首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到19条相似文献,搜索用时 125 毫秒
1.
为建立霉变玉米中玉米赤霉烯酮和黄曲霉毒素B1的电子鼻检测方法,首先以电子鼻对7级不同霉变程度玉米响应信号的积分值作为特征参量,然后分别利用主成分回归、偏最小二乘回归、BP(back-propagation)神经网络、最小二乘支持向量机等方法建立霉变玉米中玉米赤霉烯酮与黄曲霉毒素B_1含量的预测模型,并进行了比较分析。结果表明,主成分回归预测精度最差,偏最小二乘回归较差、BP神经网络和最小二乘支持向量机法比较好。对于玉米赤霉烯酮,4种预测模型70个样本中相对误差控制在5%以内的样本数分别为23、45、63、67个。对于黄曲霉毒素B1,4种预测模型70个样本中相对误差控制在5%以内的样本数分别为19、41、62、65个。同时,变换不同的训练集和测试集以考察BP神经网络、最小二乘支持向量机建模方法的稳健性,结果表明,在BP神经网络结构和最小二乘支持向量机核函数与核函数参数均未发生改变的条件下,两种建模方法依然有较高的预测精度,这说明了两种模型具有较高的稳健性。  相似文献   

2.
王光辉  殷勇 《食品与机械》2018,34(11):64-69
为了消除散射对高光谱信息的影响采用多元散射校正(multiplicative scatter correction,MSC)处理原始光谱;根据相关系数法选择有效波段,通过连续投影算法结合信息熵选择8个特征波长;建立有效波段和不同特征波长下的霉变玉米黄曲霉毒素B_1与赤霉烯酮含量的BP神经网络预测模型。结果表明:8个特征波长下光谱信息所建立的预测模型最佳,黄曲霉毒素B1含量预测正确率为98.74%,均方根误差为0.048 5;赤霉烯酮含量预测正确率为100%,均方根误差为0.160 5。因此高光谱融合神经网络检测霉变玉米黄曲霉毒素B1及赤霉烯酮含量具有可行性。  相似文献   

3.
基于高光谱技术及SPXY和SPA的玉米毒素检测模型建立   总被引:1,自引:0,他引:1  
于慧春  娄楠  殷勇  刘云宏 《食品科学》2018,39(16):328-335
应用高光谱技术研究和构建霉变玉米黄曲霉毒素B_1(aflatoxin B_1,AFB_1)和玉米赤霉烯酮(zearalenone,ZEN)含量的检测方法,通过建立霉变玉米中这2种毒素含量的预测模型,实现对玉米霉变程度的快速、无损、准确判别。首先,通过对比5种预处理方法,确定标准正态变量校正法对原始光谱数据进行预处理;然后,采用光谱-理化值共生距离算法结合偏最小二乘回归(partial least squares regression,PLSR)法分析不同校正集样本预测AFB_1和ZEN含量的差异,并分别优选出130个和140个校正集样本;在采用均匀光谱间隔法对原始光谱变量进行初降维的基础上,对比连续投影算法(successive projections algorithm,SPA)和竞争性自适应重加权算法2种变量提取法。结果表明:经SPA分别筛选出17个特征波段且基于较少校正集样本和特征波长光谱信息建立的PLSR模型能够获得较优的预测结果,对应AFB_1和ZEN含量预测集的相关系数和均方根误差(root mean square error of prediction,RMSEP)(R_(pre)~2,RMSEP)由最初的(0.994 4,0.984 6)和(0.991 6,2.320 9)分别变为(0.997 3,0.681 5)和(0.997 7,1.144 1),在降低模型复杂度的情况下提高了预测精度,表明该模型对这2种毒素含量能够实现较强的预测能力。因此,利用高光谱技术对玉米AFB_1和ZEN含量实施无损检测具有可行性。  相似文献   

4.
李超  周博 《食品工业科技》2021,42(12):218-224
为对不同霉变程度的大米实现快速鉴别,研制了一套以LabVIEW为平台用于检测大米霉变的电子鼻系统。通过霉菌孢子液侵染正常大米,使用该电子鼻系统对不同天数掺入不同比例霉米的大米样品挥发物进行检测,对采集数据进行主成分分析(PCA)、线性判别分析(LDA),最后使用反向传播(back propagation,BP)神经网络建立预测模型。结果表明,得分图显示正常大米和霉变大米挥发物差异性显著,LDA分类效果优于PCA;所建立的模型预测值和实际值相关性达0.953以上,训练集和测试集平均相对误差分别为3.56%、4.18%,训练集和测试集对于正常大米样本识别率为100%。综上,电子鼻系统可以作为霉变大米无损检测的有效手段,在大米品质鉴别方面具有实际应用意义。  相似文献   

