基于高光谱图像技术的固态发酵中芽孢杆菌的快速识别

利用高光谱图像技术结合模式识别方法,研究了镇江香醋固态发酵中产酸芽孢杆菌的快速识别方法。筛选3种芽孢杆菌为标准菌,以标准菌生长12 h的菌落为研究对象,利用高光谱成像系统采集图像:提取感兴趣区域(20×20)单菌落平均光谱共120条,并SNV预处理,采用主成分分析(PCA)从每幅图像优选3幅特征图像,并从每幅特征图像提取4个基于灰度共生矩阵的纹理特征变量;对光谱和图像纹理的特征变量均进行PCA,分别提取合适的主成分构建BP-ANN和KNN识别模型。其中,光谱模型识别效果优于图像模型,且BP-ANN光谱模型识别效果最优,对校正集和预测集样本的识别率分别为98.70%和97.78%,主成分因子数为5。研究表明,菌落内部特征是识别菌种属的关键,且利用高光谱图像技术识别细菌具有可行性,且快速简便。     

高光谱技术融合平板菌落法同步计数酸奶中益生菌

采用高光谱技术结合平板菌落法快速表征益生菌酸奶中常见的发酵菌种（保加利亚乳杆菌、嗜热链球菌）和益生菌种（干酪乳杆菌、嗜酸乳杆菌、植物乳杆菌）的光谱差异,并结合不同模式识别方法对混合菌种发酵酸奶中每种益生菌的数量进行同步计数,最后与传统计数法得到的菌落数量结果进行对比,通过2 种计数结果的差异性分析验证高光谱菌落计数的可行性。结果表明,当主成分数为9时,最小二乘支持向量机模型对不同种类菌落识别效果均优于K-最近邻法和误差反向传播神经网络模型,其中校正集识别率为99.20%,预测集识别率为93.33%,为最佳计数模型,与传统计数法并无显著差异（P＞0.05）,验证高光谱技术应用在混合菌种发酵酸奶中对每种益生菌同步计数的可行性,解决传统计数法无法同步计数混合菌种酸奶中各益生菌数量的缺陷问题,为快速无损检测酸奶品质与保健活性提供检测依据。     

基于高光谱图像分割的固态发酵中不同杆菌的识别方法

本文研究了基于高光谱图像分割的固态发酵中不同杆菌快速识别问题,实验采用马铃薯葡萄糖琼脂培养基对芽孢杆菌、乳杆菌、红螺菌样本进行制备,通过黑色镜头盖在镜头上获取全黑的反射图像,对图像进行去噪、分割处理,获取高光谱图像梯度及分布峰值,利用掩模图像中菌落所处位置对光谱数据信息进行提取,把获取的三种细菌的光谱数据分割成校正集与测试集,依次用于模型构建与验证。通过标准正态变量变化方法完成对原始光谱数据的预处理,利用主成分分析法进行降维处理并区分不同菌落,并采用偏最小二乘判别分析法建立识别模型,分析细菌高光谱图像和高光谱响应值主成分,建立并验证模型。结果表明,采用标准正态变量变化法进行预处理后,高光谱分析总误差与分析误差的比值是1.12,低于规定稳健性的参数;不同细菌菌落的高光谱波峰存在差异,对光的反射率也有较大不同;当培养时长为36h时,三种细菌可被有效区分;本文模型比其它两种模型更优,对测试集的识别率为98.25%。综上所述,采用本文方法具有分析误差低、识别率高的优点。     

基于超高效液相色谱-高分辨质谱的白酒基酒等级判别

白酒基酒等级的准确鉴别是白酒分级储藏和勾兑的重要依据,对白酒质量控制至关重要。以浓香型白酒基酒为研究对象,采用超高效液相色谱-高分辨质谱联用(UPLC-Q-Exacive-MS)技术对不同等级浓香型白酒基酒进行分析,经过主成分分析(PCA)降维处理,结合线性判别分析(LDA)、支持向量机(SVM)和反向传播神经网络(BP-ANN)等多种化学计量学方法建立白酒基酒等级判别模型。结果显示,BP-ANN鉴别效果最好,在主成分为8时,训练集和测试集的识别率均达100%,不同等级的白酒样本全部正确识别;其次是SVM(训练集和测试集的识别率分别为96.25%、95.00%)和LDA(训练集和测试集的识别率分别为91.25%、90.00%)。实验证明,UPLC-Q-Exacive-MS结合化学计量学分析方法能实现不同等级浓香型白酒基酒的准确判别。     

