e g o r yv a r i a b l ei ss i g n i f i c a n tw i t hah i g hc o r r e l a t i o nc o e f f i c i e n tr 。( 0 9 7 3 ) ，l o wr o o tm e a ns q u a r e e r r o ro fc a l i b r a t i o n ( r m s e co 1o 外a n dr o o tm e a ns q u a r ee r r o ro fp r e d i c t i o n ( r m s e p0 15 9 ) t h e i i i 两南人学硕十学位论文 p r e d i c t e dc a t e g o r yv a r i a b l e sf o r t h ec a l i b r a t i o ns a m p l e sw e r es e p a r a t e l y 一0 1 9 6 0 2 0 5 0 7 5 1 1 1 1 9 - 1 1 5 1 o 8 6 7 ，a n df o rv a l i d a t i o ns a m l p e sw e r e - 0 4 4 1 - - 0 3 6 8 、0 6 5 2 - - 1 0 6 3 、一1 2 1 9 - 0 5 6 4 t h em i n i m u mp r e t i c i o no fc h o n g q i n gs a m p l e si so 6 5 2w h i c hi sm o r et h a nt h em a x i m u m p r e d i c t i o no fj i a n g x io 3 6 8 a n dt h em a x i m u mp r e d i c t i o no fh u n a n - 0 5 6 2i sl e s st h a nt h em i n i m u m p r e t i c i o no fj i a n g x i - 0 4 41 t h r e ec l a s s e ss a m p l e sc a l ld i s t i n g u i s hc l e a r l y t h ei d e n t i f i c a t i o nr a t e so f p l s - d am o d e lf o rc a l i b r a t i o na n dv a l i d a t i o ns a m p l e sw e r ea l l10 0 t h ep e r f o r m a n c eo fc i t r u so r i g i nd i s c r i m i n a t i o nm o d e l sd e v e l o p e db ys i m c aa n dp l s d a t o g e t h e rw i t hd i f f e r e n ts p e c t r ap r e t r e a t m e n tm e t h o d sa n dd i f f e r e n tw a v e l e n g t hr a n g e sw e r ec o m p a r e d t h er e s u l td e m o n s t r a t e dt h a tt h ea c c u r a c ya n dt h es t a b i l i t yo fp l s - d am o d e li sb e t t e r 3 g i v ev a l u e1f o rt h ec l a s so fp u r eo r a n g ej u i c e ，a n d - 1f o rm a n d a r i na n dp o m e l oj u i c e ，p l s d a m o d e lw a se s t a b l i s h e dt od i s t i n g u i s hp u r eo r a n g ej u i c ea n da d u l t e r a n t s t h eb e s tm o d e lw a s d e v e l o p e du s i n gs n vs p e c t r aa n d i nt h ew a v e l e n g t hr a g i o n s9 5 0 - 16 5 0a mw h e n p r i n c i p a l c o m p o n e n tw a s10 t h er e s u l t ss h o w e dt h a tt h ec o r r e l a t i o nb e t w e e nt h ep r e d i c t e dc a t e g o r yv a r i a b l e a n dt h em e a s u r e dc a t e g o r yv a r i a b l ei ss i g n i f i c a n tw i t hah i g hc o r r e l a t i o nc o e f f i c i e n tr 2 ( o 9 91 ) ，l o w r m s e c ( 0 0 9 2 8 ) a n dr m s e p ( 0 1 3 7 ) t h ep r e d i c t e dc a t e g o r yv a r i a b l e sf o rt h ec a l i b r a t i o ns a m p l e s w e r es e p a r a t e l y0 8 8 0 - - 。