基于电子舌和电子鼻结合DenseNet-ELM的陈醋年限检测

目的：实现陈醋酿造年限的快速检测。方法：采用电子舌(ET)和电子鼻(EN)结合密集卷积网络—极限学习机(DenseNet-ELM)模型对陈醋酿造年限进行快速检测,设计两种不同结构的密集卷积神经网络模型ET-DenseNet和EN-DenseNet,分别提取电子舌和电子鼻信号的特征信息,进而采用特征级信息融合方法,获得两种人工感官设备的融合特征向量,然后采用极限学习机(ELM)对融合的特征向量进行分类识别。结果：DenseNet能够有效提取到电子舌和电子鼻信号中深层特征,其特征提取能力优于离散小波变换(DWT)和卷积神经网络(CNN);相比于单独使用电子舌或者电子鼻,信息融合方法对不同年限陈醋检测的准确性和鲁棒性更优,其测试集准确率、查准率、召回率、F1-Score分别达到99.1%,0.98,0.99和0.99。结论：采用密集卷积网络缓解了深度学习模型由于深度增加导致的模型退化、泛化能力弱等问题,可对7种不同酿造年限的陈醋进行有效分类。     

基于电子舌和EEMD-WOA-LSSVM模型的红酒贮藏年限区分

为了实现对不同贮藏年限的红酒进行客观的辨别分析,提出一种采用电子舌结合集合经验模态分解（Ensemble empirical modal decomposition, EEMD）、鲸鱼算法（whale optimization algorithm, WOA）和最小二乘支持向量机（least square support vector machine, LSSVM）组合模型的区分方法。首先采用电子舌对4种不同贮藏年限红酒的“特征图谱”进行信息采集;然后利用EEMD对原始信号进行分解,提取分解后的本征模态函数奇异谱熵和希尔伯特边际谱作为特征数据;最后,采用鲸鱼算法优化最小二乘支持向量机建立红酒贮藏年限分析模型。结果表明,EEMD-WOA-LSSVM组合模型对不同贮藏年限的红酒的分类准确率、精确率、召回率、F1-score和Kappa系数分别达到97.5%、97.75%、97.5%、0.98和0.97,其区分能力优于GA-LSSVM、PSO-LSSVM和SVM模型。该研究可为红酒贮藏年限区分提供一种新的研究思路和技术手段。     

基于嗅觉可视化技术的食用植物油分类识别

为实现山茶油与3种常见食用植物油(菜籽油、大豆油和玉米油)的区分,制备可视化传感器阵列,采用嗅觉可视化技术对4种不同种类的食用植物油进行分类识别。采用主成分分析(PCA)对4种油样的特征数据进行降维,然后将降维后的数据导入K近邻(KNN)、极限学习机(ELM)、支持向量机(SVM) 3种分类模型中进行模型参数优化,对比了3种分类模型的分类结果。结果表明：建立的SVM分类模型性能最优,当输入主成分向量数为7、c=1.741 1、g=4.549 8时,SVM分类模型的测试集分类识别准确率为95.8%,五折交叉验证准确率为89.6%。制得的可视化传感器阵列可以实现4种食用植物油的分类识别,嗅觉可视化技术用于食用植物油检测是可行的。     

普洱茶贮藏过程中“金花”菌的鉴定及其对茶叶品质的影响

由于仓储环境的差异,普洱茶在贮藏过程中偶尔会产生"金花"。以金花普洱茶(熟茶)为实验材料,并以同批次普通普洱茶(熟茶)为参照,对水浸出物、茶多酚、游离氨基酸、茶色素(茶黄素、茶红素、茶褐素)、咖啡碱、水溶性糖、儿茶素类等化学成分含量进行测定;采用平板划线法对"金花"菌进行分离和菌落数量测定,并结合形态观察和分子生物学方法对"金花"菌进行鉴定。结果表明:金花普洱茶(熟茶)和普通普洱茶(熟茶)在水浸出物、茶多酚、儿茶素总量、EC、EGC、茶黄素、游离氨基酸、咖啡碱含量上无显著性差异(P>0.05)。金花普洱茶(熟茶)中茶红素、水溶性总糖、没食子酸含量显著(P<0.05)高于普通普洱茶(熟茶),EGCG、茶褐素含量略低于普通普洱茶(熟茶);在普洱茶贮藏过程中分离出3株"金花"菌,分别鉴定为Aspergillus pallidofulvus(相似度99.9%)、Aspergillus sesamicola(相似度99.8%)、Penicillium manginii(相似度99.6%)。其中Aspergillus sesamicola为优势"金花"菌种,占"金花"菌群数量总量的66%。首次对普洱茶贮藏中的"金花"菌进行了鉴定,初步分析了"金花"菌对普洱茶(熟茶)品质的影响,为"金花"菌在普洱茶中的应用提供了一定的理论基础与参考价值。     

