不同产地青花椒主要营养成分的比较研究

实验主要以四川汉源、峨眉、洪雅、金阳和重庆江津五个产地的青花椒为原料,采用蒸馏法、有机溶剂萃取法、凯氏定氮法、原子吸收分光光度法、氨基酸分析等测定方法测定青花椒挥发油、醇溶抽提物、不挥发性乙醚抽提物、蛋白质、矿质元素以及氨基酸等几个营养特征指标.实验结果表明:不同产地的青花椒其营养成分的含量存在一定的差异,金阳青花椒醇溶提取物和不挥发性乙醚抽提物含量、汉源青花椒挥发油含量都显著高于其他几个产地,洪雅青花椒蛋白质含量最高;在青花椒中共检出10种必需矿质元素,含量较高的有钠、锰、铁等;青花椒中氨基酸种类齐全,其中含量较高的有天门冬氨酸、谷氨酸、赖氨酸等,汉源青花椒中总氨基酸、必需氨基酸、甜味氨基酸、酸味氨基酸含量都显著高于其他几个产地,其苦味氨基酸含量也最高,但和金阳产地无显著差异.     

基于高光谱成像技术的梅河大米产地确证因子研究

为探究吉林省梅河大米的产地确证因子,本研究采用空间网格布点法对吉林省梅河口市地理标志大米进行样本采集。通过梅河大米的高光谱信息和蛋白质、直链淀粉、棕榈酸、油酸、亚油酸、脂肪酸含量进行光谱特征波长提取、相关性分析和产地判别。结果表明,梅河大米的理化指标具有明显的产地特征,高光谱九个特征波长TB_1～TB_9(455、515、583、615、621、776、874、923、942 nm)与上述六个指标呈现显著相关性。利用高光谱九个特征波长对梅河大米与柳河县大米进行SPSS判别分析,整体正确率为95%。SIMCA偏最小二乘法建立的模型可以将梅河大米样品与柳河县大米样品进行区分。说明梅河大米高光谱九个特征波长可作为其产地确证因子。     

不同产地青花椒和红花椒挥发油的比较研究

采用气相色谱-质谱联用（GC-MS）法分析了不同产地32批花椒样品中挥发油的组成并比较了青、红花椒之间以及不同产地花椒挥发油含量和组成的差异。研究结果表明,32批花椒样品中,青花椒挥发油含量范围为9.62～13.61g/100g,红花椒挥发油含量范围为6.79～12.20g/100g,两者之间在含量上存在极显著性差异（p≤0.01）;青花椒挥发油的GC-MS图谱中,共有峰的面积占总峰面积平均为88.39%,其中萜烯类平均峰面积为34.71%,醇类52.13%,酮类1.76%;在红花椒挥发油的GC-MS图谱中,共有峰的面积占总峰面积平均为75.90%,其中萜烯类平均峰面积为52.59%,醇类34.50%,酯类12.91%,青花椒和红花椒的挥发油在组成成分上也存在一定的差异。该实验结果为花椒的品质鉴定提了供实验依据。      

基于高光谱成像技术的板栗产地溯源

目的 建立了一种基于高光谱成像(Hyperspectral Imaging, HSI)技术的板栗产地溯源模型。方法 采集怀柔、迁西和沂蒙短枝三种不同产地板栗的高光谱图像,提取感兴趣区域(Region of Interest, ROI),建立支持向量机(Support Vector Machine, SVM)板栗产地溯源模型,通过比较分析不同预处理方法对建模结果的影响,选出最佳的预处理组合方法,并使用遗传算法对模型进一步优化。结果 实验结果表明,经多元散射校正(Multiplicative Scatter Correction, MSC)和移动窗口平滑法(Moving Window Smoothing, MWS)组合预处理后的数据所建立的溯源模型预测性能最好,分类的预测精确率达到了95%以上,模型整体的准确率为96.61%。经遗传算法(Genetic Algorithm, GA)对SVM的参数C进行优化,优化后的模型对怀柔板栗和沂蒙短枝板栗的预测精确率达到了100%,模型整体的准确率提高到了98.31%。结论 本研究基于高光谱成像技术建立了一种板栗产地溯源模型,经预处理和参数优化后,所建立的模型具有较好的预测性能,为板栗的产地溯源提供了一种新方法。     

基于高光谱成像技术的宁夏枸杞产地溯源鉴别

本研究基于高光谱成像（400～1 000 nm）结合化学计量学开发一种用于识别枸杞产地多元化的检测方法。获取宁夏、甘肃、内蒙古、青海和新疆5个不同产地的枸杞高光谱图像,并基于阈值分割方法从感兴趣区域提取光谱数据。同时使用多种预处理方法消除光谱的干扰信息,研究表明基于归一化反射光谱的判别模型表现出较好的性能。进一步地采用连续投影算法、竞争性自适应重加权算法（competitive adaptive reweighted sampling,CARS）、粒子群优化算法、迭代保留信息变量算法（iteratively retaining informative variables,IRIV）和CARS+IRIV选择特征波长。研究结果表明CARS+IRIV选取波长建立的简化模型性能最优,从二元分类到五元分类模型,特征波长仅占全波长的15.6%～27.7%,预测集准确率分别为97.7%、90.9%、89.2%、87.1%。此外,为了更加直观辨别分类种类,使用混淆矩阵可视化最佳简化分类模型。在对宁夏枸杞分类中获得了令人满意的灵敏度、特异性和Kappa系数。综上,高光谱成像技术结合化学计量学方法可有效鉴...     

