基于近红外漫反射光谱技术判别柿子品种和贮藏期的研究

目的通过近红外漫反射光谱技术建立了柿子不同品种和贮藏期的快速判别方法。方法实验对贮藏冷库(0±0.5℃)20 d、40 d、60 d的磨盘柿和阳丰甜柿的近红外光谱(400~2500 nm)进行平滑、一阶倒数和标准正常化处理(SNV)处理,采用主成分分析法(PCA)建立判别模型。结果在全波长范围内,不同品种定标模型的正确分类率达到100%;阳丰甜柿不同贮藏期的正确分类率达到97.78%;磨盘柿不同贮藏期的正确分类率达到98.89%。3个预测模型的累积准确率达到96.67%。结论通过近红外漫反射光谱技术,判别不同品种的柿子并预测其贮藏期具有应用价值。     

基于近红外漫反射光谱技术判别柿子品种和 贮藏期的研究

目的 通过近红外漫反射光谱技术建立了柿子不同品种和贮藏期的快速判别方法。方法 实验对置于冷库(0±0.5℃)贮藏20d、40d、60d的磨盘柿和阳丰甜柿的近红外光谱(400～2500nm)进行平滑处理、一阶倒数和标准正常化处理(SNV)处理,采用主成分分析法(PCA)建立判别模型。结果 在全波长范围内,不同品种定标模型的正确分类率达到100%;阳丰甜柿不同贮藏期的正确分类率达到97.78%;磨盘柿不同贮藏期的正确分类率达到98.89%。3个预测模型的累积准确率达到96.67%。结论 通过近红外漫反射光谱技术,判别不同品种的柿子并预测其贮藏期具有应用价值。     

近红外光谱对贮藏期樱桃品质的定性判别

研究运用近红外光谱技术对贮藏期樱桃进行定性判别。实验的定标模型经过不同预处理和不同光谱波段条件的处理分析,得到在全光谱范围(408.8~2 492.8 nm)内,采用一阶微分结合去离散处理(SNV and D)的方法可以构建最优模型。该模型判别的正确分辨率为100%,预测准确率为90%~96.7%。实验说明,近红外光谱技术对贮藏期樱桃的检测具有适用性。     

CARS结合PLS-LDA法识别奶牛饲料中土霉素的可行性研究

收集了一年内不同月份不同种类的纯奶牛精补料20个,制备土霉素含量不同的掺假奶牛精补料100个,在全光谱范围内对样品进行近红外透反射光谱扫描,利用CARS法对光谱数据进行前处理,采用偏最小二乘-线性判别分析(PLS-LDA)法来建立判别模型。建立的PLS-LDA模型的交互验证最小错误率为0.0729,模型错分率为0,模型预测错误率为0.0417。说明利用近红外光谱技术建立定性判别模型来检测奶牛饲料中是否掺有土霉素是可行的。     

线椒货架期的近红外光谱定性判别

利用近红外漫反射光谱技术对线椒的货架期进行定性判别研究。实验以常温货架期1、3、5 d的线椒为研究对象,利用主成分分析法(PCA)建立近红外漫反射定性判别模型,在全光谱范围(400~2500 nm)内比较了不同的光谱预处理方法结合不同散射和标准化方法对所建模型的影响。结果表明,采用全光谱下Log(1/R)+None光谱预处理方法建立的模型预测最好,该模型的交互验证相关系数(R_(CV))为0.9455,交互验证误差(SECV)为0.1534,其正确分类率达95.56%~100%,预测准确率达88.89%~97.78%,该模型能够准确地区分不同货架期的线椒鲜果。因此,近红外光谱技术为线椒货架期的鉴别提供了一种新方法。     

基于近红外光谱技术的大米品质分析与种类鉴别

应用近红外光谱(NIRS)技术建立了大米食味品质分析与种类快速鉴别的方法。提取了102份粉碎后大米样品的近红外光谱,采用偏最小二乘法(PLS)建立了大米水分、蛋白质和直链淀粉定量分析模型,对模型预测结果的准确性进行了评价。预测模型的内部交叉验证决定系数(R2)分别为:0.992、0.9792和0.9736;内部交叉验证标准差(RMSECV)分别为:0.141、0.201和0.209;模型外部验证决定系数(R2)分别为0.9861、0.912和0.9373;外部验证标准差(RMSEP)分别为0.179、0.206和0.243。通过计算样品的近红外光谱图之间的欧氏距离来反映不同样品间的差异,对不同属性和不同产地的大米进行了定性聚类分析,种类识别准确率达到100%。结果表明,NIRS分析技术可以用于对大米品质和种类的快速无损检测。     

