分子光谱技术结合深度学习模型识别食用植物油种类

为实现对食用植物油的快速无损识别，采用衰减全反射-傅里叶变换红外光谱获取10种食用植物油样本的340份谱图数据，经过预处理消除光谱数据中的噪声与背景干扰，通过主成分分析降维特征提取3个主成分，在此基础上构建KNN模型与基于SSA算法优化的BP神经网络模型，对植物油种类进行识别并对识别效果进行比较。结果表明：KNN模型的识别准确率可达97.7%;基于SSA算法优化的BP神经网络分类效果最佳，识别准确率达100%,而传统BP神经网络模型识别准确率仅为87.6%。综上，建立的分子光谱技术结合深度学习模型识别食用植物油种类的新方法，实现了对食用植物油种类的准确识别。     

植物油的红外光谱结合神经网络快速识别

为实现对植物油的快速检测,借助衰减全反射-傅里叶变换红外光谱分析技术并结合深度学习算法对植物油开展光谱模式识别工作。实验获取8种植物油样本的光谱数据,采用标准正态变换和一阶导数预处理方法消除背景干扰,同时采用竞争性自适应重加权算法模型对各样本特征光谱数据进行提取,分别建立长短记忆神经网络(LSTM)、基于Levenberg-Marquardt算法改进的BP神经网络对提取特征波长后的植物油种类进行预测识别与比较,并采用后者进行了实际样品的识别检测。结果表明,通过提取特征波长,可有效提高LSTM模型的识别准确率,其最优准确率从提取特征波长前的30%～40%提高到80%～90%,模型运行时间从提取特征波长前的111 min 25 s缩短至1 min 45 s。相较于LSTM模型,基于Levenberg-Marquardt算法改进的BP神经网络的分类识别准确率更高,达到99.852%,用于实际样品的识别,识别准确率达到100%。实验结果可为植物油的无损快速检验提供一定的参考与借鉴。     

基于THz-ATR技术的发芽葵花籽光谱分析研究

随着葵花籽发芽,其脂肪和蛋白质等营养物质的含量会减少,影响油脂产品的产量及品质。利用太赫兹时域光谱技术,分别结合支持向量机(Support vector machine,SVM)算法和极限学习机(Extreme learning machine,ELM)算法建立葵花籽发芽粒的定性识别模型,保障葵花籽的品质安全。实验过程首先对60粒葵花籽进行萌芽培养,之后从中随机选择30颗作为发芽粒样本,另选择30粒正常葵花籽样本,共计60粒实验样本。之后利用太赫兹衰减全反射技术采集0.3～3.6 THz范围内的实验样本光谱数据,经过快速傅里叶变换与加窗操作转换到频域中,通过提取光学常数得到样本的吸收系数光谱和折射率光谱,选取10～40 cm^–1和60～80 cm^–1 2个特征波段的折射率进行归一化预处理,分别结合SVM算法和ELM算法建立定性识别模型。实验结果表明,基于联合特征波段-SVM算法的定性模型与基于联合波段-ELM建立的定性识别模型对发芽粒识别正确率、正常粒识别准确率均为100%。相比ELM模型,SVM模型识别速度更快。研究结果表明,利用太赫兹时域...     

红外光谱快速识别食用植物油种类的研究

为实现食用植物油种类的快速无损识别,为公安实战中打击“食药环”犯罪提供参考,借助衰减全反射-傅里叶变换红外光谱技术对不同类别、品牌食用植物油进行了多层次分类识别工作。采用标准正态变换(SNV)和一阶导数预处理消除基线和其他背景干扰,使得重叠峰发生分离,从而提高检测的分辨率和灵敏度,利用竞争性自适应重加权算法(CARS)提取特征波长,结合基于布谷鸟搜索算法优化的极限学习机(CS-ELM)模型对不同种类和品牌的食用植物油进行分类识别,同时对比随机森林模型与CARS-CS-ELM融合模型在食用植物油快速分类检测方面的准确率。结果表明,基于CARS-CS-ELM融合模型对3类植物油样本总体进行分类,其分类准确率达到85.19%,其中小磨香油、花生油、玉米油样本训练集的品牌分类准确率依次为92.5%、100%、96.7%,测试集品牌分类准确率均为100%,而随机森林模型的9个品牌食用植物油分类准确率仅为80%。综上,CARS-CS-ELM融合模型对食用植物油快速分类识别效果较好,可为食用植物油的无损快速检验提供一定的参考与借鉴。     