青花椒保鲜技术研究现状

综述了贮藏过程中与鲜青花椒品质劣变相关的主要成分(如叶绿素、挥发油及麻味物质酰胺类物质)的变化,并对青花椒活体保鲜技术(如高温蒸汽瞬时处理、气调冷藏及化学试剂处理)进行了分析,指出后续可对多种保鲜方法相结合的综合保鲜技术进行研究。     

不同产地青花椒浸提前后品质的比较

为提高青花椒的综合利用率、提高其经济效益、揭示其残渣的品质及其开发利用特性,本研究利用紫外-可见光谱扫描、主成分因子分析法、相关性分析和类聚分析法对五个产地（四川汉源、四川洪雅、四川金阳、重庆江津、云南昭通）原青花椒和残渣进行综合评价。结果表明:五个产地原青花椒的相似性在0.994~0.997之间,残渣的相似性在0.980~0.991之间,说明浸提工艺对青花椒的品质有一定影响。浸提后,残渣羟基-β-山椒素含量、开口率、灰分、水分、叶绿素、△L*、△b*和感官评分均呈降低趋势,△a*和△E*呈升高趋势。残渣综合品质由高到底依次为:四川金阳、四川洪雅、重庆江津、云南昭通和四川汉源。聚类阈值小于35.54时,四川金阳同其它四个产地残渣均存在显著差异。本研究可为青花椒残渣的原料综合利用及其产品开发提供理论参考。     

基于近红外高光谱成像技术的宁夏羊肉产地鉴别

使用900~1700 nm高光谱成像系统采集宁夏银川、固原、盐池三个不同产地的绵羊后腿样本的近红外高光谱数据,对光谱采用面积归一化方法预处理,利用SPA、CARS、UVE算法对预处理后的光谱数据提取特征波长分别为17、40、121个;结合PLS-DA及KNN建立特征波段下的判别模型。结果表明KNN判别模型效果较差,3种特征波长中利用CARS提取的特征波长建模效果最佳,代替全光谱建立PLS-DA判别模型是可行的;综合对比模型效果,CARS-PLS-DA为最优模型,校正集正确率90.48%,预测集正确率84.21%。证明利用近红外高光谱成像技术对羊肉产地鉴别是可行的。     

基于高光谱成像技术的水果品质无损检测

高光谱图像技术结合光谱技术与计算机图像技术两者的优点,可获得大量包含连续波长光谱信息的图像块,其图像信息可检测水果的外部品质,光谱信息则可用于水果内部品质的检测,达到根据水果内、外部综合品质进行分类的目的. 综述了国内外将该技术应用于水果品质检测方面的研究进展,提出了利用高光谱图像技术检测苹果轻微损伤的方法,利用500～900nm的高光谱图像数据,通过主成分分析提取547nm波长下的特征图像.     

红花椒和青花椒的挥发性化学成分比较研究

研究对两种常见的花椒精油成分进行了分析比较。用水蒸气蒸馏法从红花椒和青花椒中提取精油,红花椒和青花椒的产油率分别为6.8%和10%。用气相色谱-质谱(GC-MS)方法分别对两树种的针叶精油进行了定量和定性分析,从红花椒精油中分离出78种化学成分。鉴定了其中匹配度在80以上的31种成分,占挥发油总量的86.31%;青花椒精油中分离出60种化学成分。鉴定了其中匹配度在80以上的37种成分,占挥发油总量的92.88%。两种花椒精油的主要化学成分也有很大的不同。相同成分含量上也有较大差别。两种精油中,红花椒的主要成分及含量为:柠檬烯22.75%;芳樟醇,21.70%;3,7-二甲基-,3,7-辛三烯(罗勒烯)14.27%。青花椒中的主要成份及含量为:芳樟醇63.33%;D-柠檬烯5.75%;4-甲基-1-异丙基-3-环己烯-1-醇(萜烯醇)3.82%。其中青花椒芳樟醇的含量是红花椒中芳樟醇含量的3倍左右。两种精油中,主要的成分为烯类和醇类。     