基于傅里叶近红外光谱和电子鼻技术的苹果霉心病无损检测

为研究傅里叶近红外光谱技术(Fourier transform near infrared spectroscopy,FT-NIRS)和电子鼻技术分别结合化学计量学方法对苹果霉心病的判别效果,以“红富士”霉心病苹果和健康苹果为试材,利用近红外光谱技术,基于主成分分析建立Fisher判别和多层感知器(multi-layer perceptron,MLP)神经网络模型;同时利用电子鼻技术分别结合Fisher判别、MLP神经网络和径向基函数神经网络3种化学计量学的方法建立判别模型。根据建模集和验证集的预测准确率综合考虑,基于主成分分析建立的MLP神经网络模型和电子鼻结合MLP神经网络模型对苹果霉心病的判别效果最好,验证集中的正确判别率分别达到87.7%和86.2%。说明电子鼻和近红外光谱技术均可以较好地判别苹果霉心病。     

近红外光谱法鉴别奶牛饲料中三聚氰胺甲醛树脂的可行性研究

收集国内常用的、具有代表性的奶牛精补料33个样品,制备99个三聚氰胺甲醛树脂(MF)掺假样品,在全光谱范围内进行近红外透反射光谱扫描,选择合适的前处理方法,采用BP神经网络方法和PLS-LDA方法分别建立判别模型。建立的BP神经网络判别分析模型的预测正确率为100%,建立的PLS-LDA判别分析模型的交互验证最低错误率为0.0778,模型错分率为0.0667,模型预测错误率为0.1429。说明利用近红外透反射光谱建立定性分析模型来检测奶牛饲料中是否掺有MF的研究是可行的。     

烟叶霉变的快速识别——基于近红外光谱与随机森林算法

为建立烟叶霉变快速识别模型,以复烤片烟为研究对象,在高温高湿条件下进行霉变实验,获得不同霉变程度的烟叶样本。应用近红外光谱技术在4000~12000 cm-1范围内对烟叶的近红外光谱进行采集,获得烟叶样本的基础光谱数据。采用小波分解法对基础光谱数据进行解析,选择中间频率小波系数[cd4, cd5]为光谱变量,利用随机森林算法建立了不同霉变烟叶的识别模型。模型对训练集预测准确率达到93.82%,独立测试集判别准确率达到94.84%,对未霉变样品、临近霉变样品和霉变样品的判别均取得了令人满意的结果。      

基于多源光谱分析技术的鱼油品牌判别方法研究

多源光谱分析技术被用于鱼油品牌快速无损鉴别。采用可见光谱分析技术、短波近红外光谱分析技术、长波近红外光谱分析技术、中红外光谱分析技术和核磁共振光谱分析技术采集了7种不同品牌的鱼油的光谱特征,并应用偏最小二乘判别分析法(partial least squares discrimination analysis,PLS-DA)和最小二乘支持向量机(least-squares support vector machine,LS-SVM)建立判别模型并比较判别结果。基于长波近红外光谱的PLS-DA模型和LS-SVM模型取得了最高识别正确率,建模集和预测集识别正确率均达到100%。采用中红外光谱和核磁共振谱分别建立的LS-SVM模型,也可以获得100%的判别正确率。而可见光谱和短波近红外光谱则判别准确率较差。且LS-SVM算法较PLS-DA更加适合用于建立光谱数据和鱼油品牌之间的判别模型。研究结果表面长波近红外光谱技术能够有效判别不同鱼油的品牌,为将来鱼油品质鉴定便携式仪器的开发提供了技术支持和理论依据。     

Quantification of Fishmeal in Compound Feed Using NIR Spectroscopy

Analysis of fishmeal concentrations in feedstuff is critical to quality control and ingredient statement of commercial feed. Near-infrared reflectance spectroscopy (NIRS) determination for fishmeal was established through the spectral data processed by mean center, normalization, Savitzky–Golay first, partial least square 1 and cross validation. The coefficient of determination (R ²) of NIRS calibration model, the standard error estimated by cross validation (SECV) were 0.9554 and 0.9541, respectively. At the same time, the coefficient of determination of validation was 0.9867. Moreover, it has been proven to be directly correlated between the fishmeal spectra and the loading of the second principal components, and the coefficient of determination of the spectra of the calibration model. These results support our theory that the NIRS method constructed in our study could be used to quantify fishmeal in compound feeds.     

