共查询到17条相似文献,搜索用时 78 毫秒
1.
电子鼻在芝麻油掺芝麻油香精识别中的应用 总被引:2,自引:1,他引:2
采用电子鼻对芝麻油中掺入芝麻油香精进行识别.通过对所获得的数据进行主成分分析(Principal Component Analysis,PCA)、判别因子分析(Discriminant Factor Analysis,DFA)、偏最小二乘回归分析(Partial Least-squares Analysis,PLS)和统计质量控制分析(Statistical Quality Control,SQC).结果表明:不同样品在电子鼻传感器上有不同的特征性响应图谱,电子鼻能够有效识别不同掺入比例的芝麻油样品;DFA方法的区分效果比PCA方法更好;SQC模型对于掺入芝麻油香精超过50%的芝麻油能明显区分;采用PLS对数据进行处理,电子鼻响应信号和芝麻油香精掺入比例之间有很好的相关性(相关系数为0.992 1),PLS方法能有效识别掺入比例为0%~ 100%的试验样品.试验证明电子鼻可用于芝麻油掺假的识别. 相似文献
2.
电子鼻在芝麻油及芝麻油香精识别中的应用 总被引:3,自引:0,他引:3
采用电子鼻时芝麻油、芝麻油香精和其他油脂样品进行了分析.对所获得的数据进行主成分分析(Principal Component Analysis,PCA)、判别因子分析(Discriminant Factor Analysis,DFA)和统计质量控制分析(Statistical Quality Control,SQC),结果表明:电子鼻能够有效识别芝麻油、芝麻油香精和其他油脂,且电子鼻对芝麻油和其他油脂的识别比对芝麻油和芝麻油香精的识别效果更好;2号芝麻油香精和芝麻油样品的香气较为相似,其香气的模拟比较成功;电子鼻能够识别不同储存时间的芝麻油样品,随着储存时间的延长,样品在PCA图中呈现规律性的变化,这可能与芝麻油在储存过程中发生氧化有关. 相似文献
3.
电子鼻对芝麻油掺假的检测 总被引:1,自引:0,他引:1
使用电子鼻系统PEN3 对芝麻油中掺入大豆油、玉米油、葵花籽油进行检测分析,分别对芝麻油中不同量的掺假进行辨别,用主成分分析(PCA)和线性判别式分析(LDA)两种方法分析。结果表明:电子鼻能够较好的识别芝麻油掺假不同比例的大豆油、玉米油和葵花籽油,而且LDA 方法比PCA 方法的效果好。PCA 方法对掺入大豆油、玉米油超过50% 和葵花籽油超过70% 的芝麻油能明显区分,而LDA 方法对芝麻油中掺入不同量的大豆油、玉米油和葵花籽油均能明显区分。 相似文献
4.
基于电子鼻山茶油芝麻油掺假的检测研究 总被引:3,自引:6,他引:3
本文采用电子鼻系统对山茶油、芝麻油的掺假(大豆油)作了检测.通过对传感器信号进行方差分析可知,三种油脂的传感器响应有显著差异.主成分分析(PCA)对山茶油与大豆油及其混合物检测效果较差,对芝麻油、大豆油及两者混合物取得了较好的检测效果;而线性判别式分析(LDA)对山茶油和芝麻油的掺假都有较好的检测效果,并优于PCA方法.运用BP神经网络拟对混合油脂进行定量预测,对山茶油掺假的定量预测效果较差,对芝麻油掺假的预测效果略好于山茶油,但最大绝对误差已达0.134,还不能取得较为准确的结果. 相似文献
5.
6.
7.
电子鼻在芝麻酱品质识别中的应用 总被引:1,自引:0,他引:1
采用电子鼻对市售不同品牌及不同品种的芝麻酱进行识别,并在芝麻酱中分别添加不同比例的自制花生酱进行掺假,对电子鼻响应信号进行主成分分析、辨别因子分析、偏最小二乘回归分析和统计质量控制分析。结果表明:电子鼻能有效识别不同品牌的黑芝麻酱、白芝麻酱及混合芝麻酱;各掺假芝麻酱样品随着掺假比例的增加(0%、5%、10%、20%、40%、60%、80%、100%),样品的分布呈现出一定的规律性,电子鼻响应信号与掺假样品之间有较好的相关性,相关系数为0.99;对掺假芝麻酱建立的偏最小二乘回归模型,模型预测值误差在0.7%~2.7%之间。证明电子鼻检测技术能有效应用于芝麻酱品质的识别。 相似文献
8.