自然发酵风干肠中乳酸菌的分离与鉴定

以自然发酵风干肠为研究对象,分析了细菌总数和乳酸菌菌数的变化情况,结果表明,乳酸菌为风干肠发酵过程中的优势菌群.通过对风干肠中乳酸菌的分离鉴定,共分离出戊糖片球菌(Pediococcus pentosaceus)、乳酸乳球菌乳酸亚种(Lactococcus lactis subsp lactis)、短乳杆菌(Lactobacillus brevis)、弯曲乳杆菌(Lactobacillus curvatus)和发酵乳杆菌(Lactobacilus fermentum)5株乳酸菌.24h产酸速率测定结果表明,弯曲乳杆菌＞短乳杆菌＞乳酸乳球菌乳酸亚种＞戊糖片球菌＞发酵乳杆菌.     

食窦魏斯氏菌协同植物乳杆菌改善四川泡菜风味

探索食窦魏斯氏菌协同植物乳杆菌(协同发酵)对四川泡菜风味的影响,研究发酵过程中乳酸菌菌落总数、pH值及乳酸、乙酸、苹果酸、柠檬酸的变化;采用顶空固相微萃取结合气相色谱-质谱法,分析四川泡菜产品中挥发性物质成分及含量,并对产品感官品质进行评价。结果表明:协同发酵能够快速提升发酵前期(0～4 d)泡菜体系中乳酸菌、乳酸和乙酸的含量,改善泡菜产品发酵风味,提升产品品质。发酵第1天,协同发酵组中乳酸菌菌落总数达到8.52(lg(CFU/mL)),比植物乳杆菌组增加了0.85(lg(CFU/mL));发酵第3天,协同发酵组中乳酸质量浓度达10.9 g/L,比植物乳杆菌组增加了5.5 g/L;发酵结束后,协同发酵泡菜产品的感官优于植物乳杆菌发酵泡菜产品。挥发性物质分析表明,协同发酵组中挥发性物质达27种,比植物乳杆菌组新增7种挥发性物质;挥发性物质总量为6.096 mg/L,显著高于植物乳杆菌组(3.188 mg/L)。因此,食窦魏斯氏菌能够较好协同植物乳杆菌发酵四川泡菜,改善产品风味,表现了较好的潜在应用价值。     

基于近红外光谱技术的老陈醋品质分析

为得到稳定、精确的老陈醋品质光谱模型,采用近红外光谱分析技术结合反向传播神经网络(BP-ANN),分别对不同醋龄的两种山西老陈醋中可溶性固形物含量(SSC)及pH值进行定量分析。对经过标准归一化(SNV)与25点平滑相结合处理后的光谱进行主成分分析,根据主成分的累计贡献率选取主成分数作为BP神经网络的输入变量建立模型,并与偏最小二乘法(PLS)模型进行比较。结果表明:BP-ANN建立的老陈醋SSC和pH值定量分析模型最优,其SSC和pH值的模型相关系数(R)分别为0.9999和0.9997,校正集均方根误差(RMSEC)分别为0.0128和0.0045,预测集均方根误差(RMSEP)分别为0.0118和0.0088。采用近红外光谱技术结合反向传播神经网络(BP-ANN)对不同醋龄、不同品牌的老陈醋品质分析建模是可行的。     

