共查询到18条相似文献,搜索用时 46 毫秒
1.
2.
利用近红外漫反射光谱技术对线椒的货架期进行定性判别研究。实验以常温货架期1、3、5 d的线椒为研究对象,利用主成分分析法(PCA)建立近红外漫反射定性判别模型,在全光谱范围(4002500 nm)内比较了不同的光谱预处理方法结合不同散射和标准化方法对所建模型的影响。结果表明,采用全光谱下Log(1/R)+None光谱预处理方法建立的模型预测最好,该模型的交互验证相关系数(RCV)为0.9455,交互验证误差(SECV)为0.1534,其正确分类率达95.56%100%,预测准确率达88.89%97.78%,该模型能够准确地区分不同货架期的线椒鲜果。因此,近红外光谱技术为线椒货架期的鉴别提供了一种新方法。 相似文献
3.
《食品与发酵工业》2019,(19):200-205
运用近红外光谱技术,通过不同光谱预处理和不同光谱波段选择,研究苹果品种(嘎啦、乔纳金、金冠、寒富)及货架期(0、14、28 d)的近红外判别模型。结果表明,不同品种苹果定标判别模型最优光谱预处理方法为:在全波长范围(408. 8~2 492. 8 nm)内,采用去散射结合二阶导数光谱预处理,对未知样品判别正确率为85. 00%~95. 00%;苹果货架期较优定标模型在1 108~2 492. 8 nm范围内,光谱预处理方法为标准正常化处理(standard normal variate,SNV)+去散射处理(detrend,D)+一阶导数,预测样品正确率为91. 67%~96. 67%。实验证明,近红外光谱技术对采后苹果品种及货架期检测具有适用性。 相似文献
4.
5.
目的通过近红外漫反射光谱技术建立了柿子不同品种和贮藏期的快速判别方法。方法实验对贮藏冷库(0±0.5℃)20 d、40 d、60 d的磨盘柿和阳丰甜柿的近红外光谱(400~2500 nm)进行平滑、一阶倒数和标准正常化处理(SNV)处理,采用主成分分析法(PCA)建立判别模型。结果在全波长范围内,不同品种定标模型的正确分类率达到100%;阳丰甜柿不同贮藏期的正确分类率达到97.78%;磨盘柿不同贮藏期的正确分类率达到98.89%。3个预测模型的累积准确率达到96.67%。结论通过近红外漫反射光谱技术,判别不同品种的柿子并预测其贮藏期具有应用价值。 相似文献
6.
基于近红外漫反射光谱技术判别柿子品种和 贮藏期的研究 总被引:1,自引:1,他引:0
目的 通过近红外漫反射光谱技术建立了柿子不同品种和贮藏期的快速判别方法。方法 实验对置于冷库(0±0.5℃)贮藏20d、40d、60d的磨盘柿和阳丰甜柿的近红外光谱(400~2500nm)进行平滑处理、一阶倒数和标准正常化处理(SNV)处理,采用主成分分析法(PCA)建立判别模型。结果 在全波长范围内,不同品种定标模型的正确分类率达到100%;阳丰甜柿不同贮藏期的正确分类率达到97.78%;磨盘柿不同贮藏期的正确分类率达到98.89%。3个预测模型的累积准确率达到96.67%。结论 通过近红外漫反射光谱技术,判别不同品种的柿子并预测其贮藏期具有应用价值。 相似文献
7.
《食品与发酵工业》2015,(3):219-224
采用沙蜜豆樱桃为实验材料,对冷藏条件下的樱桃进行定量光谱分析,在全光谱范围(408.8~2 492.8nm)下,选取TSS、TA与TSS/TA作为评价指标,分别进行校正模型的预处理讨论。结果显示:TSS、TSS/TA的最优预处理均是全波长范围下的改进偏最小二乘(MPLS)算法,在一阶微分下的去离散处理(SNV and D)。TA的最优预处理是全波长范围下偏最小二乘(PLS)算法,在一阶微分下的标准多元散射校正(SMSC)处理。TSS、TA、TSS/TA的校正误差SEC分别是,0.432 9,0.037 5,0.576 1。校正相关系数Rcv2分别是0.941 5、0.861 7,0.928 7。预测相对分析误差RPD分别是3.9,3.7,2.7。说明建立的樱桃中TSS、TA、TSS/TA 3个模型稳定性好,能够达到实际应用标准。 相似文献
8.
