共查询到20条相似文献,搜索用时 46 毫秒
1.
目的研究基于中红外光谱(mid infrared spectroscopy,MIRS)技术定性判别有机微量元素添加剂掺假的可行性。方法以甘氨酸铁螯合物和硫酸亚铁为研究对象,分析样品的中红外光谱,解析不同样品光谱的特异性;建立偏最小二乘判别(partial least squares discriminant analysis,PLS-DA)校正模型对掺假样品进行判别,并比较不同预处理方法、全光谱与特征波段对校正模型判别效果的影响。结果甘氨酸铁螯合物与硫酸亚铁光谱差异显著,主要分布在(3500~3000) cm~(-1)、(1600~1300) cm~(-1)、(1300~1000) cm~(-1)、(660~550) cm~(-1),通过采用平滑(smoothing,SM)、归一化(normalization,Norm)与一阶导数(first derivative,FD)相结合的方法对光谱进行预处理,结合1300 cm~(-1)~1000 cm~(-1)波段建立的PLS-DA校正模型判别效果最优,校正集的判别正确率为97.5%,验证集的判别正确率为100.0%,对外部样品的判别正确率达到92.7%。结论中红外光谱技术结合化学计量学方法能够对甘氨酸铁螯合物的掺假进行准确判别。 相似文献
2.
多源光谱分析技术被用于鱼油品牌快速无损鉴别。采用可见光谱分析技术、短波近红外光谱分析技术、长波近红外光谱分析技术、中红外光谱分析技术和核磁共振光谱分析技术采集了7种不同品牌的鱼油的光谱特征,并应用偏最小二乘判别分析法(partial least squares discrimination analysis,PLS-DA)和最小二乘支持向量机(least-squares support vector machine,LS-SVM)建立判别模型并比较判别结果。基于长波近红外光谱的PLS-DA模型和LS-SVM模型取得了最高识别正确率,建模集和预测集识别正确率均达到100%。采用中红外光谱和核磁共振谱分别建立的LS-SVM模型,也可以获得100%的判别正确率。而可见光谱和短波近红外光谱则判别准确率较差。且LS-SVM算法较PLS-DA更加适合用于建立光谱数据和鱼油品牌之间的判别模型。研究结果表面长波近红外光谱技术能够有效判别不同鱼油的品牌,为将来鱼油品质鉴定便携式仪器的开发提供了技术支持和理论依据。 相似文献
3.
红外光谱结合多元统计分析快速鉴别不同种类牛肝菌 总被引:3,自引:0,他引:3
采用傅里叶变换红外光谱结合多元统计分析方法快速鉴别不同种类食用牛肝菌。采集10 个不同种类93 个牛肝菌子实体的红外光谱,分析食用牛肝菌的红外光谱特征;用多元散射校正(multiplicative signal correction,MSC)、标准正态变量(standard normal variate,SNV)、二阶导数(second derivative,SD)、Norris平滑(ND)、正交信号校正(orthogonal signal correction,OSC)、小波压缩等方法对光谱进行优化处理;经优化处理的光谱数据分别建立马氏距离分类模型及偏最小二乘判别分析(partial least squares discriminant analysis,PLSDA)。结果显示,牛肝菌在3 325、2 934、2 927、1 637、1 547、1 402、1 375、1 259、1 453、1 081、1 029 cm-1等附近有多个吸收峰,主要归属为蛋白质、多糖、氨基酸等的特征吸收峰。MSC+SD+ND(15∶5)和SNV+SD+ND(15∶5)两种预处理方式前10 个主成分累积贡献率分别为95.58%、95.54%,基于两种预处理方法建立马氏距离分类模型,验证集预测准确率分别为90%和95%。PLS-DA结果显示经MSC+SD+ND(15∶5)和SNV+SD+ND(15∶5)预处理不易于区分牛肝菌种类;原始光谱经正交信号校正及小波压缩(orthogonal signal correction waveletcompression,OSCW)、优化处理并进行PLS-DA分析,能够很好地区分不同种类牛肝菌。马氏距离分类模型不仅能反映样品的分类情况,同时计算出与测试样品相似度最大的物种,可为食用菌种类鉴别和未知物种鉴定提供可靠依据;OSCW预处理后进行PLS-DA分析能有效鉴别不同种类牛肝菌,为野生食用菌的鉴别分类提供一种辅助方法。 相似文献
4.
