霉变玉米中玉米赤霉烯酮和黄曲霉毒素B1含量电子鼻检测模型的构建

为建立霉变玉米中玉米赤霉烯酮和黄曲霉毒素B1的电子鼻检测方法,首先以电子鼻对7级不同霉变程度玉米响应信号的积分值作为特征参量,然后分别利用主成分回归、偏最小二乘回归、BP(back-propagation)神经网络、最小二乘支持向量机等方法建立霉变玉米中玉米赤霉烯酮与黄曲霉毒素B_1含量的预测模型,并进行了比较分析。结果表明,主成分回归预测精度最差,偏最小二乘回归较差、BP神经网络和最小二乘支持向量机法比较好。对于玉米赤霉烯酮,4种预测模型70个样本中相对误差控制在5%以内的样本数分别为23、45、63、67个。对于黄曲霉毒素B1,4种预测模型70个样本中相对误差控制在5%以内的样本数分别为19、41、62、65个。同时,变换不同的训练集和测试集以考察BP神经网络、最小二乘支持向量机建模方法的稳健性,结果表明,在BP神经网络结构和最小二乘支持向量机核函数与核函数参数均未发生改变的条件下,两种建模方法依然有较高的预测精度,这说明了两种模型具有较高的稳健性。     

电子鼻融合BP神经网络预测玉米赤霉烯酮和黄曲霉毒素B1含量模型研究

为探究玉米赤霉烯酮和黄曲霉毒素B_1的无损快速定量测定方法,用电子鼻对7级不同霉变程度玉米样品进行检测,并用理化分析方法分别测定霉变玉米中的玉米赤霉烯酮与黄曲霉毒素B_1含量;在提取电子鼻响应信号的积分值作为特征参量的前提下,采用BP神经网络建立不同霉变程度下玉米样品中的玉米赤霉烯酮与黄曲霉毒素B_1含量的预测模型。同时,为了获得较为可靠的BP神经网络预测模型,在神经网络结构不变的条件下,对比分析了不同训练集、测试集构建的预测模型。结果发现在各预测模型的70组测试样本中,相对误差控制在5%以内的样本数量都在60个以上,最大相对误差控制在15%以内,从而证明了BP神经网络预测模型的有效性、可靠性。该研究为实施玉米霉变毒素的快速无损检测提供了一种途径。     

基于高光谱融合神经网络的玉米黄曲霉毒素B1和赤霉烯酮含量预测

为了消除散射对高光谱信息的影响采用多元散射校正(multiplicative scatter correction,MSC)处理原始光谱;根据相关系数法选择有效波段,通过连续投影算法结合信息熵选择8个特征波长;建立有效波段和不同特征波长下的霉变玉米黄曲霉毒素B_1与赤霉烯酮含量的BP神经网络预测模型。结果表明:8个特征波长下光谱信息所建立的预测模型最佳,黄曲霉毒素B1含量预测正确率为98.74%,均方根误差为0.048 5;赤霉烯酮含量预测正确率为100%,均方根误差为0.160 5。因此高光谱融合神经网络检测霉变玉米黄曲霉毒素B1及赤霉烯酮含量具有可行性。     

霉变玉米真菌毒素含量与图像颜色特征参数之间的相关性研究

模拟郑单958玉米霉变过程,定时测定了玉米霉变期间的黄曲霉毒素B1、呕吐毒素、玉米赤霉烯酮、赭曲霉毒素等四种真菌毒素含量;同时,利用扫描仪器对霉变玉米的图像进行采集,提取了颜色特征参数;探讨了霉变玉米的颜色特征与带菌量之间的相关性。结果显示：郑单958在霉变期间不含有赭曲霉毒素,剩余的三种毒素含量随着时间的延长呈增大趋势,在试验结束时都远远超出了国家标准限量;玉米图像颜色特征参数R、G、B、I值整体呈降低的趋势,H、S值变化不规律;真菌毒素含量与R、G、B、I值有极显著的负相关性,相关系数值较大,如黄曲霉毒素B1的含量与B值的相关性系数达到了-0.913,真菌毒素含量与H值没有显著相关性,真菌毒素含量与S值呈现出了不同的相关性,如黄曲霉毒素B1与S值有显著正相关,相关系数为0.733,呕吐毒素和玉米赤霉烯酮含量与S值没有显著相关性。     