5.
对采集的12种植物性饲料原料中的59份样品进行玉米赤霉烯酮、黄曲霉毒素B1、B2、G1、G25种霉菌毒素的检测,结果表明,玉米赤霉烯酮共10种原料26份样品有检出;黄曲霉毒素B1共7种原料10份样品有检出;黄曲霉毒素B2共2种原料2份样品有检出;黄曲霉毒素G1、G2未检出。饲料原料受玉米赤霉烯酮、黄曲霉毒素B1污染较多,应加以重视。  相似文献   

6.
目的建立基于表面等离子共振(surface plasmon resonance,SPR)技术快速检测食品中玉米赤霉烯酮毒素(zearalenone,ZEN)的方法。方法采用表面自组装技术(self-assembled monolayer,SAM)在金膜的表面修饰羧基基团,将ZEN抗原与牛血清白蛋白(albumin from bovine serum,BSA)偶联物(ZEN-BSA)通过共价键固定在芯片的表面,采用竞争法检测样品中的玉米赤霉烯酮毒素。结果该方法的检测限为8.2 ng/m L,ZEN单克隆抗体与呕吐毒素、黄曲霉毒素B_1、赭曲霉毒素、伏马毒素等没有交叉反应,与α-玉米赤霉烯醇和β-玉米赤霉烯醇交叉反应率分别为15.3%和11.5%。结论本方法具有简便、快速和高灵敏度等优势,在食品中真菌毒素的快速检测方面具有潜在的应用价值。  相似文献   

7.
目的建立超高效液相色谱-串联质谱法准确、快速检测玉米油中黄曲霉毒素(aflatoxins B_1、B_2、G_1、G_2)和玉米赤霉烯酮(zearalenone,ZEN)的含量,了解市售玉米油中B_1、B_2、G_1、G_2、ZEN污染状况。方法样品经乙腈:水(84:16,V:V)溶液超声离心提取后,通过多功能固相萃取柱进行净化处理,采用液相色谱-串联质谱法进行检测。结果 B_1、B_2、G_1、G_2的线性范围为0.1~20μg/L,ZEN的线性范围为3.0~200μg/L;方法回收率为74.4%~98.6%,相对标准偏差为3.9%~6.9%;B_1、B_2、G_1、G_2定量限为0.2μg/L,ZEN的定量限为6.0μg/L。市售的33份样品中,均没有检出B_1、B2、G_1、G_2;玉米赤霉烯酮检出32份,检出率为97.0%。结论该方法操作简单快速、重现性好,可用于玉米油中黄曲霉毒素和玉米赤霉烯酮的检测。  相似文献   

8.
模拟郑单958玉米霉变过程,定时测定了玉米霉变期间的黄曲霉毒素B1、呕吐毒素、玉米赤霉烯酮、赭曲霉毒素等四种真菌毒素含量;同时,利用扫描仪器对霉变玉米的图像进行采集,提取了颜色特征参数;探讨了霉变玉米的颜色特征与带菌量之间的相关性。结果显示:郑单958在霉变期间不含有赭曲霉毒素,剩余的三种毒素含量随着时间的延长呈增大趋势,在试验结束时都远远超出了国家标准限量;玉米图像颜色特征参数R、G、B、I值整体呈降低的趋势,H、S值变化不规律;真菌毒素含量与R、G、B、I值有极显著的负相关性,相关系数值较大,如黄曲霉毒素B1的含量与B值的相关性系数达到了-0.913,真菌毒素含量与H值没有显著相关性,真菌毒素含量与S值呈现出了不同的相关性,如黄曲霉毒素B1与S值有显著正相关,相关系数为0.733,呕吐毒素和玉米赤霉烯酮含量与S值没有显著相关性。  相似文献   