基于太赫兹技术的小麦粉品质快速检测研究

该研究针对目前小麦粉品质方面检测方法存在的问题,提出利用太赫兹光谱技术对小麦粉进行快速无损品质检测研究。使用光谱仪与成像仪,采集了不同种类小麦粉样本的太赫兹光谱,使用TQ Analyst软件结合距离匹配法对小麦粉的太赫兹扫描光谱进行定性分析研究,富强粉和麦芯粉成功分类,模型性能指数达到88.9%,预测准确率达100%。使用OPUS软件结合偏最小二乘法（PLS）和一阶导数+矢量归一化（SNV）进行定量分析研究,水分定量模型R2为91.18%,交叉验证均方根为0.182;灰分定量模型 R2为83.37%,交叉验证均方根为0.064,最终通过实验结果分析得出太赫兹技术在食品品质检测方面的可行性。     

基于数据融合策略植物油光谱模式的识别

为实现对不同植物油的快速无损分类识别,探究数据融合技术在提升光谱分类模型精度方面的可行性与应用价值,借助衰减全反射-傅里叶变换红外光谱技术、表面增强拉曼光谱技术结合多源数据融合技术,开展了对7种共计180份植物油样本的分类识别。基于单一光谱模型、数据层融合模型和特征层融合模型,比较了Bayes判别分析(BDA)和多层感知器神经网络(MLP)两种化学计量学方法在区分各样本时的差异,同时考察了主成分分析、广义最小平方、最大似然、主轴因式分解4种算法在特征提取方面的差异。结果表明,光谱数据融合在识别植物油方面具有显著的优势,BDA模型对各样本的区分能力强于MLP模型,相较于其他3种算法,主成分分析在油样特征提取方面展现了较为理想的结果。基于PCA特征提取的特征层融合BDA模型为最佳识别模型,以此实现了180份植物油样本100%的准确区分,同时对5种品牌花生油达到了100%的准确区分,实现了对各样本“种类-品牌”的两级识别分类工作。     

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。     

基于近红外高光谱图像的花生内部霉变快速判别方法研究

目的 针对外观正常但内部存在不同程度霉变的花生,探索采用近红外高光谱成像技术结合机器学习方法构建花生内部霉变快速无损判别模型的可行性。方法 采集100粒内部霉变和100粒健康花生的近红外高光谱图像构成数据集,将多种经典光谱预处理方法与支持向量机(support vector machine, SVM)组合建立花生内部霉变判别模型,并采用蒙特卡洛-无信息变量消除法(Monte Carlo-uninformative variable elimination,MC-UVE)找出霉变判别中有效的光谱特征波长。结果 将Savitzky-Golay卷积平滑方法和二阶求导光谱预处理方法与SVM组合,对内部霉变严重样本判别的总体识别准确率可达95%,对不同程度内部霉变样本的平均识别准确率为88%;基于MC-UVE筛选得到10、5、3个特征波长构建的模型总体识别准确率为90%、85%和82%。结论 实验结果表明高光谱技术结合机器学习可为花生内部霉变的快速、无损判别提供可行的解决方案,同时特征波长筛选为基于光电原理的霉变花生色选机系统开发提供了参考。     

基于THz-ATR技术的水稻品种快速无损识别研究

水稻的品质和产量与自身品种密切相关,本研究应用太赫兹衰减全反射式(THz-ATR)技术采集8个品种水稻种子0～359.97 cm^-1光谱,并通过光学参数计算得到样本集的折射率谱和吸收谱。采用3点移动窗口平滑预处理和支持向量机分别优化及建立基于折射率和吸收系数的8个水稻品种识别模型,其中基于吸收系数的SVM模型预测准确率为98.5%,基于折射率谱的SVM模型预测准确率为89%;实验结果表明,将THz-ATR技术用于水稻品种识别具有初步可行性,有望为水稻品种快速鉴定提供为参考。     

基于拉曼光谱技术的面粉品质快速检测

由于目前国标法检测面粉水分、灰分以及湿面筋等品质参数的方法费时、费力,研究提出基于拉曼光谱分析技术建立面粉中水分、灰分和湿面筋的定量分析研究。实验随机采集100 份不同种类的古船面粉样本,采集样本的拉曼光谱,运用光谱预处理方法结合偏最小二乘法建立分析模型,所建立的水分（含量取值范围为
13.3%～15.4%）、灰分（含量取值范围为0.46%～0.85%）和湿面筋（含量取值范围为28%～36.8%）定量模型的相关系数分别达到0.945 66、0.993 39、0.981 65,校正均方根误差分别为0.145、0.012 6、0.456。结果表明,通过拉曼光谱技术实现面粉品质快速、无损、高效的检测可行且具有较大的发展空间。实验还通过新旧面粉的拉曼光谱,建立2013年与2014年生产面粉的距离匹配分析模型,实现过期面粉的快速鉴别,实验准确率达100%。     

