共查询到19条相似文献，搜索用时 156 毫秒
1.
典型掺假蜂蜜的电子鼻信息变化特征及判别能力 总被引：3，自引：2，他引：1
为建立蜂蜜掺假快速检测方法,该文利用电子鼻并结合主成分分析（principal component analysis,PCA）数据处理方法研究了掺入10%、20%、30%、40%、50%、60%、70%油菜蜜和大米糖浆的掺假蜂蜜的电子鼻信息变化特征,并以掺假蜂蜜的电子鼻信息变化特征为指导,结合判别因子分析（linear discriminant analysis,LDA）模式识别算法研究了电子鼻对掺假蜂蜜的定性识别分析能力。结果表明,掺假蜂蜜的电子鼻信息呈现线性变化,并且电子鼻对掺假蜂蜜有较强的敏感力。LDA模式识别算法可以将纯蜂蜜样品与掺假蜂蜜样品很好的区分开,LDA掺假判别模型正确识别率为94.7%,该技术可以为蜂蜜掺假鉴别提供技术支撑。 相似文献
2.
近红外漫反射光谱技术快速无损识别灵芝和云芝提取物研究 总被引：1，自引：0，他引：1
为了满足食用菌提取物实际生产监管需要,本研究采用近红外漫反射光谱技术对来自不同地区的灵芝和云芝提取物样品进行定性识别研究。在800~2 750nm波段范围,采集灵芝和云芝提取物的漫反射光谱,应用主成分聚类分析和偏最小二乘判别法分别建立识别模型,用146个样品进行建模和48个外部样品集进行验证。结果表明:采用主成分聚类判别分析法,灵芝和云芝提取物的判别界线清晰,正确率达到88.54%;采用偏最小二乘判别法,建立的鉴别分类模型能较好地对灵芝和云芝提取物进行鉴别,校正集和预测集样品的识别正确率均为100%。因此,近红外结合主成分聚类分析和偏最小二乘判别法识别灵芝和云芝提取物是可行的,同时研究结果为灵芝和云芝提取物的快速识别提供了理论依据和使用方法。 相似文献
3.
鱼粉中肉骨粉的可见-近红外光谱快速定性判别方法（简报） 总被引：4，自引：1，他引：4
为了能更加快速准确的定性判别鱼粉中是否掺有肉骨粉（MBM）,该文收集中国常用的鱼粉和肉骨粉,制备定标集样品201个,其中111个为掺有不同肉骨粉质量分数（1%～33%）的样品,90个为纯鱼粉,并独立制备113个验证集样品,其中74个为掺有不同肉骨粉质量分数（1%～33%）的样品,39个为纯鱼粉。在400～2 498 nm波长范围内进行光谱扫描,选择合适的光谱预处理方法和光谱范围,采用DPLS方法建立判别分析模型。建立的判别分析模型：数学预处理方法为2-8-6-1,散射校正方法为变量标准化处理（SNV）,光谱范围为全谱（408～ 2 492 nm）,定标模型的正确判断率为95.7%,外部验证正确判断率为95.6%,对于掺入量≥5%MBM时,正确判断率为100%。研究结果证明近红外反射光谱可以提供一种快速鉴别鱼粉中MBM的方法。 相似文献
4.
利用近红外光谱技术检测掺假豆浆 总被引：3，自引：1，他引：2
为了对豆乳内在营养指标及掺假豆乳进行快速检测,试验运用近红外光谱技术,利用偏最小二乘法进行回归分析,分别建立83个真伪豆浆样品的蛋白质和总固形物含量定标模型,并对模型的预测性能进行分析。结果表明:选取主成分数为12和14,蛋白质和总固形物含量的近红外光谱预测值与化学实测值之间的相关系数R分别为0.9756和0.9489,校正均方根误差分别为0.186和0.175,预测集样品的预测值和实测值之间的残差值均较小、接近零,残差之和分别为-0.074和-1.191,说明建立的定标模型可以准确预测豆浆中蛋白质和总固形物含量,且预测性能较好;通过对预测集样品的预测值与豆浆行业标准规定值相比较,确定预测集样品中掺假豆浆的正确判别率为100%,说明建立的蛋白质和总固形物含量定标模型可以应用于掺假豆浆的判别检测,且判别结果准确率高。本试验表明利用近红外光谱技术可实现对豆浆主要品质指标的快速无损检测,也可准确进行真伪豆浆的快速判别,本检测方法可为豆乳行业健康持续发展提供一定的技术支撑。 相似文献
5.
