小麦霉菌侵染程度电子鼻快速检测方法的初步研究

本研究利用电子鼻气体传感器技术,初步建立了小麦霉菌侵染程度定性定量同步分析方法。小麦样品经辐照杀菌后接种5种谷物中常见有害霉菌,于85%相对湿度和28℃的环境中储藏至重度霉变。在样品储藏的不同阶段,选取时间节点0、1、3、5和7 d采集其电子鼻气味响应信息,建立了其响应信号和霉菌侵染程度的相关关系模型。结果显示,依据带菌量的不同,基于电子鼻信号的主成分分析法(PCA)可成功区分未霉变[2.7 log(CFU/g)]、轻度霉变[2.7～4 log(CFU/g)]与重度霉变[4 log(CFU/g)]的小麦样品;线性判别分析(LDA)对受单一霉菌侵染的小麦样品霉变程度的识别率达90.0%以上,对所有小麦样品的识别率达84.0%。偏最小二乘回归模型(PLSR)对小麦菌落总数的模型决定系数(R_p~2)和预测误差(RMSEP)及相对分析偏差(RPD)分别为0.852,0.504 log(CFU/g)和2.30。结果表明,利用电子鼻技术实现小麦霉菌侵染程度的快速识别是可行的。下一步应不断补充不同来源的小麦样品,以不断提高模型的精度和适用性。     

霉变玉米气体传感器阵列快速检测

玉米易受霉菌感染发生霉变,影响食用安全。快速测定玉米霉变程度是控制其危害的前提。本研究拟利用基于气体传感器阵列的电子鼻技术,获取不同霉变程度玉米的特征气味信息,建立玉米霉变程度快速检测方法。辐照灭菌玉米分别接种5种谷物中常见有害霉菌,并于28 ℃和85%相对湿度环境中储藏15 d直至严重霉变。在第0、6、9、12和15 d,采集样品的气味信息的电子鼻特征响应信号,建立了玉米霉变程度的定性定量模型。结果表明,主成分分析(PCA)法可成功区分不同霉变程度的玉米样品。线性判别分析(LDA)对受单一霉菌侵染的不同霉变程度玉米样品的平均识别率达93.3%以上,全部样品达76.7%。样品中菌落总数的偏最小二乘回归分析(PLSR)模型的预测决定系数(R_p2)达0.777,预测均方根误差和相对分析偏差(RPD)分别为0.981 log CFU/g和2.12。结果表明,应用电子鼻技术快速检测玉米霉变具有一定可行性,下一步需要不断扩大样本量以提高方法的精度和可靠性。     

基于LF-NMR的糙米发芽过程水分状态变化

本研究应用低场核磁共振(LF-NMR)技术,测定了不同发芽时间糙米的横向弛豫时间T2反演谱,分析了糙米发芽过程的内部水分状态及变化规律。实验表明:浸泡过程糙米存在结合水向自由水迁移趋势,其总含水量、结合水和自由水含量均不断上升,自由水变化幅度更大,糙米含水量与T2信号总幅值存在高相关性(R20.96)。发芽过程总含水量和自由水含量持续波动上升,结合水含量则逐步下降。粳糙米结合水含量高于籼糙米,但籼糙米自由水变化幅度高于粳糙米。LF-NMR技术为糙米发芽过程中各相态水分分布及变化规律提供了直观的参考依据。     

向量值测度与条件期望算子

在文献〔１〕的基础上，将条件期望算子的定义推广到向量值函数空间上，并讨论了它的一些性质     

基于光谱和气味特征信息的霉变大米无损检测

为快速鉴定大米霉变程度,本研究运用近/中红外光谱和电子鼻分析技术,建立了大米有害霉菌侵染种类与霉变程度的同步识别方法。首先,将4种谷物中常见有害霉菌分别接种在灭菌大米样品上,将样品于28℃和80%RH环境条件下储藏10 d。其次,样品从接种霉菌起,选取时间节点0、2、4、7、10 d,获得其近/中红外光谱和电子鼻气味特征信息。结果显示,受不同霉菌侵染大米样品的光谱和气味整体信息存在差异,到储藏后期差异更加显著。结合主成分分析和线性判别分析法,近/中红外光谱和电子鼻对受不同霉菌侵染大米样品的整体识别率分别为86.0%、86.0%、92.0%。大米霉变程度随储藏时间逐渐加深,近/中红外光谱和电子鼻对感染单一霉菌样品霉变程度的判别正确率达97.5%、98.75%、100%,多种霉菌感染的判别正确率为80.0%、87.5%、95.0%。结果表明,利用光谱和气味特征信息实现大米霉变的快速检测具有可行性,电子鼻在霉变大米特征挥发性气味的识别方面更具优势。