红外光谱结合化学计量学鉴别西红花的产地

西红花不仅是在世界范围内广泛使用的传统香料，也是一味著名的中草药，其品质与产地密切相关。迫切需要寻找一种能快速对西红花进行产地判别的方法。基于不同产地西红花样品近、中红外光谱数据特征，采用Savitzky-Golay平滑(SG平滑)、多元散射校正、标准正态变量变换、一阶导数和二阶导数等预处理算法对光谱数据进行降噪处理，可以减小试验样本、测定环境以及仪器噪音对光谱数据的影响。结合偏最小二乘判别分析(Partial least square-discriminant analysis, PLS-DA)、决策树(Decision tree, DT)和支持向量机(Support vector machine, SVM)方法分别建立近红外光谱、中红外光谱、近中红外融合光谱分类模型，并采用移动窗口偏最小二乘法(Moving window partial least square method, MWPLS)提取光谱特征区间可以提升建模速度和分类精度。基于预测结果的准确率、混淆矩阵(Confusion matrix)和ROC曲线下面积(Area under curve, AUC)以选择最优分类模型。...     

加速陈化对稻谷制备米饭和米粉品质的影响

为了探究稻谷在陈化期间其米饭和米粉食用品质的变化,采用人工气候箱模拟典型的高温高湿(35℃,RH 75%)储藏生态区的温度、湿度来加速陈化稻谷,在12个月的储藏期中定期取出样品分别制成米饭和米粉,测定其蒸煮和质构特性指标并对其食用品质进行感官评价,研究加速陈化对各指标的影响。结果表明:随着储藏时间的延长,稻谷的米汤干物质、米汤p H值和米汤碘蓝值均呈现不断下降的趋势;米粉的吸水率和粉汤浊度随着储藏时间的延长呈现先升后降的趋势,蒸煮损失率和熟断条率先下降后基本保持稳定。在质构特性研究中,随着储藏时间的延长,米饭的硬度不断增大,黏性和弹性呈下降趋势;米粉的硬度和咀嚼性不断增大,黏性呈下降趋势。在感官评价检测中,米饭的感官评分随储藏时间延长不断下降,米粉的感官评分则先升后降。综合米饭、米粉的品质变化规律可知,随储藏时间的延长,米饭的适口性不断下降,而米粉的适口性呈现先升后降的趋势。     

稻谷的陈化对其米粉制品品质的影响

为了减少因稻谷陈化造成的损失,探究不同陈化程度稻谷的最佳食用方式,采用人工气候箱模拟中国典型高温高湿储粮环境(35℃,RH 80%),对来自我国粳稻谷不同主产地(江苏、吉林及原阳)的3种粳稻进行加速陈化储藏,储藏过程中定期取出,作为制作米粉的原料,测定米粉的蒸煮、感官品质及质构特性等相关指标,并做差异性分析,探讨米粉品质的变化规律。结果表明:3种粳稻的变化规律基本相同。随着储藏时间的延长,3种粳米米粉的蒸煮损失率整体均呈逐渐下降趋势,而复水率的变化趋势与之相反;米粉感官评分随着储藏时间延长呈先上升后有所下降的变化规律,新鲜稻谷的感官评分最低(-4、-4、-3分),在储藏24周时达到最大值(8、6、6分),24周后开始有所降低;米粉的硬度、黏聚性和咀嚼性整体呈增大的趋势,弹性呈现先降低后增加的趋势,分别在第4、16、4周时弹性最低,黏着性呈先迅速下降后趋于平缓的趋势,回复性变化没有呈现出明显的规律;差异性分析结果表明,储藏过程中,硬度、黏着性、咀嚼性、蒸煮损失率和复水率随储藏时间的延长变化显著,其中硬度的变化最大,弹性的变化最小,变化显著的指标均有利于米粉品质提高。     

高光谱结合图分割算法快速鉴别不同尺度产地陈皮

以中药材陈皮为研究对象,建立一种高光谱结合图分割算法实现不同尺度产地陈皮样本快速无损鉴别方法。采集陈皮样品的高光谱图像并利用图分割算法快速获得相对反射率数据集,多种预处理算法对光谱数据降噪处理后,结合偏最小二乘判别分析(PLS-DA)、随机森林(RF)和支持向量机(SVM)建立分类模型,利用预测集准确率筛选最佳模型,混淆矩阵评估模型性能。图分割算法相比常规人工提取方法时间减少80%。融合光谱一阶导结合PLS-DA模型是不同尺度产地陈皮样品的最优鉴别模型,省级行政区域和新会不同区域的陈皮样品的鉴别准确率分别为98.41%和99.05%。该新型图分割算法能够实现高光谱兴趣区域信息的快速、准确获取,结合高光谱技术可实现不同尺度产地陈皮样品的快速鉴别。     

ICP-MS法测定决明子中18种重金属及有害元素

该试验旨在建立决明子中重金属及有害元素残留量的测定方法,为进一步提高决明子的药材质量,保证其用药安全提供科学依据.采用压力罐消解法对样品进行消解,利用电感耦合等离子体质谱(ICP-MS)法测定决明子样品中铅、镉、砷、汞、铜、锂、铍、钒、铬、锰、钴、镍、钼、锡、锑、钡、镝、铊共18种重金属及有害元素含量,并对检测手段进行...     

基于高光谱成像技术的青花椒产地识别研究

目的 基于高光谱成像技术结合机器学习建立一种青花椒产地的快速识别方法,可实现四川、贵州、云南、重庆等10个青花椒主要产地样品的快速无损鉴别。方法 本研究利用“全平皿法”、“五点平均法”和“中心点法”等3种不同的兴趣区域(region of interest,ROI)提取方式,获得平行光谱数据,分别采用五种预处理方法消除数据噪声提升模型性能,并比较了偏最小二乘判别分析(Partial least square-discriminant analysis,PLS-DA)、随机森林(Random Forests,RF)和支持向量机(Support vector machine,SVM)三种模型的产地识别效果。结果 采用“全平皿法”提取兴趣区域,通过二阶导(Second derivative,D2)预处理后建立的RF模型分类效果最佳,训练集和测试集的准确率均可达到100%。进一步采用连续投影算法(Successive projections algorithm,SPA)选择27个特征波长建模,结果表明多元散射校正(Multiplicative scatter correction,MSC)-RF模型判别效果最优,训练集准确率为98.8%,测试集准确率达到98.3%。结论 本研究建立的方法可实现不同青花椒主要产地样品的快速无损鉴别,为高光谱成像技术在食品和药品领域的推广应用及专属小型化仪器装备系统的开发提供了理论依据。