基于近红外光谱的脐橙产地溯源研究 总被引：2，自引：1，他引：1
为研究近红外光谱分析技术鉴别脐橙产地的可行性,该文采用江西、重庆和湖南3个产地脐橙样品1140～1170nm波段的近红外光谱经一阶导数(9点平滑)预处理,分别建立了簇类独立软模式法脐橙产地鉴别模型。在5%显著水平下,模型对3个产地训练集样品的识别率均为100%,拒绝率分别为85.7%、83.3%、100%;对验证集样品的识别率均为100%,拒绝率分别为100%、89.5%、100%,表明簇类独立软模式法模型基本能够判别脐橙产地。将江西、重庆和湖南3个产地的脐橙样品分别赋值0、1、?1,在全波段范围内建立原始光谱脐橙产地的偏最小二乘判别模型,其预测值与真实值的决定系数为0.973,校正标准差为0.110,预测标准差为0.159,模型对训练集和验证集样品的识别率达到100%。因此,应用近红外光谱分析技术可准确、快速地追溯脐橙产地来源。 相似文献
6.
近红外光谱联合CARS-PLS-LDA的山茶油检测 总被引：3，自引：0，他引：3
为了寻找快速判别山茶油掺假的检测方法,本研究利用近红外光谱技术对掺杂大豆没油山茶油进行掺假检测研究.试验在350～1 800 nm波段范围内采集样本的透射光谱,利用CARS方法筛选重要的波长变量,应用偏最小二乘-线性判别分析(PLS-LDA)建立山茶油掺假的判别模型,并与未经变量优选的判别模型进行比较.结果表明,近红外光谱技术联合CARS-PLS-LDA方法可以有效判别纯山茶油和掺假山茶油,校正集、预测集及独立样本组样本的判别正确率、灵敏度及特异性均为100％.CARS-PLS-LDA判别模型性能优于未经变量优选的判别模型,表明CARS方法可以有效筛选重要波长变量,能简化判别模型及提高判别模型的稳定性和判别精度.本研究可为山茶油掺假快速检测提供理论依据. 相似文献
7.
利用近红外光谱与PCA-SVM识别热损伤番茄种子 总被引：6，自引：6，他引：0
为了研究近红外光谱技术用于热损伤种子快速无损识别的可行性,该文以120粒番茄种子为研究对象,其中60粒番茄种子通过高温加热处理的方式成为热损伤种子组,其他60粒番茄种子为正常种子组,利用实验室自主搭建的近红外光谱检测系统获取单粒番茄种子在980~1 700 nm范围内的光谱,分别采用偏最小二乘判别法(partial least squares discriminant analysis,PLS-DA)和支持向量机(support vector machines,SVM)建立了番茄种子热损伤的定性分析模型。试验结果表明:2种判别模型的验证集总正确率均大于96%,均可用于热损伤种子的判别。其中,基于主成分分析(principal component analysis,PCA)预处理的光谱数据构建的支持向量机模型的判别效果最好,其校正集和验证集的判别正确率均为100%,更适用于种子热损伤识别。因此,应用近红外光谱技术可快速无损识别热损伤番茄种子,为种子检验提供了一种新的方法。 相似文献
8.
应用MicroNIR 1700微型近红外光谱分析仪采集不同产地金银花样品的漫反射光谱,获得数据501份,采用KS (Kennard-Stone)方法对样品集进行划分,通过不同光谱预处理方法,利用偏最小二乘判别分析法(PLS-DA)建立判别模型。结果显示,采用二阶导数和标准正态变量预处理光谱,金银花产地判别模型正确判别率可达100%。结果表明,不同产地来源金银花的近红外光谱特征有显著差异,使用便携式近红外方法可准确判别金银花产地。该方法可推广作为现场应用,具有较好的实际应用价值。 相似文献
9.