PCR-DGGE分析东北自然发酵酸菜中乳酸菌多样性

为了探明传统的自然发酵白菜中乳酸菌的多样性及其优势乳酸菌群,试验主要采用变性梯度凝胶电泳法(denaturing gradient gel electrophoresis,DGGE),对5份采自我国东北地区利用传统方法制作的自然发酵酸菜样品中的乳酸菌多样性进行分析。结果表明,5份传统发酵酸菜样品共鉴定出了9个乳酸菌种,呈现出丰富的多样性。其中,植物乳杆菌、短乳杆菌、清酒乳杆菌和弯曲乳杆菌是酸菜样品的优势菌群,此外,还发现了片球菌、乳酸乳球菌、Hammesii乳杆菌和Odoratitofui乳杆菌,而Hammesii乳杆菌和Odoratitofui乳杆菌在此前文献报道中利用传统方法没有分离到。     

近红外光谱技术快速检测紫薯半干面中菌落总数及新鲜度

利用近红外光谱分析技术和化学计量学分析方法,对紫薯半干面菌落总数(TVC)及其新鲜度鉴别进行研究。结合偏最小二乘法对比10种光谱预处理方法,建立紫薯半干面的TVC预测模型,最终选定SNV+2D为最优预处理方法。经优化TVC最优模型的校正集和预测集的决定系数R分别为0.99213和0.97537,交互验证均方根误差及预测集均方根误差分别为0.250和0.445。采用主成分分析结合马氏距离的定性判别分析法,定性鉴别紫薯半干面新鲜程度。当选用标准归一化为光谱预处理方法时,正确识别率达到100%。利用近红外光谱分析技术可以快速、无损地检测紫薯半干面中TVC及新鲜度。     

基于高光谱图像技术的镇江香醋固态发酵过程研究

以发酵醋醅为研究对象,应用高光谱图像技术对其图像和光谱信息进行研究,以期对发酵状况快速预测。首先通过主成分分析(PCA)对其图像信息进行PCA;然后利用预处理后的光谱信息结合全光谱偏最小二乘(PLS)、区间偏最小二乘法(i PLS)和联合区间偏最小二乘法(si PLS)建立总酸、p H及不挥发酸含量的快速预测模型,选择最优模型。结果表明,依据图像信息的不同主成分,优选出3幅特征图像,提取每幅图像的对比度、相关性、角二阶矩和一致性等4个基于灰度共生矩阵的纹理特征变量,利用K-最邻近法(KNN)建立发酵醋醅的识别模型,预测集识别率达到90.04%,能很好的预测醋醅发酵状况;优选出si PLS模型最优,预测集总酸、p H值和不挥发酸的RMSEP分别为0.75、0.05和0.3,能够实现重要理化指标的快速预测。因此利用高光谱图像技术可快速预测醋醅发酵状况,为优化工艺操作和提高发酵质量等提供有效、快速地检测手段。     

基于红外光谱技术的高渗酵母快速鉴别方法

为寻找高渗酵母种属的快速鉴别方法,本文应用傅里叶变换近红外光谱(FT-NIR)和傅里叶变换中红外光谱(FT-IR)分析技术,结合化学计量学方法,对6种高渗酵母判别分类。高渗酵母近红外光谱和中红外光谱的灵敏区段经基线校正,矢量归一化,二阶求导等预处理,分别采用主成分分析(PCA)结合线性判别分析(LDA)以及主成分分析结合反向传输人工神经网络(BP-ANN)2种方法建模。结果表明:近红外光谱、中红外光谱分析技术均能较好地分类高渗酵母;两种分析技术中,PCA-LDA模型的分类效果均优于PCA-ANN/BP模型,模型准确率为100%。本研究为高渗酵母快速、准确地鉴别提供了一种简便、可行的方法。     

基于近红外漫反射光谱的云芝提取物品级分类研究

为探索快速无损分析云芝提取物品级的方法,采集不同产地云芝提取物的近红外漫反射光谱,通过主成分分析(PCA)对样本原始光谱数据进行降维、压缩,并分别结合偏最小二乘判别法(PLS-DA)和反向传输人工神经网络(BP-ANN)建立识别模型。结果表明:采用主成分分析结合偏最小二乘判别法,建模集和验证集的识别正确率分别为100%和84%;采用主成分分析结合反向传输人工神经网络模型,其建模集和验证集的识别正确率均为100%。由此可见,主成分分析结合反向传输人工神经网络模型可以更好地实现对不同品级的云芝提取物进行分类识别。     

