基于质谱与化学计量学的浓香型白酒等级鉴别

不同等级白酒的鉴别对控制白酒质量和保护消费者权益有重要意义,运用顶空固相微萃取质谱(HS-SPME-MS)技术获取3个不同等级的120个洋河大曲酒样质荷比m/z 55～191范围内的离子丰度值数据,结合偏最小二乘-判别分析和逐步线性判别分析法筛选出14个重要特征离子,且交叉验证的预测准确率达100%;然后将筛选出的14个特征离子作网络输入层,酒样的不同等级做网络输出层,构建神经网络等级鉴别模型,其在±0.3的误差范围内,预测准确率达100%,实现了白酒等级的数字化鉴别。     

标准化工艺条件下大河乌猪火腿发酵过程中的挥发性风味物质变化

该研究采用固相微萃取-气相色谱-质谱（solid-phase microextraction-gas chromatography-mass spectrometry,SPME-GC-MS）技术结合偏最小二乘－判别分析（PLS-DA）和相对气味活度值（relative odor activity value,ROAV）对发酵90 d、150 d、210 d、270 d、450 d和630 d的大河乌猪火腿的挥发性风味物质进行分析。结果表明：发酵过程中共鉴定到137种挥发性风味成分,包括醛、醇、酸、烃、酮、酯、芳香族类及其他类化合物,其中,醛类（51.63%~68.17%）和醇类（12.73%~23.64%）的种类和含量最为丰富;随着发酵时间的延长,挥发性风味物质种类增加了23种,但四个不同发酵期（210 d、270 d、450 d、630 d）的大河乌猪火腿中挥发性风味物质组成相似,说明发酵至210 d时主体风味化合物已经形成;发酵过程中关键风味物质有1-庚醇、3-甲基-1-丁醇、3-甲基丁醛、2,3-辛二酮、苯乙醛、己醛、辛醛、壬醛等16种。标准化工艺条件下发酵时间对火腿挥发性风味物质的形成有一定的影响,且大河乌猪火腿的加工期可定为10~12个月,研究为大河乌猪火腿标准化加工技术提供理论依据。     

苹果品种及损伤苹果的FT-NIR鉴别研究

用傅里叶近红外光谱技术(FT-NIR)对不同品种的苹果以及损伤嘎啦和完好嘎啦进行快速、无损检测,比较不同判别方法对所建立的区分苹果品种及苹果损伤模型的影响。结果表明:损伤嘎啦和完好嘎啦的近红外图谱经小波分析预处理后,用12000～4000cm-1波数范围的前5个主成分分别结合多层感知神经网络、径向基神经网络、Fisher判别3种方法所建立的判别模型对未知样本的正确判别率分别为97.8%、87.2%和84.8%,基于权重法用多元线性回归(MLR)所选择的特征波长所建立的Fisher判别模型对未知样本的正确判别率为89.1%;用偏最小二乘判别(PLS-DA)所建立的判别模型对未知样本的正确判别率为100%,由于PLS-DA模型对训练集和验证集的正确判别率均为100%,因此PLS-DA模型优于其他模型。不同品种苹果的光谱经平滑预处理后,用全波数范围12000～4000cm-1的前6个主成分所建立的判别模型优于经验波数范围8000～4500cm-1所建立的判别模型,其较优模型对建模集和验证集的正确判别率分别为90.9%和92.1%。近红外光谱技术结合化学计量学可以快速、无损鉴别苹果是否有损伤以及不同品种的苹果。     

基于FTIR光谱技术的霉菌菌种判别研究

为了找出一种快速、简便、准确的方法来探究霉菌试验后武器装备表面生长的霉菌种类,按照标准的试验方法进行了霉菌试验,利用傅里叶红外光谱仪对经过不同菌种腐蚀后的样本进行了测试,获取了光谱数据,并通过对数据进行初步的主成分分析确定了光谱数据的识别区域。采用最小距离匹配、光谱角匹配、光谱信息散度、光谱协方差、主成分分析、偏最小二乘判别分析(Partial Least Squares Discriminant Analysis,PLS-DA)、随机森林等分类算法建立了识别模型。研究结果表明,随机森林算法能够很好地识别霉菌种类,准确率预期在98%以上。基于合适的分类算法,傅里叶红外光谱(Fourier Transform Infrared, FTIR)技术能够实现对菌种的有效鉴别。     

基于GC-MS-O香气成分分析和多元统计分析的柚子品种鉴别

以浙江、江西和福建3个产地的5个柚子品种为试材,对我国不同地区和品种的柚子香气成分进行鉴定。通过固相微萃取技术(SPME)和气相色谱-质谱-嗅闻仪(GC-MS-O)相结合,对柚子的香气贡献组分进行鉴定。通过主成分分析(PCA)结合偏最小二乘判别法(PLS-DA)的多元统计分析方法进行品种间差异分析。根据GC-MS-O结果,5种柚子中挥发性组分种类构成丰富,不同品种的含量差异较大,主要包括萜烯类、醇类、醛类、酮类、酯类等。从柚子中共鉴定出香气贡献组分38种,其中柑橘味、松香味、香脂味、青草味、木香味等为主要呈现的香气属性。结合多元统计分析结果显示:PCA分析能较好地区分5种柚子品种,确定不同品种香气差异的贡献组分。PLS-DA方法实现了不同柚子品种间香气特征的差异分析,其中青草味、薄荷味、花香味和松香味可作为区分不同品种的主要特征风味。研究结果表明,基于香气组分的GC-MS-O分析结合多元统计分析可以鉴定国内各种类型的柚子。本研究结果为我国柚子品种鉴定,品质特性比较,柚子加工工艺探索以及产地溯源提供了理论基础。     

