基于顶空气相色谱-离子迁移谱与电子鼻技术快速检测宁夏滩羊肉中掺假鸭肉

为实现掺假宁夏滩羊肉的准确快速检测,按照不同比例将鸭肉混入滩羊肉中制备掺假肉。基于顶空气相色谱-离子迁移谱（gas chromatography-ion mobility spectrometry,GC-IMS）及电子鼻结合统计学方法对掺假肉样进行快速检测。通过GC-IMS采集掺假肉气味图谱,利用主成分分析和相似度差异分析对掺假肉进行分析;采用线性判别法分析电子鼻传感器响应值,后采用多元线性回归建立电子鼻响应值与鸭肉掺假比例的定量模型。结果表明：通过GC-IMS气味图谱可直观看出掺假不同比例鸭肉的滩羊肉中挥发性有机物差异,但对于掺假比例相近的样品区分度不明显;采用线性判别分析可很好区分掺假不同比例鸭肉的滩羊肉;采用多元线性回归分析,以鸭肉掺假比例及电子鼻传感器响应值进行拟合,得到回归方程决定系数为R2=0.967 1,拟合度高,实际测定值与预测值具有较好的相关性。GC-IMS技术、电子鼻结合统计学方法可以对掺入不同比例鸭肉的滩羊肉进行鉴别。     

拉曼光谱法快速检测猪肉脯中的掺伪鸡肉

目的 建立拉曼光谱法快速、准确、无损地检测猪肉脯样品中掺假鸡肉的方法。方法 制备33份猪肉中掺入不同比例鸡肉的肉脯样品,采集拉曼光谱数据,分别采用标准正态变换、多元散射校正、卷积平滑、归一化、一阶导数等5种不同预处理方法,对原始光谱数据进行预处理,采用连续投影算法、竞争性自适应重加权算法及随机蛙跳算法对光谱数据进行特征波长筛选,建立偏最小二乘法(partial least squares,PLS)模型对猪肉脯进行定性定量判别。结果 拉曼光谱数据经过多元散射校正处理的效果最佳,竞争性自适应重加权算法竞筛选效果更佳,构建猪肉脯中猪肉含量的PLS定量模型,其预测集决定系数和预测均方根误差分别为0.9762、7.2998。建立的PLS判别模型的校正集和预测集总判别正确率分别为100.00%和98.33%。结论 拉曼光谱分析技术可有效用于定性鉴别猪肉脯是否掺伪及定量分析猪肉肉脯中掺入鸡肉的比例,为肉脯掺假的快速无破坏性检测的应用提供支持。     

基于可见/近红外透射光谱的山西老陈醋产地的判别分析

针对山西醋业市场存在的问题,采用可见-近红外光谱技术,结合化学计量学方法,开展山西老陈醋产地的判别分类工作.对3个不同产地的240个山西老陈醋样品采集光谱数据,分析不同预处理方法(未处理、平滑、微分)对陈醋产地判别结果的影响;结合判别分析法建立陈醋产地定性判别模型.试验结果表明,可见-近红外原始光谱结合判别分析法的结果最优,校正集正确分类的比例达98.46%,预测集达93.33%;微分光谱分析结果最差.     

近红外技术对不同动物来源肉掺假的检测

采用近红外光谱结合主成分分析法(PCA)、判别分析法,分别建立了牛肉和羊肉中掺杂其它动物肉的定性鉴别模型,根据鉴别准确率评价模型的预测性能。采用近红外光谱结合PCA、偏最小二乘法(PLS),建立了掺假物的定量检测模型,根据模型对预测集样品的预测均方差(RMSEP)以及预测值与实测值间的相关系数(r)验证模型的预测能力。结果,牛肉掺猪肉模型对训练集和预测集的鉴别准确率分别为97.86%和91.23%,羊肉掺猪肉模型对训练集和预测集的鉴别准确率分别为98.28%和92.98%,羊肉掺鸭肉模型对训练集和预测集的鉴别准确率分别为99.59%和93.97%,羊肉掺假模型对训练集和预测集的鉴别准确率分别为97.57%和90.76%。牛肉掺假定量模型对训练集的交互验证均方差(RMSECV)和预测集的RMSEP分别为3.87%和4.13%,r分别为0.9505和0.9134;羊肉掺假定量模型对训练集的RMSECV和预测集的RMSEP分别为4.48%和4.86%,r分别为0.9306和0.9082。表明近红外技术结合一定的化学计量学方法可实现不同动物来源肉掺假的鉴别,且能够对掺假物进行定量检测。     