低血糖指数原料与谷朊粉复配对面团流变学特性的影响

将不同量的低血糖指数（glycemic index,GI）原料（魔芋精粉、微晶纤维素、高直链玉米淀粉）与谷朊粉复配添加到小麦面粉中并混合均匀,研究其对面团粉质特性及拉伸特性的影响。结果表明：魔芋精粉有助于提高混合粉的综合指标,改善混合粉的粉质特性和拉伸特性;微晶纤维素使面团的粉质指标和拉伸指标下降,降低了面团的品质,其添加量应该控制在9%以内;高直链淀粉的加入使混合粉的粉质特性变差,其添加量为6%～9%时,面团的拉伸特性较好;谷朊粉能改善面团的粉质特性和拉伸特性,但添加量不宜过多,应控制在4%～6%之间。     

不同发酵基质的酸面团对酵母面团体系面包烘焙及老化特性的影响

应用分离自我国传统酸面团的区域特色乳酸菌--旧金山乳杆菌分别发酵小麦粉和小麦麸皮基质制成（小麦/麦麸）酸面团,研究了两种不同发酵基质的酸面团及其添加量对酵母面团体系面包烘焙及老化特性的影响。结果表明：与小麦粉制作的空白组面包相比,小麦酸面团可以明显改善面包的比容和感官品质;添加未发酵麦麸制作的非酸面团麦麸面包品质低于空白组,但引入麦麸酸面团（10%、20%、30%）后面包比容和感官评定得分均高于相对应的非酸面团麦麸面包。小麦酸面团和麦麸酸面团以及小麦麸皮均可以改善面包的老化特性,在相同贮藏期内,酸面团面包和麦麸面包的硬度增加量、水分迁移量和老化焓值都低于空白组,并且添加麦麸酸面团的面包其硬度和老化焓值都低于相对应的非酸面团麦麸面包。     

基于支持向量机的食源性致病菌近红外光谱鉴别

以近红外光谱法结合支持向量机对大肠杆菌O157∶H7、单增李斯特菌、金黄色葡萄球菌进行了分类鉴别。对预处理后的3 种食源性致病菌近红外光谱数据进行主成分分析,以前26 个主成分向量为支持向量机输入量建立支持向量机模型,对径向基函数核函数分类器与多项式核函数分类器进行了对比分析。结果表明,以径向基函数为核函数的支持向量机在核参数为0.5时对3 种食源性致病菌的鉴别效果最好,与国标方法相比结果一致,其鉴别准确率均达到100%。     

糯麦粉及转谷氨酰胺酶(TGase)在冷冻糯性糕团中的应用

以糯米粉和含10%(以粉质量计)糯麦粉的糯米-糯麦组合粉为研究对象,在研究不同添加量(0、0.5%、1%,以粉质量计)转谷氨酰胺酶(TGase)对其糊化特性影响的基础上,探讨TGase对这2种不同体系制得的糯性糕团样品所产生的影响,并对含TGase的糕团样品的冻藏特性进行研究。结果表明：与糯米粉相比,添加10%糯麦粉会使得组合粉的峰值黏度、低谷黏度和最终黏度相对降低。而经TGase处理后,组合粉的峰值黏度和最终黏度分别增加了15.19%和15.23%。在糯米粉中混入糯麦粉可降低糯性糕团的硬度,延缓样品老化。而添加TGase,可明显降低糯米粉和糯米-糯麦组合粉制作的糕团的塌陷度。此外,在用糯麦-糯米组合粉制作的糯性糕团中添加1% TGase,可使冻藏6周的糯性糕团仍保持90%的表面完好率。因此,通过糯麦粉和TGase的应用可制得抗老化的、弹性大且冻藏稳定性好的糯性糕团产品。     

基于近红外光谱法的鱼粉快速判别

基于近红外漫反射光谱分析技术对市场上常见的淡水鱼粉、进口鱼粉和国产鱼粉3 类商品化的鱼粉样品进行自动化判别实验。通过分析鱼粉样品光谱之间的差异,采用主成分分析法建立鱼粉种类的定性判别的分类模型,光谱范围为波长1 100～2 498 nm,交互定标决定系数为0.913 5,交互定标标准误差为0.133 8。通过对验证样品的分析,建立的判别模型预判准确率达到84.6%,外部验证准确率达到100%。结果表明,近红外光谱技术结合化学计量学法可以作为一种快速、无损、可靠的方法用于鱼粉种类的判别。     