基于可见/近红外光谱与SIMCA和PLS-DA的脐橙品种识别 总被引：2，自引：7，他引：2
脐橙的优良品种选育是通过芽变选种获得,为了选择一些具有特殊性状的脐橙芽变进行培植,需要对脐橙的品种进行鉴别。该研究应用可见/近红外光谱分析方法结合软独立模式分类（SIMCA）和偏最小二乘判别分析（PLS-DA）模式识别方法对赣南脐橙的品种进行识别。研究结果表明,采用原始近红外光谱结合SIMCA方法,实现了纽贺尔、奈弗宁娜、华脐以及朋娜4种脐橙的100%的识别;应用近红外光谱结合PLS-DA方法对校正样本建立判别模型,其校正及验证结果与实际分类变量的相关系数均大于0.970,交叉验证均方根误差（RMSECV）和预测均方根误差（RMSEP）都小于0.100,利用模型对验证集中纽贺尔、奈弗宁娜、华脐以及朋娜4种脐橙的识别率均为100%。为脐橙优良品种的选育提供快速鉴别分析方法。 相似文献
10.
为了探索快速测定灵芝提取物掺假(淀粉)含量的方法,采用近红外光谱扫描掺杂0%、5%、10%、20%、40%、60%、80%淀粉的灵芝提取物,对其光谱进行预处理和波段选择,并结合偏最小二乘法(PLS)建立灵芝提取物掺假定量快速无损检测方法。结果表明,使用多元散射校正(MSC)预处理方法,波数范围8 000~7 500、6 000~5 500和5 000~4 000cm~(-1),主因子数为8时,建立的偏最小二乘法模型的校正决定系数(R_(cal))、校正均方根差(RMSECV)、验证决定系数(R_(val))和验证均方根差(RMSEP)分别为0.9962、0.0249、0.9960和0.0241。运用该模型对验证集样品进行预测并统计分析,可知预测值与实际掺假值之间无显著差异。本研究为灵芝功能食品市场检测提供了方法基础。 相似文献
11.
A collection of authentic artisanal Irish honeys (n = 580) and certain of these honeys adulterated by fully inverted beet syrup (n = 280), high-fructose corn syrup (n = 160), partial invert cane syrup (n = 120), dextrose syrup (n = 160), and beet sucrose (n = 120) was assembled. All samples were adjusted to 70 degrees Bx and scanned in the midinfrared region (800-4000 cm(-1)) by attenuated total reflectance sample accessory. By use of soft independent modeling of class analogy (SIMCA) and partial least-squares (PLS) classification, authentic honey and honey adulterated by beet sucrose, dextrose syrups, and partial invert corn syrup could be identified with correct classification rates of 96.2%, 97.5%, 95.8%, and 91.7%, respectively. This combination of spectroscopic technique and chemometric methods was not able to unambiguously detect adulteration by high-fructose corn syrup or fully inverted beet syrup. 相似文献
12.
Ruiz-Matute AI Soria AC Martínez-Castro I Sanz ML 《Journal of agricultural and food chemistry》2007,55(18):7264-7269
Honey adulterations can be carried out by addition of inexpensive sugar syrups, such as high fructose corn syrup (HFCS) and inverted syrup (IS). Carbohydrate composition of 20 honey samples (16 nectar and 4 honeydew honeys) and 6 syrups has been studied by GC and GC-MS in order to detect differences between both sample groups. The presence of difructose anhydrides (DFAs) in these syrups is described for the first time in this paper; their proportions were dependent on the syrup type considered. As these compounds were not detected in any of the 20 honey samples analyzed, their presence in honey is proposed as a marker of adulteration. Detection of honey adulteration with HFCS and IS requires a previous enrichment step to remove major sugars (monosaccharides) and to preconcentrate DFAs. A new methodology based on yeast (Saccharomyces cerevisiae) treatment has been developed to allow the detection of DFAs in adulterated honeys in concentrations as low as 5% (w/w). 相似文献
13.