近红外光谱技术在肉类定性鉴别中的研究进展 总被引:3,自引:3,他引:3
近红外光谱技术作为新型的快速绿色检测技术,在肉类工业中得到了广泛的应用。本文综述了近红外光谱技术在肉类定性鉴别中的研究进展,主要包括在肉的等级鉴别、品种鉴别、物种鉴别以及产地溯源、饲喂方式中的鉴别研究。肉的等级一般人工分为RFN、PFN、PSE、RSE四类,近红外光谱对肉的等级鉴别正确率在80%以上;对于同一物种不同品种肉的研究主要是在猪肉、牛肉上,主要通过多元定量校正方法或判别分析法来鉴别同一物种不同品种、不同年龄阶段的肉,且鉴别正确率大于95%;在不同物种之间的鉴别主要应用于鉴别猪肉、羊肉、牛肉、鸡肉等不同物种以及掺假肉,鉴别正确率在90%以上;在产地溯源、不同饲喂方式之间的鉴别,能够正确鉴别牧草和浓缩料饲喂的羔羊、母羊和人工饲喂的羔羊、不同地区的牛肉以及羊肉的产地溯源等,鉴别正确率大于83%。综上所述,近红外光谱在肉类定性鉴别中可行。 相似文献
9.
蛋白质含量是豆浆品质评价的主要指标,实验运用近红外光谱技术获得83 个真伪豆浆的光谱,并对光谱图和光密度值进行统计分析,研究以蛋白质为主要定性指标的豆浆品质等级划分的可行性,建立豆浆品质定性判别的标准。结果显示:在波长742.59~810.96 nm范围内,随着豆浆样品蛋白质含量的升高,吸收光谱峰值变化越大。实验选取OD810.96 nm与OD742.59 nm做光密度差值分布图,根据83 个校正集样品的光密度差值分布图,确定豆浆两级判别的检测标准为:ΔOD742.59~810.96 nm大于0.062 9时,豆浆为不合格豆浆;ΔOD742.59~810.96 nm小于或等于0.062 9时,豆浆为合格豆浆。根据该判别标准对37 个预测集样品进行判别,17 个不合格豆浆全部被判别,正确判别率100%,20 个合格豆浆中有2 个被误判成不合格,误判率10%,预测结果准确率较高。实验应用光密度法进行豆浆品质的评价是可行的,方法简明、结果可靠,可为豆浆品质快速检测技术的应用提供一种参考方法。 相似文献
10.
基于近红外光谱技术的抹茶掺伪定性判别研究 总被引:1,自引:0,他引:1
本实验采用近红外光谱技术与主成分分析法结合线性判别分析法(PCA-LDA)和K最邻近法,对抹茶中添加白砂糖、麦芽糊精、桑叶粉、大麦苗粉的现象进行定性判别分析。结果显示,PCA-LDA的定性判别结果优于K最邻近法,纯抹茶与掺伪抹茶、纯抹茶与掺糖抹茶、纯抹茶与掺糊精抹茶、纯抹茶与掺桑叶粉抹茶、纯抹茶与掺大麦苗粉抹茶、4种掺伪抹茶的定性分析模型的校正集识别率为98.3%、100%、91.7%、100%、100%、100%;预测集识别率为96.5%、100%、87.5%、95.8%、90.3%、95.3%。由此可知,通过PCA-LDA建立的定性判别模型准确度和识别率都很好,能够快速、准确的对抹茶中是否掺伪进行定性判别。 相似文献
11.
冷藏过程中樱桃V_C含量的近红外检测 总被引:1,自引:0,他引:1
《食品与发酵工业》2015,(5)
以沙蜜豆樱桃为材料,研究近红外光谱在樱桃冷藏过程中VC模型建立等的相关问题。实验在全光谱(408.8~2 492.8 nm)内,采用VC作为评价指标,对校正模型的不同预处理进行讨论。结果发现:最优预处理是二阶导数下的改进偏最小二乘法(MPLS)结合标准正常处理(SNV only);校正误差SEC为0.258 3,校正相关性系数R2cv为0.877 9,预测相对分析误差RPD为3.3。表明近红外光谱技术对樱桃冷藏过程中VC含量的检测具有可行性。 相似文献
12.