低盐泡菜乳酸菌群落演变及其优势菌群的探讨

以低盐泡菜为研究对象,动态跟踪发酵过程中的乳酸菌总量、群落结构和动态变化,结果显示:乳酸菌快速生长并启动泡菜发酵。采用可培养方法,从中分离得到乳酸菌共计245株。采用16S r RNA测序结合RAPD、种特异性PCR、RFLP、API50CHL等方法,鉴定出泡菜中的乳酸菌包括5个属,10个种。发酵前期(0 d和1 d)分离到最多的乳酸菌是乳酸乳球菌和食窦魏斯氏菌,而发酵中、后期(3 d后)分离到的主要乳酸菌是戊糖乳杆菌,发酵中、后期戊糖乳杆菌的丰度在90%以上,结合可培养与免培养(定量PCR)定量结果以及分离到的乳酸菌在模拟泡菜水中生长性能,低盐泡菜发酵前期的主要优势菌群是乳酸乳球菌和食窦魏斯氏菌,发酵中、后期的主要优势菌群是戊糖乳杆菌。由于发酵前期泡菜水适合所有乳酸菌生长,因此该阶段的优势菌群很大程度上取决于发酵起始原料中的微生物群落构成,发酵中、后期分离得到的乳酸菌具有更好的酸耐受性。     

基于三维荧光光谱快速识别冷榨一级核桃油品牌和产地

为寻找一种能快速识别核桃油品牌和产地的方法,以来自4个品牌3个产地的冷榨一级核桃油为研究对象,分批次收集了300个样品,用荧光检测仪进行样品扫描,分两个时间段采集三维荧光光谱,间隔为1个月。对收集的共600组光谱数据运用主成分分析（PCA）进行特征提取,同品牌或同产地的样品分别选取主成分1组成新的数据集,达到数据降维,再结合偏最小二乘判别（PLS-DA）和人工神经网络判别（BP-ANN）化学模式识别方法,对应构建核桃油的品牌识别模型和产地识别模型。结果表明：PLS-DA和BP-ANN对核桃油的品牌和产地的识别率都能达到100%。因此,三维荧光光谱与PLS-DA和BP-ANN方法结合,可用于快速识别核桃油的品牌和产地。     

应用近红外技术快速鉴别原料肉注水的研究

提出一种用近红外光谱技术快速鉴别原料肉和注水肉的新方法。首先以原料肉和注水肉为原料,利用近红外光谱仪测定其漫反射光谱曲线,然后选取二阶导数+25点平滑方法进行预处理,再应用主成分分析结合人工神经网络技术对其进行判别分析。结果表明,前5个主成分的累计贡献率已达99.626%,以前5个主成分作为人工神经网络的输入,对应的肉种类(原料肉与注水肉)作为输出,建立了一个三层BP神经网络模型,模型对建模集109个样本的鉴别率为91.74%,对预测集30个样本的鉴别率为90%。说明利用近红外光谱分析技术对原料肉注水进行快速鉴别是可行的。     

基于便携式近红外光谱仪的食品接触性塑料鉴别

采用便携式近红外光谱仪对聚对苯二甲酸乙二酯(PET)、高密度聚乙烯(HDPE)、低密度聚乙烯(LDPE)、聚氯乙烯(PVC)、聚苯乙烯(PS)和聚碳酸酯(PC)6类食品接触性塑料材质进行鉴别研究。用5点平滑、多元散射校正(MSC)、一阶导数和标准正态变量变换(SNV)4种方法对塑料样品光谱进行预处理;主成分分析(PCA)和偏最小二乘判别分析(PLS-DA)分别用于塑料样品光谱空间分布分析和定性判别模型的建立。结果表明:光谱经SNV和MSC预处理后,6类塑料样品在前3个主成分空间得到了较好的分离;PLS-DA结合SNV预处理方法可得到精简的塑料材质定性判别模型,模型校正集和预测集的正确识别率(CRR)均为100%。该方法可为食品接触性塑料材质的快速鉴别提供参考。     