为了研究快速识别轻微损伤壶瓶枣与完好壶瓶枣的有效方法,本文以轻微损伤壶瓶枣和完好壶瓶枣为研究对象,动态采集轻微损伤壶瓶枣和完好壶瓶枣的近红外光谱数据。采用S-G平滑与多元散射校正(MSC)相结合的方法预处理光谱数据,分别以预处理后的全光谱(FS)数据和采用主成分分析(PCA)法提取主成分、采用连续投影算法(SPA)提取特征波长作为输入变量,建立偏最小二乘判别分析(PLS-DA)和最小二乘支持向量机(LS-SVM)模型,比较4种损伤壶瓶枣及完好壶瓶枣的判别准确性。结果表明:采用PCA提取主成分有较明显的优势,对4种损伤壶瓶枣的判别准确性均能满足实际要求,且采用PCA-LS-SVM模型对4种轻微损伤壶瓶枣和完好壶瓶枣的正确判别率最佳,分别达到100%、86%、100%、100%和100%,总的正确判别率为97.2%。该研究为轻微损伤壶瓶枣的动态判别提供了新的理论基础。 相似文献
5.
目的 基于近红外光谱技术鉴别不同产地的藕粉样品与检测藕粉的掺假问题。方法 采集不同产地的藕粉样品的近红外光谱,在光谱预处理后采用相关系数法提取特征波长,以提取的特征波长变量构建偏最小二乘法-判别分析(partial least squares discriminant analysis,PLS-DA)、线性判别分析(linear discriminant analysis,LDA)以及支持向量机(support vector machine,SVM)模型,实现对不同产地藕粉的鉴别分析。同时,采集掺假地瓜粉、玉米粉、木薯粉的藕粉样品的近红外光谱,在样品类别已知情况下,运用K-Means聚类分析鉴别3种掺假类型的藕粉样品,在掺假类别未知下,运用基于局部密度判别的聚类算法进行判别。结果 以相关系数法提取的特征波长变量构建的PLS-DA、LDA和SVM三种模型对于不同产地藕粉样品的判别准确率均为100%。对于不同掺假类型的藕粉检测,在样品类别已知情况下,K-Means聚类分析能有效识别出掺假藕粉,识别精度为98.33%。在样品类别未知的情况下,基于局部密度判别的聚类算法可以有效识别出2%掺假率的藕粉样品。结论 近红外光谱技术能实现不同产地莲藕粉的快速鉴别,同时为隐蔽的藕粉掺假鉴别提供一种快速、高效、无损检测的分析方法,为藕粉的质量控制提供一定的理论基础。 相似文献
6.
基于拉曼光谱的大米快速分类判别方法 总被引:1,自引:0,他引:1
以拉曼光谱技术为手段,结合化学计量学方法,对来自黑龙江、江苏、湖南3个产地共123份大米样品的光谱数据进行采集,并对得到的拉曼图谱进行主成分分析(PCA)和偏最小二乘判别分析(PLSDA),建立大米快速分类判别方法。应用主成分分析对不同种类、产地和品种的大米进行粗分类鉴别;选择不同种类、品种和产地的稻米样本建立相应的偏最小二乘判别分析模型,其中2/3的样本作为建模训练集,1/3的样本作为建模校正集,按照种类、产地、品种建立的模型其训练集样本正确判别率均为100%,校正集样本正确判别率分别为100%,100%,94.12%。因此,研究所建立的拉曼光谱技术结合化学计量学方法可以快速、有效地鉴别大米种类、品种及产地。 相似文献
7.
8.
采用傅里叶变换红外光谱(FT-IR)结合化学计量学鉴别不同种药食同源薯蓣植物。采集云南5种药食同源薯蓣属(淮山药、黄独、高山薯蓣、粘山药、参薯)样品红外光谱数据,选择基线校正、9点平滑、自动归一化、二阶导数等预处理方法对光谱进行优化。原始光谱显示,除粘山药样品,其余4种薯蓣属样品红外光谱相似度较高,在1 154、1 081、1 021、928、763、577 cm~(-1)附近均出现表征淀粉和一些糖苷类成分的吸收峰。选取1 800 cm~(-1)~400 cm~(-1)波段二阶导数光谱数据,结合聚类分析(HCA)和偏最小二乘判别分析(PLS-DA)法进一步挖掘红外光谱数据信息。通过HCA提取727个变量建立矩形阵列获得树状图,分类正确率为91.2%。PLS-DA模型前6个主成分累积贡献率为97.3%;得分图显示,5种样品分类效果理想。证明FT-IR结合HCA和PLS-DA方法,对5种不同种薯蓣植物的鉴别可行。 相似文献
9.