12种植物性饲料原料中霉菌毒素污染状况的调查分析

对采集的12种植物性饲料原料中的59份样品进行玉米赤霉烯酮、黄曲霉毒素B1、B2、G1、G25种霉菌毒素的检测,结果表明,玉米赤霉烯酮共10种原料26份样品有检出;黄曲霉毒素B1共7种原料10份样品有检出;黄曲霉毒素B2共2种原料2份样品有检出;黄曲霉毒素G1、G2未检出。饲料原料受玉米赤霉烯酮、黄曲霉毒素B1污染较多,应加以重视。     

免疫亲和柱同时净化-HPLC法测定植物油中黄曲霉毒素和玉米赤霉烯酮

建立了免疫亲和柱同时净化-高效液相色谱法检测植物油中的黄曲霉毒素B1、B2、G1、G2和玉米赤霉烯酮的分析方法.黄曲霉毒素B1、B2、G1、G2的方法的定量限均为0.1 μg/kg,玉米赤霉烯酮的方法的定量限为5.0μg/kg,相对标准偏差低于10.4％,回收率为82.0％ ～95.5％.该方法简便快速、灵敏准确、重现性好,可以用于对植物油中黄曲霉毒素B1、B2、G1、G2和玉米赤霉烯酮进行快速定量检测.     

纸浆洗涤过程的多目标进化优化研究

应用最小二乘史持向景机建立了纸浆洗涤过程中黑液残碱和波美度数学模型,利用非劣排序遗传算法对残碱和波美度进行最小二乘支持向量机模型和BP神经网络模型寻优,获得进浆浓度、进浆流量、清水用量的优化值.其结果用于某造纸厂纸浆洗涤过程的优化,发现最小二乘支持向量机模型多日标进化算法的寻优结果明显优于基于BP神经网络模型的多日标进化算法,并且最小二乘史持向最机模型的多目标进化算法更好地解决了纸浆洗涤过程多个目标的冲突问题.     

玉米的真菌毒素及生物脱毒研究进展

阐述了赤者曲霉素A、黄曲霉毒素B1、玉米赤霉烯酮和单端孢霉烯族毒素的毒理机制、生物脱毒研究进展,介绍了研究者针对危害玉米的真菌毒素等所做的一些解决措施。     

基于电子鼻技术的糙米黄曲霉毒素污染快速检测方法研究

为验证电子鼻技术用于粮食真菌毒素污染快速检测的可行性,本研究利用Fox3000型电子鼻对受黄曲霉毒素侵染的糙米样品的挥发性物质进行了检测分析,建立了电子鼻响应信号与黄曲霉毒素水平的相关关系模型。结果显示,偏最小二乘判别分析(PLS-DA)法可较好区分不同黄曲霉毒素含量水平的糙米样品,模型的留一交互验证正确率高于80%。PLS回归分析显示电子鼻响应信号与糙米中黄曲霉毒素B_1、B_2、G_1、G_2及总量之间呈现较高相关性,其中对黄曲霉毒素B1的预测精度最高,预测相关系数和均方根误差分别达到0.808和127.3μg/kg。进一步,通过对电子鼻各气体传感器响应信号的载荷分析确定了各传感器贡献率的差异,结合气相色谱-质谱联用(GC-MS)技术揭示了受黄曲霉毒素污染糙米样品的挥发性组分的变化主要体现在酮醛类、醇类、芳香烃类和烷烃类上。结果表明,利用电子鼻对糙米的黄曲霉毒素污染的快速检测具有一定可行性,为粮食真菌毒素污染的早期预警提供一种新思路和新方法。     

不同质量玉米中3种真菌毒素含量分析

本文运用酶联免疫吸附测定法(ELISA),测定了各质量玉米中3种真菌毒素(玉米赤霉烯酮、呕吐毒素与黄曲霉毒素B1)的含量,现就实验过程及结果进行探讨。     

基于最小二乘支持向量机的白酒酒醅成分定量分析

利用近红外光谱技术实现对白酒发酵过程中酒醅主要成分的质量控制,并进行模型优化,提高性能。采用偏最小二乘法提取的潜在变量作为最小二乘支持向量机的输入变量,先后建立了白酒酒醅中酒精度、淀粉、水分、酸度的近红外定量模型,并与经无信息变量消除法波段筛选后建立的偏最小二乘模型结果进行比较。结果表明：与偏最小二乘模型相比,4 个指标的最小二乘支持向量机定量模型的相关系数（R2）、预测均方根误差以及相对分析误差3 个评价参数均有更优表现;对未知样品进行预测时,最小二乘支持向量机模型的预测准确度明显高于偏最小二乘模型。说明最小二乘支持向量机模型的准确度、稳定性及预测性能均优于偏最小二乘法模型,为白酒酒醅的品质分析方法研究提供了新的思路。     