1 2 0 8a n d - 1 15 7 - 0 7 8 7 a n df o rv a l i d a t i o ns a m l p e sw e r eo 9 4 5 - 1 4 4 6 a n d 1 3 9 5 0 5 5 8 t h ei d e n t i f i c a t i o nr a t e so fp l s d am o d e lf o rc a l i b r a t i o na n dv a l i d a t i o n s a m p l e sw e r ea l l10 0 4 e s t a b l i s h e dp l s d am o d e lt od e t e r m i n a t et h ea u t h e n t i c i t yo f119o r a n g ej u i c ew h i l ea d dv a l u e 1t oa u t h e n t i co r a n g ej u i c ea n d - 1t oa d u l t e r a t i o n t h er a ws p e c t r aw i t h o u ta n yp r e t r e a t m e n ti nt h e w a v e l e n g t h13 4 0 15 5 0 n mw a sb e s tf o rm o d e lw h e np r i c i p a lc o m p o n e n tw a s6 t h ec o r r e l a t i o n b e t w e e nt h ep r e d i c t e dc a t e g o r yv a r i a b l ea n dt h em e a s u r e dc a t e g o r yv a r i a b l er 2i s0 9 8 5 r m s e ci s o 0 8 9 9a n dr m s e pi s 0 10 8 t h ep r e d i c t e dc a t e g o r yv a r i a b l e sf o rt h ec a l i b r a t i o ns a m p l e sw e r e o 7 4 5 1 1 4 5a n d - 1 1 6 2 - 0 7 6 3 a n df o rv a l i d a t i o ns a m l p e sw e r e0 8 4 2 - 1 2 0 8a n d - 1 1 2 6 - 0 7 8 0 t h ec l a s s i f i c a t i o nr a t e so f m o d e lf o rc a l i b r a t i o na n dv a l i d a t i o ns a m p l e sw e r ea l l l0 0 k e yw o r d s ：n e a ri n f r a r e ds p e c t r o s c o p y ；c i t r u s ；s i m c a ；p l s d a ；g e o g r a p h i c a lo r i g i n t r a c e a b i l i t y ；o r a n g ej u i c e ；a d u l t e r a t i o n i v 中文 近红外光谱 英文 缩略词表 n e a ri n f r a r e ds p e c t r o s c o p y 稳定同位素比率质谱i s o t o p er a t i om a s ss p e c t r o m e t r y 缩写 n i r i r m s 电感耦合等离子质谱 i n d u c t i v e l yc o u p l e dp l a s m am a s ss p e c t r o m e t r y i c p m s 聚类分析 c l u s t e ra n a l y s i s 主成分分析p r i n c i p a lc o m p o n e n ta n a l y s i s 线性判别分析 因子判别分析 偏最小二乘回归 标准正态变量变换 簇式独立软模式法 l i n e a rd i s c r i m i n a n ta n a l y s i s f a c t o r i c a ld i s c r i m i n a n ta n a l y s i s p a r t i a ll e a s t - s q u a r e sr e g r e s s i o n s t a n d a r dn o r m a lv a r i a t et r a n s f o i r m a t i o n c a p c a l d a f d a p l s s n v s o f ti n d e p e n d e n tm o d e l l i n go fc l a s sa n a l o g ys i m c a 判别偏最小二乘分析p a r t i a ll e a s ts q u a r e sd i s c r a m i n a n ta n a l y s i s p l s - d a 逐步线性判别分析s t e p w i s el i n e a rd i s c r i m i n a n ta n a l y s i s 原子吸收光谱法 