9.
建立了免疫亲和柱同时净化-高效液相色谱法检测植物油中的黄曲霉毒素B1、B2、G1、G2和玉米赤霉烯酮的分析方法.黄曲霉毒素B1、B2、G1、G2的方法的定量限均为0.1 μg/kg,玉米赤霉烯酮的方法的定量限为5.0μg/kg,相对标准偏差低于10.4%,回收率为82.0% ~95.5%.该方法简便快速、灵敏准确、重现性好,可以用于对植物油中黄曲霉毒素B1、B2、G1、G2和玉米赤霉烯酮进行快速定量检测.  相似文献   

10.
籽粒机收既是玉米产业发展的必然之路,也是玉米机械化生产的瓶颈。为了选择适宜籽粒机收的玉米品种,本试验以20个品种的籽粒机收玉米为研究对象,比较品种间的产量、品质和安全性。结果表明,品种间产量、物理性指标(破碎率、杂质率和容重)、营养品质(粗蛋白质、粗脂肪、粗淀粉和水分)以及生物毒素含量(玉米赤霉烯酮、脱氧雪腐镰刀菌烯醇、黄曲霉毒素B_1、黄曲霉毒素B_2、黄曲霉毒素G_1、黄曲霉毒素G_2、伏马毒素B_1、伏马毒素B_2)均存在显著差异。经综合产量、品质和安全指标分析,HG392、JK9685和鼎玉808这3个玉米品种比较适宜籽粒机收。  相似文献   

11.
目的验证玉米赤霉烯酮胶体金试纸条对玉米基质、小麦基质样品中玉米赤霉烯酮检测的准确性。方法根据试纸条说明书方法,将不同浓度系列的玉米基体和小麦基体质控样品进行前处理后,用试纸条测定其浓度。结果检测样品为玉米基体时试纸条间无显著性差异,相对准确率为99.5%,检测结果准确;小麦基体时,试纸条显著性差异为39.03(自由度df=1),相对准确率为80.5%,检测结果差异较大。结论该方法基本可行,适合对玉米中玉米赤霉烯酮的含量进行定性检测,不适合对小麦中玉米赤霉烯酮含量进行定性检测。  相似文献   

12.
Two hundred and fourteen unprocessed corn samples (1997-98 harvest), collected at wholesale markets in different regions in Brazil, were surveyed for the occurrence of mycotoxins. The samples were analysed for aflatoxins B 1 , B 2 , G 1 , G 2 , zearalenone and fumoni1sin B 1 using in-house validated methods. The occurrence of aflatoxin B 1 , zearalenone and fumonisin B 1 was found in 38.3, 30.4 and 99.1% of the samples, respectively. Aflatoxin B 1 , zearalenone and fumonisin B 1 contamination levels varied from 0.2 to 129, 36.8 to 719, and 200 to 6100 μg/kg, respectively. The cooccurrence of the two carcinogenic mycotoxins aflatoxin B 1 and fumonisin B 1 was observed in 100% of the aflatoxin-contaminated samples (82 samples). Cooccurrences of aflatoxin B 1 : zearalenone: fumonisin B 1 and aflatoxin B 1 : aflatoxin B 2 : fumonisin B 1 were found in 18 and 43 samples, respectively.  相似文献   

13.
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SPXY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SG+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,并利用误差反向传播算法(error back proragation, BP)对模型进行优化。结果 BP神经网络法建立的模型校正集决定系数(coefficient of determination, R2)为0.8073,校正集均方根误差(root mean square error of calibration,RMSEC)为0.0325,预测集R2为0.7665,预测集均方根误差(root mean square error of prediction, RMSEP)为0.0443。结果表明,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效方法,为食用油油品品质的快速检测提供理论指导和技术支撑。  相似文献   

14.
BP神经网络预测废水处理过程的研究   总被引:1,自引:0,他引:1  
通过在实验室条件下进行追纸废水处理试验取得的数据对BP神经网络进行训练,建立了造纸废水处理过程的网络模型。该网络模型仿真实际废水处理过程的结果表明,BP神经网络具有很强的学习能力。利用BP神经网络模型实现了对造纸废水处理过程的预测,平均相对误差为19%,表明网络泛化能力不是很好。经过动态训练的BP神经网络模型能够比较准确的预测造纸废水处理过程,平均相对误差为1.9%,大大优于未经动态训练的网络模型。  相似文献   

