第31卷，第8期 2011年8月
学与光谱
光谱
析
分
Spectroscopy and Spectral Analysis
Vol.31,No.8,pp2106-2108
August,2011
近红外光谱法结合模式识别方法对不同品牌牙进行质量监控
林薇12，倪永年1.2
1.南昌大学食品科学与技术国家重点实验室，江西南昌330047 2.南昌大学化学系，江西南昌330031
摘要采用了近红外光谱法测定了4个品牌牙膏样品的近红外光谱，然后对所得的光谱进行变量预处理，再运用偏最小二乘法(PLS)、人工神经网络法(ANN)和K-最近邻法(KNN)等儿种有监督模式识别法，以及主成分分析(PCA)和案类分析两种无监督模式识别法对样品进行了品牌的分类及聚类分析。结果表明采用近红外光谱法所得的光谱变量经多元收射处理后的分类结果比较理想。各品牌牙膏的质量相对是稳定，但在采集的四种品牌牙膏中，有两种品牌的牙膏样品间存在较大差异。
近红外光谱法；模式识别；牙育；质量监控
关键调
中图分类号：0657.3
引言
文献标识码：A
DOI: 10. 3964/j. issn. 1000-0593(2011)082106-03
精确称取质量相同的牙膏样品，置于近红外样品池内（直径22mm，深2.5mm），在Hitachi4100近红外光谱仪上测定800～2500nm范围内近红外光谱，分辨率为2nm，每
牙膏是生活的必需品，它的主要作用是清洁牙齿，同时还有去污，消炎的作用。现在市场上牙膏品种较多，尽管牙育的成分大致相同，但是不同品牌牙间的质量会存在差异，而同一品牌的牙膏质量也可能不完全稳定，因此对不同品牌牙膏进行质量监控是相当必要的
近红外光谱技术"具有快速、简便、操作简单、无损伤等特点，本文运用近红外光谱作为一种快速的整定方法，在将测定光谱变量进行预处理后，结合模式识别方法3，"，对各个品牌牙青进行较快速的晶牌分类，以此对各品牌牙育进行质量监控。
1
实验部分
1.1样品准备
从市场上购买四种品牌而批次不同的牙膏样品共69个，其中包括三种成人牙膏(品牌分别设为A、B和C)和一种儿童牙膏(品牌设为D)。其中A样品20个，B样品19个，C样品20个，儿童牙膏D样品10个。所有样品在100C烘箱中干燥48h，然后将样品用粉碎机（RE-02，650W，武义吃立
工具有限公司)粉碎2min，过40目筛 1.2光谱测量和前处理
个样品扫描三次并取其平均值，共得到851个光语变量。
近红外光谱间时受样品的化学和物理因素的影响，因此在模式识别前通常需要采用数学方法对光谱数据进行预处理以减少噪音的影响，以增强样品中化学组分对光谱的贡献。本文采用多元散射校正(MSC)对所得光谱数据进行前处理[})。光谱经过散射校正后，可以有效消除散射影响%)，增强与成分含量相关的光谱吸收信息。使用此法时，先要建立一个待测样品的“理想光谱”，该光谱的变化与样品中的成分的含量满足线性关系，然后以该光谱为标准对所有样品的近红外光谱进行校正。在实际应用中，一般取所有光谱的平均光谱作为理想光谱，每个样品的近红外光谱与标准光谐进行一元线性回归运算，再求得的回归常数和回归
系数对各红外光谱进行校正。 1.3模式识别区分各品牌牙膏
模式识别是用于样品分类识别的多元分析方法，是借助数学方法和计算机技术来完成的一种综合技术。本文采用偏最小二乘判别分析法(PLS)、K-最近邻法(KNN)以及人工神经网络(ANN)等三种有监督模式识别法[3,1对牙膏样品进行了分类。有监督模式识别法常将样品分作为训练集和测试集，PLS是一种基于因子分析的多变量校正方法，通过找到多元空间的变量趋势来判别在训练集中所建立的类，最佳组
收稿日期：2010-10-27，修订日期：2011-01-22
基金项目：国家自然科学基金项目(NSFC21065007)和南昌大学食品科学教育部重点实验室开效基金项目（SKLF-MB-201002，SKLF-TS
200919)资助
作者介：林截，女，1987年生，南昌大学化学系硕士研究生万方数据
*通讯联系人
e-mail: ymni@ncu edu. cn