采用NITS检测乳品中蛋白质、脂肪含量

应用近红外透射光谱法对乳制品中蛋白质和脂肪含量进行检测。首先对光谱进行平滑等预处理,然后使用小波基为db3,分解尺度为6的小波进行数据压缩,最后以压缩后光谱数据作为输入,采用径向基函数人工神经网络（RBF-ANN）建立四种乳制品蛋白质和脂肪含量的预测模型,并试验得出最佳扩散常数spread值,其中,对蛋白质建模时最佳spread值为135,此时,相关系数和预测集均方差分别达到0.9999和0.0301;对脂肪建模时最佳spread值为105,此时,相关系数和预测集均方差分别达到0.9997和0.0968。结果表明,结合RBF-ANN和小波压缩建立的定量模型更稳定、精度更高,能够对乳制品品质进行快速无损检测。     

基于近红外透射光谱的乳制品蛋白质、脂肪含量检测

应用近红外透射光谱(NITS)法对乳制品中蛋白质和 脂肪含量进行快速检测。首先分别对光谱进行二阶导数 加S-G平滑(SD+S-G)和一阶导数加多元散射校正加S-G平滑(FD+MSC+S-G)预处理;然 后对处理后 的光谱进行小波基为db3、分解尺度为6的小波压缩;最后以压缩后光谱数据作为输入变量, 采用径向基 函数人工神经网络(RBF-ANN)建立4种乳制品的蛋白质和脂肪定量分析模型。经过反复实 验得出最佳扩散 常数spread值,其中,蛋白质模型在spread值为135时预测精度最高, 其相关系数(R)和预测集均方差(RMSEP)分别为 0.9999和0.0301,脂肪模型在spread值为105时 预测精度最高,其R和RHSEP分别为0.999和0.096。结果表明,基于RBF-A NN和小波压缩建模更稳定、精度更高,可以实现乳制品品质快速无损检测。     

基于近红外光谱技术乳制品品种快速无损鉴别

研究了使用近红外透射光谱法对四种乳制品品种进行快速鉴别的方法.首先对样品光谱进行多元散射校正等预处理,然后对处理后的光谱进行小波基为db3,分解尺度为6的小波压缩,最后以压缩后光谱数据作为输入变量,分别采用BP-ANN、RBF-ANN和SVM-ANN三种人工神经网络建立品种鉴别模型.结果显示,当光谱预处理方法为多元散射校正加S-G平滑加小波变换(MSC +S-G +WT)时,三种网络对样品的鉴别率均达到了100％.所以近红外光谱技术可以实现对乳制品品种的快速无损鉴别.     

基于小波变换的噪声及背景同时去除方法在血糖近红外无创检测中的应用

对于血糖近红外无创检测.光谱信号中的各种噪声以及水分等物质的强吸收产生的背景信号,影响了光谱定量校正模型的预测精度.利用小波变换,可将光谱信号分解为多尺度的近似成分与细节成分,根据无用信息变量消除判据可判定代表背景信息的高尺度近似成分及代表噪声的低尺度细节系数,去除相应的成分即可同时去除光谱信号中的背景与噪声.本文将这种小波变换与无用信息变量消除判据相结合的预处理方法应用干人体血糖无创检测研究中,并分析了该方法对不确定因素较多的复杂光谱模型的适用性问题.实验结果表明应用小波变换结合无用信息变量消除判据的方法可以有效地同时去除血糖无创检测近红外光谱信号中的背景信息和噪声,提高光谱定量校正模型的预测精度,对于人体血糖无创检测具有重要应用价值.     

