基于近红外光谱的自组织映射神经网络快速鉴别牛乳与掺假乳

基于近红外光谱结合偏最小二乘法(Partial least squares, PLS),与自组织映射(Self-organizing map, SOM)神经网络联用,构建鲜乳与掺假乳的模式识别模型。样品光谱经偏最小二乘法处理后,提取7个主成分,使用47个吸收峰数据输入网络。确定竞争层结构为[20×5],训练步数300步时,网络模型性能稳定,能够同时识别分别掺有乳清粉、粉末油脂,以及两者皆有的掺假乳。网络预测结果良好,对掺有粉末油脂的掺假乳识别准确率达100%;对掺有乳清粉的掺假乳识别准确率达97.5%;对同时掺有乳清粉和粉末油脂的掺假乳识别准确率达95%。该方法可为鲜乳和掺假乳的快速鉴别方面,为乳品质量评价提供了新思路。     

近红外光谱与自组织竞争神经网络联用快速鉴别牛乳与复原乳

近红外光谱技术结合偏最小二乘法,与自组织竞争神经网络联用,构建鲜牛乳与复原乳的模式识别模型。经偏最小二乘法(PLS)处理后,提取4个主成分,使用96个吸收峰数据输入网络,学习速率为0.05,训练步数200步时,所建模型性能稳定,预测精度良好,模型对预测集样品识别准确率为100%。该方法可应用于原料奶质量评价与控制中,在复原乳或掺假乳的快速准确定性鉴别方面,提供了一条新思路。     

不同贮藏条件下水酶法牡丹籽油的 氧化稳定性与货架期预测

旨在为水酶法牡丹籽油的品质控制提供理论依据,探究不同贮藏条件下水酶法牡丹籽油的氧化稳定性,并对其货架期进行预测。采用Schaal烘箱模拟加速氧化法,探究了抗氧化剂、包装材料、温度对牡丹籽油过氧化值的影响,并进行了氧化动力学分析,采用Arrhenius方程进行拟合,建立了水酶法牡丹籽油货架期预测模型。结果表明：不同抗氧化剂的抗氧化效果排序为0.01%柠檬酸+0.01%TBHQ＞0.02%TBHQ＞0.02%柠檬酸>0.2%γ-谷维素;包装材料的抗氧化效果排序为棕色PET瓶＞棕色玻璃瓶＞透明PET瓶＞透明玻璃瓶;随着温度升高,牡丹籽油的过氧化值明显增加;建立的货架期预测模型预测牡丹籽油在10、20、30 ℃下的货架期分别为117、77、51 d,其实测货架期分别为134、90、60 d。综上,使用抗氧化剂、避光、低温均能有效延缓水酶法牡丹籽油的氧化进程,建立的水酶法牡丹籽油货架期预测模型准确率良好。     

用于脂肪酶固定化的磁性纳米Fe_3O_4-SiO_2载体的制备研究

通过改进St?ber法制备出磁性纳米Fe_3O_4-SiO_2复合载体。具体制备流程为:将磁性纳米Fe_3O_4溶胶、正硅酸乙酯(TEOS)与分散剂超声分散混合,使其形成W/O的混合体系,然后将该混合溶液缓慢均匀加入至一定温度的乙醇和氨水混合液中搅拌反应一段时间,洗涤烘干得到磁性纳米Fe_3O_4-SiO_2复合载体。用X-射线衍射仪(XRD)、透射电镜(TEM)、震动样品磁强仪(VSM)、傅里叶红外光谱仪(FT-IR)分别对载体进行表征。结果表明,用此种方法合成的复合载体Fe_3O_4晶型结构不变、粒径为25～30 nm、包裹厚度3～5 nm、粒径均一、易分散,具有超顺磁性,复合载体的比饱和磁场强度较Fe_3O_4只减弱0.8 emu/g。磁性纳米Fe_3O_4-SiO_2载体固定化脂肪酶催化脂肪反应的酯化率达到了36.78%,能满足酶分子固定化实际使用时对磁性和不同粒径的需求。     

