泰国茉莉香米的检测方法

为了保证泰国茉莉香米品种真实性和纯度,需要建立相应的检测方法并制定方法标准。对新颁布的泰国茉莉香米品种鉴定和纯度检测行业标准所涉及的技术背景和技术要素进行阐述,以促进该方法在相关实验室的应用,为泰国茉莉香米的进口和市场管理提供技术保障。     

近红外光谱法定性检测餐桌废弃油脂的掺伪

目前餐桌废弃油脂的违法掺伪行为时有发生。探索快速而有效的分析手段,保障百姓餐桌安全是当前的重要任务。本实验采用近红外光谱分析法对餐桌废弃油脂掺伪食用油进行定性鉴别。采用计量学软件,运用距离判别法和BP神经网络算法,对经过标准化与主成分分析处理过的油脂光谱数据建立模式识别模型。距离判别法的判别准确率为89.71%,BP神经网络准确率最高达到97.06%。预测结果说明,分析油脂的近红外光谱信息可以有效鉴别回收油的掺伪行为。      

BP 神经网络在大豆油酸价近红外光谱检测中的应用

对于大豆四级油,采用BP 神经网络对其近红外光谱数据建模,对系统的结构及参数选取进行了分析,对样本训练集的设计和网络输入端的主因子方面进行了处理。对于其他的多变量建模方法,分析了其对近红外光谱有用信息的提取作用。结果显示：多元线性回归、主成分回归和偏最小二乘法对大豆四级油酸价预测的标准偏差分别为0.1472%、0.1801% 和0.1576%,BP 神经网络的预测标准偏差为0.1387%。     

紫外光谱结合BP神经网络算法建立食用油掺伪煎炸油的快速鉴定模型

为建立一种快速食用油掺伪煎炸油检测方法,采用紫外光谱法鉴别其掺伪,本研究选取大豆油、玉米油和葵花籽油为代表分别煎炸,在纯油中掺入相应煎炸时间0~6 h及掺假梯度0~90%的煎炸油制备掺伪油样,进行紫外光谱及二阶导数预处理,经处理后的光谱特征峰与BP（Backpropagation,BP）神经网络算法结合建立食用油掺伪煎炸油模型,对掺入煎炸油类别、煎炸时间和煎炸油含量进行鉴别分析。结果表明二阶导数预处理后掺伪煎炸油的光谱特征峰中大豆油为446和462 nm、玉米油为268和274 nm、葵花籽油为280和288 nm,根据其特征峰位与峰值建立Levenberg–Marquardt算法（LMA）、动量梯度下降法（MGD）及弹性梯度下降法（EGD）掺伪模型识别率分别为98.15%、91.67%和95.52%。     

基于近红外光谱的纯花生油掺伪快速鉴别方法研究

针对目前国内缺乏快速鉴别花生油掺伪鉴别技术的现状,提出基于近红外光谱的纯花生油掺伪快速鉴别方法.实验分别配制了掺入大豆油、菜籽油、棕榈油和调和油的4类掺伪花生油样品共40个,纯花生油样品5个,采集样品近红外全谱,通过支持向量机技术建立纯花生油掺伪鉴别模型.结果表明,选取径向基函数为支持向量机核函数,通过网格搜索和k折校...     

基于近红外光谱的芝麻油酸价含量的预测

采用近红外光谱分析技术对芝麻油的酸价含量进行检测,避免了传统的化学方法缺陷,同时在不破坏样品的前提下极大地提高了检测效率。对39个芝麻油样本的酸价光谱图进行光谱预处理优化,并选择适当的光谱范围,采用偏最小二乘法(PLS)和BP神经网络算法进行了定量分析研究。结果表明,在所选定的样本和光谱范围内,PLS和BP神经网络算法均可以用于芝麻油酸价含量的预测,采用PLS模型的预测均方根误差(RMSEP)为0.058;用BP神经网络预测的RMSEP为0.148 8,偏最小二乘法建模相对于一般的BP网络建模方法更具有较好的建模预测效果。     

