不同储存条件下的蜂王浆中红外光谱判别方法

为了能够快速、无损地检测不同储存条件下的蜂王浆,探究了一种基于中红外光谱技术结合支持向量机算法(support vector machine,SVM)与正交偏最小二乘判别分析法(orthogonal partial least squares discriminant analysis,OPLS-DA)的蜂王浆定性分析方法。试验以-4℃冷冻储存和25℃室温储存7、14、21 d的蜂王浆为样品,应用中红外光谱技术采集蜂王浆样本光谱,并建立蜂王浆二分类(冷冻和室温储存)和三分类(室温储存7、14、21 d)定性分析模型。试验结果显示,基于SVM算法建立的蜂王浆二分类定性鉴别模型的预测准确率达到了92. 31%,三分类定性模型预测准确率达到了100%。结合OPLS-DA法所建立的蜂王浆二分类模型和三分类模型的预测准确率分别为95. 52%和96. 97%。结果表明,运用中红外光谱技术结合SVM算法和OPLS-DA法可以有效鉴别出冷冻和室温储存的蜂王浆,为蜂王浆品质的快速、无损鉴别提供了可能性。     

傅里叶变换红外光谱鉴别芝麻酱中掺杂花生酱

提出了基于傅里叶变换红外光谱鉴别纯芝麻酱中掺杂花生酱的方法。使用傅里叶变换红外光谱仪采集650~4000cm-1范围内的纯芝麻酱样品和掺杂花生酱的芝麻酱样品共计93例,以标准正态变量变换(standard normal variate,SNV)做光谱预处理,比较了支持向量机(support vector machine,SVM)、线性判别分析(liner discriminant analysis,LDA)2种判定方法,并选择有效波长建立模型。研究表明,采用SVM建立判别模型较优;选取3071~2792cm-1,1786~667cm-1为有效波长后SVM模型的综合判别正确率提高至93.55%,且模型输入变量减少58.20%。采用傅里叶变换红外光谱结合支持向量机判别模型可以较好地应用于纯芝麻酱中掺杂花生酱的鉴别。     

利用中红外光谱法快速鉴别脱脂核桃粉掺杂

探究中红外光谱法鉴别核桃粉中掺杂花生粉和葵花籽粉的可行性,为核桃粉真伪判别提供参考依据。以脱脂核桃粉为研究对象,分别掺入质量分数1%～40%(1%, 5%, 10%, 20%, 40%)的脱脂花生粉、脱脂葵花籽粉,使用主成分分析法(PCA)对采集的中红外光谱数据进行定性分析和异常值检测,采用簇类独立软模式法(SIMCA)和偏最小二乘判别分析法(PLS-DA)对光谱进行建模与分类鉴别。PCA结果表明,脱脂核桃粉的不同掺杂及其不同掺杂质量比之间的分类明显。利用PLS-DA模型对掺杂葵花籽粉和掺杂花生粉的训练集和测试集识别正确率在71%～87%。利用SIMCA建立的不同掺杂样品识别模型训练集识别率均为100%,测试集识别率为80%～100%。经比较,SIMCA模型效果最佳。中红外光谱结合SIMCA法可以实现对核桃粉中掺杂不同比例的脱脂花生粉和脱脂葵花籽粉的快速鉴别。     

基于统计学习理论的食用油红外光谱分析方法研究

目的建立不同品质食用油快速分类的中红外光谱检测方法。方法不同品质的食用油在化学组分上是存在差异的,利用中红外光谱技术全面反映和整体把握食用油的化学成分信息,并借助主成分分析(PCA)结合马氏距离法对食用油的中红外光谱图进行预处理,提取其特征信息,然后通过基于统计学习理论的支持向量机(SVM)建立相应分类模型,运用模型自动鉴别不同品质的食用油类别属性。结果实验通过从市场上随机抽取食用油样本,选取了3种不同品牌的大豆油、花生油共60个样本进行测试,分类正确率达到了100%。结论基于统计学习理论的食用油红外光谱分析方法对不同品质食用油的快速分类鉴别是有效的。     