氢谱核磁共振与随机森林算法联用快速检测大豆油过氧化值

基于氢谱核磁共振技术与随机森林算法联用,建立了大豆油过氧化值的快速检测方法。通过比对大豆油氢谱核磁共振数据,分析鉴别出5种氧化产物,分别为（Z,E）型和（E,E）型共轭烯烃类氢过氧化物、直链烷醛、（E,E）-共轭二烯醛、（E）-共轭烯醛。根据氢谱核磁共振测定了油样氧化产物的含量,同时采用比色法测定了过氧化值,采用交叉验证的方式构建了大豆油过氧化值快速检测的定量预测模型。结果表明：建模参数决策树的数量（ntree）为700、决策树的最大深度（max_depth）为5、决策树最小样本节点数量（min_samples_split）为4时,所建的预测模型标准均方根偏差（SRME）为2.851%,模型过氧化值预测值与比色法（标准方法）测定结果相关系数(R2)为0.943,模型表现出良好的稳定性和预测精度。氢谱核磁共振与随机森林算法联用可快速在线检测大豆油过氧化值,为油脂品质指标监测提供技术支持。     

基于PLS-模式识别近红外光谱技术快速检测鲜乳和掺假乳

本实验采用PLS-马氏距离法建立了鲜乳和掺假植物奶油牛乳的判别分析模型,用PLS法将原始数据压缩成3个主成分,在原始光谱的全波数段范围内,无需任何预处理方式,判别准确率达100％。同时对10个未知样品进行预测,预测准确率均为100％。其次建立了植物奶油掺假量的定量检测PLS模型,并采用交互校验和外部检验考察模型的可靠性,模型的校正相关系数为0．9963,均方估计残差（RMSEC）为0．110;交互校验均方残差（RMSECV）为0．142;应用所建PLS模型对样品中植物奶油添加量进行预测,并对预测值与真值进行配对t-检验,结果表明两者差异均不显著。     

Elman网络近红外光谱技术同时测定鲜乳中三种主成分含量

采用Elman神经网络(反馈神经网络,Recurrent Network)结合近红外光谱技术建立鲜乳中的脂肪、蛋白质、乳糖定量分析模型.用偏最小二乘法(Partial Least SqHales.PUS)将原始数据压缩主成分,取前3个主成分的14个吸收峰值输入Elman网络,网络中间层神经元个数为53.Elman网络模型对样品中3个组分含量的预测决定系数(R2)分别为:0.985、0.951、0.967,表明所建Elman网络预测模型能够较准确预测鲜乳中脂肪、蛋白质和乳糖的含量,从而为近红外光谱的多组分定量分析提供了新思路.     

工程教育认证背景下基于OBE理念的食品工厂设计课程教学改革

<正>工程教育专业认证是国际通行的工程教育质量保障制度,也是实现工程教育国际互认和工程师资格国际互认的重要基础。我国工程教育专业认证工作开始于2006年,由中国工程教育专业认证协会和教育部高等教育教学评估中心共同组织开展,是“五位一体”高等教育教学评估制度的重要组成部分。我国工程教育认证主要倡导三个基本理念：学生中心（Students-centered,SC）、成果导向（Outcome-based Education,OBE）和持续改进（Continuous quality improvement,CQI）。     

基于氢谱核磁共振的岭回归算法快速预测煎炸油氧化指标

通过氢谱核磁共振技术检测并分析大豆油煎炸时的氧化产物，经主成分分析后确定Z,E-共轭结构、E,E-共轭结构、直链饱和醛、(E,E)-2,4-二烯醛、(E)-2-烯醛5种特征基团作为特征矩阵，采用岭回归算法构建了煎炸油同时检测过氧化值与极性组分的快速预测模型，结果表明，交叉验证下正则化参数α为0.077,过氧化值与极性组分模型的决定系数(R²)分别为0.968与0.957,均方根残差(RMSE)分别为0.208与5.249,经重现性检验，预测值与国标值相对标准偏差小于5%,说明预测法重现性和精度良好。同时，采用两种方法检测时没有显著性差异，说明基于氢谱核磁共振和机器学习算法联用，构建氧化指标的预测模型，可为煎炸油品质监测指标提供一种新思路。