基于高光谱成像的羊肉掺假可视化无损定量检测

目的：快速、准确检测羊肉掺假。方法：利用可见—近红外(400~1 000 nm)和短波近红外(900~1 700 nm)高光谱成像仪对羊肉中掺假不同比例的鸭肉进行数据采集,比较两个波段范围内不同光谱预处理方法的偏最小二乘法(PLS)建模效果,最终在可见—近红外波段选择归一化预处理方法,在短波近红外波段选择标准正态变量变换(SNV)预处理方法。分别对两个波段的光谱数据进行最优的预处理后,采用连续投影算法(SPA)、竞争性自适应重加权算法(CARS)、区间随机蛙跳算法(iRF)和组合区间偏最小二乘法(SiPLS)对特征波长进行选取。结果：在短波近红外(900~1 700 nm)波段采用SNV-SPA-PLS模型的羊肉掺假预测效果最好,预测集决定系数为0.968 4,预测标准偏差为0.058 2,预测集相对分析误差为5.625 4,并得到较好的图像反演结果。结论：利用不同波段的高光谱成像技术可实现对羊肉掺假的快速无损定量检测。     

基于支持向量机的近红外光谱技术快速鉴别掺假羊肉

为实现掺假羊肉的无损鉴别,利用傅里叶变换近红外光谱分析技术建立混入鸭肉的掺假羊肉糜的快速检测方法。实验通过在羊肉糜中添加不同比例的鸭肉糜来制备掺假羊肉,采用近红外漫反射方式在全波段范围(10000~4000 cm-1)内采集羊肉、掺假羊肉和鸭肉的近红外光谱图,分别考察多元散射校正(Multiplicative scatter correction,MSC)、标准正态变量变换(Standard normal variate correction,SNV)、面积归一化(Area normalization)、标准化(Autoscale)、15点平滑处理(Smoothing)、一阶导数处理(1stderivative)的光谱预处理方法对所建支持向量机(nuSVM)判别模型的预测效果。结果显示,不同光谱预处理所建nu-SVM判别模型预测效果不同。其中,经标准化处理后所建的nu-SVM模型的预测能力最差为90.38%;15点平滑处理后所建nu-SVM模型的预测效果最好(96.15%),对建模集正确判别率为99.07%,对检验集正确判别率为96.15%;其余处理所建nu-SVM模型的判别能力介于二者之间。结果表明,采用近红外光谱技术结合15点平滑预处理后所建nu-SVM模型可以实现羊肉中的掺杂鸭肉的鉴别。     

基于深度信念网络的近红外光谱鉴别莲子粉掺假

为快速鉴别莲子粉真伪,利用近红外光谱技术对莲子粉掺杂进行鉴别。基于已知利用支持向量机(support vectormachine,SVM)对光谱数据分类的结果,在未知样品类别的情况下使用基于深度信念网络(deepbelief network,DBN)进行判别。结果表明,当训练集数目达到600时,SVM模型对掺入不同比例各类其他作物粉的平均识别率达到98%;基于DBN模型能够有效识别掺杂了各类其他作物粉的莲子粉,极个别掺杂比例的平均识别率在96%左右。采用DBN算法避免了当前深层神经网络易陷入局部最优和无大量标签样本的情况。近红外光谱技术结合DBN为农产制品掺假的快速检测提供了新的尝试。     

电子鼻在芝麻油掺芝麻油香精识别中的应用

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.     