Detection of sugar adulterants in apple juice using fourier transform infrared spectroscopy and chemometrics 总被引：2，自引：0，他引：2
Fourier transform infrared spectroscopy and attenuated total reflection sampling have been used to detect adulteration of single strength apple juice samples. The sample set comprised 224 authentic apple juices and 480 adulterated samples. Adulterants used included partially inverted cane syrup (PICS), beet sucrose (BS), high fructose corn syrup (HFCS), and a synthetic solution of fructose, glucose, and sucrose (FGS). Adulteration was carried out on individual apple juice samples at levels of 10, 20, 30, and 40% w/w. Spectral data were compressed by principal component analysis and analyzed using k-nearest neighbors and partial least squares regression techniques. Prediction results for the best classification models achieved an overall (authentic plus adulterated) correct classification rate of 96.5, 93.9, 92.2, and 82.4% for PICS, BS, HFCS, and FGS adulterants, respectively. This method shows promise as a rapid screening technique for the detection of a broad range of potential adulterants in apple juice. 相似文献
14.
Stable carbon isotope ratio mass spectrometry (delta13C IRMS) was used to detect maple syrup adulteration by exogenous sugar addition (beet and cane sugar). Malic acid present in maple syrup is proposed as an isotopic internal standard to improve actual adulteration detection levels. A lead precipitation method has been modified to isolate quantitatively malic acid from maple syrup using preparative reversed-phase liquid chromatography. The stable carbon isotopic ratio of malic acid isolated from this procedure shows an excellent accuracy and repeatability of 0.01 and 0.1 per thousand respectively, confirming that the modified lead precipitation method is an isotopic fractionation-free process. A new approach is proposed to detect adulteration based on the correlation existing between the delta13Cmalic acid and the delta13Csugars-delta13Cmalic acid (r = 0.704). This technique has been tested on a set of 56 authentic maple syrup samples. Additionally, authentic samples were spiked with exogeneous sugars. The mean theoretical detection level was statistically lowered using this technique in comparison with the usual two-standard deviation approach, especially when maple syrup is adulterated with beet sugar : 24 +/- 12% of adulteration detection versus 48 +/- 20% (t-test, p = 7.3 x 10-15). The method was also applied to published data for pineapple juices and honey with the same improvement. 相似文献
15.
羊肉纯度电子舌快速检测方法 总被引：3，自引：1，他引：2
为实现掺假羊肉的快速、客观评价,利用电子舌对混入不同比例鸡肉的掺假羊肉糜进行检测及定性和定量分析。3种浸提溶液分别浸提,样品量均对电子舌传感器的响应影响极显著;以数据点重复性和聚类效果为依据,采用主成分分析方法确定了电子舌检测羊肉糜样品的较佳条件为0.1 mol/L KCl溶液浸提15 g肉糜样品。在此较佳条件下,对混入不同比例鸡肉的掺假羊肉进行检测,结果表明：采用主成分分析和典则判别分析,前2个主成分累积贡献率均超过80%,电子舌均能很好地区分混入不同比例鸡肉的羊肉糜样品;采用多元线性回归分析和偏最小二乘回归分析建立的定量预测模型能有效预测混入的鸡肉比例（R2>0.99,RMSE<3%）。试验表明：电子舌在羊肉掺入鸡肉的鉴别中具有可行性,研究结果可为羊肉掺假鉴别提供参考。 相似文献
16.
