摘要:目的 建立一种基于近红外光谱技术快速测定文山三七 4 种品质指标的方法。方法 采用 GB/T 19086—2008《地理标志产品-文山三七》中规定的方法测定文山三七的水分、总灰分、酸不溶性灰分以及皂 苷 的 含 量 , 建 立 标 杆 数 据 。 采 集 文 山 三 七 样 品 的 近 红 外 光 谱 数 据 , 利 用 偏 最 小 二 乘 回 归 (partial least squares regression, PLSR)方法建立模型。通过优化光谱预处理方法和变量筛选方法进一步提升模型的预测能力。结果 文山三七水分、总灰分、酸不溶性灰分以及皂苷的校正集相关系数(Rc)分别为 0.9891、0.9703、0.9803、 0.9462, 预测集相关系数(Rp)分别为 0.9867、 0.9678、 0.9691、0.8122, 预测集均方根误差(root mean square error of prediction, RMSEP)分别为 0.1875、 0.1405、 0.0662、 0.6574, 性能偏差比(ratio of performance to deviation, RPD)分别为 3.814、3.2300、3.9183、1.7641。结论 本方法可以快速、准确地测定文山三七中 4 种关键品质指标, 为文山三七的质量控制提供了一种快速有效的检测方法。

摘要:目的 建立基于傅里叶近红外光谱技术的定量分析模型, 实现快速测定食用油中酸值和过氧化值含量, 保证食用油的品质安全以及跟踪食用油储藏期间的品质变化。方法 首先采用傅里叶近红外光谱仪采集食用油样品漫反射光谱, 接着采用归一化(Normalize)和标准正态变换(standard normal variate, SNV)对光谱 数 据 进 行 预 处 理 , 降 低 原 始 光 谱 中 噪 声 的 影 响 ; 其 次 通 过 随 机 森 林 (random forest, RF)和 引 导 软 收 缩(bootstrapping soft shrinkage, BOSS)算法提取特征波长; 最后结合径向基函数(radial basis function, RBF)神经网络和极限学习机(extreme learning machine, ELM)建立食用油酸值和过氧化值的预测模型, 并与全波段的模型进行对比分析。结果 经过 BOSS 算法所提取的特征波段建立的模型预测效果优于 RF 算法以及全波段模型, 酸值模型的决定系数(determination coefficient, R2)达到 0.98, 均方根误差(root mean square error, RMSE)达到 0.08; 过氧化值模型的 R2 达到 0.96, RMSE 达到 0.63。 结论 BOSS 算法有效的提取了食用油酸值和过氧化值的特征波段, BOSS-RBF 模型能够适用于食用油中酸值和过氧化值含量的快速、无损检测。利用近红外光谱技术对食用油酸值和过氧化值进行定量分析是可行的, 可通过该方法实现对食用油品质的分析研究。

摘要:目的 建立基于近红外光谱的定性分析模型, 实现对茶叶的新旧分类和产地溯源。方法 首先采用傅立叶近红外光谱仪采集茶叶样品的漫反射光谱数据, 然后使用卷积(Savitzky-Golay, S-G)平滑算法和数据标准化(Normalization)对光谱数据进行预处理, 最后基于遗传优化算法(genetic algorithem, GA)和粒子群优化算法(particle swarm optimization, PSO)分别建立了优化向量机模型(support vector machine, SVM), 从而实现新旧茶叶的分类以及产地溯源。结果 与 GA-SVM 模型相比,PSO-SVM 模型的建模效果较好, 且分类时间更短,在新旧鉴别和产地溯源实验中都达到了 100%的预测精度。 结论 基于近红外光谱建立的 PSO-SVM 模型可以实现茶叶新旧的判别以及产地溯源, 为鉴别茶叶年份和追踪茶叶产地提供了理论支撑和技术指导。

摘要:目的 针对食用油的酸值和过氧化值进行分析, 探究极限学习机自编码算法(transfer via extreme learning machine auto-encoder algorithm, TEAM)在近红外光谱上的模型传递。方法 使用 MATRIX-F 和VERTEX-70 两种红外光谱仪采集食用油近红外光谱数据, 利用多元散射校正方法对光谱数据进行预处理。然后基于 TEAM 建立传递模型, 并与直接标准化、 分段直接标准化和斜率偏差校正算法的建模效果进行了对比。结果 经 TEAM 算法模型传递后提高了模型的精确度, 食用油酸值模型中, 决定系数(R2)从?1.3984 升高到0.8553, 预测集均方根误差从 0.6130 mg/g 降低到 0.2578 mg/g, 食用油过氧化值模型中, R2 从 0.6170 升高到0.8987, 预测集均方根误差从 16.1530 mmol/kg 降低到 10.4150 mmol/kg。 结论 极限学习机自编码算法使从机数据更好适应主机模型, 提高了模型的稳定性和准确性。

摘要:目的 利用傅里叶变换近红外光谱技术结合与宽度学习系统对国外奶粉进行产地识别。方法 采集荷兰、新西兰、澳大利亚、德国、法国、英国和爱尔兰 7 个国家 55 个奶粉样品的近红外光谱, 经过数据预处理、主成分分析降低数据维度和特征筛选, 构建基于宽度学习系统(broad learning system, BLS)的奶粉产地快速识别模型。结果 采用多元散射校正加 Savitzky-Golay 滤波的预处理效果最好, 与未做预处理相比,准确率提高 14.55%, 主成分分析特征数大于 38, 识别效果最稳定。对荷兰、新西兰、澳大利亚和欧洲其他产地 4 类产地识别, 测试准确率达到 100.00%, 对样本做 7 类产地识别, 准确率达到 81.81%。相同条件下, 与支持向量机方法对比, 4 类产地识别, BLS 方法准确率比支持向量机方法高 9.10%, 7 类产地识别, 两者准确率相同。结论 本研究提出的基于 BLS 的方法可以较好实现国外奶粉产地识别, 为奶粉产地快速识别提供了新思路。

摘要:本项目的研究目标以常规肉质指标、氨基酸、脂肪酸及挥发性风味物质的检测为基础，通过近红外光谱扫描分析，构建基于近红外光谱技术的茶卡羊肉品质快速检测技术；采用分子遗传学手段，建立茶卡羊区别于其他品种绵羊的分子遗传学鉴定方法；基于稳定性同位素、近红外光谱分析，建立茶卡羊肉的产地溯源体系。

摘要:本项目的研究目标以常规肉质指标、氨基酸、脂肪酸及挥发性风味物质的检测为基础，通过近红外光谱扫描分析，构建基于近红外光谱技术的茶卡羊肉品质快速检测技术；采用分子遗传学手段，建立茶卡羊区别于其他品种绵羊的分子遗传学鉴定方法；基于稳定性同位素、近红外光谱分析，建立茶卡羊肉的产地溯源体系。