《泰国茉莉香米品种鉴定及纯度检验方法》于5月1日实施

《泰国茉莉香米品种鉴定及纯度检验方法》(SN/T2643-2010)将于今年5月1日起开始执行。此行业标准由厦门检验检疫局和中国检验检疫科学研究院合作制定。这是目前国际上首个公开发布的泰国香米纯度检验标准。主要涉及泰国茉莉香米品种鉴定和纯度检测的随机扩增多态性     

烟碱含量近红外光谱预测模型的评价

以烟碱为例,建立了近红外光谱的预测模型,采用回归分析法和假设检验法对该模型的预测效果进行了系统的评价。结果表明,该模型对烟草样品烟碱含量的预测效果良好,模型预测值与化学测定值之间不存在显著性差异。      

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。     

样品形态对绿茶品质成分近红外定量预测的影响

对110份绿茶样采用偏最小二乘法(PLS)建立水分、全氮量、粗纤维、水浸出物、茶多酚、咖啡碱和游离氨基酸的近红外预测模型。考察完整样、粉碎样的近红外光谱对该7种成分的建模效果,以及茶汤的近红外光谱对水浸出物、茶多酚、咖啡碱和游离氨基酸的建模影响。研究显示粉碎样光谱建立的模型最优,交叉验证均方差(RMSECV)和预测均方差(RMSEP)均小于0.5,外部验证的决定系数(R2)除粗纤维的为0.8598外,其余成分的R2均在0.9以上。茶汤光谱建立的模型效果不理想,其中咖啡碱和游离氨基酸的R2不超过0.5,相对分析误差(RPD)小于2.5%。结果表明:绿茶进行粉碎处理比完整样以及制备成茶汤建立的模型更为可靠,使用近红外光谱技术可以快速检测绿茶的7种成分。     

基于近红外光谱技术的桃品质指标快速检测方法研究

采用傅里叶变化近红外光谱技术建立桃的甜度、酸度和硬度品质参数快速检测方法.采集1 000～2 500nm范围的近红外光谱,选取1 110～2 325nm为分析区域,描述谱峰的归属.以常规分析测定值作建模数据,采用偏最小二乘(PLS)回归法建立桃的品质参数定量分析模型,并考察近红外光谱预处理方法对模型的影响.分别用验证集和校正集样本分析模型预测的准确性.结果显示预测集均方差(RMSEP)分别为0.98、0.309、2.81,校正集均方差(RMSEC)分别为0.258、0.1、1.83,相关系数分别为0.9766、0.8918、0.9497.样本的预测值与真实测定值之间没有显著性差异(P＞0.05).本研究结果表明,采用近红外光谱法可同时测定桃的甜度、酸度和硬度等品质参数.与传统的化学分析方法相比,该方法具有快速、无损、简单等特点.     

应用近红外光谱技术快速测定粳稻品种的直链淀粉含量

应用近红外光谱法以稻谷、糙米、精米、糙米粉和精米粉为扫描材料分别建立了粳稻直链淀粉含量的预测模型。结果表明采用光谱预处理的校正效果比不采用预处理的好,用偏最小二乘法(PLS)获得的粳稻稻谷、糙米、精米、糙米粉、精米粉的回归模型和交叉验证结果为:最优校正决定系数(R2)和交叉检验均方误差(RMSECV)分别为0.8136、2.74,0.8864、2.56,0.8915、2.59,0.9261、2.26,0.9505、1.83,粉碎性样品的误差比整粒样品的误差小。育种实践中,低世代可选用糙米、高世代可选用糙米粉或精米粉作为扫描样本测定稻米直链淀粉含量。     

近红外光谱技术在食用油快速检测领域中的研究进展

近红外光谱作为一种无损、快速的新型检测技术,在食品品质检测方面的研究已相当广泛。就近红外光谱技术在食用油种类鉴别、掺伪掺假鉴别、理化指标定量分析及产地溯源等方面的应用进行了综述。探讨了近红外光谱技术在食用油快速检测领域中的应用优势及发展前景。     