基于LS-SVM的红外光谱技术在奶粉脂肪含量无损检测中的应用

脂肪是奶粉中重要的组成部分,实现对奶粉中脂肪含量的快速、无损检测十分重要,为此研究了400～6666cm-1范围的红外光谱技术对不同品种奶粉的脂肪含量的无损检测.采用最小二乘支持向量机(LS-SVM)对光谱透射率值和脂肪含量值进行建模.模型在全红外波段范围对样本脂肪含量预测得到了较好的结果,绝对系数(R2p)达到0.9796,预测误差均方根(RMSEP)为0.8367.预测结果要优于BP人工神经网络(Back Propagation Neural Networks, BP-NN).说明红外光谱技术能够实现奶粉脂肪含量的无损检测,检测过程比化学检测方法简单快速,操作性强.文章同时还研究了分别基于中红外光谱范围和近红外光谱范围的建模.模型预测结果显示分别基于中红外光谱和近红外光谱区域的模型预测效果都比全波段建模略差.本研究为今后奶粉脂肪含量快速无损检测仪器的开发奠定了理论基础.     

采用近红外光谱技术检测牛奶中脂肪、蛋白质及乳糖含量

利用近红外(NIR)漫反射光谱(1100～1700nm)快速测量牛奶中脂肪、蛋白质和乳糖的含量。采用偏最小二乘方(PLS)回归．建立了测量光谱与牛奶主要成分浓度之间的校正模型,并对其预测重复性进行了研究;进而探讨了非线性校正方法径向基函数网络(RBFN)的可行性,并与PLS线性校正模型进行了对比;探讨了如何提高PLS校正模型预测精度的相关问题。     

采用近红外漫反射技术对牛奶中蛋白质、脂肪检测

为快速、准确地测量牛奶中蛋白质和脂肪含量,本文采用自制近红外光谱设备,对漫反射技术进行了分析。实验过程中,利用多点平滑、快速傅里叶滤波、小波变换去除光谱信号中的高频噪音;根据光谱特征及测量目标分子特性来提取建模特征值,通过绘制牛奶成分残差分布图剔除奇异样本;对模型外的30个样品进行了预测,得出蛋白质和脂肪的平均相对误差分别为3.07%、2.37%。实验表明,近红外光谱分析技术可以准确检测牛奶中蛋白质和脂肪含量。     

一种用于预测蚕丝含量占比的近红外光谱分析方法

针对近红外光谱分析技术中未充分利用预测模型光谱数据的问题,提出了一种可充分利用光谱数据和有效预测蚕丝含量占比的新方法。以5种类型共145个样本的蚕丝含量占比以及相应的所有蛋白质基光谱数据为研究对象,将这些样本分别划分为校正集和验证集,并采用偏最小二乘回归(Partial Least Squares Regression,PLSR)方法和提出的偏最小二乘回归多模型(multi--model Partial Least Squares Regression,multi--PLSR)方法建立了预测模型。然后对比和观察了两种方法的预测效果。以类型2的蚕丝样本为例,选用13个主成分并对比两种模型后发现,multi--PLSR模型的相关系数由0.594增至0.9784,平均相对误差由0.4866降至0.1384。实验结果表明,新方法充分利用了光谱数据中的信息,提高了蚕丝含量占比预测模型的精度,为建立近红外光谱预测模型提供了一种新思路。     

基于近红外透射光谱的牛奶中脂肪和蛋白质含量检测

基于近红外光谱检测牛奶中蛋白质和脂肪含量是当前的一个研究热门,主要可以利用近红外反射光谱,近红外漫反射光谱和近红外透射光谱的光谱信息来分析牛奶的主成分含量。本文是利用近红外透射光谱原始数据,通过数学方法转换,从吸光值、吸光比和吸收度三种形式,采用偏最小二乘法(PLS)回归,分别建立了其与牛奶主成分浓度之间的校正模型。对比三种形式所建立的数学模型的优劣,探讨了如何提高PLS校正模型预测精度的相关问题。     

应用近红外光谱快速鉴别不同年龄段人食用的奶粉品种

应用近红外光谱分析技术（NIRS）并结合支持向量机（SVM）,对三种不同年龄段人食用的奶粉品种进行了鉴别。先采用Kennard—Stone法对150个样本进行挑选,选出120个作为训练集,剩余的30个作为预测集。实验中选用径向基函数（RBF）为核函数,采用二次网格搜索和五折交叉验证优化两个建模参数：核参数γ和惩罚因子C,最佳值为γ=0．03125,C=2048。用最优参数值建立的校正模型,对训练集和预测集的判别率均可达到100％。与主成分分析（PCA）进行了比较。结果表明,SVM鉴别准确率高于PCA,说明近红外光谱可以快速、准确地鉴别不同年龄段人食用的奶粉品种。     