a t o m i ca b s o r p t i o ns p e c t r o m e t r y 原子发射光谱法 a t o m i ce m i s s i o ns p e c t r o m e t r y 原子荧光光谱法 a t o m i cf l u o r e s c e n c es p e c t r o m e t r y 核磁共振 n u c l e a rm a g n e t i cr e s o n a n c es p e c t r o s c o p y 气相色谱法 g a s c h r o m a t o g r a p h y 高效液相色谱法h i g hp e r f o r m a n c el i q u i dc h r o m a t o g r a p h y 毛细管电泳 c a p i l l a r ye l e c t r o p h o r e s i s 多元散射校正 m u l t i p l i c a t i v es c a t t e rc o r r e c t i o n 校正标准差 r o o tm e a ns q u a r ee r r o ro fc a l i b r a t i o n 预测标准差 r o o tm e a ns q u a r ee r r o ro f p r e d i c t i o n s l d a a a s a e s a f s n 1 、很 g c h p l c c e m s c r m s e c i u 订s e p 独创性声明 ，? 浮位论义题i l ：堑工逛红之i 世道凶挝盐 ：羔鱼趔遨缝熊址援匿丝! 剔盟宜 本人声明所呈交的学位论义是小人在甘帅j ：斤导卜进行的研究：l 二作 及取得的研究成果。据我所知，除j ，义- - 特别加以标注和敛谢的地力 外，论义。 1 、= 包含土他人已经发农或撰，i 过的形阿芒成果，也1 0 的区域，掺假汁分布在f c 3 o ，p c 3 0 的区域掺杂5 、1 0 1 12 0 温州整柑汁制成的橙汁基本分布在p c i ( o ，p c 3 0 ，p c 2 0 ，p c 3 0 的区域，掺杂2 、5 平1 0 桠柑 汁的棒汁主要分布在p c i ，p c 3 o 的肛域2 、5 和1 0 二个掺假比例的橙汁聚 集在一起，不能分开。这表明采j j 定性分析的方法仅能够判别橙汁原汁与掺假汁具体掺假 比例的确定还得依赖丁定麓分析。荣葫等m 锰牛乳掺假识别中，也采用定性分析判别鲜乳和 掺假乳，采用定蕈分析判别掺假比例。 图4 - 1 4 两类样品分类的p l s 预测值与标准值回归图 f i g4 - 1 4 t h er e l a t i o n s h i p b e t w e e n t r u ea n dp r e d i c t e dc a t e g o r yv a r i a b l e s o f t w ok i n d so f a m p l e s 0 4 】0 2 ， 0 - ol 口2 ， 一0 f 1 4 06 图4 - 1 5 橙汁原汁与掺假汁的主成分得分图 f i g4 1 1 5s c o r e p l o t so fa u t h e n t i ca n da d u l t e r a t e do r a n g e j n i c e r x 图4 - 1 6 橙汁原汁与掺杂不同比例温州蜜柑计主成分得分图 f i g4 - 1 6s c o r ep l o t so f a u t h e n t i co r a n g e j u i c ea n da d u l t e r a t e d w i t hd i f f e r e n t p r o p o r t i o no f s a t s u m a m a n d a r i n j u i c e x 1 、 ) 2 图4 - 1 7 橙汁原汁与掺杂不同比例槿柑汁主成分得分网 f i g 4 - 1 7 s c o r ep l o t s o f a u t h e n t i co r a n g e j u i c ea n da d u l t e r a t e d w i t hd i f f e r e n t p 加p o r t i e no f p o n k a n m a u d a n n j u i c e 4 324 模l “对训练集和验证集样品的预测结果 用建立的p l s d a 模l q 对7 2 个定标样品进，亍判别，结果如酗4 1 8 所示。模趔对训练集中 精汁胤汁样晶的分娄变越预测值y 在0 7 4 5 i1 4 5 ，都在j 定义值l 附近；对掺假汁样品的分 类变麓预测值y 在11 6 2 o7 6 3 ，部在其定义值一1 附近。从罔中也可以清楚看到，以0 为界 线，两类样品分别分布枉i 和- l 附近， 能明显陌分为两大类。 。町： 两南人学硕l j 学位论文 图4 1 8 模型对训练集样品的预测结果 f i g 4 - 1 8d i s c r i m i n a n tr e s u l t sf o rc a l i b r a t i o ns a m p l e sb yp l s - d am o d e l 为检验模型对未知样品预测的精确度以及模型的稳定性，用p l s d a 模型对4 7 个验证样 品( 包括橙汁原汁样晶7 个，掺假汁样晶4 0 个) 进行验证，两类样品的预测值与定义值及偏 差结果见表4 1 2 。