共查询到20条相似文献,搜索用时 46 毫秒
1.
2.
《肉类研究》2016,(12):22-27
针对香肠中硝酸盐含量,提出基于高光谱的无损快速检测。采集400~1 000 nm范围内45组香肠样品高光谱数据,进行主成分分析(principal component analysis,PCA),择优选取主成分图像3(principal component 3,PC3)作为研究对象,并得到4个特征波长,分别为402.47、483.04、642.27、961.82 nm。通过特征波长与波谱对比,最终采用800~950 nm范围内的波长进行亚硝酸盐定量分析建模。结合样品感兴趣区域平均光谱和理化检验结果,采用偏最小二乘回归和遗传算法优化的人工神经网络进行定量分析建模。结果显示:偏最小二乘回归模型的决定系数R~2为0.899,交互验证均方根误差(root mean square error of cross-validation,RMSECV)为0.291,遗传算法优化的神经网络模型的决定系数R~2为0.918,RMSECV为0.365,随着样品数增多,神经网络的建模效果会越来越优于偏最小二乘回归建模。 相似文献
3.
《食品科学》2020,(8)
利用高效液相色谱法测量发酵液聚苹果酸浓度。联合使用间隔偏最小二乘法与移动窗口偏最小二乘法定位建模波段为5 638~6 024 cm~(-1)。依次使用多元散射校正+标准正规化+Savitzky-Golay 55点平滑+一阶导数光谱的预处理方法结合前5维因子偏最小二乘回归建模,可以达到最佳的拟合精度,模型内部验证集预测均方误差(root mean square error of prediction,RMSEP)为1.553 g/L,R_p为0.970 0,外部验证集RMSEP为1.378 g/L,R_p为0.992 4,配对t检验在95%置信度下的最大偏差分别为1.48 g/L和0.83 g/L,模型对同一样品的3次预测平行无显著差异。将模型应用于单因素培养基优化和诱变菌株样品的预测,结合配对t检验发现模型的预测误差较大,但是可以在样品间模型计算值偏差分别大于3.19 g/L和1.44 g/L的前提下可靠地比较聚苹果酸浓度的大小,从而验证近红外模型在培养基组分优化和诱变菌株筛选领域中的应用价值。 相似文献
4.
5.
用混合线性分析法的一种变形算法建立了苹果糖度近红外光谱预测模型,并与偏最小二乘模型进行比较。结果表明:虽然最佳的混合线性分析法模型(18个主因子)比最佳偏最小二乘模型(11个主因子)复杂.但其精度却明显优于偏最小二乘模型:利用梗正集的28个苹果样本建立的糖度混合线性分析法校正模型,其相关系数r^2和标准偏差SEC分别为0.92509和0.40618;该校正模型经预测集的11个样本验证,相关系数r^2和标准偏差SEP分别达到0.87611和0.48480。混合线性分析法建立的糖度模型对苹果光谱的校正标准偏差SEC和预测标准偏差SEP分别比PLS法的SEC(0.41473)和SEP(0.50473)减小了2%和3.9%。结果表明:在诸如苹果糖度这一类农产品品质综合指标(非纯组分含量指标)的光谱检测中,应用混合线性分析法进行定量分析是完全可行的。并且其结果可与偏最小二乘法(PLS)的结果相媲美。 相似文献
6.
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B1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。 相似文献
7.
《食品科学》2016,(20)
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。 相似文献
8.
9.
以樟树籽油为原料、对甲基苯磺酸为催化剂,通过酯化将樟树籽油中的游离脂肪酸转化为单甘酯。采用均匀设计和偏最小二乘回归法,以酯化率(Y1)和单甘酯的含量(Y2)的最大值为优化目标,考察反应温度、催化剂的用量、醇油物质的量配比、反应时间对樟树籽油酯化反应的影响。对两个试验指标进行回归建模,模型拟合的决定系数分别为0.9801、0.9739。最优目标函数值Y1、Y2 分别为98.2%、12.2%,实测值分别为95.6%、14.4%,最佳酯化反应条件为反应温度132℃、催化剂的用量3.5%(油重)、醇油物质的量配比1.8:1、反应时间2h。 相似文献
10.
11.
目的:快速无损检测小麦粉的品质。方法:搭建主要包括微型近红外光谱仪集成装置、生产线可调速模拟装置、光谱在线采集控制软件和在线建模分析软件四大部分小麦粉品质在线检测系统,针对小麦粉中水分、灰分、面筋指标采用不同建模算法建立定量分析模型,并对在线定量分析模型稳健性进行优化,分析不同试验条件对建模结果的影响。结果:偏最小二乘回归(PLSR)算法对水分、灰分、面筋的定量分析模型均优于多元线性回归(MLR)和主成分回归(PCR)算法。用石英玻璃杯在线采集小麦粉样品的建模效果最佳,15档速度/积分时间6 000 ms最佳配比的建模效果最佳。结论:基于近红外光谱分析技术的小麦粉品质在线检测系统,可以实现小麦粉品质在线无损快速检测。 相似文献
12.
基因工程菌Pichia Pastoris高密度培养条件的摇瓶研究 总被引:7,自引:0,他引:7
对基因工程茵Pichia pastoris高密度培养的培养基进行了研究,选取了价廉易得的培养基,对此培养基各组分进行了优化,并对其它发酵条件进行了优化试验,得到了最优培养基配方及培养条件。结果表明,培养基最佳配方为:葡萄糖为5%,氨水单次补料量为20μL(250mL摇瓶装液量为20mL),KH2PO4浓度为0.7%,培养基其它组分为:K2HPO40.1%、MgSO4.7H2O0.03%、FeSO4.7H2O0.05%、MnSO4.H2O0.05%。种子液最佳培养时间为40h,接种量为10%,250mL三角瓶装液量为20mL,摇床转速为220r/m,发酵培养基最佳初始pH5.5,发酵温度为30℃,发酵结束时间64h。在此优化的培养基及培养条件下,茵体密度达到最高,OD600达到64.3,细胞干重20.2g/L。 相似文献
13.