Detection of expired vacuum-packed smoked salmon based on PLS-DA method using hyperspectral images

Consumers want fresh food with a long shelf-life, which in 2010, resulted in an important increase in packaged and processed food. This is especially important for fishery products due to their highly perishable nature. One problem is that it is not possible to measure freshness in packaged food only using the visible spectrum. Moreover, the detection of freshness is a complex problem as fish has different tissues with different biodegradation processes. Therefore, it would be especially interesting to have a non-destructive method to evaluate the shelf-life of packed processed fish. This paper proposes a method for detecting expired packaged salmon. Firstly, this method uses hyperspectral imaging spectroscopy (HIS) using visible and SW-NIR wavelengths. Secondly, a classification of different salmon tissues is carried out by image segmentation. Finally, classifications of expired or non expired salmon are performed with the PLS-DA statistical multivariate method due to the large amount of captured data. In a similar way, spectral data and the physicochemical, biochemical and microbiological properties of salmon are correlated using partial least squares (PLSs). The result obtained has a classification success rate of 82.7% in cross-validation from real commercial samples of salmon. Therefore, this is a promising technique for the non-destructive detection of expired packaged smoked salmon.     

基于气相色谱-质谱联用与偏最小二乘-判别分析的啤酒爽口性评价

目的：建立一种偏最小二乘-判别分析（partial least squares-discrimination analysis,PLS-DA）评价啤酒爽口性的方法。方法：基于顶空固相微萃取（headspace solid-phase microextraction,HS-SPME）结合气相色谱-质谱（gas chromatography-mass spectrometry,GC-MS）联用检测啤酒中爽口性相关指标转化为数据矩阵,利用SIMCA-P软件进行PLS-DA。结果：不同爽口性的啤酒在得分图中能够明显区分。根据载荷图显示爽口性较差的样品集DA（1）中敏感特征变量为辛酸乙酯、癸酸乙酯及乙酸异戊酯等酯类化合物。选取50 个样本为校准集,建立PLS-DA模型,4 个爽口性不同的啤酒样本模型的回归相关系数分别为0.861、0.798、0.765、0.812,样品辨别率为92%。利用建立的PLS-DA模型对27 个未知样品进行预测,不同爽口性样品的预测均方根误差分别为0.183、0.321、0.523、0.323,准确识别率为74.07%。结论：HS-SPME-GC-MS结合PLS-DA法是一种简单、快速、有效评价啤酒爽口性的方法。     

普洱熟茶化学成分与品质特性相关性分析

以50个普洱熟茶为研究对象,采用主成分分析和偏最小二乘回归分析法,研究11个化学成分和感官审评结果间的相关性,揭示影响品质特性的主要因子。结果表明,水浸出物、总糖、茶多糖、茶多酚、氨基酸和茶色素与品质呈正相关;水分、总灰分、pH值、粗纤维和咖啡碱与品质呈负相关。     

基于SIMCA、PLS-DA、WT-ANN模型的椰子油掺混定性识别研究

根据不同油脂的紫外特征光谱,利用SIMCA,PLS-DA,WT-ANN 3种模型对椰子油中掺混大豆油、葵花籽油和玉米油的油脂类别进行判定分析。结果显示,WT-ANN对3种掺混油脂类别的识别效果最佳,预测集R~2分别达到了0.9989(大豆油)、0.9811(葵花籽油)、0.9999(玉米油),且在不同浓度下识别率均达到了100%,而SIMCA和PLS-DA的识别准确度相对较低,且受掺混浓度的影响较大。WT-ANN结合紫外光谱是一种有效判定椰子油中掺混油脂类别的分析方法。     

基于傅里叶变换中红外光谱识别正常食用植物油和精炼潲水油模型分析

潲水油回流餐桌等食品安全问题越来越受到社会关注,探寻准确、快速、高效的潲水油鉴别新方法成为食用油安全性检测的新要求。用傅里叶变换中红外光谱技术（Fourier transform mid-infrared spectroscopy,FT-MIR）对精炼潲水油（refining hogwash oils,RHOs）和4 种不同正常食用植物油（菜籽油、大豆油、花生油和玉米油）进行快速检测,结合偏最小二乘判别法（PLS-DA）建立了RHOs和4 种不同正常食用植物油的判别模型。结果表明,在全光谱范围（4 000～450 cm–1）内,经二阶求导（Savitzky-Golay,5 点）后,RHOs和4 种不同正常食用植物油FT-MIR有显著差异。PLS-DA模型对22 个未知样品预测发现,判别模型的整体正确判别率均为100%。此结果表明FT-MIR结合化学计量学方法可以作为RHOs和4 种不同正常食用植物油（菜籽油、大豆油、花生油和玉米油）区分的一种有效技术手段。