混浊液态食品介质中脂肪的近红外光学特性研究

脂肪是多数食品中含有的典型且重要的营养成分,同时从光学测量的角度分析,也是决定食品光学特性的重要组成成分。本文对混浊液态食品介质中脂肪在近红外波段的光学特性进行研究。采用牛奶作为基体通过添加稀奶油得到的样品作为复杂液态食品介质的模拟物,应用双积分球技术在10000~6000cm-1的近红外波段范围测量脂肪含量变化引起的光学特性变化。结果表明,脂肪含量的变化会使吸收系数和散射系数都发生改变,而且散射系数的变化更大。本文的工作为应用近红外光谱技术进行混浊液态食品介质的测量提供了光学上的理论指导。     

用光谱法研究光敏剂血卟啉单甲醚对肿瘤细胞光动力作用的分子机制

测定了光敏剂血卟啉单甲醚对人宫颈癌细胞HeLa光敏作用后的傅里叶红外光谱。结果显示:光敏作用后,HeLa细胞磷酸二酯基团的对称伸缩振动峰1085cm^-1和不对称伸缩振动峰1246cm^-1蓝移,强度下降:蛋白质酰胺Ⅰ带1656cm^-1发生蓝移,酰胺Ⅱ带1546cm^-1出现红移;CH₂对称伸缩振动峰2858cm^-1,峰位蓝移2cm^-1,峰值明显减弱:细胞的蛋白质和核酸谱峰面积比值D1085/D1546降低。提示细胞中的DNA、蛋白质和磷脂结构受到损伤。结果表明:DNA、蛋白质和磷脂是血卟啉单甲醚光敏作用的主要靶分子。     

Rapid detection of Escherichia coli and Salmonella typhimurium by surface-enhanced Raman scattering

In this paper, the surface-enhanced Raman scattering (SERS) is used as an analytical tool for the detection and identification of pathogenic bacteria of Escherichia coli (E. coli) and Salmonella typhimurium (S. typhimurium). Compared with normal Raman signal, the intensity of SERS signal is greatly enhanced. After processing all SERS data, the obvious differences between the SERS spectra of two species are determined. And applying the chemometric tools of principal component analysis and hierarchical cluster analysis (PCA-HCA), the SERS spectra of two species are distinguished more accurately. The results indicate that SERS analysis can provide a rapid and sensitive method for the detection of pathogenic bacteria.     

Fat and hydration monitoring by abdominal bioimpedance analysis: data interpretation by hierarchical electrical modeling

In a previous publication, it was demonstrated that the abdominal subcutaneous fat layer thickness (SFL) is strongly correlated with the abdominal electrical impedance when measured with a transversal tetrapolar electrode arrangement. This article addresses the following questions: 1) To which extent do different abdominal compartments contribute to the impedance? 2) How does the hydration state of tissues affect the data? 3) Can hydration and fat content be assessed independently? For simulating the measured data a hierarchical electrical model was built. The abdomen was subdivided into three compartments (subcutaneous fat, muscle, mesentery). The true anatomical structure of the compartment boundaries was modeled using finite-element modeling (FEM). Each compartment is described by an electrical tissue model parameterized in physiological terms. Assuming the same percent change of the fat fraction in the mesentery and the SFL the model predicts a change of 1,24 omega/mm change of the SFL compared to 1,1 omega/mm measured. 42% of the change stem from the SFL, 56% from the mesentery and 2% from changes of fat within the muscle compartment. A 1% increase of the extracellular water in the muscle is not discernible from a 1% decrease of the SFL. The measured data reflect not only the SFL but also the visceral fat. The tetrapolar electrode arrangement allows the measurement of the abdominal fat content only if the hydration remains constant.     

