| 表面解吸常压化学电离质谱结合人工神经网络鉴别新陈莲子 |
| |
| 引用本文： | 罗丽萍,赵占锋,戴喜末,张 茜,刘亚丽,张兴磊,章文军,欧阳永中.表面解吸常压化学电离质谱结合人工神经网络鉴别新陈莲子[J].农业工程学报,2013,29(7):261-266. |
| |
| 作者姓名： | 罗丽萍 赵占锋 戴喜末 张 茜 刘亚丽 张兴磊 章文军 欧阳永中 |
| |
| 作者单位： | 1. 南昌大学生命科学与食品工程学院，南昌 330047;2. 哈尔滨工业大学电子与信息工程系，哈尔滨 150001;1. 南昌大学生命科学与食品工程学院，南昌 3300473. 东华理工大学，江西省质谱科学与仪器重点实验室，南昌 330013;1. 南昌大学生命科学与食品工程学院，南昌 3300473. 东华理工大学，江西省质谱科学与仪器重点实验室，南昌 330013;3. 东华理工大学，江西省质谱科学与仪器重点实验室，南昌 3300134. 河北工业大学化工学院，天津 300130;3. 东华理工大学，江西省质谱科学与仪器重点实验室，南昌 330013;4. 河北工业大学化工学院，天津 300130;3. 东华理工大学，江西省质谱科学与仪器重点实验室，南昌 330013 |
| |
| 基金项目： | 十二五农村领域国家科技计划课题资助项目（2012BDA29B01）；江西省高等学校科技落地计划项目（KJLD12051）；江西省主要学科学术和技术带头人培养对象资助项目（20123BCB22004）。 |
| |
| 摘 要： | 为实现对新陈莲子的快速鉴别，该文采用自行研制的表面解吸常压化学电离质谱（DAPCI-MS），在无需样品预处理的前提下，直接对新鲜和陈年莲子切面进行质谱检测，获得其化学指纹图谱，并通过主成分分析（PCA）和反向传输人工神经网络技术（BP-ANN）对所获指纹谱图信息进行分析，获得新鲜和陈年莲子的质谱信息特征。结果表明，在负离子模式下，DAPCI-MS结合化学计量学方法，实现了新鲜和陈年莲子的快速鉴别，其测试样本准确率分别为95.0%和91.7%；对不同年份莲子也能够有效地分类判别，2012、2011、2010和2009年莲子测试样本准确率分别为90%，85%，85%和90%。该方法具有分析速度快，信息提取准确，识别精度高等优点，为其他粮食谷物品质的鉴定提供参考。
|
| 关 键 词： | 质谱，主成分分析，无损检测，表面解吸常压化学电离，BP人工神经网络，莲子 |
| 收稿时间： | 2012/12/22 0:00:00 |
| 修稿时间： | 2013/3/28 0:00:00 |
Surface desorption atmospheric pressure chemical ionization mass spectrometry for identification of lotus seeds freshness based on PCA and BP-ANN |
| |
| Luo Liping,Zhao Zhanfeng,Dai Ximo,Zhang Xi,Liu Yali,Zhang Xinglei,Zhang Wenjun and Ouyang Yongzhong.Surface desorption atmospheric pressure chemical ionization mass spectrometry for identification of lotus seeds freshness based on PCA and BP-ANN[J].Transactions of the Chinese Society of Agricultural Engineering,2013,29(7):261-266. |
| |
| Authors: | Luo Liping Zhao Zhanfeng Dai Ximo Zhang Xi Liu Yali Zhang Xinglei Zhang Wenjun and Ouyang Yongzhong |
| |
| Abstract: | |
| |
| Keywords: | mass spectrometry principal component analysis nondestructive examination surface desorption atmospheric pressure chemical ionization back propagation artificial neural networks lotus seeds |
|
| 点击此处可从《农业工程学报》浏览原始摘要信息 |
| 点击此处可从《农业工程学报》下载免费的PDF全文 |