基于中红外光谱法检测煎炸油极性组分

目的 利用中红外光谱技术实现对煎炸油极性组分的快速检测。方法 根据光谱-理化值共生距离分类法对煎炸油中红外光谱数据进行样本划分,从而得到校正集和预测集。采用卷积(Savitzy-Golay,S-G)平滑+一阶导数预处理手段,利用竞争自适应重加权算法(competitive adaptive reweighted sampling, CARS)进行特征提取,建立煎炸油极性组分含量的偏最小二乘回归(partial least squares regression, PLSR)预测模型,并利用BP神经网络算法对模型进行优化。结果 BP神经网络算法建立的模型校正集决定系数为0.9032,校正集均方根误差(root means quare error of calibration,RMSEC)为0.1264,预测集决定系数为0.8569,预测集均方根误差(root mean square error of prediction, RMSEP)为0.0625。经BP神经网络算法优化后,均方根误差明显减小,提高了预测模型的准确性。结论 结合BP神经网络算法的中红外光谱技术是一种检测煎炸油极性组分的有...     

电子鼻应用于猪肉丸子香味预测

为应用电子鼻技术快速、客观地评价猪肉丸子风味,实验设计了4?种肥肉、瘦肉配比（100%瘦、90%瘦、80%瘦和70%瘦）的猪肉丸子,使用电子鼻和顶空固相微萃取和气相色谱-质谱（gas chromatography-mass spectrometry,GC-MS）联用对猪肉丸子的各种挥发性物质进行检测。同时对其进行香味指标感官评定。采用线性判别和神经网络方法对不同猪肉丸子的电子鼻数据进行识别分类;并利用偏最小二乘回归方法对电子鼻传感器和挥发性物质的相关性进行分析。结果表明,4?类丸子在香味评价上差异极显著（P＜0.01）,肥肉比例高的丸子获得了较高的评分。线性判别分析和神经网络方法的分类效果显示,电子鼻对4?类猪肉丸子具有良好的分类能力。GC-MS共检测出了67?种风味化合物,其中主要是醛类、醇类、酮类等物质,挥发性风味物质的差异是造成各类丸子感官评分差异的根本原因。偏最小二乘回归模型显示电子鼻传感器数据与主要挥发性化合物相对含量具有良好的相关性。使用逐步回归建立电子鼻与评价指标数据之间的分值预测回归模型（R2＞0.9,P＜0.01）,表明丸子香味可以使用电子鼻进行预测。     

拉曼光谱技术快速检测专用煎炸油极性组分

为能够快速、无损检测专用煎炸油的极性组分含量,采集不同煎炸时间下煎炸油样本的拉曼光谱图。为建立稳定性高、误差小、精度高的模型,研究不同预处理方法对模型效果的影响,建立相应的偏最小二乘回归模型以选择最优的光谱预处理方法。结果表明：标准正态变换处理后的偏最小二乘模型最优,预测均方根误差（root mean square error of prediction,RMSEP）为1.18,决定系数R2为0.940?4。其次,将标准正态变换处理后的光谱数据分别建立误差反向传播（error back propagation,BP）算法和径向基函数算法神经网络模型,通过比较稳定性以及误差大小,得出采集到的拉曼光谱经过标准正态变换处理后采用BP神经网络建立的模型效果最好,RMSEP为0.032?6,R2为0.972。该方法可以用作专用煎炸油极性组分的快速分析。     

电子鼻技术在区分酸羊奶发酵菌种中的应用

利用电子鼻技术快速区分酸羊奶的发酵菌种。通过电子鼻采集不同酸羊奶挥发成分的响应值,然后利用主成分分析（principal component analysis,PCA）、Fisher线性判别分析（fisher linear discriminant analysis,FLDA）以及BP神经网络（back propagation neural network,BP-NN）分析进行判别,建立基于电子鼻技术区分酸羊奶发酵菌种的方法。结果表明,FLDA及PCA都能够区分出不同菌种发酵的酸羊奶,FLDA区分效果优于PCA。利用FLDA和BP-NN分析预测酸羊奶发酵菌种类别的正确率分别为100.0%和98.4%。因此,利用电子鼻快速区分酸羊奶的发酵菌种是可行的。     