为了实现轻微损伤郎枣的快速无损检测,以完好和轻微损伤郎枣为研究对象,动态采集其可见/近红外光谱数据。依据光谱波段定义将采集的光谱数据分为可见光(Vis)、短波近红外(SW-NIR)、长波近红外(LW-NIR)、可见/短波近红外(Vis/SW-NIR)、近红外(NIR)和可见/近红外(Vis/NIR)等6个波段,分别选取各波段最佳预处理方法。采用连续投影法(SPA)和主成分分析法(PCA)分别对各波段光谱数据降维,以全波长、SPA提取的特征波长和PCA提取的主成分作为输入,分别建立偏最小二乘回归法(PLSR)和最小二乘支持向量机(LS-SVM)模型,通过比较预测集的判别准确率,确定最佳建模方法。结果表明,PLSR模型优于LS-SVM模型,SW-NIR波段较其余5个波段有更好的判别能力,所建SW-NIR-SNV-SPA-PLSR模型判别准确率为93.3%,为最佳模型。本实验为轻微损伤郎枣的快速无损检测和相关仪器的开发提供了理论基础。 相似文献
10.
11.
12.
13.
14.
研究蜂王浆对免疫低下小鼠免疫系统的调节作用。48只雄性昆明小鼠随机分为空白组、环磷酰胺模型组、酪蛋白组以及蜂王浆低、中、高剂量组,每组8只。除空白组外,其余5组每天腹腔注射80 mg/(kg bw)环磷酰胺,建立免疫低下小鼠模型。各组小鼠经不同样品连续灌胃30 d后测量小鼠体重、脾脏和胸腺质量及HE染色观察脾脏与肝脏的形态、白细胞计数、免疫球蛋白含量、细胞因子水平、脾淋巴细胞增殖能力、睾酮含量。造模后,脾脏和胸腺指数降低,小鼠脾脏和肝脏镜下形态学结构紊乱,白细胞计数、免疫球蛋白、IL-6水平显著降低,T/B淋巴细胞增殖能力显著下降;经蜂王浆干预后,相比于模型组,蜂王浆干预组小鼠上述指标有不同程度的改善,其中以高剂量组效果最为显著。蜂王浆可以增强环磷酰胺造成的免疫功能低下小鼠的免疫功能。 相似文献
15.
16.
为了研究合适的核桃油储存方式,以温度、光照、氧气、水分四个因素为自变量,酸价、过氧化值为指标研究氧化规律。Rancimat法和60℃烘箱加速氧化法预测货架期,以常温储存核桃油为对照组,比较两种方法的可靠性。结果表明:效果最好为冷藏组,储存超过60 d,最短为敞口组和摇晃组,不足14 d,添加0. 1%~0.3%水分组,21 d开始酸败,避光组储存期为49 d。Rancimat法预测货架期为212 d,烘箱加速法预测为48~80 d。常温储存49 d酸败,烘箱加速法预测货架期更可靠。建议核桃油低温储存,同时可避光存放,尽量选用与空气接触面积小的储油容器,并减少油的重复使用。 相似文献
17.
18.
De La Rosa P Cordoba G Martín A Jordano R Medina LM 《Journal of food protection》2005,68(11):2465-2469
A study was performed on 240 samples, divided into four batches, of sponge cakes baked following their industrial recipe to which different concentrations of a test preservative, mainly lactic acid and propylene glycol, were added. Each batch was submitted to three different temperature and relative humidity conditions. The counts of mesophilic aerobic bacteria, enterobacteria, enterococci, staphylococci, clostridia, lactic acid bacteria, and yeasts were less than 1 log CFU/g in all the batches studied and throughout the 120 days of study. Depending on batches and conditions, the mold counts were between less than 1 and 6.40 log CFU/g. Aspergillus, Eurotium, Penicillium, and Wallemia were detected and were potentially toxigenic in two cases. The test preservative added at 18 g/kg produced the greatest preserving effect, prolonging the product's shelf life by more than 4 months and showing itself to be effective at the other concentrations, especially at 15 degrees C and at 80 and 51% relative humidity. 相似文献
19.
目的 利用中红外光谱技术实现对煎炸油极性组分的快速检测。方法 根据光谱-理化值共生距离分类法对煎炸油中红外光谱数据进行样本划分,从而得到校正集和预测集。采用卷积(Savitzy-Golay,S-G)平滑+一阶导数预处理手段,利用竞争自适应重加权算法(competitive adaptive reweighted sampling, CARS)进行特征提取,建立煎炸油极性组分含量的偏最小二乘回归(partial least squares regression, PLSR)预测模型,并利用BP神经网络算法对模型进行优化。结果 BP神经网络算法建立的模型校正集决定系数为0.9032,校正集均方根误差(root means quare error of calibration,RMSEC)为0.1264,预测集决定系数为0.8569,预测集均方根误差(root mean square error of prediction, RMSEP)为0.0625。经BP神经网络算法优化后,均方根误差明显减小,提高了预测模型的准确性。结论 结合BP神经网络算法的中红外光谱技术是一种检测煎炸油极性组分的有... 相似文献