大米蛋白粉多组分含量近红外光谱快速检测

大米蛋白粉中蛋白质、脂肪和水分的含量是其品质评定的重要指标,应用近红外光谱方法检测大米蛋白粉多组分含量。采集244份大米蛋白粉样品光谱数据,经小波变换处理后建立极限学习机模型(ELM),并采用自适应算法对极限学习机的参数进行优化,提高了模型的精度和稳定性。结果显示,大米蛋白粉中蛋白质、脂肪和水分的预测集决定系数(R2)分别为0.9905、0.9643、0.9574,均方根误差(RMSEP)分别为0.3308、0.3766和0.1922,三种成分模型预测精度较偏最小二乘模型(PLS)平均提高33%。表明所提出的自适应ELM方法用于近红外光谱分析建模有较好的效果,为确定大米蛋白粉中各成分含量提供了一种无损快速检测新方法。     

普洱茶鉴别技术的研究进展

本文列举傅里叶红外光谱(FTIR)、近红外光谱技术(NIRS)、核磁谱(NMR)、反向高效液相色谱(RP-HPLC)、拉曼光谱(Raman)、表面解吸常压化学电离-质谱法(SDAPCI-MS)、原子吸收光谱法(AAS)、同时蒸馏萃取法(SDE)和气质联用(GC/MS)、电子舌(ET)等鉴定手段在普洱茶鉴定方面的应用,综述不同年代、产地普洱茶有效物质的含量变化,以及普洱茶与其他茶类中有效物质的含量关系,为将来普洱茶的鉴别工作奠定基础。     

普洱茶对a-淀粉酶抑制作用的影响研究

通过对不同年代普洱茶、不同产地的普洱茶原料、不同产地的普洱茶出堆样的活性成分进行提取,测定其对α-淀粉酶的抑制作用的影响.结果表明,不同年代的普洱茶中,以贮藏时间15-18年的普洱茶样品(S-6、S-7)对α-淀粉酶的抑制作用最为显著,其值分别高达50.00%和54.63%;不同产地的普洱茶原料中,以勐海、临沧的普洱茶样品(S-5、S-6)的抑制作用最强,其值分别高达50.92%和50.73%;不同产地的普洱茶出堆样中,以临沧的普洱茶样品(S-6)的抑制率稍高,其抑制率为23.17%.可见,不同原料的普洱茶对α-淀粉酶的抑制作用是不同的.其中以不同年代的普洱茶中样品S-6、S-7和在不同产地的普洱茶中样品S-5、S-6对α-淀粉酶的抑制作用较强.     

基于电子舌技术和模式识别方法的茶叶质量等级评判

目的:尝试利用电子舌技术来评判茶叶等级,以提高评判结果的客观性和公正性;方法:试验以4个等级的炒青绿茶为研究对象,对获取的电子舌数据.利用K最近邻域(KNN)模式识别方法建立茶叶等级质量的评判模型,在模型建立过程中,模型参数K和主成分因子数(PCs)通过交互验证的方法被优化;结果:在K=1和PCs=5时,所得到的模型最佳,模型交互验证识别率为97.5%,对预测集中样本进行验证时,预测识别率为100%;结论:电子舌技术与适当的模式识别方法相结合可以成功地评判茶叶的质量等级.     

基于近红外光谱和SSA-ELM的苹果糖度预测

目的：剔除近红外光谱存在大量冗余信息以及提高苹果糖度预测模型的精度,建立快速无损检测苹果糖度的方法。方法：提出一种基于小波包变换的特征波长筛选和樽海鞘算法改进极限学习机的苹果糖度预测模型。针对苹果光谱数据具有维度高而复杂的特点,对光谱数据进行降维处理,分别对比全波段和偏最小二乘法、连续投影法和小波包变换等筛选特征波长的结果,确定苹果光谱特征波长筛选方法;针对极限学习机（extreme learning machine,ELM）,模型性能受其初始权值和隐含层偏置选择的影响,运用樽海鞘群算法进行ELM模型的初始权值和隐含层偏置优化,提出一种基于樽海鞘算法改进极限学习机的苹果糖度预测模型。结果：与遗传算法（genetic algorithm,GA）改进ELM（GA-ELM）、粒子群算法改进ELM（PSO-ELM）和ELM相比,基于SSA-ELM的苹果糖度预测模型的预测精度最高。结论：通过智能算法优化ELM模型的参数可以有效提高ELM模型的苹果糖度预测精度。     

电子舌技术在普洱散茶等级评价中的应用

为了探讨茶叶的感官审评结果与电子舌测定结果的相关性,3个等级的云南普洱散茶分别被用于感官审评以及电位型电子舌的检测.电子舌测定结合主成分分析法(PCA)的结果显示,在第一和第二主成分的得分图上,电子舌可以区分特征十分相近的不同等级的普洱茶.同时对感官与仪器分析数据进行PCA分析后,找到了与不同等级茶叶感官品质相关性较高的传感器.因此,电子舌有望应用于茶叶生产的在线检测,以保证质量的一致性与分等分级的客观性.     

