排序方式: 共有5条查询结果,搜索用时 187 毫秒
1
1.
2.
3.
基于近红外光谱技术的蜂蜜掺假识别 总被引:7,自引:1,他引:6
为了实现蜂蜜掺假的快速识别,应用近红外光谱结合模式识别方法对蜂蜜掺假现象进行了识别分析。该研究收集了中国不同品种、不同地域的典型天然蜂蜜样品,根据目前市场上常见的蜂蜜掺假手段,掺假物质及相对含量情况配制了掺假蜂蜜样品,利用傅立叶近红外光谱仪采集其透反射近红外光谱,分别采用偏最小二乘判别分析(PLS-DA),独立软模式法(SIMCA),误差反向传播神经网络(BP-ANN)和最小二乘支持向量机(LS-SVM)等模式识别方法,进行蜂蜜掺假识别研究。研究结果表明:利用这4种方法在蜂蜜中掺入果葡糖浆和果葡糖水的情况下均能很好地识别出掺假蜂蜜样品,其中对于掺入果葡糖浆的掺假情况,校正集的正确判别率均达到95%以上,验证集的正确判别率均达到87%以上,对于掺入果葡糖水的掺假蜂蜜校正集的正确判别率均达到93%以上,验证集的正确判别率均达到84%以上。通过比较4种不同的识别算法,发现采用LS-SVM时,对两种掺假情况下校正集和验证集的正确判别率均达到了100%,表明基于近红外光谱的蜂蜜掺假快速准确识别是可行的。 相似文献
4.
不同类型近红外模型在苹果汁检测中的应用 总被引:3,自引:2,他引:1
为了探讨近红外光谱分析中模型的稳定性和适应范围,该研究建立了4种模型(局部模型、转移的局部模型、全局模型、优化全局模型),分别对5种鲜榨苹果汁的3种品质参数(可溶性固形物SSC、pH值、电导率)进行分析。在对苹果汁品质的分析中,SSC的预测准确度较高(r=0.93,相对预测标准差3.7%);电导率与近红外光谱之间间接相关,其预测准确度较低(r=0.84,相对预测标准差12.7%);pH全局模型的相关系数较高(r=0.94),但其分辨能力较差(其局部模型的参考值标准偏差与预测标准差的比值为1.1)。采用相对预测标准差、参考值标准偏差与预测标准差的比值等参数来评价各种模型的稳定性和适应范围,通过对4种近红外模型的稳定性、适配性及准确度的比较,发现模型的适应范围对预测结果的影响很大,对不同的分析要求应该建立不同的模型,具体为:采用单一品种建立的局部模型准确度高,但稳定性较差,一般只适用于本品种样品的预测。通过在现有局部模型中加入少数几个待测品种的样本重新建立模型,可以实现模型的转移,使之适用于其它品种样品的预测。采用多个品种建立的全局模型稳定性高,其准确度较之局部模型稍有下降。通过挑选有代表性的样品来建立优化全局模型,可以在保持模型性能的同时降低建模工作量,是值得推荐的建模方法。 相似文献
5.
1