近红外光谱技术检测燕麦中蛋白质含量

以93份燕麦样品为研究对象,比较了不同光谱预处理方法和不同回归方法对定标模型的影响,建立了定量分析燕麦中蛋白质含量的合理模型。结果表明,最佳的预处理方法:光谱散射处理为标准化处理(SNV),数学处理为2441;最佳的回归方法为改进偏最小二乘法(MPLS)。在此条件下模型对验证集的测定值与预测值的决定系数为0.954 3,均方根误差为0.160 7,模型的预测准确性良好。建立的近红外模型对燕麦中蛋白质快速测定有一定参考价值。     

添加杏鲍菇粉对太谷饼品质的影响

为研究杏鲍菇粉对太谷饼品质的影响,将其与小麦粉混合制备太谷饼,测定混合粉的溶剂保持能力,面团的流变及质构特性,以及与传统太谷饼相比风味物质的差异,为开发新型风味太谷饼提供理论依据。结果表明,在杏鲍菇粉添加量5%～25%范围内,随着添加量的增加,混合粉的持水力、持蔗糖能力、持碳酸氢钠能力和持油力呈上升趋势。添加杏鲍菇粉后面团体系为黏弹性体系,其弹性大于黏性,同时对面团的黏附性、弹性影响显著。与传统太谷饼相比,杏鲍菇太谷饼在醇类、醛类、酮类等风味物质上差异显著,其中己醛、1-辛烯-3-醇、3-辛酮等物质赋予杏鲍菇太谷饼独特的风味。     

近红外光谱技术结合神经网络检测苹果咀嚼性

以不同储藏期的135个苹果样品为研究对象,对其近红外光谱数据进行预处理并通过主成分分析法提取光谱特征,采用人工神经网络技术建立苹果咀嚼性的近红外光谱检测模型。结果表明,对苹果光谱咀嚼性的最佳光谱预处理方法是加权多元散射处理(WMSC)的光谱散射处理方法和"2441"的数学处理方法,通过主成分分析法提取3个主成分作为原始信息的特征变量,建立苹果咀嚼性检测的人工网络模型结构为3—16—1,模型对验证集预测的决定系数为0.992 4,均方根误差为0.000 108 2。近红外光谱技术能对苹果咀嚼性进行快速、无损预测。