速溶普洱茶中水分、咖啡碱和茶多酚含量近红外光谱快速测定方法的建立

以随机抽取的42个市售速溶茶产品为研究对象,采用近红外光谱分析技术并结合偏最小二乘法(PLS)对其水分、咖啡碱和茶多酚含量进行定标建模分析。建模结果以校正集相关系数(R_c)、校正集均方根误差(RMSEC)、交互验证相关系数(R_cv)和交互验证均方根误差(RMSECV)为指标评价模型的优劣。结果表明,水分较为理想的定标模型R_c=0.9266,RMSEC=0.6439,R_cv=0.8809,RMSECV=0.8509;咖啡碱的最优定标模型R_c=0.9964,RMSEC=0.1337,R_cv=0.9543,RMSECV=0.4958;茶多酚较为理想的定标模型R_c=0.9845,RMSEC=1.2097,R_cv=0.9679,RMSECV=1.8083。经验证集样品检验,水分、咖啡碱、茶多酚的预测相关系数分别是0.9050、0.9350、0.9557,与实际测定值吻合度较高,可为速溶普洱茶制品理化成分的快速检测提供参考。     

基于近红外光谱的杏仁蛋白软糖理化指标快速无损检测

为了实现杏仁蛋白软糖理化指标的快速检测,建立了水分和总糖测定的近红外光谱定标模型,并对其进行了全面优化。以偏最小二乘法分别建立杏仁蛋白软糖水分、总糖测定的近红外光谱定标模型,然后依次运用异常样本剔除、光谱变换、样本集划分和特征波长选择等技术方法优化其性能。结果表明:水分测定模型的建模波点数减至全光谱的0.8%,R 和R 均大于0.99,RMSEC和RMSEP均在0.2左右,RPD大于15.3;总糖测定模型的建模波点数减至全光谱的1.5%,R 和R 均大于0.99,RMSEC和RMSEP均小于0.81,RPD大于17.3。两个优化模型的预测结果皆与相应参考值的差异不显著(P＞0.05),可用于实际检测工作。     

基于近红外光谱和共轭梯度神经网络的板栗褐变检测

为了实现板栗褐变的无损检测,本实验以     

鸡胸肌冻干粉赖氨酸近红外定量预测模型的建立与优化

该研究采用偏最小二乘法建立鸡胸肌冻干粉赖氨酸近红外定量预测模型,并通过光谱预处理、建模特征光谱筛选、异常样本剔除、建模和验证样本选择4个方面对模型进行优化,旨在提高模型的预测精度和稳健性。以263个鸡胸肌冻干粉为研究对象,研究7种不同光谱预处理方法、4种特征光谱筛选方法、MCCV异常样本剔除方法,SPXY和鸡种2种建模验证样本选取方法对鸡胸肌冻干粉赖氨酸近红外定量预测模型的影响。结果表明：在1000~2502 nm建模谱区,剔除68个异常样本后,使用SPXY方法选取156个校正样本、39个外部验证样本,使用原始光谱所建模型最优;没有进行异常样本剔除、建模特征谱区选择等处理时,1000~2502 nm谱段建模,光谱需进行SNV+gapsegment (1#,15,7)预处理;异常样本剔除和建模样本选择对建模谱段1386~1379 nm、1329~1323 nm、1289~1283 nm、1276~1258 nm、1240~1235 nm、1194~1184 nm、1173~1168 nm、1142~1137 nm、1103~1099 nm、1080~1076 nm、1058~1054 nm、1012~1009 nm、1004~1001 nm（540个光谱）,使用原始光谱所建模型精度影响最小。研究显示,鸡肉赖氨酸近红外定量预测模型的建立受异常样本和建模样本、验证样本的影响较大,建模特征光谱对模型的适用性影响较大,光谱预处理方法仅在全谱段不做其它处理时对建模精度影响较大。     

食用植物油碘值快速测定方法的研究

为建立一种快速测定食用植物油碘值的检测方法,采用布鲁克公司生产的MPA型傅里叶变换近红外光谱仪获取了482个食用植物油样品的光谱信息,利用GB/T 5532—2008方法测得了碘值的化学参考值,运用OPUS 7.0软件建立了模型,并采用交叉检验确定了最优建模参数。结果表明:交叉检验标准偏差(RMSECV)为0.824,相关系数(R2)为0.998 9,样品集预测偏差平均值(MVPD)为0.65%,相对分析误差(RPD)为29.7,偏移为0.004 34,最佳谱区范围为9 403.8~7 498.4cm-1。该模型用于快速测定食用植物油碘值是可行的。