排序方式: 共有66条查询结果,搜索用时 15 毫秒
61.
62.
63.
64.
65.
花生在储运过程中极易受到各种霉菌的污染而产生真菌毒素,其中以黄曲霉毒素B1(AFB1)最为常见。提出了基于嗅觉可视化技术的花生AFB1定量检测。利用顶空固相微萃取气相色谱-质谱联用技术(HS-SPEM-GC-MS)分析得到不同霉变花生的指示性挥发性物质成分,据此选择12种化学染料制备特异性强的色敏传感器阵列,用于采集不同霉变程度花生样本的气味信息。引入遗传算法(GA)结合反向传播神经网络(BPNN)优化预处理后的传感器特征图像的颜色分量。借助支持向量回归(SVR)构建基于优化特征颜色分量组合的定量模型实现花生AFB1的定量检测;在此过程中,比较网格搜索(GS)和麻雀搜索算法(SSA)对SVR参数的优化性能。研究结果显示:SSA-SVR模型性能整体优于GS-SVR模型性能;且基于7个特征颜色分量组合的最佳SSA-SVR模型的预测相关系数(RP)达到0.9142,预测均方根误差为5.6832μg/kg,剩余预测偏差为2.3926。研究结果表明,利用嗅觉可视化技术可实现花生AFB1的定量检测。 相似文献
66.
雪莲花产地鉴别的近红外光谱分析方法 总被引:1,自引:0,他引:1
以青海、西藏、云南和新疆4个不同产地的雪莲花为研究对象,利用K-最近邻域(KNN)模式识别方法建立雪莲花产地鉴别模型,模型参数K和主成分因子数(PCs)通过交互验证的方法优化;同时比较了标准正态变量变换(SNV)、多元散射校正(MSC)、一阶导数和二阶导数4 种预处理方法对模型结果的影响。试验结果显示,通过SNV光谱预处理后,在K为3和PCs为5时,所得到的模型最佳,模型交互验证识别率和预测识别率均为100%。研究表明,近红外光谱技术结合KNN方法可以成功鉴别雪莲花产地。 相似文献