基于多元分类判别方法对普洱生茶进行产地溯源研究

目的 探究多元分类判别方法对普洱茶产地溯源的有效性与可行性。 方法 基于云南5个产地的60份普洱茶生茶样本,利用5种有机成分以及35种矿物元素的含量,结合主成分分析、判别分析和多层感知器分析等多元分类方法构建普洱茶产地溯源模型。结果 普洱茶（生茶）中总计33项指标具有与产地的显著相关性。不同产地的普洱茶样本在主成分上有差异,但分类的准确性较低。通过判别分析得到了普洱茶产地溯源的判别函数和组质心函数,该样本溯源正确率高于98%。通过多层感知器分析,该方法的分类正确率最高,生茶样本的训练集和验证集分类正确率分别为100%和95%,分类准确。结论 普洱茶中有机成分与矿物元素受环境因素影响,在各自产地间形成各自的指纹特征,多维组合可用于建立普洱茶产地溯源模型,为普洱茶产地追溯提供一定的方法支持。     

基于分类特征提取和深度学习的牛肉品质识别

目的：降低数据差异性和光谱特征冗余度对牛肉品质识别的影响。方法：提出一种基于分类特征提取和深度学习的牛肉品质识别方法,采用改进的DPeak算法对光谱数据进行自适应聚类分析,实现对数据的差异性分析。定义牛肉光谱特征提取目标函数,采用离散狮群算法进行求解,提取每个分类的最佳光谱特征子集,最大限度降低特征冗余度。运用改进狮群算法(ILSO)对每个分类对应的支持向量机(SVM)模型参数进行优化,提出融合分类特征提取和ILSO优化SVM的牛肉品质识别模型,完成对牛肉品质的分类识别。结果：相比于SSA-SVM、PCA-SVM识别模型,该模型识别精度提高了约12.3%~14.5%。结论：基于分类特征提取和深度学习的牛肉品质识别模型能够提高牛肉品质识别精度。     

基于深度学习的牛肉大理石纹智能分级研究

目的开发客观、准确、无损的基于深度学习的牛肉大理石纹智能化分级技术。方法将深度学习的图像识别方法应用于牛肉大理石纹的特征提取和分类上,并进行相应的调试和学习。结果通过计算机调试和学习,评级正确率分别达到84.2%(一级)、89.4%(二级)、81.9%(三级)、84.1%(四级)、82.6%(五级)。各级牛肉的识别率均在80%以上,识别时间都在1 s以内,达到了预期目标。结论将深度学习的图像识别方法应用于牛肉大理石纹的特征提取和分类上,评级准确率非常高,且随着图片数据库样本数的不断增多,其识别的准确度将不断提高,可进行大量推广使用。     

普洱生茶在贮藏过程中香气成分的变化

为了考察普洱生茶贮藏前后的品质变化,在不同贮藏温度度进行贮藏,对其进行感官评价,并进行气相色谱- 质谱分析。结果表明：普洱生茶在(25 ± 1)℃贮藏3 个月与8 个月的香气成分变化显著,而在(35 ± 1)℃条件下贮藏3 个月与8 个月所产生的香气成分种类和含量变化不显著,但与贮藏前相比,变化显著。贮藏8 个月后,(25 ± 1)℃和(35 ± 1)℃条件下贮藏的茶样中同时检测出15 种新出现的香气成分,主要为β - 紫罗兰酮环氧化物、茉莉酮、邻苯二甲酸二辛酯、苯酚衍生物。结果表明,贮藏时间和温度对普洱生茶香气成分变化有重要作用,8 个月的贮藏对改善普洱生茶的香气有显著效果。     

基于完全局部二值模式的多光谱法识别损伤苹果

目的 建立一种基于完全局部二值模式的多光谱法识别损伤苹果。方法实验搭建苹果的多光谱数据采集平台,采集了558组苹果多光谱数据。使用完全局部二值模式算法提取苹果的特征向量,再将特征向量送入支持向量机中,比较分类结果。结果通过准确率、特异度和召回率三种平均指标,在完全局部二值模式结合支持向量机分类模型下,苹果多光谱图像的25 个波段对表皮有损苹果和表皮无损苹果有很好的识别效果。并在第20 波段的识别准确率达到最高为99.63%。多光谱25个波段的平均分类准确率达到了99.110%,第20波段分类准确率最高,达到了99.632%,准确率越高,分类效果越好。结论所建立的方法可以实现有损苹果和无损苹果的高效识别,对苹果的储运和分选都有一定的意义。     

