首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   7篇
  完全免费   4篇
  轻工业   11篇
  2022年   1篇
  2021年   1篇
  2020年   1篇
  2019年   2篇
  2015年   1篇
  2014年   4篇
  2008年   1篇
排序方式: 共有11条查询结果,搜索用时 46 毫秒
1.
基于近红外光谱的煎炸油极性组分定量分析模型构建   总被引:1,自引:0,他引:1  
为了建立煎炸油中极性组分的快速检测方法,通过热处理和模拟煎炸方式,采集氧化程度不同的油样并用国标法分析样品极性组分,采集样品近红外透射光谱,经光谱预处理,利用偏最小二乘法建立煎炸油极性组分定量分析模型并对模型进行验证。结果表明:在波长范围为4 963~4 616、5 2 22~5 037 cm-1和5 688~5 499 cm-1,采用一阶求导和Savitzky-Golay(7,5)平滑光谱处理,校正集相关系数为0.996 5,校正均方根差为1.84%,验证集R为0.993 6,验证均方根差为1.92%,模型预测效果良好,利用近红外透射光谱测定煎炸油极性组分可行。  相似文献
2.
应用近红外光谱结合偏最小二乘法(PLS)建立测定真菌云芝中蛋白含量定量分析模型.所建立的模型经过i选择最有效的光谱预处理方法,光谱区域和最适主因子数使模型最优化.实验结果表明:采用傅里叶变换在1330 nm~725 nm光谱区域,主因子数为6,建立的模型最优.模型校正集的交互验证均方根误差(RMSECV)为0.010,交互验证所得校正集样品中的蛋白含量的预测值与真实值间相关系数(Rv)为0.968;应用此模型对预测集样品中的蛋白质含量进行预测,得到预测均方根误差(RMSEP)为0.009,预测集的相关系数(Rp)为0.990.  相似文献
3.
利用衰减全反射傅里叶变换红外光谱法测定米粉中硒代甲硫氨酸含量,以期探寻一种快捷、绿色环保的食品中硒含量的测定方法。通过采用添加硒代甲硫氨酸制备样品,衰减全反射中红外光谱仪采集红外光谱,TQ Analyst分析软件进行偏最小二乘法建模并验证,结果表明,选择1 600~650 cm-1作为样品的红外光谱分析波段,用导数对原始红外光谱处理后,采用留一和留多两种方法均获得良好的预测效果。比较而言,一阶导数处理后的留一模型,计算简单且预测效果更好。留一模型的决定系数RC 2 均大于0.997,因子数均为6,校正均方差为1.76~1.9,留一验证预测决定系数RP2为0.986 8,预测均方差为3.27,相对分析误差为8.612 9,预测值相对偏差在20%以内的占92.91%,10%以内占82.27%。  相似文献
4.
采用偏最小二乘回归PLS建模算法,建立酸奶中非脂乳固体的近红外定量分析模型,并对模型进行验证评估。收集92组酸奶样品,并用漫反射方法采集得到近红外扫描光谱,光谱经过MSC、一阶导数、S-G平滑等预处理,选取波数范围6 000~10 000 cm-1,用PLS法建立得到了较优模型,其相关系数R为0.99078,均方根校正误差RMSEC为0.152,均方根预测误差RMSEP为0.330,性能指数PI为83.1。用此模型对25组酸奶样品进行了预测,预测效果较好。  相似文献
5.
目的本研究基于蚁群-遗传区间偏最小二乘(ACO-GA-iPLS)近红外谱区筛选方法预测花茶花青素含量。方法首先对花茶近红外光谱进行预处理;然后用ACO-iPLS优选出特征子区间;最后对所选的特征子区间,用GA-iPLS进一步细化花青素的特征子区间,并建立花青素的预测模型。结果优选出3个特征子区间(第1、9、10子区间),所建模型对应的交互验证均方根误差(RMSECV)和预测均方根误差(RMSEP)分别为0.1460mg/g和0.1840 mg/g,校正集和预测集相关系数分别为0.9187和0.8856。结论ACO-GA-iPLS可以有效选择近红外光谱特征波长,简化模型,提高模型精度。  相似文献
6.
