基于近红外光谱技术的咖啡掺假快速鉴别方法

本文研究了利用近红外光谱技术结合AdulterantScreen算法建立的咖啡快速鉴别方法。采用傅里叶变换近红外光谱仪采集咖啡样品光谱,建立标样(材料光谱)光谱数据库,采集掺假物光谱数据,建立掺假物光谱数据库,建立了咖啡分类模型及掺假物模型,运用Adulterant Screen算法技术对模型的主成分及掺假成分进行计算分析,建立了咖啡掺假快速鉴别模型。本咖啡快速鉴别方法对含量在2%、5%、10%、15%、20%、30%及40%巴西莓果粉和5%、10%、15%、20%、30%及40%大麦掺假咖啡可以实现有效的掺假鉴别,最低识别咖啡中巴西莓果粉及大麦掺假含量分别为2%及5%。利用近红外光谱技术结合Adulterant Screen算法建立咖啡快速鉴别模型可以鉴别咖啡中巴西莓果粉和大麦等掺假物,为咖啡样品掺假鉴别提供了一种快速、可靠、无损的检测方法,能有效的运用于咖啡样品掺假鉴别的日常检测工作中。     

基于光谱融合的茶油真伪快速鉴别研究

目的 为实现高值茶油的快速鉴别。 方法 优化设备条件,同时采集茶油的近红外光谱(NIRS)和拉曼光谱(RS),分别使用六种方法进行预处理,再优选了四种方法来提取光谱特征波段,并应用了数据层、特征层两种策略融合多光谱信息,比较验证不同模型的准确率（Accuracy）和预测均方根误差（RMSEP）来评估效果。结果 单独使用NIRS经标准正态变换（SNV）处理后的偏最小二乘判别分析（PLS-LDA）结果最优,Accuracy为0.8361,RMSEP为0.1060;单独使用RS经二阶导数（Sg2nd）处理后的结果最优,Accuracy为0.8443,RMSEP为0.1332;经NIRS和RS融合后数据结果高于任意单一光谱结果,其中数据层光谱融合模型Accuracy为0.8525,RMSEP为0.1270,特征层融合后的模型效果较好,最佳结果为基于核主成分分析（KPCA）下的支持向量机（SVM）模型,Accuracy达到95.082%。结论 表明光谱融合提升茶油掺伪定性鉴别具有较好的应用前景。     

基于支持向量机的近红外光谱技术快速鉴别掺假羊肉

为实现掺假羊肉的无损鉴别,利用傅里叶变换近红外光谱分析技术建立混入鸭肉的掺假羊肉糜的快速检测方法。实验通过在羊肉糜中添加不同比例的鸭肉糜来制备掺假羊肉,采用近红外漫反射方式在全波段范围（10000⁴000 cm-1）内采集羊肉、掺假羊肉和鸭肉的近红外光谱图,分别考察多元散射校正（Multiplicative scatter correction,MSC）、标准正态变量变换（Standard normal variate correction,SNV）、面积归一化（Area normalization）、标准化（Autoscale）、15点平滑处理（Smoothing）、一阶导数处理（1stderivative）的光谱预处理方法对所建支持向量机（nuSVM）判别模型的预测效果。结果显示,不同光谱预处理所建nu-SVM判别模型预测效果不同。其中,经标准化处理后所建的nu-SVM模型的预测能力最差为90.38%;15点平滑处理后所建nu-SVM模型的预测效果最好（96.15%）,对建模集正确判别率为99.07%,对检验集正确判别率为96.15%;其余处理所建nu-SVM模型的判别能力介于二者之间。结果表明,采用近红外光谱技术结合15点平滑预处理后所建nu-SVM模型可以实现羊肉中的掺杂鸭肉的鉴别。      

基于UVE-GA变量优选的山茶油可见/近红外光谱掺假鉴别

利用可见/近红外光谱结合无信息变量消除-遗传算法 （UVE-GA）变量选择方法对山茶油和掺杂低比例菜籽油（1%~10%）的山茶油进行鉴别分类，并应用线性判别分析 （LDA）方法建立分类模型。结果表明：UVE-GA是一种有效的波长变量选择方法，能简化分类模型和提高分类模型精度；UVE-GA-LDA分类模型适用于掺杂2%以上菜籽油的山茶油鉴别分类，其分类正确率为100%；对掺杂1%菜籽油的山茶油鉴别分类正确率有待提高，其分类正确率仅为50%。     

近红外光谱技术快速鉴别原料肉掺假的可行性研究

探讨利用近红外光谱技术结合Fisher两类判别法以及多层感知器(multilayer perceptron,MLP)神经网络快速无损鉴别原料肉是否掺假,并建立多种掺假肉的分类识别模型的可行性.首先近红外结合主成分与Fisher两类判别,建立原料肉与掺假肉的判别函数,以原料肉与注水肉两类样木的平均重心即两类样木的加权平均...     

