科研产出
近红外光谱法定性定量检测蜂蜜中掺入甜菜糖浆的可行性研究
《光谱学与光谱分析 》 2013 EI SCI 北大核心 CSCD
摘要：为进一步检验近红外光谱技术(NIRS)快速检测蜂蜜掺假的能力,利用近红外光谱结合化学计量学方法对蜂蜜中掺入甜菜糖浆进行了定性和定量检测。偏最小二乘-判别分析法(PLS-DA)对真假蜂蜜预测集的判别总正确率为90.2%;不同判别方法对掺假量等级预测集的判别总正确率都低于33.3%;PLS回归只对同一蜂蜜样本掺假的定量分析结果满意:预测集真实值与预测值的相关系数(r)为0.982 9,预测均方差(RMSEP)为1.394 2,而对不同植物来源和同一植物来源的不同样本的掺假量的定量分析结果不满意。研究表明,蜂蜜中掺入甜菜糖浆后,NIRS可实现真假蜂蜜的快速鉴别,而不能实现掺假量等级的鉴别及掺假量的定量分析。
关键词： 近红外光谱 蜂蜜 掺假 甜菜糖浆 判别分析 定量分析
全文链接
请求原文
茶油品质鉴别的透射和透反射模式分析比较
《食品与机械 》 2012 北大核心 CSCD
摘要：采用近红外光谱透射模式与透反射模式结合化学计量学方法对茶油进行品质鉴别。对收集的139个样品,分别用透射和透反射模式扫描,采用全光谱10 000～4 000cm-1波段,对光谱不做任何预处理,采用判别分析(discriminant a-nalysis,DA)建立油茶籽油(包括原茶油)和其它油的分类模型,真假茶油分类模型及原茶油和精炼茶油分类模型。透反射和透射模式都能够得到满意的结果,两种光谱采集方法的分类准确率均达到92%以上,透反射采集模式要优于透射采集模式。结果表明,近红外光谱可作为一种简单、快速、无损、可靠的方法用于鉴别茶油品质。
全文链接
请求原文
近红外光谱结合偏最小二乘法用于纯茶油中掺杂菜籽油和大豆油的定量分析
《食品工业科技 》 2012 北大核心 CSCD
摘要：采用偏最小二乘法(PLS)建立了油茶籽油中掺杂菜籽油和大豆油的近红外光谱定量检测模型。配制不同比例(0～100%)的油茶籽油和菜籽油、油茶籽油和大豆油混合样品共256个,采集样品在10000～4000cm-1范围内的近红外透反射光谱,模型采用交互验证和外部检验来考察所建立模型的可靠性,不需进行任何光谱预处理,所建立的PLS模型相关系数为0.9997,训练集的交叉验证均方根误差(RMSECV)为0.504,预测集的预测均方根误差(RMSEP)为0.66。应用建立的模型对未知样品进行预测,并对预测值和真实值进行比较,在掺杂油含量为2.5%～100%之间范围内准确可靠,研究结果表明,采用近红外光谱技术可以实现纯茶油中菜籽油和大豆油掺杂量检测。
关键词： 近红外光谱 偏最小二乘法 茶油 掺杂 菜籽油 大豆油
全文链接
请求原文
基于连续投影算法的油菜蜜近红外光谱真伪鉴别的研究
《食品工业科技 》 2012 北大核心 CSCD
摘要：采用连续投影算法(successive project algorithm,SPA)对177个不同产地油菜蜜样本的近红外光谱做波长选择,然后以33个特征变量作线性识别分析(LDA)。同时,也采用了主成分分析(PCA)对变量进行压缩。比较了二次识别分析(QDA)和簇类独立软模式分类法(SIMCA)的鉴别结果。SPA-LDA模型预测集的鉴别准确率为97.7%,而PCA-LDA、全谱的SIMCA和SPA-QDA预测集的正确率分别为93.2%、95.4%和90.9%;上述四种方法ROC曲线下的面积分别为0.964、0.912、0.948和0.933。SPA-LDA性能比其他三种方法要好。该方法准确、可靠,为蜂蜜真实性的现场快速检测提供了一种新方法。
关键词： 油菜蜜 近红外光谱 真伪鉴别 连续投影算法 线性识别分析
全文链接
请求原文
近红外光谱分析技术在我国大宗水果品质无损检测中的应用研究进展
《食品工业科技 》 2012 北大核心 CSCD
摘要：近红外光谱分析技术因具有分析时间短、无需样品预处理、非破坏性、无污染以及成本低等特点,已成为20世纪90年代以来发展最快、最引人注目的现代定量分析技术,广泛应用于农产品、食品的品质检测。本文概述了近几年来国内在近红外光谱技术应用于大宗水果内部品质检测的最新研究进展;指出其存在的问题并对其发展进行展望;提出了近红外光谱分析技术将会与网络技术相结合,实现模型的在线更新与升级;同时,光谱成像技术将成为21世纪近红外光谱分析技术的发展趋势;以期对我国相关研究人员的工作提供参考。
全文链接
请求原文
近红外光谱法鉴别奶牛饲料中三聚氰胺甲醛树脂的可行性研究