细胞可溶性蛋白准弹性激光散射分析与SDS-PAGE法比较研究

分别采用SDS-PAGE和准弹性激光散射检测柠檬醛作用白血病K562前后细胞可溶性蛋白变化情况。实验结果表明：SDS-PAGE与准弹性激光散射均能检测出可溶性蛋白种类、大小、含量及其变化：但准弹性激光散射法所获取的参数信息反映了可溶性蛋白天然构象下的真实状态及其动态变化,与传统的SDS-PAGE方法相比较,它是研究外界因素（包括药物）对细胞可溶性蛋白尤其是对蛋白聚合体影响的更好表征方法。     

表面增强喇曼光谱研究脐橙中亚胺硫磷农药残留

为了证实以团絮状银胶为基底的表面增强喇曼光谱（SERS）技术结合化学计量学方法能有效实现脐橙中农药残留检测,采用德国布鲁克公司的共焦显微喇曼光谱仪,对脐橙中的亚胺硫磷农药残留的快速无损检测进行了研究。通过留一交互验证法得出农药检出限为4.113mg/L,并对SERS光谱进行7种方法的预处理。结果表明,先基线校正后卷积平滑预处理的建模预测效果最好;结合偏最小二乘法建模,预测集的相关系数和预测均方根误差分别为0.904和4.890mg/L,校正集的相关系数和预测均方根误差分别为0.919和3.990mg/L。结果证明了SERS定量分析的科学性和可行性,这对国内水果的生产和出口水果的农药残留检测有一定的参考作用。     

近红外光谱分析中建模样品优选方法的研究

结合牛奶成分近红外光谱测量系统的实例,在已定的浓度范围内针对牛奶中脂肪、蛋白质、乳糖三成分采用正交设计法优选参与建模的样品。研究中首次利用正交表的“正交性”原理优选建模样品,并针对牛奶中脂肪浓度的测量采用偏最小二乘(PLS)回归方法交互验证方式建立模型。在此基础上,将正交设计样品集与常规方法选择的样品集的脂肪PLS模型的预测结果进行了对比。实验结果表明：采用正交设计样品集与常规样品集分别建立的PLS模型的预测偏差之差低于0．02g／100g,上述两种方法PLS模型的实际预测浓度与参考浓度之差均集中在0.1g／100g,而后者样品数量约为前者的七倍。进一步的实验结果表明：从常规样品集的样品中随机抽取与正交设计样品集的样品数量相同的样品作为随机样品集并建模,其PLS模型的预测偏差高于常规方法的两倍、相关系数相对较低,并且其实际预测浓度与参考浓度之差集中在0．4g／100g。     

氧化胁迫对毛白杨叶肉细胞结构和生理功能的影响

为了研究氧化胁迫条件下,毛白杨植株细胞结构和生理生化的变化特征,从而为木本植物应对氧化胁迫的研究提供实验依据.本研究以毛白杨组培植株为实验材料,利用过氧化氢溶液浸泡处理离体叶片进行氧化胁迫,测量氧化胁迫前后各项生理指标的变化并观察细胞结构形态的变化.结果表明氧化胁迫后,毛白杨植株内过氧化氢含量明显升高;伴随着NADP+/NADPH比值的显著升高,抗坏血酸的含量明显下降;同时丙二醛含量明显升高;ADP/ATP比值明显下降;蛋白羰基化程度随过氧化氢含量的升高而增强;叶肉细胞及叶绿体结构发生改变,叶绿体双层膜结构不清晰,类囊体片层结构解体.结论:毛白杨受到氧化胁迫后体内活性氧含量迅速升高,造成膜脂、蛋白质及细胞结构受到不同程度的氧化损伤.     

智慧协同网络服务内容在传输路径上的缓存分配策略

针对智慧协同网络提出一种服务内容在传输路径上的缓存分配策略。该策略根据服务内容的流行度部署其在传输路径上的缓存位置,以求充分、高效地发挥网络缓存作用,进而提升网络的总体性能。所提分配策略分别在5层树型拓扑和由279个节点组成的真实网络拓扑中进行了性能测试。结果显示,该策略在所测的性能参数中表现出色,就平均服务获取距离而言,较命名数据网络（NDN, named data nerworking）所使用的LCE（leave copy everywhere）策略,其性能提高20%以上。