基于电子鼻技术的马铃薯真菌性腐烂病早期检测

确定马铃薯致腐菌种,并建立快速检测方法对腐烂样本进行识别。本研究通过微生物及分子生物学方法对马铃薯致腐菌进行鉴定,采用电子鼻方法对样本进行检测,建立模型对不同感染阶段样本进行识别。结果显示:马铃薯主要致腐烂菌为出芽短梗霉,建立的K最近邻判别模型中,训练集与预测集识别率分别为90%和85%;建立的BP网络判别模型中,训练集与预测集判别率分别达到93.75%和90%,各腐烂阶段能够较好地被识别。研究结果为后期电子鼻技术应用至马铃薯腐烂病检测提供理论基础。     

采用气相色谱-离子迁移谱技术检测黄酒风味物质

为实现黄酒中挥发性风味物质的快速无损检测,本研究采用气相色谱-离子迁移谱(Gas chromatography-ion mobility spectrometry,GC-IMS)联用技术结合化学计量学方法对不同酒龄黄酒中的挥发性风味物质进行了研究。黄酒样本的GC-IMS图片库显示,不同酒龄黄酒的挥发性风味物质浓度存在显著差异。采用差谱法从谱图中筛选出33个特征峰,利用其中13个数据库可查询到对应物质的特征峰进行黄酒的风味成分分析。以33个特征峰峰高作为变量,通过主成分分析(principal component analysis,PCA)进行降维,前6个主成分累计贡献率为95%,可以有效区分各组样本。分别采用线性判别(Linear Discriminant Analysis,LDA)、K-最近邻分类算法(K-Nearest Neighbor,KNN)建立酒龄判别模型。结果显示,LDA方法得到的训练集和预测集识别率分别为95%和90%,KNN的判别效果较好,训练集和预测集的识别率均达到100%。这说明,GC-IMS可以有效应用于黄酒挥发性风味物质的检测,在食品风味物质分析等领域具有广阔的应用前景。     

基于高光谱成像的咸鸭蛋腌制品质快速检测

咸鸭蛋是一种中国传统腌制食品，水分和脂肪含量是评价咸鸭蛋腌制品质的重要指标。本文旨在采用高光谱成像系统结合化学计量学探究不同腌制阶段咸鸭蛋的水分和脂质含量变化及分布状态。实验采用高光谱成像技术获取432～961 nm波长范围内的咸鸭蛋剖面反射光谱。为了减小光谱信号的噪声，通过Savitzky-Golay平滑(SG)、高斯滤波(Gauss)和标准正态变换(SNV)三种方法对原始光谱进行预处理，使用竞争自适应加权采样算法(CARS)挑选最优波长，然后进一步采用偏最小二乘回归算法(PLSR)和人工神经网络(ANN)对水分和脂质含量进行定量预测。结果表明，ANN模型能够更好地对水分及脂质含量进行预测，对蛋白水分、蛋黄水分和蛋黄脂质的预测决定系数分别为0.9306,0.9552和0.8896。最后，为了更加直观、全面地对咸鸭蛋腌制过程中的水分和脂质含量进行评价，根据ANN模型绘制出咸鸭蛋剖面的水分及脂质含量分布图。可视化分布图成功显示了咸鸭蛋在不同腌制时间水分和脂质的空间分布。本研究为咸鸭蛋生产及下游食品加工企业提供了一种基于光谱技术的快速检测方法。