基于红外光谱技术的高渗酵母快速鉴别方法

为寻找高渗酵母种属的快速鉴别方法,本文应用傅里叶变换近红外光谱(FT-NIR)和傅里叶变换中红外光谱(FT-IR)分析技术,结合化学计量学方法,对6种高渗酵母判别分类。高渗酵母近红外光谱和中红外光谱的灵敏区段经基线校正,矢量归一化,二阶求导等预处理,分别采用主成分分析(PCA)结合线性判别分析(LDA)以及主成分分析结合反向传输人工神经网络(BP-ANN)2种方法建模。结果表明:近红外光谱、中红外光谱分析技术均能较好地分类高渗酵母;两种分析技术中,PCA-LDA模型的分类效果均优于PCA-ANN/BP模型,模型准确率为100%。本研究为高渗酵母快速、准确地鉴别提供了一种简便、可行的方法。     

基于太赫兹时域光谱的芝麻油品种识别研究

为了实现对芝麻油品种的快速鉴别,本文基于太赫兹时域光谱(THz-TDS)提出一种芝麻油品种识别的方法。选取0~2.5 THz范围内的光谱进行分析,通过主成分分析法(PCA)对时域光谱数据进行降维,选择前4个主成分(累计贡献率大于99%)代表原始数据,然后利用支持向量机(SVM)方法对不同品种芝麻油进行分类识别,分类时使用3种不同的核函数建模,并采用网格搜索算法获得最优模型及其模型参数。使用径向基核函数(参数为惩罚函数C=0.01,核函数系数γ=0.1)的模型识别率最高,达到100%,说明太赫兹时域光谱技术结合PCA和SVM方法可以快速可靠的进行食用油的识别,为食品安全的识别提供一种新的技术手段。     

基于傅里叶变换红外光谱的不同茶山古树普洱茶鉴别研究

基于混合物红外光谱原理及方法，对不同产地普洱茶组成差异进行整体分析与评价，探讨普洱茶“一山一味”说法的科学性。方法 选取易武、景迈等云南12座茶山古树晒青茶, 对其超微茶粉、水提取物及提取残渣进行透射法傅里叶变换红外光谱(Fourier transform infrared spectroscopy, FT-IR)测试, 并标准化处理为FT-IR或二阶导数红外光谱(Second derivative infrared spectroscopy, SD-IR), 进一步通过相似度评价、光谱差异分析及特征峰强度比较对不同茶样的物质组成差异进行识别与评价。结果 12种茶叶FT-IR谱间相关系数(R)高于0.98, 均具有3354、2925、1649、1517、1451、1239、1147、1039、764、611 cm-1等共有峰, 但SD-IR谱的1649、1577、1568、1540、1532、1147、486 cm-1等峰具有不同的强度或形状。景谷、易武、贺开茶粉486 cm-1处峰强度相对较低, 其中景谷的最低, 约为攸乐茶的75%。结论 12种茶叶的化学组成整体相似度很高, 景谷、易武、贺开茶样相对独特，但与其他茶样的光谱差异亦不到2%。据SD-IR谱486 cm-1处峰强度可快速比较不同茶样中咖啡因相对含量, 不同茶山茶样间可利用SD-IR谱差异进行鉴别。总之, 不同茶山茶叶间或多或少的组成差异均可在红外光谱上体现, 红外光谱法适用于普洱茶组成差异整体识别与评价, 普洱茶“一山一味”说法具有一定的科学性。     