不同果桑品种成熟桑椹的游离氨基酸主成分分析和综合评价

为研究不同果桑品种成熟桑椹之间游离氨基酸综合质量的差异,利用氨基酸全自动分析仪测定10 种成熟桑椹的游离氨基酸种类及含量,并采用主成分分析法对10 种桑椹的游离氨基酸成分进行分析及综合评价。结果表明,10 种成熟桑椹中均含有17 种氨基酸,总氨基酸含量最高的是台湾一号,含量为270.073 mg/100 g;含量最低的是射阳3号,含量为38.718 mg/100 g。通过主成分分析法得出,第1、2、3主成分的贡献率分别为50.845%、27.912%、10.078%,这3 个主成分的累积贡献率达到88.835%,可代表桑椹中游离氨基酸的主要趋势,综合评价得分顺序由高到低分别为台湾一号、镇椹一号、大十、丰果桑、选100号、选20号、育721、中椹1号、镇9106、射阳3号。     

苹果品种及损伤苹果的FT-NIR鉴别研究

用傅里叶近红外光谱技术(FT-NIR)对不同品种的苹果以及损伤嘎啦和完好嘎啦进行快速、无损检测,比较不同判别方法对所建立的区分苹果品种及苹果损伤模型的影响。结果表明:损伤嘎啦和完好嘎啦的近红外图谱经小波分析预处理后,用12000～4000cm-1波数范围的前5个主成分分别结合多层感知神经网络、径向基神经网络、Fisher判别3种方法所建立的判别模型对未知样本的正确判别率分别为97.8%、87.2%和84.8%,基于权重法用多元线性回归(MLR)所选择的特征波长所建立的Fisher判别模型对未知样本的正确判别率为89.1%;用偏最小二乘判别(PLS-DA)所建立的判别模型对未知样本的正确判别率为100%,由于PLS-DA模型对训练集和验证集的正确判别率均为100%,因此PLS-DA模型优于其他模型。不同品种苹果的光谱经平滑预处理后,用全波数范围12000～4000cm-1的前6个主成分所建立的判别模型优于经验波数范围8000～4500cm-1所建立的判别模型,其较优模型对建模集和验证集的正确判别率分别为90.9%和92.1%。近红外光谱技术结合化学计量学可以快速、无损鉴别苹果是否有损伤以及不同品种的苹果。     

基于金属元素组成的新疆石榴产地识别分析

采用电感耦合等离子体原子发射光谱法,对新疆6 个主要产地（库车、吐鲁番、叶城、疏附、喀什、和田）的36 个石榴样品的可食部分（果肉）和籽中12 种金属元素的含量进行测定,采用主成分分析（principalcomponent analysis,PCA）和线性判别分析（linear discrimination analysis,LDA）对石榴可食部分和籽中金属元素进行综合评价。结果表明：PCA得出2 个三因子模型,分别解释了石榴可食部分和籽中金属元素数据的84.29%和60.33%;通过对石榴可食部分中金属元素组成进行PCA,PCA更好地将36 个石榴样品划分为6 类,与实际产地吻合。LDA得出新疆不同产地石榴可食部分和籽的总体验证判别率分别为100%和100%,交互验证判别率分别为100%和94.44%。说明提出的方法具有很好的产地识别作用,可作为石榴产地的一种鉴别方法。     

蒸煮模式和大米品种对米饭蛋白质消化特性的影响

以3 种大米为原料,采用胃蛋白酶-胰蛋白酶法模拟人体消化进程,研究4 种蒸煮模式对米饭蛋白质消化特性的影响。结果表明：蒸煮模式和大米品种对米饭蛋白质消化特性有显著影响（P＜0.05）。较低强度蒸煮模式制备的米饭具有较高的蛋白消化率（81.64%～93.80%）,且消化液中游离氨基酸含量（2.10～2.21 g/100 g pro）较高。低强度蒸煮模式制作的米饭蛋白质的消化率和消化液中游离氨基酸含量、赖氨酸的含量及其氨基酸评分均高于高强度蒸煮模式制作的米饭。米饭蛋白质的消化特性还与不同品种大米蛋白质的酶解特性和米饭的化学组成有关。     

Discrimination between Chinese rice wines of different geographical origins by NIRS and AAS

The feasibility of near infrared spectroscopy (NIRS) for discrimination between Chinese rice wine of different geographical origins (Shaoxing and Jiashan, China) is presented in this research. NIR spectra were collected in transmission mode in the wavelength range of 800–2500 nm. Qualitative analysis models were developed based on partial least squares regression (PLSR). The prediction performance of calibration models in different wavelength range was also investigated. The best models gave a 100% classification of wines of the two geographical origins in the range of 1300–1650 nm. The content of trace metals (potassium, magnesium, zinc, and iron) was also investigated to classify wines of the two categories by atomic absorption spectroscopy (AAS). The AAS results were in agreement with NIRS, with 100% classification for wines of the two categories. In addition, the correlation between NIRS and AAS was also investigated by PLSR. Potassium and magnesium were well predicted by quantitative models based on NIR spectra and AAS data. The correlation coefficient of calibration (R _cal) for potassium and magnesium were 0.958 and 0.885, respectively, and the correlation coefficient of validation (R _val) were 0.861 and 0.700, respectively. The results demonstrated that NIRS technique could be used as a rapid method for classification of geographical origin of Chinese rice wine, and AAS could be used as an alternative technique or to validate the discrimination results.     

