FTNIR光譜結合化學計量學用于白酒品牌鑒別的快速判別分析.pdf

1、中國是白酒生產(chǎn)、消費大國，知名白酒品牌鑒別是我國酒類產(chǎn)品質量檢測的一個重要項目。傳統(tǒng)的分析手段需要化學試劑、方法復雜、專業(yè)性強，不適合于大規(guī)模的應用。本文基于傅里葉變換近紅外（FTNIR）光譜，將移動窗口波段選擇分別結合到主成分線性判別分析（PCA-LDA）和偏最小二乘判別分析（PLS-DA），提出了兩種用于光譜模式識別的集成優(yōu)化方法，即MW-PCA-LDA和MW-PLS-DA，成功應用于我國知名白酒品牌瀘州老窖的快速判別分析。

2、　　收集到非瀘州老窖（52％vol，濃香型）樣品200個（陽性）和用于對照的瀘州老窖（52%vol，濃香型）樣品160個（陰性），分別利用1mm、2mm、5mm、10mm光程的樣品池測定樣品的FTNIR光譜。為了建立穩(wěn)定可靠的模型，將全體樣品隨機劃分為建模、檢驗集，建模集再隨機劃分為定標、預測集共30次?；?0次不同的劃分的最優(yōu)預測準確率（P_RECAve）優(yōu)選模型參數(shù)。
　　首先，在全譜波段（15000-4000cm-1）上建

3、立模型。采用PCA-LDA方法，最優(yōu)P_RECAve為98.1%，最佳光程為2mm和10mm；采用PLS-DA方法，最優(yōu)P_RECAve為100.0%，最佳光程為2mm。但是，采用的波數(shù)個數(shù)（N）高達2852，因此，進一步提取有效波數(shù)、降低模型復雜性尤為必要。其次，基于最佳光程（2mm、10mm）的光譜數(shù)據(jù)進行波段優(yōu)化。采用MW-PCA-LDA方法，最優(yōu)模型的光程為2mm，波段為5235-5130 cm-1，N為28。P_RECAve為

4、100.0%；采用MW-PLS-DA方法，最優(yōu)模型的光程為2mm和10mm，波段為5238-5204 cm-1和7186-7128 cm-1，N為10和16，P_RECAve均為100.0%。最后，采用不參與建模的檢驗樣品，對三個最優(yōu)模型進行檢驗，最優(yōu)MW-PCA-LDA和MW-PLS-DA（2mm光程）模型的陰性、陽性檢驗識別率V_REC—、V_REC+均為100.0%，最優(yōu)MW-PLS-DA模型（10mm光程）的V_REC—、V_R