基于高光谱成像技术的大米溯源研究

利用高光谱成像技术提取大米的光谱信息进行大米产地溯源研究。采用X-Y距离样本集算法（SPXY）进行训练集和测试集的划分,将1 000颗大米样本中800个为训练集,剩下200个为测试集。并采用主成分分析（PCA）法提取相关性较强的主成分光谱信息,进行数据降维。基于主成分分析法提取前4个主成分,并在贡献率最高的第4主成分基础上,结合支持向量机算法（SVM）建立大米产地溯源预测模型。研究得出训练集准确率可达96%,测试集平均准确率为79%。通过训练集和测试集的实验结果表明,高光谱成像技术可以对大米产地进行溯源,为大米产地快速、无损检测提供了一定思路和参考。     

藤椒油生产工艺条件的优化

采用正交实验法研究不同条件对藤椒油提取效率的影响,优化最佳生产工艺及相关参数.结果表明:温度是影响提取效率的主要因素,料液比次之,时间对其的影响相对较小.最佳工艺参数为:料液比1∶2,180℃,30 rmin,与传统工艺相比,可大幅提高藤椒油的品质.逆流2次可提高提取效率58.9％.通过GC-MS和HPLC分析,不同条件生产的藤椒油在香味和麻味物质含量上存在显著性差异.     

青花椒的研究进展

青花椒是我国花椒栽培中的一个优良品种,因其独特的颜色和优秀的品质,深受广大消费者的喜爱。文章综述了青花椒的研究现状,包括青花椒栽培、采收技术研究、青花椒有效成分的研究以及目前青花椒加工应用的研究,并对青花椒的应用前景进行了展望。     

响应面法优化青花椒微波干燥工艺

利用响应面法优化青花椒微波干燥的工艺条件.在单因素实验的基础上,选取干燥温度、微波功率和铺料密度为影响因子,应用Box-Benhnken中心组合设计建立数学模型,以干燥后的叶绿素含量为响应值进行响应面分析.结果表明,微波干燥青花椒的最佳工艺条件为:干燥温度58℃,微波功率778 W,铺料密度2.7 kg/m2.此条件下,干燥后的青花椒叶绿素含量的预测值为0.5890mg/g,验证实际值为0.6005mg/g.     

基于高光谱成像技术的酿酒高粱品种分类

针对不同品种酿酒高粱分类难、分类精度有待提高等问题,提出了一种结合光谱和图像信息的高光谱成像技术从而对酿酒高粱进行分类的方法.通过采集11类共550个高粱样本的高光谱数据,运用连续投影算法从多元散射校正预处理后光谱中筛选出48个特征波长,再提取图像的灰度共生矩阵作为图像特征,利用纹理特征、全光谱、特征光谱及其结合图像特...     

青花椒香味物质的研究进展

该文综述了目前国内外青花椒的研究现状、青花椒主要呈香物质种类、青花椒香味物质的应用等的研究进展,并对研究方向进行了展望.     

基于高光谱成像技术无损检测芒果轻微损伤

目的 使用高光谱成像技术实现对芒果轻微损伤的无损识别。方法 在可见光-近红外波长范围内采集完好芒果和损伤芒果的高光谱图像,并提取相应的感兴趣区域(regions of interest, ROI)获得样本高光谱数据。经过多种预处理方法比较,选择光谱预处理方法。使用竞争性自适应重加权算法(competitiveadaptivereweighted sampling, CARS)和连续投影算法(successive projections algorithm, SPA)分别对预处理后的光谱提取特征波长,并分别建立了多元线型回归(multiplelinearregression,MLR)模型和偏最小二乘回归(partialleastsquaresregression,PLSR)模型。结果 选择多元散射校正(multiplicative scatter correction, MSC)作为光谱预处理方法。针对芒果轻微损伤识别,CARS-MLR模型识别效果最好,其校正集相关系数为0.881,预测集相关系数为0.821,校正集均方根误差(calibration set root mean squa...     

基于高光谱技术的马铃薯外部品质检测

为了快速无损检测马铃薯外部品质,研究采用高光谱成像技术对马铃薯外部品质分级。选取合格、发芽、绿皮、孔洞4种马铃薯外部特征,获取光谱数据,采用不同预处理方法对光谱数据进行处理,并分别建立偏最小二乘判别模型,结果显示采用标准正态变量变换法(SNV)获得的模型效果最优。对预处理后的光谱数据利用连续投影算法(SPA)及加权权重法(WWM)分别优选出了13个和9个特征波段,对两种不同方法得出的特征波段分别建立了支持向量机判别模型,结果显示两种方法对预测集的判别准确率均达到了100%,WWM-SVM判别模型对校正集的交叉验证率为99.5%,高于SPA-SVM判别模型的交叉验证率。利用高光谱成像技术结合SPA-SVM和WWM-SVM对马铃薯外部品质进行分级具有可行性。