在傅立叶变换红外光谱仪上采集不同混合比例的黏纤与氨纶样品的近红外光谱图,利用偏最小二乘法(PLS)建立黏氨织物的近红外光谱定量分析模型。选择不同的分辨率、扫描次数、预处理方法和波段对模型进行优化,并用最优模型对7个实际样品进行测试,将测试结果与手工拆分法得到的结果进行比较,并进行验证。结果表明,分辨率为4 cm-1、扫描次数为32次、无任何预处理、波段为4 000~5 000 cm-1时,所建模型的预测能力最好,预测均方根误差(RMSEP)为0.964,经验证该模型具有良好的预测能力,但不适用于印花产品。  相似文献
7.
以建立花茶花青素含量的最优近红外光谱模型为目标,对比研究了蚁群算法(Ant Colony Optimization, ACO)和遗传算法(Genetic Algorithm, GA)优化近红外光谱谱区的效果。ACO-iPLS将全光谱划分为12个子区间时,优选出第1、9、10共3个子区间,所建的校正集和预测集相关系数分别为0.901 3和0.864 2;交互验证均方根误差(RMSECV)和预测均方根误差(RMSEP)分别为0.160 0 mg/g和0.202 0 mg/g;GA-iPLS将全光谱划分为15个子区间时,优选出第1、5共2个子区间,所建模型的校正集和预测集相关系数分别为0.906 3和0.879 3,交互验证均方根误差(RMSECV)和预测均方根误差(RMSEP)分别为0.156 0 mg/g和0.206 0 mg/g。研究结果表明: ACO-iPLS和GA-iPLS均可以有效选择近红外光谱特征波长,其中GA-iPLS模型的精度更高。  相似文献
8.
为了简便、快速、准确地测定米糠油中的谷维素含量,以LS/T 6121.2—2017的高效液相色谱法为测定米糠油中谷维素含量的参比方法,采用近红外光谱分析技术结合偏最小二乘法建立了米糠油中谷维素含量的定量分析模型。结果表明:所建定量分析模型的决定系数为99.81%,预测标准差为0.028 49%,交叉验证标准差为0.031 13%;利用99个验证集样品对定量分析模型进行外部独立验证,预测决定系数为99.81%,预测标准差为0.030 90%,用该定量分析模型检测样品绝对误差在-0.081%~0.057%之间,相对误差在-11.86%~9.84%之间。所建立的定量分析模型预测效果较好,准确度较高,可用于米糠油中谷维素含量的测定。  相似文献
9.
在红外光谱仪上采集粘纤/氨纶交织织物红外光谱数据,利用偏最小二乘法(PLS)进行定量建模。建模时分别使用24种不同的预处理及其组合方法对光谱数据进行处理,比较和分析不同预处理后建模的RMSEP值。结果表明:除S-G平滑预处理外,其他预处理方法均对模型的预测能力有一定程度的提高。MSCNorris导数平滑一阶导数的预处理组合方法为该次粘纤/氨纶交织织物红外光谱定量分析模型的最优预处理方法。  相似文献
10.
利用傅里叶变换衰减全反射红外光谱(ATR-FTIR)法测定米粉中硒代胱氨酸的硒含量,以期探寻一种快捷、绿色环保且准确的硒含量测定方法。采用添加法制备样本,衰减全反射中红外光谱仪采集红外光谱,TQ Analyst分析软件作偏最小二乘法建模并验证,选择1 600~650 cm~(-1)作为样品的红外光谱分析波段,用导数对原始红外光谱处理,结果表明二阶导数处理后的模型,噪音小、失真少且预测效果更好,模型的决定系数(R■)都大于0.995、因子数为5~8、校正均方差(RMSEC)为1.17~2.68,验证均方差(RMSEP)为4.053 0~6.234 6验证集预测值相对偏差在20%以内的占87.95%,含量在18μg/100 g以上更是占了96.75%,含量在50μg/100 g(不含)以上的样品93.33%偏差在10%以内,预测效果较准确。  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