枇杷蜂蜜中饴糖的近红外光谱检测

实验通过对纯枇杷蜂蜜及主动掺入1%、2%……30%饴糖的假枇杷蜂蜜进行近红外光谱扫描,采用TQAnalysisv6对数据进行预处理,建立饴糖含量的定性及偏最小二乘法和主成分回归法定量分析模型,并将模型应用于蜂蜜样品的分析预测。结果显示,采用原始光谱或一阶微分处理建立的判别分析模型均能够较好地区分掺饴糖蜂蜜与纯蜂蜜。根据PLS算法、PCR算法建立的定量模型相关系数分别为0.99771、0.98654,用于预测的蜂蜜样品实际值与预测值之间的决定系数分别为0.992、0.974。由此可见,用近红外光谱技术鉴别蜂蜜中是否添加饴糖是可行的,在实际操作中可以采用近红外光谱法快速定性判别蜂蜜中是否含有饴糖,也可根据化学计量法确定饴糖的含量,为蜂蜜打假提供依据。     

油茶果自然霉变程度的可见/近红外与中短波近红外光谱检测

分析利用可见/近红外光谱（400～1 000 nm）与中短波近红外光谱（900～1 700 nm）对不同自然霉变程度油茶果检测判别的可行性,实验同时采集不同霉变程度油茶果赤道阴面、阳面和接合面三点的两波段光谱,样品平均光谱的主成分分析（principal component analysis,PCA）发现不同霉变程度样品同组内具有一定聚类效果且PC1和PC2对于判别不同组间样品有效,全光谱偏最小二乘判别分析模型结果显示原始光谱已具有足够信息,建立的模型性能比预处理后全光谱更优。进一步进行特征波长选取,发现相比于PC载荷,连续投影法在两光谱范围选取波长建立的简化模型均为最优,预测集判别准确率与Kappa系数均为84.4%与0.766 7。结合预测集混淆矩阵发现,两光谱范围最优简化模型预测不同霉变组样品特异度相当,均在0.84以上,但900～1 700 nm中短波近红外光谱对于中等霉变程度的判别灵敏度（0.72）略高。本研究表明近红外光谱技术可用于油茶果的自然霉变程度检测,可见/近红外与中短波近红外光谱能力相当,考虑到仪器成本问题,可见/近红外光谱具有更好的实时检测应用前景。     

电子鼻快速检测区分羊肉中的掺杂鸡肉

为实现掺假羊肉的快速、客观检测,利用电子鼻定性和定量分析混入鸡肉的掺假羊肉糜。单因素试验表明顶空体积、载气流速、样品量和顶空生成时间对电子鼻传感器的响应影响极显著;主成分分析确定了电子鼻检测的较佳条件：样品量10 g、载气流速200 mL/min、顶空容积250 mL及顶空生成时间30 min。在此条件下检测混入鸡肉的掺假羊肉,结果发现采用主成分分析时,掺入鸡肉的比例随主成分一降低而增大,但相邻比例彼此重叠,难以有效区分;采用典则判别分析时,混入不同比例鸡肉的羊肉糜样品能较好地区分;采用主成分回归分析和偏最小二乘回归分析建立的定量预测模型（R2>0.95）能有效预测混入的鸡肉比例。电子鼻在混入鸡肉的掺假羊肉鉴别中具有可行性,论文可为羊肉掺假鉴别提供理论依据。     

电子鼻结合气相色谱-质谱法对宁夏小尾寒羊肉中鸭肉掺假的快速检测

以宁夏小尾寒羊为研究对象,将熟化的鸭肉按照不同比例掺入到羊肉中制作成掺假肉样,利用电子鼻和气相色谱-质谱法对肉样进行快速检测。通过电子鼻对肉样挥发性成分的响应,利用Fisher线性判别分析,线性回归拟合分析等进行定性定量判别和模型的建立。同时利用固相微萃取结合气相色谱-质谱联用仪对样品进行检测。结果表明,Fisher线性判别分析能区分不同样品,线性回归拟合分析相关系数高达0.965,利用Fisher线性判别分析预测掺假正确率为98.2%。气相色谱-质谱法共检测到26种挥发性化合物,3-环庚烯-1-酮、3-甲基丁醛等被认为在区分不同样品中起重要作用。利用电子鼻和气相色谱-质谱法数据建立偏最小二乘模型回归方程的决定系数均高于0.950。得到传感器S1、S3、S5、S6、S8和S9的响应值与气相色谱-质谱结果具有较高的相关性。     

Discrimination of pork/chicken adulteration in minced mutton by electronic taste system