基于高光谱成像技术和连续投影算法检测葡萄果皮花色苷含量

应用高光谱成像技术结合连续投影算法（SPA）实现葡萄果皮中花色苷含量的快速无损检测。采集60 组样本高光谱图像,获取样本光谱曲线,并采用多元散射校正预处理方法提高信噪比。然后采用SPA选择光谱变量,将其作为多元线性回归（MLR）、偏最小二乘（PLS）模型和BP神经网络（BPNN）的输入变量,分别建立SPAMLR、SPA-PLS和SPA-BPNN模型并与全光谱变量PLS模型相比较。结果表明,SPA-MLR、SPA-BPNN和SPA-PLS模型的预测精度均优于全光谱变量PLS模型,其中SPA-PLS模型获得了最佳预测结果,其预测相关系数Rp和预测均方根误差（RMSEP）分别为0.900 0和0.550 6。结果表明,利用近红外高光谱成像技术能够有效检测酿酒葡萄果皮中花色苷含量。     

电子鼻对低温贮藏猕猴桃品质的预测

为了探索电子鼻技术快速检测猕猴桃品质的方法,以“秦美”猕猴桃为试材,利用电子鼻技术对低温贮藏猕猴桃的芳香成分进行检测,采用多元线性回归（multiple linear regression,MLR）、偏最小二乘法（partial leastsquaresregressions,PLS）、BP（back-propagation）网络3 种分析方法建立评价低温贮藏期猕猴桃的可溶性固形物含量、pH值和硬度的数学模型。结果表明：在贮藏0～45 d,S1、S2、S3、S4、S7、S8、S9和S10传感器响应值变化显著（P＜0.05）,即芳香苯类、氮氧化物、氨类、氢气、硫化氢、乙醇、有机硫化物、芳香烷烃这几类化合物在猕猴桃低温贮藏期变化显著。同时线性判别分析比主成分分析能更好地区分不同贮藏期的猕猴桃。MLR、PLS和BP网络3 种分析方法都能很好地预测低温贮藏猕猴桃的品质,但相比之下,BP网络的分析精度更高。应用电子鼻技术预测猕猴桃的品质是可行的。     

近红外光谱技术对猪肉注水、注胶的快速检测

采用近红外光谱（near infrared spectroscopy,NIR）结合主成分分析（principal component analysis,PCA） 和判别分析法建立了注水肉、注胶肉和正常肉的定性判别模型。注水肉中注水量的多少对判别准确率产生影响, 当注水量为1.25%～20%时,3 种肉的总体判别准确率为94.23%;当注水量为3.75%～20%时,判别准确率提高至 96.96%。模型对所有预测集样品的总体判别准确率为94.92%。表明NIR结合PCA法、判别分析法判别注水肉、注胶 肉和正常肉具有可行性。采用偏最小二乘法（partial least squares,PLS）结合PCA分别建立了注水量和注胶量的定 量分析模型,经验证,两种模型对预测集样品的预测均方差分别为4.01%和3.87%,预测值与实测值间的相关系数 （r）分别为0.904 2和0.912 8。表明两种模型的预测性能良好。     

郎枣轻微损伤可见/近红外光谱分波段动态判别研究

为了实现轻微损伤郎枣的快速无损检测,以完好和轻微损伤郎枣为研究对象,动态采集其可见/近红外光谱数据。依据光谱波段定义将采集的光谱数据分为可见光(Vis)、短波近红外(SW-NIR)、长波近红外(LW-NIR)、可见/短波近红外(Vis/SW-NIR)、近红外(NIR)和可见/近红外(Vis/NIR)等6个波段,分别选取各波段最佳预处理方法。采用连续投影法(SPA)和主成分分析法(PCA)分别对各波段光谱数据降维,以全波长、SPA提取的特征波长和PCA提取的主成分作为输入,分别建立偏最小二乘回归法(PLSR)和最小二乘支持向量机(LS-SVM)模型,通过比较预测集的判别准确率,确定最佳建模方法。结果表明,PLSR模型优于LS-SVM模型,SW-NIR波段较其余5个波段有更好的判别能力,所建SW-NIR-SNV-SPA-PLSR模型判别准确率为93.3%,为最佳模型。本实验为轻微损伤郎枣的快速无损检测和相关仪器的开发提供了理论基础。