排序方式: 共有17条查询结果,搜索用时 15 毫秒
1.
2.
3.
研究了超高效液相色谱用于卷烟包装纸中甲醛和乙醛含量测定方法。甲醛和乙醛通过2,4-二硝基苯肼衍生化后,以0.5%甲酸水溶液-乙腈(体积比为65∶35)为流动相,在Waters BEHShield RP18(1.7μm,2.1 mm×50 mm)色谱柱上分离,二极管阵列检测器检测,检测波长360 nm。甲醛和乙醛在5 min内即可完全分离,方法具有较好的重现性和线性关系,相关系数均达到0.999 9,加标回收率甲醛为97.9%,乙醛为95.5%;用于卷烟包装纸中甲醛和乙醛的快速测定,结果满意。 相似文献
4.
为建立基于烟叶麦角甾醇含量结合近红外光谱分析技术的初烤烟叶霉变预警模型,以2015年和2016年云南5个地区2个等级(B2F和C3F)初烤烟叶为研究对象,调节烟叶含水率为18%,在28℃,RH 80%条件下以30天为实验周期,进行烟叶霉变实验。每3天取一次样,采集近红外光谱数据并检测样品麦角甾醇含量。建立第0d初烤烟叶样品近红外光谱主成分监测模型并提取Hotelling T2统计量,预测第3天至30天初烤烟叶样品近红外光谱数据的Hotelling T2统计量,对比分析肉眼观察和近红外类模型对烟叶霉变的预警效果。结果表明:1)烟叶霉变过程中,麦角甾醇含量逐渐增加后逐渐降低,当肉眼可见时,麦角甾醇含量较初始值增加4.66~23.38倍;2)基于上述监测模型,13个霉变烟叶样品中,提前预警天数为6天的样品2个,提前预警天数3天的样品7个,当天预警的样品4个,7个未发生霉变烟叶在30天的监测周期内均未出现预警,预测准确率100%。以上结果表明该方法能方便快速地实现对初烤烟叶霉变的预警,具有较好的实用价值。 相似文献
5.
6.
7.
8.
为提高校正模型的预测精度,以烟草中淀粉近红外光谱(NIR)校正模型为研究对象,分别利用全光谱波段(FS)、方差光谱(VS)筛选光谱变量和遗传算法(GA)筛选光谱波长,结合偏最小二乘法建立校正模型(FS+PLS、VS+PLS和GA+PLS),并对100个初烤烟叶样品进行了预测。结果显示:①FS+PLS(变量数1557个)、VS+PLS(变量数781个)和GA+PLS(变量数72个)3种校正模型的决定系数Rc2、交互验证均方根误差(RMSECV)分别为0.9764、0.433,0.9871、0.332和0.9885、0.314。②与FS+PLS和VS+PLS模型相比,GA+PLS模型的光谱变量数分别减少为FS和VS变量数的4.62%和9.22%,主因子数由15降至12,Rc2明显提高,RMSECV显著降低。③FS+PLS、VS+PLS和GA+PLS模型对100个初烤烟叶样品的预测结果显示,Rp2、预测均方根误差(RMSEP)分别为0.9652、0.780,0.9843、0.501和0.9853、0.496,预测值与其对应的化学检测值之间通过配对T检验,显著性Sig.值、T值和平均相对误差(%)分别为0.271、1.107、17.48%,0.973、0.034、13.13%和0.722、0.357、13.12%,3种方法所建立校正模型的预测值与检测值之间均无显著性差异,模型预测精度(RSD)分别为10.34%、6.98%和4.76%。基于逐步优化光谱信息法建立的GA+PLS校正模型的预测精度优于FS+PLS和VS+PLS模型,该方法对于提高复杂化学体系模型的精度有参考意义。 相似文献
9.
基于GA-SVM算法的烤烟香型自动识别研究 总被引:1,自引:0,他引:1
为了对不同香型烤烟进行特征差异性识别,选取清香型、浓香型和中间香型3类香型的514个烟叶样品,对其中的68种致香成分进行检测,结合数据分析和模式识别技术,提出了一种基于烟草致香成分和遗传算法-支持向量机(GA-SVM)算法的烤烟香型自动识别方法,通过使用遗传算法对支持向量机进行参数优化和调整,并采用5折交叉验证的方法计算分类正确率。分别对GA-SVM算法、SVM算法和朴素贝叶斯算法的分类效果进行对比测试,结果表明:3种模式识别方法对3类香型的分类正确率分别为96.40%、78.58%和84.42%,GA-SVM算法显著优于SVM和朴素贝叶斯等传统分类算法。该方法能够为烤烟香型准确识别、烤烟产地溯源、烟叶香型风格定位提供技术支持。 相似文献
10.