应用同步荧光光谱和支持向量机快速鉴别油茶籽油真伪

为快速鉴别油茶籽油真伪,采用同步荧光光谱和支持向量机建立油茶籽油真伪鉴别模型。结果表明,原始同步荧光光谱通过标准归一化(SNV)预处理,经过主成分分析提取5个主成分,选用径向基函数(RBF)作为核函数,采用经网格搜索和交叉验证优化得到的两个建模参数惩罚因子C=0.5和核参数γ=0.0313,建立的模型最佳。该模型对训练集和预测集的判别率均可达到100%。说明采用同步荧光光谱结合支持向量机可以快速、准确地鉴别油茶籽油真伪。     

应用Illumina MiSeq测序技术比较传统发酵乳、肉食品中细菌多样性

为全面了解内蒙古特色发酵食品中细菌微生物多样性,比较不同发酵食品的细菌群落结构。运用高通量测序技术,对发酵乳制品(饼状奶酪、棒状奶酪及奶豆腐)和发酵肉制品(发酵香肠、风干羊肉和风干牛肉)中细菌群落组成和多样性进行分析。本研究中共获得194568条有效序列,237个OTU。菌群多样性分析表明:发酵肉制品中菌群Shannon指数较高于发酵乳制品,乳肉制品之间的菌群组成差异较大。发酵乳制品中主要以厚壁菌门为主,而发酵肉制品则以厚壁菌门和变形菌门为主;在属水平上,发酵乳制品的优势菌属为乳杆菌属,而发酵肉制品中的优势菌属为假单胞菌属,次优势菌属为乳杆菌属。在种水平上,由于未检测到的菌群含量较高,所以不能确定乳、肉制品优势菌种,而在发酵乳、肉食品中可检测到的菌群中清酒乳杆菌含量较高。通过16s预测功能分析,发酵乳、肉食品中的绝大部分细菌与转运代谢有关,如脂肪代谢、氨基酸代谢等功能。     

不同乳酸菌强化接种发酵辣椒挥发性风味成分分析

为更好地了解强化接种发酵对辣椒的风味特征影响,采用固相微萃取-气相色谱-质谱技术检测4株乳酸菌强化接种发酵辣椒风味成分。结果共检出挥发性风味物质20类191种。不同菌种发酵样品风味物质的种类及含量有较大差异,发酵乳杆菌共检出挥发性风味物质15类76种,乳链球菌共检出8类20种,植物乳杆菌共检出13类84种,乳酸片球菌共检出11类73种。经主成分分析方法统计显示,发酵乳杆菌的风味物质综合评分为11.28分、乳酸片球菌为3.65分,植物乳杆菌为－0.08分,乳酸链球菌为－11.30分,自然发酵为－3.56分。风味物质综合排名为：发酵乳杆菌＞乳酸片球菌＞植物乳杆菌＞自然发酵＞乳链球菌,发酵乳杆菌、乳酸片球菌以及植物乳杆菌强化发酵较自然发酵辣椒风味品质突出。     

基于低场核磁共振技术的奶粉品牌快速判别

目的：采用低场核磁共振技术对6个不同品牌的270个奶粉样品进行检测判别。方法：采用主成分分析（PCA）、偏最小二乘判别分析（PLS-DA）、误差反传人工神经网络（BP-ANN）等化学计量学方法对样品数据进行处理。结果：采用PCA方法的主成分三维投影图无法达到对奶粉品牌快速判别的目的;PLS-DA方法的训练集和预测集的正确识别率分别为66.1%,52.2%,可信度较低,也难以实现奶粉品牌的快速判别;BP-ANN方法的训练集和预测集的正确识别率分别为99.4%, 100.0%。结论：低场核磁共振与BP-ANN结合可以很好地识别奶粉品牌。