基于高光谱成像技术的祁门红茶等级无损检测

为实现快速无损的茶叶产品等级评估,应用近红外（900~1700 nm）高光谱成像技术对6个等级的祁门红茶进行分类。首先利用线性和非线性降维方法对高光谱数据进行可视化处理,可视化算法包括线性方法的主成分分析（Principal Component Analysis,PCA）、多维尺度变换（Multi-Dimensional Scaling,MDS）,和非线性方法的t分布随机邻域嵌入（t-Distributed Stochastic Neighbour Embedding,t-SNE）、Sammon非线性映射。其次利用支持向量机（Support Vector Machine,SVM）和极限学习机（Extreme Learning Machine,ELM）建立分类模型来鉴定祁门红茶的不同等级。最后利用SVM和ELM分类模型对高光谱图像每个像素点进行识别,得到预测图。结果表明,t-SNE可以将6个等级的祁门红茶分在六个不同的簇,SVM和ELM的预测集准确率分别为100%和96.35%。t-SNE可视化效果最佳,SVM的检测模型能够有效地对祁门红茶六个等级进行识别。本文为茶叶产品等级的快速、无损检测提供了一种有效的方法,对茶叶产品的质量控制、真伪检测和掺假检测具有重要意义。     

不同储存时间普洱生茶和熟茶香气成分分析

采用同时蒸馏萃取法(SDE)提取不同储存时间普洱茶的香气成分,经GC-MS联用分析,共鉴定出83种香气物质、其中普洱生茶鉴定出47种,普洱熟茶鉴定出70种,组分增加48.9%。大量萜烯类和甲氧基苯类化合物的形成是普洱茶香气成分的重要特色。试验结果证明:生茶和熟茶中主要香气成分种类基本一致,且所占的香气比重和基本一致,但主要香气成分之间的含量差异极为显著。生茶香气以具有木香、花香的萜烯类和具有强烈的新鲜叶草香气的二氢猕猴桃内酯为主。熟茶以具有霉味和陈香的甲氧基苯类为主。     

不同贮藏时间普洱生茶水提物的特征性成分分析

以同公司、同批号、不同贮藏时间的普洱生茶(7542)为研究对象,真空冷冻干燥制备普洱生茶水提取物,利用分光光度计和超高效液相色谱-串联质谱(ultra performance liquid chromatography-tandem mass spectrometry,UPLC-MS/MS)检测其内含成分,并进行主成分分析(principal component analysis,PCA)和聚类分析(cluster analysis,CA),得出不同贮藏时间普洱生茶水提物的特征性成分和聚类树状图。结果表明,不同贮藏时间的普洱生茶水提物,随着贮藏时间的延长,茶多酚、儿茶素和游离氨基酸呈逐渐下降趋势,黄酮呈逐渐上升趋势,可溶性总糖和咖啡碱呈不规则变化;不同贮藏时间的普洱生茶提取物经UPLC-MS/MS共检测到107种化合物,经PCA,得到不同贮藏时间普洱生茶水提物的特征性成分包括柠檬酸、没食子酸、表儿茶素、茶氨酸、咖啡碱、表没食子儿茶素没食子酸酯等26种物质;CA表明,贮藏年份越接近的普洱生茶水提物样越易聚为一类,贮藏时间达到3 a和8 a时,茶叶聚类分类发生较大变化。     

贮存环境对普洱生茶主要化学成分变化的影响

以贮存在新疆和广东的5 个不同年份（2008年、2010年、2012年、2014年和2016年）普洱生茶为研究对象,采用高效液相色谱、气相色谱-质谱和全自动氨基酸分析仪对普洱生茶中的主要品质成分进行检测,结合正交偏最小二乘法-判别分析多元统计技术对化学成分差异性聚类,通过变量重要性因子结合S-plot图方法对不同贮存地茶样的特征性差异性成分筛选并进行差异性分析。结果表明：贮存在新疆地区普洱生茶中主要化学成分的降解速率慢于广东地区,但综合品质优于广东地区。随着贮存时间的延长,广东地区除没食子酸外,表没食子儿茶素没食子酸酯、表没食子儿茶素、茶氨酸等主要特征品质成分含量低于新疆地区,同时转化速率快于新疆地区。挥发性物质研究表明,大马士酮、2,6,6-三甲基-1-环己烯-1-羧醛、α-松油醇、香叶基丙酮、棕榈油酸、β-环柠檬醛、亚麻酸、橙花醇、苯甲醛和亚油酸为重要标志差异性挥发性成分,相比于广东地区挥发性物质的剧烈变化,新疆地区挥发性物质变化较为缓慢。研究结果可为茶叶的科学贮存提供理论依据,也有利于引导市场进行科学消费。