蜂蜜掺假鉴别技术研究进展

综述了目前国内外蜂蜜掺假的鉴别技术,简要介绍了感官分析、花粉分析、理化指标分析及同位素率质谱、色谱、光谱、核磁共振技术在蜂蜜掺假鉴别上的应用及研究概况,并对蜂蜜掺假鉴别今后的研究方向进行了展望。      

橄榄油掺假鉴别技术研究进展

本文简要介绍橄榄油掺假的现状,从常规理化检测法、色谱法、光谱法、核磁等方面对目前橄榄油掺假检测的国内外研究进展作一综述,并对橄榄油掺假检测技术的研究趋势进行展望。     

蜂蜜掺假鉴别检测技术研究进展

目前蜂蜜掺假现象严重,已成为社会关注的焦点,如何科学检测蜂蜜品质是目前我国乃至国际蜂业发展中亟待解决的关键技术问题。本文对蜂蜜品质的传统检测方法和现代检测技术进行了综述,旨在为蜂蜜掺假鉴别新技术开发应用提供参考,对促进蜂蜜质量高效检测具有重要意义。      

蜂蜜用葡萄糖溶液掺假的近红外光谱检测

为实现蜂蜜用葡萄糖溶液掺假的快速检测,利用近红外光谱技术(NIRS)对真假蜂蜜样本进行了研究。121个真蜂蜜样本中取8个分别按5%、10%、15%、20%、25%、30%、35%、45%、55%和65%的质量比掺假,共得80个掺假样本。不同光谱预处理方法的模型结果表明最佳预处理方法为自归一化加一阶微分(真假判别)和中心化加一阶微分(掺假量分析)。利用CARS(Competitive adaptive reweighted sampling)法筛选变量,PLS-LDA模型对真假蜂蜜的判别准确率为100%,PLS模型对掺假量定量分析的交互验证均方差为3.137 7,预测均方差为2.980 0。结果表明NIRS能实现蜂蜜用葡萄糖掺假的检测。     

近红外光谱快速测定巧克力中掺假淀粉

巧克力作为一种休闲食品,以其细腻的口感和独特的口味而广泛受到消费者的青睐。然而,近几年来关于巧克力掺假的报道不断涌入人们的视野。其中,以廉价淀粉掺假巧克力的手段最为常见。本文研究利用近红外光谱快速检测巧克力中掺假红薯淀粉和马铃薯淀粉的方法,采用主成分回归(principal component regression,PCR)和偏最小二乘法(partial least squares regression,PLS)建立校正模型,并对比了光谱区间、光谱预处理方式以及主因子数对模型的影响。结果显示,采用PLS建模,光谱采用一阶导数处理(7pts),光谱区间选择在7000~4200 cm-1,主因子数为8时,模型预测效果最佳。结果表明,模型的预测误差均方根RMSEP=1.7%,实际值与预测值相关系数RP2=0.9426。该模型对不同掺假比例样品的加样回收率为94.2%~105.6%,日内RSD为4.7%~8.9%,日间RSD为5.1%~11.3%。结果表明,近红外光谱技术可用于快速检测巧克力中掺假淀粉。     

油茶籽油的营养价值及掺伪鉴定研究进展

油茶籽油富含油酸、亚油酸等功能性营养成分,营养价值较高.系统阐述了油茶籽油在预防心血管疾病、抗氧化、调节免疫、预防肥胖及护肝等方面的营养保健作用;综述了近红外光谱法、色谱法、电子鼻技术等鉴别油茶籽油的方法,并分析了各种鉴别方法的优缺点.提出应开发建立一套准确、快速、定量甄别检测油茶籽油掺伪的方法.     