分别在短波、长波近红外2个区域,以透射、反射2种方式探讨了利用近红外光谱检测腐乳盐坯中盐分含量的理论依据,试验表明,光谱吸光度随盐溶液浓度的增加逐渐降低,谱峰向短波方向漂移;在用偏最小二乘法(PLS)建模过程中,重点讨论了异常值剔除,光谱预处理,波段优化选择等。尝试了在900nm-1300nm、1650nm~1850nm、2150nm~2240nm3段光谱范围内建模,所得建模相关系数R(0.994)、建模标准差RMSEC(0.391%)、预测标准差RMSEP(0.416%)、预测集平均相对标准偏差RSD(2.27%)均好于连续全谱(833nm-2500nm)范围的指标。另外,还得出了积分球与光纤漫反射光谱对盐分检测结果无显著性差异(p=0.01)的结论。 相似文献
14.
将最小二乘支持向量机用于气相色谱分析实现对花生油掺伪玉米油的鉴别,基于油脂的全样和Sn-2位脂肪酸组成的不同,采用主成分分析消除融合数据中信息重叠的部分,利用粒子群优化最小二乘支持向量机的参数,对花生油的掺伪进行鉴别,识别率为100%;分别采用最小二乘支持向量机、偏最小二乘法和主成分回归对花生油中掺入玉米油含量进行预测,结果表明基于脂肪酸融合信息的最小二乘支持向量机的预测均方根误差和相关系数R2分别为3.452 1%和0.986 6,与偏最小二乘法和主成分回归法相比,最小二乘支持向量机具有更好的稳定性和预测精度,同时也为食用油的真伪鉴别及掺伪情况确定提供一种新方法。 相似文献
15.
电子舌对掺入果葡糖浆掺假蜂蜜的识别 总被引:1,自引:0,他引:1
采用电子舌对不同蜂蜜以及掺入果葡糖浆的蜂蜜样品进行测定,对所获得的数据进行主成分分析、判别因子分析和偏最小二乘回归分析。结果表明:电子舌能够区分不同蜂蜜样品和掺假蜂蜜样品(果葡糖浆掺入比例≥5%);对掺假蜂蜜样品建立了偏最小二乘回归分析预测模型,电子舌响应信号和果葡糖浆掺入比例之间有很好的相关性(决定系数R2为0.992 0),偏最小二乘回归分析模型预测误差均≤5%(掺入比例为10%~70%)。试验证明电子舌可用于掺入果葡糖浆的掺假蜂蜜的识别。 相似文献
16.
采用近红外光谱技术结合化学计量学方法,建立腐竹脂肪含量的快速分析方法。收集不同生产线、不同时间的腐竹样本180 份,利用积分球附件采集漫反射光谱(4 000~10 000 cm-1)。为消除颗粒散射影响和光谱基线漂移,二阶导数和卷积平滑用于光谱预处理。采用反向区间偏最小二乘法、组合区间偏最小二乘法、搜索组合移动窗口偏最小二乘法和遗传偏最小二乘法优化建模变量,最终构建了定量预测模型。结果显示,4 种方法均可有效地提取信息变量、降低模型维度、提高预测性能;遗传偏最小二乘法一次优选获得143 个变量,构建的模型性能最佳,其校正相关系数、校正均方根误差、预测相关系数、预测均方根误差分别为0.96、0.95、0.92和1.17。研究表明,经过信息变量提取后所构建的近红外模型简单、预测精度高,可用于腐竹脂肪含量的日常监测。 相似文献
17.
选取7个不同储藏时期的香肠分别进行亚硝酸盐含量检测和对应的光谱数据采集,并用Savitzky-Golary法进行光谱数据预处理,以减少光谱数据的噪声;在预处理后的光谱数据基础上,用偏最小二乘回归系数法提取出29个特征波长;对比分析了特征波长和全波长下香肠中亚硝酸盐含量预测模型的检测精度。结果表明:全波长下的回归模型预测结果均高于特征波长下,且全波长下偏最小二乘回归模型优于主成分回归模型,表征偏最小二乘回归模型精度的决定系数和均方根误差分别为0.982 9和0.059 2。说明全波长下的光谱信息更适用于香肠储藏过程中亚硝酸盐含量高光谱检测模型的构建。 相似文献
18.
19.
20.
《中国粮油学报》2015,(2)
为提高食用油油酸的近红外定量分析模型的预测性能,采用4种波长变量优选方法:移动窗口偏最小二乘算法(MWPLS)、间隔偏最小二乘法(i PLS)、向后间隔偏最小二乘法(Bi PLS)、组合间隔偏最小二乘算法(Si PLS),优选食用油油酸近红外光谱特征区间,建立57份食用油样本的油酸定量分析模型。试验结果表明,相较于全谱建模,4种变量优选方法都能在有效地减少建模所用的变量数的同时提高模型性能,其中采用Si PLS优选变量所建的油酸定量模型的预测性能最优,决定系数R2为0.995 0,交叉校验均方根误差(RMSECV)为1.037 2,预测均方根误差(RMSEP)为0.924 6。 相似文献