虫花菌菌丝体糖蛋白的分离、纯化及其性质研究

目的　研究虫花菌[Isaria farinosa(Dicks)Fri]菌丝体糖蛋白的分子性质和免疫活性。方法　糖蛋白经热水提取、离子交换柱层析、乙醇分级沉淀、DEAE Biogel A柱层析及SephadexG 50柱层析手段分离纯化。用聚丙烯酰胺凝胶电泳和Sepharose6B柱层析证明其均一性。用柱层析法测定其分子量。用纸层析和气相层析分析确定其单糖组成。用红外光谱和核磁共振图谱推测其结构连接特性。动物实验研究其免疫活性。结果　分离得到一种糖蛋白PCAⅠ,为单一均匀的糖蛋白,分子量55.6万,糖含量74.2%,蛋白质含量25.6%。单糖组成为甘露糖和半乳糖,其摩尔比为1:1。糖链为高度分支的半乳甘露聚糖。PCAⅠ可明显提高小鼠单核巨噬细胞吞噬能力,并可使免疫器官脾脏明显增重。结论　PCAⅠ是虫花菌菌丝体的一种生物活性大分子成分。     

近红外漫反射光谱法快速检测胶原肽粉中低聚肽含量

目的建立近红外漫反射光谱法(near infrared reflectance spectroscopy, NIRS)快速检测胶原肽粉核心功效成分低聚肽含量的分析方法。方法基于径向基神经网络(radial basis function neural network, RBFNN)的方法,分析比较了多元散射校正(multiplescattercalibration,MSC)、标准正态变换(standardnormalvariation,SNV)的光谱预处理方法,分别结合了主成分分析(principalcomponentanalysis,PCA)、独立成分分析(independent component analysis, ICA)的方法提取特征信息,优化输入变量、扩展系数等参数,建立了低聚肽含量的检测模型,同时为了比较方法优劣,也建立了相应的偏最小二乘方法(partial least squares, PLS)模型。结果非线性建模方法 RBFNN比线性PLS方法模型效果更好,与常用的PCA-RBFNN模型相比,本研究采用的ICA-RBFNN模型结果更准确,模型独立验证集的相关系数R是0....     

近红外光谱技术在快速鉴别真伪小磨香油中的应用

为实现对掺伪小磨香油的快速鉴别,本文采集了小磨香油样品的近红外吸收光谱,经二阶导数+矢量归一化预处理,17点移动式平均平滑后,选择光谱范围为9 000 cm-1～4 500 cm-1,利用合格性测试和主成分分析法(PCA)建立了小磨香油的鉴别模型,并取样对该模型验证.结果表明:两种模式识别方法对于掺假量10%～90%的小磨香油的真伪识别率均为100%.因此认为,采用近红外光谱结合模式识别技术结合可快速、准确地鉴别小磨香油真伪.     

浦城薏米粉水分和还原糖的近红外光谱快速检测模型优化

目的 建立浦城薏米粉水分和还原糖的近红外光谱快速检测模型。方法 采集浦城薏米粉样品的近红外光谱图, 使用6种不同方法对样品的原始光谱分别进行预处理, 在全波段10000~4000 cm?1范围内建立薏米粉偏最小二乘法(partial least squares, PLS)的定量分析模型。结果 浦城薏米粉原始光谱在标准正态变换(standard normal variate, SNV)预处理后确定水分含量最佳模型的光谱波段(5944~5590 cm?1), 主因子数为7, 校正决定系数(determination coefficient of calibration, Rc2)为0.9904, 均方根误差(root mean square error, RMSEC)为0.0631; 在二阶导数法(second derivative, SD)预处理后确定还原糖含量最佳模型的光谱波段(9845~7386 cm?1), 主因子数为6, Rc2为0.9998, RMSEC为0.0187。在上述条件下, 水分和还原糖含量的验证集相关系数(determination coefficient of prediction, Rp2)分别为0.9902和0.9989, 验证均方根(root mean square of prediction error, RMSEP)分别为0.0693和0.0698。结论 经验证, 该模型可以实现浦城薏米粉中水分和还原糖含量的快速无损检测。     

