排序方式: 共有66条查询结果,搜索用时 0 毫秒
61.
62.
63.
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
64.
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
65.
为明确自行设计的滚筒式红茶发酵机性能参数,以无量纲化的综合评分为发酵品质评价指标,采用响应面法和基于改进型神经网络的遗传算法(BP-AdaBoost-GA)对影响发酵品质的3个因素(发酵温度、发酵时间、翻拌间隔)进行优化,并对2种方法的优化效果进行比较。结果表明,各因素对发酵品质的影响重要性顺序为:发酵温度、翻拌间隔、发酵时间;采用响应面法优化,当发酵温度、发酵时间、翻拌间隔分别为25℃、150 min、20 min时,综合评分预测值和实际值分别为0.863和0.856,相对误差为0.8%;而采用BP-AdaBoost-GA优化,当发酵温度、发酵时间、翻拌间隔分别为27℃、170 min、25 min时,预测值和实际值分别为0.871和0.868,相对误差为0.3%;BPAdaBoost预测模型的决定系数和相对分析误差分别为0.994和18.456,高于响应面法的0.988和9.577,且预测均方根误差较低,为0.017。在红茶发酵工艺的参数优化中,采用BP-AdaBoost-GA方法能比响应面法更好地拟合模型,以及在全局变量范围内推导最优发酵条件。 相似文献
66.
假单胞菌是鸡肉腐败最主要的致腐菌,为了快速识别鸡肉中的假单胞菌,首先从腐败鸡肉中分离并筛选出致腐菌,进一步利用聚合酶链反应技术对目标菌株进行生物学鉴别(分别为盖氏假单胞菌、嗜冷假单胞菌、莓实假单胞菌和荧光假单胞菌);配置鉴定的4种假单胞菌和等体积混合的4种假单胞菌菌液,采集菌液近红外透射光谱信息;然后运用标准正态变量变换对光谱进行预处理,利用联合区间偏最小二乘法筛选出特征波段;最后有比较地运用K最近邻法、最小二乘支持向量机和反向传播人工神经网络建立5种假单胞菌菌液的近红外光谱分类识别模型。其中反向传播人工神经网络模型预测效果最佳,其训练集和预测集的识别率分别为99.17%和95.00%。研究结果表明,近红外光谱结合反向传播人工神经网络可以快速识别鸡肉中的假单胞菌。 相似文献