假冒芝麻油常见的掺假方式及鉴别探讨 总被引:1,自引:0,他引:1
芝麻油是深受我国广大消费者喜爱的一种不需要精炼就能食用、凉拌佐餐植物油,但一些小企业、小作坊在生产过程中加入其他植物油、香精等进行勾兑,以假乱真,坑害消费者。对于掺假的芝麻油可以从感官上做初步的判定,进一步可以从测定分析其脂肪酸组成做最终的认定,本文从食品安全及芝麻油掺假鉴别角度出发,对假冒芝麻油常见的掺假方式及鉴别进行探讨。 相似文献
9.
仿生电子鼻在食品鉴评中的应用 总被引:2,自引:0,他引:2
介绍了仿生电子鼻的基本原理与主要组成,仿生电子鼻在食品鉴评中的应用,包括在鉴评果蔬成熟度、判定食品新鲜度、鉴别食品类别、质量分级、生产在线控制等方面的应用。 相似文献
10.
11.
12.
13.
掺伪芝麻油检测的主成分分析方法研究 总被引:2,自引:0,他引:2
采集了32个芝麻油掺菜籽油、豆油、葵花油和花生油的样品,根据主成分分析实验原理,选择折光率、酸价、色泽、水分及挥发物、皂化值和碘价等6个常规理化指标作为变量并进行测定,采用主成分分析(PCA)对数据矩阵进行处理.结果表明,经处理后,样品的前三个主成分累计方差贡献率为92.66%,其中主成分1占总方差贡献率的40.64%,主成分2占33.57%,主成分3占18.45%,这三个主成分己含样本的大部分信息量.碘价、酸价和折光指教在主成分1中起决定作用,色泽和水分及挥发物对主成分2贡献显著,皂化值在主成分3中起主要作用.从二维得分图(PC1-PC2)和前三个主成分构成的三维得分图(PC1-PC2-PC3)均可发现,32个油样直观清楚地分辨成四组,即芝麻油掺菜籽油、豆油、葵花油、花生油,只有一个芝麻油掺葵花油样品出现误判. 相似文献
14.
目的:实现对茶油中掺入菜籽油、大豆油、玉米油的掺伪检测。方法:采用电子鼻检测平台对茶油中分别掺入不同比例菜籽油、大豆油、玉米油进行掺伪检测,运用线性判别分析(LDA)和支持向量机(SVM)进行茶油掺伪定性鉴别分析,并使用多层感知器(MLP)和偏最小二乘回归(PLSR)建立茶油掺伪定量预测模型。结果:最佳输入参数下的SVM对茶油掺伪鉴别准确率高于LDA,其平均精确率、平均召回率、平均F-分数分别为94.85%,96.11%,95.34%,比LDA的提高了5.17%,4.44%,5.29%;MLP对茶油掺伪比例预测结果优于PLSR,对于掺入菜籽油、大豆油、玉米油的茶油,MLP预测的决定系数分别为0.98,0.99,0.98,均方根误差分别为4.02%,1.45%,3.74%。结论:基于电子鼻平台建立的SVM茶油掺伪鉴别模型和MLP茶油掺伪比例预测模型可有效实现茶油的鉴伪。 相似文献
15.
16.
17.
用于酒类识别的电子鼻研究 总被引:15,自引:0,他引:15
开发了一个能识别酒类的电子嗅觉系统。该系统基于一个由3只具有不同宽谱气敏响应特性的金属氧化物传感器组成的阵列,并由3层前馈神经网络用于分析传感器阵列的输出数据,神经网络采用Levenberg-Marquardt算法训练后,电子嗅觉系统能成功地识别酒精、烈性酒、葡萄酒和啤酒,正确识别率可达95%。 相似文献