高效液相色谱-串联质谱同时测定草莓、杨梅中20 种植物生长调节剂残留

建立一种高效液相色谱-串联质谱同时测定草莓和杨梅中20 种植物生长调节剂残留的分析方法。样品经含1%乙酸的乙腈溶液提取后,以Phenomenex XB-C18（100 mm×2.1 mm,2.6 μm）为分析色谱柱,甲醇和5 mmol/L乙酸铵-0.1%乙酸缓冲溶液为流动相进行梯度洗脱,基质匹配标准溶液外标法定量。结果表明,20 种植物调节剂在各自的质量浓度范围内线性关系良好（r≥0.990 0）,草莓和杨梅中3 个添加量的回收率为70.0%～114.8%,相对标准偏差（n=5）为1.25%～11.1%,检出限在0.14～2.9 μg/kg之间。该方法操作简单、提取效果好,具有良好的灵敏度、回收率和重复性。     

有机成分与元素分析相结合鉴别6 种中国名茶

利用有机成分与元素分析相结合,建立6 种中国名茶的鉴别方法。通过原产地购买67 份不同产地的茶叶,包括绿茶（杭州龙井、苏州碧螺春、黄山毛峰、庐山云雾）和乌龙茶（武夷岩茶、安溪铁观音）,利用电感耦合等离子体-原子发射光谱测定茶叶中K、Ca、Mg、Al、Mn、Fe、Zn、Rb、Ti 9 种元素,利用电感耦合等离子体-质谱法测定Pb、As、Cd、Cr、V、Ni、Co、Cu、Sr、Cs、Ba、Se 12 种元素,利用超高效液相色谱测定茶叶中10 种有机成分。通过偏最小二乘变量筛选法分别建立6 种中国名茶的元素判别模型和有机成分判别模型,并设定已知茶叶样本的确证及未知茶叶样本的溯源流程。实际样品检测结果表明,6 种中国名茶分类效果较好,通过2 种模型交叉验证可有效减少结果误判。     

不同品种枸杞子营养成分分析及评价

测定10个枸杞品种枸杞子的3项外观指标（干果百粒质量、干果果形指数、鲜干果比）和7种营养物质含量（甜菜碱、类胡萝卜素、总糖、枸杞多糖、还原型VC、氨基酸、可溶性固形物）,进行10项品质指标的聚类分析和基于主成分分析的枸杞综合品质评价。结果显示：不同品种的枸杞子品质指标存在差异,但变异程度较低。10个枸杞品种可聚为4类,扁果枸杞聚为一类;0901、宁杞4号、宁杞7号聚为一类;蒙杞1号聚为一类;其他5个品种聚为一类。主成分分析中,将10项品质指标简化成4个主成分,其累积方差贡献率为85.87%,反映了枸杞品质的绝大部分信息;评价出0901、扁果枸杞、宁杞7号、宁杞4号4个品种的营养品质较高。     

不同品种蓝莓品质特性及聚类分析

通过对山东省14 个主栽蓝莓品种的感官品质、营养品质、加工品质等指标进行测定,并采用聚类分析法评价蓝莓品种的综合品质,从而筛选出品质较佳的蓝莓品种。结果表明：不同品种蓝莓品质存在差异,以抗氧化物质含量、出汁率、固酸比差异较大。品种‘L5’花色苷含量最高（617.46 mg/100 g）且固酸比最大（47.78%）;‘蓝塔1’出汁率最高（78.43%）;‘蓝塔2’总糖含量最高（10.75%）。14 个品种可聚为5 类,第1类为‘37-1’、‘奥尼尔’、‘北陆’和‘B’;第2类为‘埃利奥特1’、‘布尔吉塔’、‘蓝丰’及‘蓝塔1’;第3类包括‘埃利奥特2’、‘杜克’和‘Z’;‘H34’和‘蓝塔2’聚为第4类;‘L5’为第5类。经分析初步评价,第2类为适宜加工果汁果酒的优良品种;第3类为适宜贮藏的蓝莓品种;第4类为适宜鲜食的优良品种;第5类为加工果酱、果脯的优良品种。