Fourier transform infrared (FTIR) spectroscopy and attenuated total reflection (ATR) sampling have been used to detect adulteration of honey samples. The sample set comprised 320 spectra of authentic (n = 99) and adulterated (n = 221) honeys. Adulterants used were solutions containing both d-fructose and d-glucose prepared in the following respective weight ratios: 0.7:1.0, 1.2:1.0 (typical of honey composition), and 2.3:1.0. Each adulterant solution was added to individual honeys at levels of 7, 14, and 21% w/w. Spectral data were compressed and analyzed using k-nearest neighbors (kNN) and partial least squares (PLS) regression techniques. A number of data pretreatments were explored. Best classification models were achieved with PLS regression on first derivative spectra giving an overall correct classification rate of 93%, with 99% of samples adulterated at levels of 14% w/w or greater correctly identified. This method shows promise as a rapid screening technique for detection of this type of honey adulteration. 相似文献
17.
近红外光谱结合化学计量学方法检测蜂蜜产地 总被引：8，自引：4，他引：4
为了实现蜂蜜产地的快速判别,应用近红外光谱结合化学计量学方法对蜂蜜产地进行了判别分析。kennard-Stone法划分训练集和预测集。光谱用一阶导数加自归一化预处理后,再用小波变换（WT）进行压缩和滤噪。结合滤波后光谱信息,分别用径向基神经网络（RBFNN）和偏最小二乘-线性判别分析（PLS-LDA）建立了苹果蜜产地和油菜蜜产地的判别模型。对不同小波基和分解尺度进行了讨论。对苹果蜜,WT-RBFNN模型和WT-PLS-LDA模型都是小波基为db1、分解尺度为2时的预测精度较好,都为96.2%。对油菜蜜：WT-RBFNN模型在小波基为db4和分解尺度为1时,预测精度较好,为85.7%;WT-PLS-LDA模型在小波基为db9、分解尺度也为1时,预测精度较好,为90.5%。研究表明：WT结合线性的PLS-LDA建模比WT结合非线性的RBFNN建模更适于蜂蜜产地判别;近红外光谱技术具有快速判别蜂蜜产地的潜力。 相似文献
18.
二维相关光谱结合偏最小二乘法测定牛奶中的掺杂尿素 总被引：9，自引：5，他引：4
为了检验牛奶中是否掺杂尿素并将其量化测定,配置含有尿素质量浓度范围为1～20g/L之间40个牛奶样品,以掺杂物尿素浓度为外扰,分别研究了掺杂尿素牛奶的二维相关(近红外-近红外,中红外-中红外,近红外-中红外)光谱特性,在此基础上,分别选择随浓度变化大的4200～4800cm-1和1400～1704cm-1为建模区间,采用偏最小二乘方法建立定量分析模型。研究结果表明:4200～4800cm-1建模分析效果优于1400～1704cm-1建模结果,其交叉验证均方根误差为0.266g/L,对未知样品集预测相关系数达到0.999,预测均方根误差为0.219g/L,这表明所建模型具有较好的预测效果。该方法无需样品处理,成本低,为快速判别牛奶是否掺杂提供了一种新的可能的方法。 相似文献
19.
应用近红外光谱结合化学计量学方法对蜂蜜产地进行了判别分析。kennard-Stone法划分训练集和预测集。光谱用一阶导数加自归一化预处理后,再用小波变换（WT）进行压缩和滤噪。结合滤波后光谱信息,分别用径向基神经网络（RBFNN）和偏最小二乘-线性判别分析（PLS-LDA）建立了苹果蜜产地和油菜蜜产地判别模型。对不同小波基和分解尺度进行了详细讨论。对苹果蜜,WT-RBFNN模型和WT-PLS-LDA模型都是小波基为db1、分解尺度为2时的预测精度最好,都为96.2%。对油菜蜜：WT-RBFNN模型在小波基为db4和分解尺度为1时,预测精度最好;WT-PLS-LDA模型在小波基为db9、分解尺度也为1时,预测精度最好,为90.5%;预测精度WT-PLS-LDA模型优于WT-RBFNN模型。研究表明：WT结合线性的PLS-LDA建模比WT结合非线性的RBFNN建模更适于蜂蜜产地鉴别;近红外光谱结合WT-PLS-LDA可实现对蜂蜜产地的快速无损检测,为蜂蜜产地鉴别提供了一种新方法。 相似文献