共查询到10条相似文献,搜索用时 46 毫秒
1.
2.
为了确定新鲜香菇子实体的最佳采收期,对不同成熟度香菇子实体中的鲜味物质(氨基酸和5’-核苷酸)进行了检测,并采用主成分分析和层次聚类分析的方法对数据进行了统计分析。结果表明,成熟度对新鲜香菇子实体中的氨基酸和5’-核苷酸有显著影响,不同成熟度香菇样本间存在显著差异。主成分分析(PCA)结合氨基酸和5’-核苷酸数据能够对不同成熟度的香菇样本进行清晰的区分,聚类分析(欧氏距离为4.0)得到的结果与主成分分析结果一致。新鲜香菇子实体氨基酸和5’-核苷酸质量分数、等效鲜味浓度(EUC)、感官评价和综合评价得分在菇蕾(T1)时期达到峰值,常规采摘期即六成熟(T4)和八成熟(T5)时期居中。在本实验条件下,综合考虑,保证香菇的外观形态、经济效益、EUC、感官评价和综合评价得分均在较高水平的最佳采收时间为T4时期。本研究可为高品质香菇及其他类似农产品最佳采收期的确定提供参考。 相似文献
3.
《食品与发酵工业》2016,(6):102-105
利用电子鼻技术监测金耳深层发酵过程尾气变化,实现对金耳液体发酵过程的监测。优选出7根对金耳发酵液挥发性组分敏感的TGS系列气敏传感器。对所得数据进行主成分分析(principal component analysis,PCA)、模糊C均值聚类分析(fuzzy c-means method,FCM)和K最近邻分析(K-nearest neighbors analysis,KNN),通过主成分分析和模糊C均值聚类分析可以准确区分金耳的3个生长阶段。KNN模型在预测集和验证集中均对发酵阶段取得了较为理想的识别结果。实验结果表明,电子鼻技术可以有效监测金耳深层发酵过程状态。 相似文献
4.
采用电子舌技术对磨盘山和狮河口两种信阳毛尖茶(各五个等级)进行了检测.采用主成分分析法(PCA)并结合区别指数考察了电子舌对两种毛尖茶的等级区分效果,建立了茶叶等级识别的偏最小二乘(PLS)判别模型.各四个等级的磨盘山茶样与狮河口茶样在PCA得分图上得到了良好区分,区别指数分别为78.94和84.22;对两种茶进行等级判定的PLS模型相关系数均大于0.9,且模型对“盲样”的判别结果与其实际的品质等级一致,说明所建立的PLS判别模型能够有效地预测茶样的品质等级. 相似文献
5.
6.
采用高效液相色谱(HPLC)-大气压化学电离(APCI)源-质谱/质谱仪(MS/MS)对不同等级橄榄油中的甘油二酯(Diacylglycerol,DAGs)和甘油三酯(Triglycerides,TAGs)进行测定。试样用丙酮稀释后,采用C18色谱柱分离,以丙酮-乙腈(1:1,v/v)作为流动相,等度洗脱,大气压化学源-质谱/质谱仪进行定性和定量分析。对测得的DAGs和TAGs进行化学计量学分析,以主成分分析(principal component analysis,PCA)和偏最小二分析(partial least squares discriminant analysis,PLS-DA)建立不同等级橄榄油的判别模型,并采用层次聚类分析(hierarchical clustering analysis,HCA)对模型中的橄榄油进行聚类分析。结果表明,PCA和PLS-DA两种方法都能鉴别不同等级的橄榄油,并且所有橄榄油均可正确分类。DAGs中的LL、OO以及TAGs中的OLLn、LLL是橄榄油等级鉴别的重要指标。 相似文献
7.
8.
为实现快速无损的茶叶产品等级评估,应用近红外(900~1700 nm)高光谱成像技术对6个等级的祁门红茶进行分类。首先利用线性和非线性降维方法对高光谱数据进行可视化处理,可视化算法包括线性方法的主成分分析(Principal Component Analysis,PCA)、多维尺度变换(Multi-Dimensional Scaling,MDS),和非线性方法的t分布随机邻域嵌入(t-Distributed Stochastic Neighbour Embedding,t-SNE)、Sammon非线性映射。其次利用支持向量机(Support Vector Machine,SVM)和极限学习机(Extreme Learning Machine,ELM)建立分类模型来鉴定祁门红茶的不同等级。最后利用SVM和ELM分类模型对高光谱图像每个像素点进行识别,得到预测图。结果表明,t-SNE可以将6个等级的祁门红茶分在六个不同的簇,SVM和ELM的预测集准确率分别为100%和96.35%。t-SNE可视化效果最佳,SVM的检测模型能够有效地对祁门红茶六个等级进行识别。本文为茶叶产品等级的快速、无损检测提供了一种有效的方法,对茶叶产品的质量控制、真伪检测和掺假检测具有重要意义。 相似文献
9.