模型对橙汁原汁样品的分类变量预测值y 在0 8 4 2 一1 2 0 8 ，都在其定义值1 附近；掺假汁样晶的分类变量预测值y 在1 1 2 6 0 7 8 0 ，都在其定义值1 附近，且偏差都在 0 1 左右，如图4 1 9 所示，以0 为界线，两类样品分别分布在预测值1 和1 附近，能够明显区 分开，模型的r m s e p 为0 1 0 8 ，验证集中橙汁原汁和掺假汁样品均能够被正确判别为相应类 ! 垒垒垒璺墨垒婪墅塑1 2 曼窿! ! 匣q 璺曼巳墅巳! q ! e 曼曼p 全墨坦2y ! qy ! 垒 图4 1 9 模型对验证集样品的预测结果 f i g 4 - 1 9d i s c r i m i n a n tr e s u l t sf o rv a l i d a t i o ns a m p l e sb yp l s d am o d e l 3 8 第四章结果i 分析 表4 1 2 模型对验证集样品的预测值与定义值及偏差结果 t a b l e4 1 1 2t h ep r e d i c t i o nr e s u l t sf o rv a l i d a t i o ns a m p l e so fp l s d am o d e l 3 9 第五章结论与 f 论 第五章结论与讨论 5 1 结论 1 、建立了近红外光谱快速判别柑桔产地来源的s i m c a 模型。原始光谱经过一阶导数( 9 点平滑) 预处理，在1 1 4 0 1 1 7 0n m 光谱波段，在最佳主成分数确定为2 的条件下，分别建立 了江西、重庆和湖南三个产地的s i m c a 模型。在显著水平铲5 的条件下，对训练集样品进 行预测时，三类模型对本类样品的识别率都为1 0 0 ，湖南模型对非本类样品的拒绝率也为 1 0 0 ，而江西和重庆模型的拒绝率为8 5 7 和8 3 3 ；对验证集样品进行预测时，三类模型 的识别率都为1 0 0 ，江西和湖南模型的拒绝率也为1 0 0 ，重庆模型的拒绝率为8 9 5 。表 明建立的s i m c a 模型基本能够达到判别柑桔产地来源的目的。 2 、对江西、重庆和湖南三个产地的样品分别赋值为0 、1 和1 ，采用p l s 网归方法建立 了近红外光谱快速鉴别柑桔产地来源的p l s d a 模型。原始光谱在全波段9 5 0 1 6 5 0n l n ，在最 佳主成分数为1 3 的条件下，建立的p l s d a 模型的r 2 达0 9 7 3 ， r m s e c 为o 1 0 9 ，对训练 集样品的预测值分别在0 1 9 6 0 2 0 5 、0 7 5 1 1 1 1 9 、1 1 5 1 0 8 6 7 ，对验证集样品的预测值 分别在0 4 4 1 0 3 6 8 、0 6 5 21 0 6 3 、1 2 1 9 0 5 6 4 ，模型对训练集和验证集样品的识别准确 率达到1 0 0 ，模型r m s e p 为0 1 5 9 。所建立的p l s d a 模裂预测准确度高，因此近红外光谱 结合p l s d a 法进行柑桔产地溯源是可行的。 3 、对比s i m c a 模式识别算法和p l s d a 法建立的柑桔产地溯源模型的预测结果，发现， p l s d a 模型比s i m c a 模型表现出个更高的判别能力，具有更好的稳定性。 4 、采用p l s d a 法，给橙汁原汁样品赋值为l ，宽皮柑桔汁和柚汁样品赋值为1 ，建立 了区分橙汁原汁与宽皮柑桔汁和柚汁的p l s d a 模型。原始光谱经过s n v 光谱预处理，在全 波段9 5 0 1 6 5 0n m ，在确定的最佳主成分数为1 0 的条件下，建立的p l s d a 模型r 2 为0 9 9 1 ， r m s e c 为0 0 9 2 8 。模型对训练集中橙汁原汁的预测值在o 8 8 0 - 1 2 0 8 ，宽皮柑桔汁和柚汁的 预测值在1 1 5 7 - - 0 7 8 7 ，对验证集样品的预测值分别为0 9 4 5 1 4 4 6 和1 3 9 5 - - - 0 5 5 8 ，两类 样品能明显区分开，识别准确率达到1 0 0 ，模型r m s e p 为0 1 3 7 。表明建立的p l s d a 模型 能够准确区分橙汁原汁与宽皮柑桔汁和柚汁。 5 、通过给橙汁原汁赋值为1 ，掺假橙汁赋值为1 ，建立了判别橙汁真实性的p l s d a 模 型。不经过任何预处理的原始光谱在1 3 4 0 1 5 5 0a m 波段，在最佳主成分数为6 的条件下， 建立p l s d a 橙汁掺假判别模型，模型的r 2 为0 9 8 5 ， r m s e c 为0 0 8 9 9 。模型对训练集中 橙汁原汁的预测值在0 7 4 5 1 1 4 5 ，对掺假橙汁的预测值在1 1 6 2 - - 一0 7 6 3 ，对验证集样品的预 测值分别在0 8 4 2 1 2 0 8 和1 1 2 6 - - 0 7 8 0 ，能明显将原汁和掺假汁区分开，模型的r m s e p 为o 1 0 8 ，判别准确率为1 0 0 。结果表明，近红外光谱结合p l s d a 法进行橙汁掺假识别可 行。 4 l 两南大学硕士学位论文 5 2 讨论 本研究利用近红外光谱结合s i m c a 模式识别方法和p l s d a 法，建立了柑桔产地判别模 型和橙汁掺假识别模型。结果表明近红外光谱结合s i m c a 模式识别法和p l s d a 法在柑桔分 类识别中是可行的，为解决柑桔产品安全问题提供了一种新思路。但还需要从以下几方面进 行深入研究： 1 ) 近红外光谱分析要求大量有代表性的样品为基础，需要多年数据的积累，以使后期模 型的稳定性和