以萨米脱樱桃为材料,利用近红外光谱技术研究贮藏过程中樱桃果实质地等方面模型建立的相关问题。实验在可见-近红外光谱(408.82492.8 nm)范围内,采用樱桃果实硬度、咀嚼性、回复性作为评价指标,对校正模型的不同预处理进行讨论。研究发现,三个模型在一阶微分导数下,果实硬度最优预处理是改进偏最小二乘法(MPLS)结合标准多元散射校正(SMSC),咀嚼性和回复性最优预处理是改进偏最小二乘法(MPLS)结合标准正常处理(SNV)。硬度、咀嚼性、回复性的校正误差SEC分别为0.110、0.035、0.009,校正相关性系数Rcv分别为0.974、0.949、0.921,预测相对分析误差RPD分别为3.38、3.24、3.27。结果表明,近红外光谱技术对贮藏过程中樱桃果实质地的检测具有可行性。 相似文献
13.
为提高模型对绿豆产地的鉴别率,通过近红外光谱指纹信息和矿物元素指纹信息融合技术分析来自黑龙江省杜尔伯特蒙古自治县、吉林省白城市、黑龙江省泰来县、山东省泗水县绿豆样品中近红外光谱吸收强度和矿物元素含量,结合偏最小二乘判别分析(PLS-DA)法建立融合这两种指纹信息的鉴别方法。结果表明,信息融合模型的绿豆产地鉴别准确率为100%,与单一光谱指纹信息模型(90.0%)和矿物元素指纹信息模型(96.7%)相比,分别提高了10.0%和3.3%。因此,采用PLS-DA法信息融合模型对绿豆产地进行鉴别是可行的,近红外光谱指纹信息和矿物元素指纹信息融合技术可以提高绿豆产地的鉴别效果。 相似文献
14.
15.
The requirements of cereal research, as well as grading and evaluation of food products, have encouraged the development of nondestructive, rapid, and accurate analytical techniques to evaluate grain quality and safety. NIR hyperspectral imaging integrates spectroscopy and imaging techniques in one analytical system, allowing direct identification of chemical components and their distribution within the sample. It is a promising technique that may be implemented on-line, enabling the cereal industry to move away from subjective, manual classification and measuring methods. NIR hyperspectral imaging has gained popularity for rapidly acquiring information to enable the quantification, identification or differentiation of a variety of cereal properties. The technique can potentially replace multiple conventional chemical, microbial or physical tests with a single, automated image acquisition. Individual kernels can be analyzed nondestructively, enabling one to follow changes in the same kernel over time (e.g. fungal development). Although NIR hyperspectral imaging has not been extensively implemented in industry, it shows great potential for the development of an evaluation system to assess cereal grains, especially regarding variety discrimination and grading/classification properties. This review outlines the theory and principles of NIR hyperspectral imaging, and focuses specifically on its application in cereal science research and industry. 相似文献
16.
17.
To address the rapid and nondestructive determination of pork storage time associated with its freshness, Fourier transform near infrared (FT-NIR) spectroscopy technique, with the help of classification algorithm, was attempted in this work. To investigate the effects of different linear and non-linear classification algorithms on the discrimination results, linear discriminant analysis (LDA), K-nearest neighbors (KNN), and back propagation artificial neural network (BP-ANN) were used to develop the discrimination models, respectively. The number of principal components (PCs) and other parameters were optimized by cross-validation in developing discrimination models. Experimental results showed that the performance of BP-ANN model was superior to others, and the optimal BP-ANN model was achieved when 5 PCs were included. The discrimination rates of the BP-ANN model were 99.26% and 96.21% in the training and prediction sets, respectively. The overall results sufficiently demonstrate that the FT-NIR spectroscopy technique combined with BP-ANN classification algorithm has the potential to determine pork storage time associated with its freshness. 相似文献