《食品科学 》 2012 北大核心 CSCD
摘要：收集国内常用的、具有代表性的奶牛精补料33个样品,制备99个三聚氰胺甲醛树脂(MF)掺假样品,在全光谱范围内进行近红外透反射光谱扫描,选择合适的前处理方法,采用BP神经网络方法和PLS-LDA方法分别建立判别模型。建立的BP神经网络判别分析模型的预测正确率为100%,建立的PLS-LDA判别分析模型的交互验证最低错误率为0.0778,模型错分率为0.0667,模型预测错误率为0.1429。说明利用近红外透反射光谱建立定性分析模型来检测奶牛饲料中是否掺有MF的研究是可行的。
关键词： 奶牛饲料 三聚氰胺甲醛树脂 近红外光谱 BP神经网络 PLS-LDA
全文链接
请求原文
近红外光谱技术在测定纯茶油中棕榈油掺入量中的应用
《湖南农业科学 》 2011
摘要：采用偏最小二乘法(PLS)建立了近红外光谱定量检测模型,以定量分析油茶籽油中掺入的棕榈油成分。通过交互验证和外部检验,考察所建模型的可靠性。结果显示:样品不需要任何光谱预处理,直接进行10 000～4 000 cm-1范围内的近红外透反射光谱扫描;建立的PLS模型相关系数为0.999 9,训练集的交叉验证均方根误差(RMSECV)为0.254,预测集的预测均方根误差(RMSEP)为0.464;在掺入油含量为7.5%～100%之间范围内准确可靠。这表明采用近红外光谱技术可以实现纯茶油中棕榈油掺入量检测。
全文链接
请求原文
近红外光谱法快速测定液态奶中蛋白质和脂肪含量
《食品科学 》 2011 北大核心 CSCD
摘要：采用近红外光谱法结合化学计量学方法测定液态奶中蛋白质和脂肪的含量,比较分析随机法(randomsampling,RS)、kennard-stone(KS)、Duplex、基于x-y距离结合的样本划分方法(sample set partitioning based onjoint x-y distance,SPXY)4种训练集和预测集样本划分方法,使用Haaland法对异常值进行剔除,并对光谱预处理方法进行讨论。所建立的脂肪模型交叉验证均方根(RMSECV)与预测均方根(RMSEP)分别为2.434和2.099,预测集的决定系数Rp2为0.964;蛋白质模型的RMSECV与RMSEP分别为2.270和2.564,Rp2为0.940。结果表明,该方法快速、准确,可为液态奶的现场质量控制提供了有效途径。
全文链接
请求原文
SVM法定性鉴别奶牛饲料中脲醛树脂的可行性研究
《食品与机械 》 2011 北大核心 CSCD
摘要：收集中国常用的、具有代表性的奶牛精补料44个样品,制备176个脲醛树脂(urea-formaldehyde resins,UF)掺假样品。在全光谱范围内进行近红外透反射光谱扫描,选择不同的归一化方式进行前处理,采用支持向量机(supportvector machine,SVM)方法,筛选最佳的预处理方法来建立定性鉴别模型。当采用归一化方式与主成分分析(principal component analysis,PCA)相结合时,所建立的SVM定性分析模型的预测精确率达到97.701 1%。说明利用近红外透反射光谱建立定性分析模型来检测奶牛饲料中是否掺有UF的研究是可行的。
关键词： 奶牛饲料 脲醛树脂 近红外光谱 支持向量机(SVM) 定性鉴别
全文链接
请求原文
近红外光谱结合化学计量学方法检测蜂蜜产地
《农业工程学报 》 2011 EI 北大核心 CSCD
摘要：为了实现蜂蜜产地的快速判别,应用近红外光谱结合化学计量学方法对蜂蜜产地进行了判别分析。kennard-Stone法划分训练集和预测集。光谱用一阶导数加自归一化预处理后,再用小波变换(WT)进行压缩和滤噪。结合滤波后光谱信息,分别用径向基神经网络(RBFNN)和偏最小二乘-线性判别分析(PLS-LDA)建立了苹果蜜产地和油菜蜜产地的判别模型。对不同小波基和分解尺度进行了讨论。对苹果蜜,WT-RBFNN模型和WT-PLS-LDA模型都是小波基为db1、分解尺度为2时的预测精度较好,都为96.2%。对油菜蜜:WT-RBFNN模型在小波基为db4和分解尺度为1时,预测精度较好,为85.7%;WT-PLS-LDA模型在小波基为db9、分解尺度也为1时,预测精度较好,为90.5%。研究表明:WT结合线性的PLS-LDA建模比WT结合非线性的RBFNN建模更适于蜂蜜产地判别;近红外光谱技术具有快速判别蜂蜜产地的潜力。
关键词： 近红外光谱 小波变换 径向基函数神经网络 蜂蜜 产地判别 偏最小二乘-线性判别分析
全文链接
请求原文