基于红外光谱快速鉴别压榨油茶籽油与浸出油茶籽油的研究

为规范油茶籽油市场、维护消费者权益,建立了快速、准确鉴别压榨油茶籽油和浸出油茶籽油的方法。通过傅里叶变换红外光谱仪对大量压榨油茶籽油和浸出油茶籽油样品进行扫描,提取特征波段数据,运用Savitzky-Golay平滑(SG)、多元散射校正(MSC)、标准正态变量变换(SNV)、一阶导数(FD)和二阶导数(SD)方法进行预处理,然后结合偏最小二乘法(PLS)、支持向量机(SVM)和BP人工神经网络(BPANN)建立鉴别模型。结果表明,偏最小二乘法和BP人工神经网络建模时,SG平滑预处理方法最好,得到的SG-PLS和SG-BPANN两模型的验证集相关系数、验证集均方根误差、鉴别准确率分别为0. 767 9和0. 921 2、0. 322 6和0. 205 9、88. 46%和100%;支持向量机建模宜采用SNV预处理,建立的SNV-SVM模型验证集相关系数、验证集均方根误差和鉴别准确率分别为0. 761 4、0. 882 1、88. 46%。因此,红外光谱技术用于鉴别压榨油茶籽油和浸出油茶籽油是可行的。     

基于挥发性成分定性判别风味油茶籽油掺伪浸出油茶籽油PCA模型和逻辑回归模型的对比分析

为了解决风味(原香和烤香)油茶籽油掺伪浸出油茶籽油的定性判别问题,设计高、低两个掺伪梯度,基于挥发性成分构建并对比分析了定性判别风味油茶籽油掺伪浸出油茶籽油的主成分分析(PCA)模型和逻辑回归模型。结果表明：逻辑回归模型定性判别风味油茶籽油掺伪浸出油茶籽油的能力较强,优于PCA模型;高掺伪梯度下定性判别原香和烤香油茶籽油掺伪浸出油茶籽油,PCA模型的最低检出限分别为20%和60%,而逻辑回归模型的最低检出限均为10%;低掺伪梯度下定性判别原香和烤香油茶籽油掺伪浸出油茶籽油,PCA模型的判别不准确,而逻辑回归模型的最低检出限均为4%。逻辑回归模型能很好地定性判别风味油茶籽油掺伪浸出油茶籽油。     

基于近红外光谱技术的茶籽油掺伪定性鉴别和定量分析

茶籽油是我国特有的高级食用油。近年来茶籽油掺伪现象层出不穷,本研究利用傅里叶近红外(FT-NIR)光谱与化学计量学相结合,获得一种快速对不同掺假类型（低芥酸菜籽油、大豆油、二元混合油）和不同掺假度（0%-100%）的茶籽油进行定性和定量检测的方法。基于近红外差异光谱进行判别分析（discriminant analysis,DA）,DA成功识别了不同掺假度的二元与三元混合茶籽油。通过对手动与自动筛选的不同波段结合不同预处理方法建立偏最小二乘法（Partial least squares,PLS）定量分析模型,最佳模型对掺假水平具有良好的预测性能,决定系数(R2)均大于0.91。校正均方根误差(RMSEC)和预测均方根误差(RMSEP)均接近于0。通过交叉验证,最佳模型的交叉验证相关系数均大于0.98,交叉验证均方根误差均小于0.05,表明筛选的最佳模型均具有良好的稳定性。通过外部验证,最佳模型对不同掺假类型的中、高掺假度（≥10%）的样品识别率高达100%。研究表明,利用近红外光谱技术结合化学计量学能够实现茶籽油掺假的快速、无损鉴定。     

基于特征性脂肪酸和甘油三酯指标的油茶籽油掺伪定性鉴别模型对比分析

为解决油茶籽油掺伪其他植物油的定性鉴别问题,在油茶籽油中分别掺入大豆油、花生油、葵花籽油、棉籽油、葡萄籽油、菜籽油、棕榈油和米糠油,设置高和低两种不同掺伪梯度,基于14个特征性脂肪酸和甘油三酯指标,运用Python语言构建并对比分析了二分类决策树模型、多分类决策树模型和多层感知机人工神经网络(MLP-ANN)模型用于油茶籽油掺伪定性鉴别的效果。结果表明：高和低掺伪梯度下,二分类决策树模型对油茶籽油掺伪其他植物油的定性鉴别的准确率均达到0.95以上;多分类决策树模型的精确率和准确率在高掺伪梯度下均达到了0.95,但在低掺伪梯度下仅为0.90;在高和低掺伪梯度下,MLP-ANN模型对油茶籽油掺伪定性鉴别的平均精确率均达到0.98,准确率分别达到0.97和0.98。相比于决策树模型,MLP-ANN模型能很好地实现油茶籽油掺伪定性鉴别。     