基于高效液相色谱-高分辨质谱法的非靶标代谢组学方法分析鉴别不同产地番茄

目的 分析不同产地来源番茄内源成分的差异及建立产地来源判别方法。方法 采用液相色谱-高分辨质谱（liquid chromatography - high resolution mass spectrometry,HPLC-HRMS）分析来源于全国5个地区105个番茄样品的乙醇-水提取物化合物组成,结合主成分分析(principal component analysis PCA)、正交偏最小二乘法判别分析(orthogonal partial least squares analysis discriminant analysis OPLS-DA)、双向正交偏最小二乘法判别分析(two-way orthogonal PLS-DA,O2PLS-DA)方法,对采集的HPLC-HRMS数据进行标志成分筛选和产地溯源模型构建。结果 以全部875个化合物为变量构建O2PLS-DA模型,筛选出其中99个对模型判别贡献较大的特征成分,重新构建了番茄产地的OPLS-DA判别模型,判别正确率达到99.05%。对特征成分进行了化合物结构分析,确定了其中18个有机酸、黄酮类特征化合物。结论 本研究建立的基于液相色谱-高分辨质谱的非靶标代谢组学方法能够科学、准确地用于番茄产地溯源,该研究为番茄产地溯源提供了一种新的策略。     

Derivative FTIR spectroscopy for cluster analysis and classification of morocco olive oils

Fourier transform infrared (FTIR) spectra were employed for differentiation and classification of olive oils from several producing regions of Morocco. A preliminary treatment of the FTIR data was done by a derivative elaboration based on the Savitzky–Golay algorithm to reduce the noise and extract a largest number of analytical information from the spectra. A multivariate statistical procedure based on cluster analysis (CA) coupled to partial least squares-discriminant analysis (PLS-DA), was elaborated, providing an effective classification method. On the basis of a hierarchical agglomerative CA and principal component analysis (PCA), four distinctive clusters were recognised. The PLS-DA procedure was then applied to classify samples from the same regions, picked in different times, or unknown olive oil samples. The model was optimised by applying the Martens’ Uncertainty Test that provided to select the wavelength zones giving the most useful analytical information. The proposed method furnished results reliable in classifying olive oils from different lands with the advantages of being rapid, inexpensive and requiring no prior separation procedure.     

有机与非有机大豆的营养成分分析及近红外鉴别

目的 分析有机与非有机大豆的营养成分差异,建立有机与非有机大豆的快速鉴别方法。方法 测定40份有机与非有机大豆的蛋白质、脂肪、水分、大豆苷和染料木苷含量并进行差异性分析;采集大豆的近红外光谱,基于主要营养成分以及近红外光谱结合不同预处理采用偏最小二乘法判别分析(partial least squares discriminant analysis,PLS-DA)建立有机与非有机大豆的快速鉴别模型;通过PLS-DA模型筛选对于区分有机与非有机大豆有重要贡献的近红外光谱特征波段以建立最佳的快速鉴别模型。结果 有机与非有机大豆在蛋白质、水分和染料木苷含量上不存在显著性差异,但有机大豆的脂肪和大豆苷含量显著高于非有机大豆。仅基于主要营养成分建立的鉴别模型显示出较低的模型参数和预测正确率,而基于近红外光谱及其与主要营养成分结合建立的模型具有较高的模型参数和预测正确率。对于区分有机与非有机大豆有重要贡献的近红外光谱特征波段是5974～5372 cm^-1以及5064～4000 cm^-1,这两个特征波段的近红外光谱吸收峰与脂肪、黄酮类物质以及蛋白质官能团的振...     

近红外光谱结合气相色谱对浓香型白酒基酒定性鉴别分析

以52个来自四川不同产区浓香型基酒为研究对象,采用光栅型近红外光谱仪采集样品近红外光谱,结合气相色谱-火焰离子化检测器（GC-FID）对酒样中挥发性组分进行检测。利用红外光谱分析软件-Bruker OPUS建立近红外光谱合格性测试模型,并对样品挥发性风味成分进行层次聚类分析（HCA）及主成分分析（PCA）。结果表明,样品中共检测出挥发性物质31种,包括醇类9种、醛类3种、酸类8种和酯类11种。HCA和PCA结果显示,对46个建模酒样分类结果一致,对验证样鉴别效果好且可与近红外合格性测试模型相互验证,说明该鉴别模型准确有效。酯类、酸类和醇类物质是造成样品近红外光谱差异性的重要原因,这一结论可为近红外光谱实现浓香型基酒快速分类鉴别提供科学依据。     