The adulteration of minced mutton was studied by an electronic taste system with cross-sensitive sensor array, providing a global liquid and taste perception to soluble flavour compounds in meat. The responses of taste sensors to adulterated mutton were collected, and analysed by multivariate data analysis methods. For discrimination of meat species and adulterated mutton with different content of pork/chicken, canonical discriminant analysis (CDA) and bayes discriminant analysis (BDA) and principle component analysis (PCA) were employed. The PCA and CDA results showed that meat of different species could be distinguished by E-tongue responses. The CDA and BDA results showed effective classification results. For prediction of pork/chicken content in adulterated mutton, Multiple linear regression (MLR), Partial least square analysis (PLS) and Least Squares Support Vector Machines (LS-SVM) were used, and the results were compared, finding that LS-SVM was proved to be the most effective method for the prediction of pork/chicken content.     

基于电子鼻、GC-MS结合化学计量学方法鉴别烤羊肉掺假

以宁夏盐池滩羊肉为研究对象,使用电子鼻对烤羊肉掺假烤鸭肉样品进行区分,采用顶空固相微萃取结合气相色谱-质谱联用技术测定烤羊肉掺假烤鸭肉样品挥发性成分,并结合化学计量学方法进行分析.结果表明在5个掺假样品中共检测出53种挥发性成分,其中检测出醇类12种、醛类15种、酸类3种、酯类2种、酮类8种、烷烃类8种、杂环类1种、其...     

基于电子鼻技术鉴别蜂蜜掺入果葡糖水的研究

采用电子鼻对掺假蜂蜜样品进行分析,对所获得的数据进行主成分分析和偏最小二乘回归分析,对掺假蜂蜜样品建立了偏最小二乘回归分析预测模型。结果表明:电子鼻响应信号和果葡糖水掺入比例之间有很好的相关性(决定系数R2为0.980 3),偏最小二乘回归分析模型预测误差均≤8%(掺入比例20%~70%)。试验证明当果葡糖水掺入比例较高时,电子鼻可用于掺假蜂蜜的识别。     

三维荧光光谱法快速检测橄榄油中掺假廉价油

目的 建立三维荧光光谱结合机器学习快速检测橄榄油中掺假廉价油的方法。方法 采集橄榄油及掺入大豆油、玉米油、棕榈油三种不同浓度梯度油的荧光光谱数据,利用标准差标准化（standardscaler）、标准正态变换（standard normal variate,SNV）、归一化（normalize）三种光谱预处理方法,基于K近邻(K-nearest neighbor,KNN)、随机森林(random forest,RF)、支持向量机(support vector machine,SVM)、偏最小二乘法(partial least squares,PLS)和卷积神经网络(convolutional neural network,CNN) 5种机器学习方法,构建5种橄榄油定量掺假模型。结果 在定性模型中,基于PLS算法构建的模型效果最好,对3种掺假橄榄油的准确率为79%~97%,其中,在鉴定掺假大豆油的橄榄油中正确率高达97%。在构建的掺假油定量模型中,Standardscaler预处理结合RF算法,构建的定量模型最优,Rc2、Rp2、RMSEC、RMSEP最高,分别为1.00、0.99、0.01、0.02。结论 构建橄榄油掺假3种油的定性定量模型,并建立一种快速、实时、低成本的橄榄油掺假检测方法,能够准确判断是否掺入廉价油,并量化掺假程度,提供更全面的橄榄油质量评估。     

电子鼻结合统计学分析对牛肉中猪肉掺假的识别

利用电子鼻结合统计学分析对掺入猪肉的掺假牛肉进行定性和定量研究。采用平均值法和K均值聚类分析法提取特征值;通过主成分分析、判别分析进行分析并使用多层感知神经网络进行模式识别;通过偏最小二乘、多元线性回归和BP神经网络建立定量模型来预测掺假物含量。结果表明：K均值聚类分析法提取的特征值能更全面地反映电子鼻的响应信号,同时判别分析能更好地对掺假牛肉进行定性检测。多层感知神经网络分析中训练集正确分类率达98.8%,验证集正确分类率达97.4%,说明分类结果较好。BP神经网络的决定系数R2（0.9993、0.9930）和均方根误差（0.90%、2.50%）明显优于其他两种方法,故BP神经网络建模分析能更好地预测掺假牛肉中猪肉的含量。说明应用电子鼻技术检测掺入猪肉的掺假牛肉具有一定的可行性。