霉变油茶籽对压榨油茶籽油的影响研究

为研究霉变油茶籽对压榨油茶籽油的影响,选择在新鲜油茶籽中,按不同比例添加严重霉变的油茶籽,分别混合粉碎后,120℃干燥至水分含量为4%～7%,然后冷却到50℃,分别投入榨油机进行压榨,称取所得油茶籽油,计算出油率,并将油茶籽油过滤,检测其透明度、气味、滋味、酸价、过氧化值、黄曲霉毒素等指标。结果表明:霉变油茶籽对油茶籽出油率和油茶籽油气滋味、酸价影响较大,但没有检测出黄曲霉毒素B_1、B_2、G_1、G_2。为了确保油脂品质,消除潜在风险,在榨油前应进行霉变油茶籽的筛选。     

基于脂肪酸和生育酚组成的油茶籽油掺假判别可行性分析

从脂肪酸和生育酚的组成分析以及所得色谱数据的系统聚类分析(HCA)和主成分分析(PCA)方面考察了10种植物油的异同点。气相色谱分析10种植物油的脂肪酸组成,鉴别得到12种脂肪酸。对脂肪酸组成数据的HCA分析结果表明,油茶籽油与橄榄油和菜籽油具有相似的脂肪酸组成,而与其他植物油的脂肪酸组成差异显著;而PCA分析结果可以进一步区分油茶籽油与橄榄油和菜籽油。高效液相色谱分析10种植物油的生育酚组成,测得4种异构体的相对含量。对生育酚组成数据的HCA、PCA分析结果表明,油茶籽油和菜籽油的生育酚组成差异显著。因此,基于脂肪酸和生育酚组成分析可以作为油茶籽油掺假判别的依据。     

微波和红外处理油茶籽对压榨油茶籽油中VE 含量的影响

以油茶籽为原料,研究微波和红外处理对压榨油茶籽油V_E中4种生育酚异构体含量的影响。结果表明:油茶籽毛油中α-生育酚含量较高(0.24～0.41 mg/g),β-、γ-、δ-生育酚含量低于检测限;油茶籽仁和油茶籽压榨毛油中α-生育酚初始含量存在一定差异;最佳处理条件为微波功率560 W,红外温度130℃;两种处理方式均加速了油茶籽中V_E的溶出和转化;微波处理比红外处理对α-生育酚影响更大。     

红外光谱快速测定油茶籽油脂肪酸组成的模型建立北大核心CSCD

通过气相色谱和傅里叶红外光谱仪测定86个油茶籽油样本的脂肪酸组成和红外光谱图,采用支持向量机(SVM)和BP人工神经网络(ANN)的非线性建模方法,构建油茶籽油中主要脂肪酸的定量回归模型。结果表明:ANN建立的油酸和棕榈酸定量回归模型精确度比SVM高,校正集的相关系数(R)分别为0.9987和0.9451,预测集的相关系数分别为0.9557和0.9262,相对标准偏差分别小于1%和5%;SVM和ANN建立的亚油酸定量分析模型精确度都非常高,相对标准偏差均小于1%。说明红外光谱用于油茶籽油中主要脂肪酸的快速检测是完全可行的。     

鲜榨油茶籽油提取工艺研究

为寻求油茶籽浆液提取鲜榨油茶籽油的最佳条件,采用响应面法优化其提取条件。选择不同料液比、提取温度、提取时间为自变量,提油率为响应值,利用Box-Behnken方法进行三因素三水平的实验设计,并进行响应面分析,建立回归模型。结果表明:回归方程拟合性好,鲜榨油茶籽油提取工艺最佳条件为料液比40∶10、提取温度90℃、提取时间50 min。在最佳条件下,鲜榨油茶籽提油率为95.9%,且鲜榨油茶籽油提取工艺对鲜榨油茶籽油的酸值和过氧化值无影响。