红外光谱结合统计分析对不同产地玛咖的鉴别分类

采用傅里叶变换红外光谱法,对采自云南及秘鲁共139 份玛咖样品进行产地鉴别研究。采用多元散射校正结合二阶导数和Norris平滑预处理光谱,通过剔除噪声明显的光谱波段,筛选出适宜的主成分数为8。基于最优主成分数,采用间隔偏最小二乘（interval partial least-squares,iPLS）法对3 650.59～651.82 cm－1光谱进行优化分析。结果显示,筛选98 份样品在1 855.19～651.822、3 054.69～2 756.78 cm－1和3 650.59～3 353.6 cm－1光谱建立的间隔偏最小二乘判别分析（interval partial least-squares discriminant analysis,iPLS-DA）分类模型,其R2、校正均方根误差和预测均方根误差分别为0.958 4、0.785 8和1.164 2。通过41 份样品验证,验证正确率与原光谱建立的分类模型保持一致,均为87.80%。为进一步提高分类模型的精度,在iPLS筛选的光谱波段基础上,分别采用遗传算法（geneticalgorithm,GA）和蛙跳算法（shuffled frog leaping algorithm,SFLA）对光谱信息进行优化,结果显示,采用GA筛选频率大于4和5的光谱信息,筛选的光谱数据点分别为62 个和29 个;利用SFLA筛选概率大于0.1和0.15的光谱信息,筛选的光谱数据点分别为77 个和27 个。验证结果显示,采用GA-PLS-DA（62 个数据点）和GA-PLS-DA（29 个数据点）建立的PLS-DA分类模型识别正确率分别为95.12%和97.56%,采用SFLA-PLS-DA（77 个数据点）和SFLA-PLS-DA（27 个数据点）建立的分类模型识别正确率分别为92.68%和97.56%。对比上述方法可知,采用iPLS-DA、GA-PLS-DA和SFLA-PLSDA建立的分类模型均具有较好的预测性能,其中GA-PLS-DA（29 个数据点）和SFLA-PLS-DA（27 个数据点）建立分类模型能更准确地鉴别不同产地的玛咖。该方法的建立为玛咖红外光谱产地鉴别提供一种新的思路,所筛选的光谱变量可为不同产地玛咖内在化学成分（组分）差异性分析提供基础依据。     

灵芝酒致浊成因及其除浊工艺优化

对灵芝酒致浊物进行组成及成因分析,并通过单因素试验和正交试验考察澄清剂种类、用量、搅拌时间等条件对不同酒度灵芝酒澄清效果的影响。建立以玉米面为澄清剂,分别去除28°、38°、45°、53°灵芝酒沉淀的新工艺,其澄清剂用量分别为2、3、3、4 g/100 mL,搅拌时间分别为15、30、30、45 min,静置时间为24 h。     

利用光密度法对掺假豆浆的定性判别研究

蛋白质含量是豆浆品质评价的主要指标,实验运用近红外光谱技术获得83 个真伪豆浆的光谱,并对光谱图和光密度值进行统计分析,研究以蛋白质为主要定性指标的豆浆品质等级划分的可行性,建立豆浆品质定性判别的标准。结果显示：在波长742.59～810.96 nm范围内,随着豆浆样品蛋白质含量的升高,吸收光谱峰值变化越大。实验选取OD810.96 nm与OD742.59 nm做光密度差值分布图,根据83 个校正集样品的光密度差值分布图,确定豆浆两级判别的检测标准为：ΔOD742.59～810.96 nm大于0.062 9时,豆浆为不合格豆浆;ΔOD742.59～810.96 nm小于或等于0.062 9时,豆浆为合格豆浆。根据该判别标准对37 个预测集样品进行判别,17 个不合格豆浆全部被判别,正确判别率100%,20 个合格豆浆中有2 个被误判成不合格,误判率10%,预测结果准确率较高。实验应用光密度法进行豆浆品质的评价是可行的,方法简明、结果可靠,可为豆浆品质快速检测技术的应用提供一种参考方法。     

氢化物发生-高分辨连续光源原子吸收光谱法测定食品中的汞和砷

使用氢化物发生-高分辨连续光源原子吸收光谱法对谷类、蔬菜、饮品、水产品和乳制品5 类共22 种常见食品中汞和砷的含量进行检测。建立样品预处理和连续光源原子吸收光谱法定量分析的方法,汞和砷的检出限分别为0.067、0.088 μg/L,加标回收率为97.0%～104.2%和96.4%～105.1%,相对标准偏差为0.8%～4.7%和3.5%～4.9%（n=6）。结果表明：全麦面、咖啡和4 种海鲜类样品中的汞含量较高;韭菜、带鱼、贝类和虾中的砷含量较高。