15.
为能够快速、无损检测专用煎炸油的极性组分含量,采集不同煎炸时间下煎炸油样本的拉曼光谱图。为建立稳定性高、误差小、精度高的模型,研究不同预处理方法对模型效果的影响,建立相应的偏最小二乘回归模型以选择最优的光谱预处理方法。结果表明:标准正态变换处理后的偏最小二乘模型最优,预测均方根误差(root mean square error of prediction,RMSEP)为1.18,决定系数R2为0.940?4。其次,将标准正态变换处理后的光谱数据分别建立误差反向传播(error back propagation,BP)算法和径向基函数算法神经网络模型,通过比较稳定性以及误差大小,得出采集到的拉曼光谱经过标准正态变换处理后采用BP神经网络建立的模型效果最好,RMSEP为0.032?6,R2为0.972。该方法可以用作专用煎炸油极性组分的快速分析。  相似文献   

16.
利用近红外光谱协同BP神经网络算法,对泰国茉莉香米及其掺伪样品的近红外光谱进行多元散射校正预处理,挑选出48 个特征波长;以特征波长的吸光度为BP神经网络输入层神经元,以样品中泰国茉莉香米的含量为输出层神经元,获得BP神经网络算法的最优结构模型,即为单层隐含层、隐含层神经元数7、隐含层传递函数logsig、输出层传递函数tansig、训练函数trainlm、网络学习函数learngdm和学习速率0.35。所建立模型的均方根误差、校正集相关系数、验证集相关系数、测试集相关系数分别为0.000 830、0.992 9、0.976 1和0.975 5,呈现出优良的预测效果,实现了泰国茉莉香米掺伪含量的快速鉴定。  相似文献   

17.
刘星  单杨  张欣  杨桂森 《食品科学》2012,33(12):154-158
收集国内常用的、具有代表性的奶牛精补料33个样品,制备99个三聚氰胺甲醛树脂(MF)掺假样品,在全光谱范围内进行近红外透反射光谱扫描,选择合适的前处理方法,采用BP神经网络方法和PLS-LDA方法分别建立判别模型。建立的BP神经网络判别分析模型的预测正确率为100%,建立的PLS-LDA判别分析模型的交互验证最低错误率为0.0778,模型错分率为0.0667,模型预测错误率为0.1429。说明利用近红外透反射光谱建立定性分析模型来检测奶牛饲料中是否掺有MF的研究是可行的。  相似文献   

18.
目的评价当前国内外应用较广的9个不同品牌黄曲霉毒素B1、玉米赤霉烯酮、呕吐毒素检测试剂盒的准确性。方法选取3种不同浓度的质控样品、4种饲料原料样品(玉米干全酒精糟、玉米胚芽粕、麦麸、豆粕)、2种饲料产品样品(蛋鸡配合饲料、牛浓缩饲料)。采用3种不同浓度的质控样(用萃取液点板6个孔)的检测结果变异系数(variable coefficient, CV)作为精密度评价指标。采用质控样的6个单独检测结果变异系数作为系统的精密度评价指标,采用实际样品的检测结果评价试剂盒的适用性。结果呕吐毒素试剂盒CV值平均值2号品牌2.7%, 3号品牌3.4%。玉米赤霉烯酮试剂盒CV值平均值3号品牌4.6%, 2号品牌5.5%, 4号品牌5.4%。黄曲霉毒素B1试剂盒CV值平均值5号品牌3.3%, 8号品牌3.7%, 2号品牌4.1%。结论依据试剂盒精密度、准确度、灵敏度和适应性综合评估2号品牌呕吐毒素试剂盒综合结果优秀, 9号品牌玉米赤霉烯酮试剂盒综合结果较好, 5号品牌黄曲霉毒素B1综合结果较好。同时,就检测上述3种常见毒素而言,没有发现一个品牌的试剂盒可以同时在多个毒素检测上表现优秀。  相似文献   

19.
建立了液相串联质谱检测玉米酒糟粕中15种真菌毒素的检测方法,并对结果分布进行了讨论。检测的真菌毒素包括黄曲霉毒素B1等15种真菌毒素。这些毒素采用溶剂提取,多功能净化柱净化,液相串联质谱检测。方法均经过优化和验证,满足进口玉米酒糟粕的检测要求。对67个进口玉米酒糟粕样品的检测结果表明,玉米赤霉烯酮、脱氧雪腐镰刀菌烯醇、T-2毒素、HT-2毒素等真菌毒素均有检出。本试验对这些数据进行了统计分析,提出了对进口玉米酒糟粕的真菌毒素风险分析结果。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号