排序方式: 共有37条查询结果,搜索用时 46 毫秒
31.
为研究高光谱技术检测霉变玉米中黄曲霉毒素B_1含量的可行性,选择5种不同霉变程度的玉米为试验材料,利用高光谱图像采集系统获得了250个霉变玉米样本的高光谱数据,并进行多元散射校正(MSC)预处理;运用偏最小二乘回归(PLSR)系数来选择特征波长,筛选出7个特征波长,然后利用Fisher判别分析(FDA)分别对全波长和特征波长下霉变玉米进行鉴别分析。结果表明,5组样本在全光谱波段下的FDA鉴别正确率在85%~88%之间,而在特征光谱下的FDA鉴别正确率均在98%以上,说明特征波长能较好地表征不同霉变等级的玉米。神经网络模型优于PLSR模型,其预测集相关系数和均方根误差分别为0.999 9、0.180 9。因此,可认为利用高光谱技术来检测不同霉变程度玉米中的黄曲霉毒素B_1含量是可行的。本研究结果为高光谱鉴别其他农产品提供了重要参考。 相似文献
32.
33.
为提高激光拉曼光谱技术对不同霉变程度玉米中的黄曲霉毒素B1(AFB1)和玉米赤霉烯酮(ZEN)检测的准确率,本试验以6个不同霉变等级的玉米样品为研究对象进行拉曼光谱检测。首先采用迭代多项式拟合基线校正方法对原始拉曼光谱进行基线校正,去除荧光背景;然后采用多元散射校正(MSC)、标准正态变量变换(SNV)和高斯-洛伦兹混合函数峰位拟合(Gauss-Lor)3种方法对光谱进行预处理,并对预处理结果进行对比,确定GaussLor方法更为合适;运用竞争性自适应重加权算法(CARS)对AFB1和ZEN分别选取了22和36个特征波长;最后运用BP神经网络(BPNN)和偏最小二乘(PLS)、支持向量机(SVM)分别在特征波长和全波长下对2种毒素含量进行预测。结果表明,基于所筛选出的特征波长光谱信息所建立的BPNN模型预测效果最佳,其对AFB1和ZEN含量预测值的相关系数(R2)和均方根误差(RMSE)分别为0.986 9、0.098 7和0.967 3、0.092 2。本研究结果为激光拉曼光谱技术快速检测玉米中真菌毒素提供了一定的借鉴,并为其他谷物中真菌毒素的拉曼检测提供了参考。 相似文献
34.
以食用油中铜、铅、锌三组分重金属同时检测为目的,用差分脉冲溶出伏安法对三种金属混合溶液进行了电化学检测,获得了检测信号.利用平滑、平滑求导、卡尔曼滤波、小波包分析四种降噪方法对检测信号进行了降噪处理;运用主成分分析融合数据,以降低数据维数.同时,借助最小二乘支持向量机回归构建了四种不同模型.通过对预测集检验以及食用油样品的实际测试,得出基于平滑求导的回归模型预报结果较好,且满足食用油中铜、锌、铅检测精度要求.该研究为食用油中多组分重金属含量快速检测提供了一种新手段. 相似文献
35.
36.
电子鼻漂移是气敏传感器的固有行为,用空载数据揭示漂移现象更具有一般性。为了有效去除电子鼻漂移,提出了一种基于空载条件下与小波包分解的漂移去除方法。对电子鼻空载数据进行小波包分解,获得小波包分解的逼近系数集;在对其进行离散度分析之后,构建了空载条件下的一种阈值函数。在此阈值函数基础上,扩展成为样本(有载)条件下的去漂移阈值函数,进而发展成有载样本的漂移剔除方法。为了检验该方法的有效性及实用性,将其应用于4种白酒的鉴别中。对4种白酒电子鼻数据按测试时间顺序生成训练集和测试集,线性的Fisher判别分析(FDA)结果表明,训练集、测试集数据处理前后的鉴别正确率均得到了提高,最低提高值为23.65%。这表明此方法能够提升电子鼻的检测能力。同时,为了进一步检验该漂移去除方法的性能,采用非线性的BP神经网络进行鉴别分析,结果显示:训练集的鉴别正确率从处理前的65.5%提高到处理后的100.0%,处理后的测试集鉴别正确率也达到了97.5%。这不仅说明了4种白酒的鉴别属较复杂的非线性分类问题,还充分说明了该漂移去除方法的有效性。 相似文献
37.