科研产出
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
基于MCCV奇异样本筛选和CARS变量选择法对蜂蜜pH值和酸度的近红外光谱检测
《食品科学 》 2011 北大核心 CSCD
摘要：采用Norris平滑加一阶微分数据预处理,蒙特卡洛交互验证(MCCV)的奇异样本筛选和CARS(competitiveadaptive reweighted sampling)变量选择法,用Kennard-Stone(KS)法划分训练集和预测集,偏最小二乘(PLS)回归近红外光谱建模,对蜂蜜pH值和酸度进行定量分析。pH值和酸度校正模型的交互验证决定系数(Rcv2)、交互验证均方差(RMSECV)、预测集决定系数(Rp2)、预测均方差(RMSEP)分别为0.8516和0.8723、0.1214和2.1734、0.8205和0.8250、0.1196和2.4674。结果表明,该方法适于蜂蜜pH值的测定,而不宜用于测定蜂蜜酸度。
关键词： 近红外光谱 蒙特卡洛交互验证的奇异样本筛选 CARS变量选择 蜂蜜 pH值 酸度
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
国外近红外光谱分析技术在食品安全问题中的应用研究进展
《食品工业科技 》 2010 北大核心 CSCD
摘要：当前食品行业存在诸多安全问题,采用一种快速、无损、操作费用低的分析技术辅助食品监管部门的工作是大势所趋。近红外光谱技术日渐成熟,是一种实时、高效,而且具有能够胜任理化性质和成分测定的特点逐渐应用到食品品质的分析中。列举了国外近红外光谱技术在解决食源微生物、新技术应用和制假掺假导致的食品安全问题中的研究进展,探讨了在解决农药兽药残留、滥用食品添加剂以及环境中有害物质污染导致的食品安全问题时,近红外技术在硬件和软件方面仍需继续做的工作。对近红外光谱技术在食品安全问题中的应用作了前瞻性综述。
全文链接
请求原文
近红外光谱结合小波变换-径向基神经网络用于奶粉蛋白质与脂肪含量的测定
《红外与毫米波学报 》 2010 EI SCI 北大核心 CSCD
摘要：应用近红外光谱分析技术结合化学计量学方法,建立了奶粉脂肪和蛋白质含量测定的化学计量学建模新方法.首先采用Kernard-Stone法对校正集样本和预测集样本进行分类,然后利用小波变换滤波技术对样品的近红外光谱进行压缩去噪处理,结合滤波后重构光谱信号建立脂肪和蛋白质的径向基神经网络回归模型,并分别对径向基网络的扩散常数spread值及小波变换中的小波基与压缩尺度三个参数进行了详细的讨论.脂肪模型在小波基为db2及小波尺度为4、spread值为3.5时的预测模型精度最好;蛋白质模型在小波基为db8及小波尺度为4、spread值为6时,预测模型精度最好.所建立的脂肪和蛋白质校正模型的预测集相关系数(Rp)分别为0.990和0.994,预测均方根误差分别为0.007与0.004.预测结果表明,RBF网络结合小波变换进行建模预测,模型简单、稳健且精度较好,该方法适合奶粉脂肪和蛋白质含量的快速、无损测定.
关键词： 近红外光谱 奶粉 径向基神经网络 小波变换 Kernard-Stone法
全文链接
请求原文
基于最小二乘支持向量机的国公酒中橙皮苷含量测定
《光谱学与光谱分析 》 2009 EI SCI 北大核心 CSCD
摘要：应用近红外光谱技术结合最小二乘支持向量机建立了国公酒中橙皮苷含量的模型。利用Kernard-Stone法对训练集样本进行划分,对光谱数据预处理方法进行了选择,比较了平滑、范围标度化、自标度化、一阶微分、二阶微分以及这几种预处理相互结合的六种方法,确定了以平滑、一阶微分,范围标度化作为国公酒近红外光谱的数据预处理方法,采用组合的间隔偏最小二乘法筛选出有效波段8 211~8 312 cm-1及9 712~9 808 cm-1。应用最小二乘支持向量机建立模型,所建模型的交叉验证误差均方根为0.000 1,预测误差均方根为0.004,预测集的相对偏差小于5%。与组合的间隔偏最小二乘法、径向基-人工神经网络和支持向量机进行了比较。该方法快速、无损且可靠,可作为国公酒中橙皮苷含量快速测定的手段。
关键词： 国公酒 橙皮苷 近红外光谱 最小二乘法支持向量机
全文链接
请求原文