基于傅里叶变换红外光谱法的红花药材质量分析

目的 建立傅里叶变换红外光谱法分析评价红花药材质量的分析方法。方法 采用傅立叶变换红外光谱法(Fourier transform infrared spectrometry, FTIR)对采集自新疆不同产地的20批红花药材进行测量, 建立指纹图谱; 运用聚类分析与主成分分析等统计学及化学模式识别技术, 对不同来源的红花药材进行红外光谱数据比较分析。结果 筛选出12个波数段, 形成了红花药材FTIR红外光谱指纹图谱共有模式; 精密度、稳定性和重复性实验结果表明, 共有峰波数的相对标准偏差(relative standard deviation, RSD)分别为0.00%~0.1%、0.00%~4.56%、0.32%~7.5%, 符合指纹图谱的要求; 20批样品相似度均大于95%, 大致可以分为3大类, 区域间差异较为明显。结论 本研究建立的方法简单、易行、快速, 不污染、样品耗量低, 为不同来源红花药材的鉴定、内在质量评价与质量控制提供了依据、奠定了基础。     

基于傅里叶变换红外光谱的大豆原油掺伪定量 分析模型研究

目的应用傅里叶变换红外光谱(FTIR)结合最小偏二乘法(PLS)建立大豆原油-棕榈油二元掺伪体系的定量分析模型。方法以42个大豆原油、21个精炼油、88个掺伪油的FIIR谱图为模型样本,预处理方法选用标准正态变量(SNV),在此基础上应用主成分分析(PCA)提取特征变量,随机选取60个掺伪油样组成校正集,28个掺伪油样组成验证集,以PLS方法建立大豆原油的掺伪定量模型。结果 PCA可将大豆原油及精炼油分成独立的2类。经PCA分析,大豆原油中掺入棕榈油的掺伪检测限为5%。PLS校正模型的判定系数R2为0.9926,校正误差均方根RMSEC为1.8121。预测模型的R2为0.9823,交叉验证误差均方根RMSECV为2.8189。同时得到的预测结果的偏差在1.3909%~3.1019%之间,差异不显著,说明此模型可行。结论 FTIR-PLS模型能够实现大豆原油的掺伪定量分析,分析速度快,能够满足大豆原油入库要求,是一种可行的大豆原油掺伪分析方法。     

Solubility of commercial milk protein concentrates and milk protein isolates

High-protein milk protein concentrate (MPC) and milk protein isolate (MPI) powders may have lower solubility than low-protein MPC powders, but information is limited on MPC solubility. Our objectives in this study were to (1) characterize the solubility of commercially available powder types with differing protein contents such as MPC40, MPC80, and MPI obtained from various manufacturers (sources), and (2) determine if such differences could be associated with differences in mineral, protein composition, and conformational changes of the powders. To examine possible predictors of solubility as measured by percent suspension stability (%SS), mineral analysis, Fourier transform infrared (FTIR) spectroscopy, and quantitative protein analysis by HPLC was performed. After accounting for overall differences between powder types, %SS was found to be strongly associated with the calcium, magnesium, phosphorus, and sodium content of the powders. The FTIR score plots were in agreement with %SS results. A principal component analysis of FTIR spectra clustered the highly soluble MPC40 separately from the rest of samples. Furthermore, 2 highly soluble MPI samples were clustered separately from the rest of the MPC80 and MPI samples. We found that the 900 to 1,200 cm⁻¹ region exhibited the highest discriminating power, with dominant bands at 1,173 and 968 cm⁻¹, associated with phosphate vibrations. The 2 highly soluble MPI powders were observed to have lower κ-casein and α-_S1-casein contents and slightly higher whey protein contents than the other powders. The differences in the solubility of MPC and MPI were associated with a difference in mineral composition, which may be attributed to differences in processing conditions. Additional studies on the role of minerals composition on MPC80 solubility are warranted. Such a study would provide a greater understanding of factors associated with differences in solubility and can provide insight on methods to improve solubility of high-protein milk protein concentrates.