基于近红外光谱技术的茶油原产地快速鉴别

为研究茶油原产地溯源问题,维护其市场秩序,促进公平竞争。该文利用近红外光谱技术采集湖南、江西、安徽和浙江4个不同产地茶油的光谱数据,并运用 Savitzky-Golay 平滑（savitzky-golay, SG）、多元散射校正（multiplicative scatter correction, MSC）、一阶导数（first derivation, FD）和矢量归一化（vector normalization, VN）等4种方法对其进行预处理。采用偏最小二乘法（partial least squares, PLS）提取最佳主成分,构建 PLS 回归模型;同时,采用主成分分析（principal component analysis, PCA）和 PLS 算法提取最佳主成分,作为 BP 人工神经网络（BP artificial neural network, BPANN）输入变量,构建 PCA-BPANN 和 PLS-BPANN 模型。以验证集相关系数 RP 和验证集均方根误差 RMSEP 为模型的评价指标,分别优选最佳 PLS 和 BPANN 模型。试验结果表明,SG-PLS-DA 和 SG-PLS-BPANN-DA 模型对未知样本的整体分类准确率均大于90%。其中,SG-PLS-BPANN-DA 的鉴别效果优于前者,其建模集相关系数 RC、均方根误差 RMSEC 分别为0.974、0.170,验证集相关系数 RP、均方根误差 RMSEP 分别为0.972、0.172,对上述两类样本集的总体分类准确率分别为98.15%、95.83%,该模型能较准确鉴别茶油原产地。研究结果可为快速辨别茶油原产地提供参考。     

吹扫式仿生嗅觉检测装置的设计与性能试验

为研究仿生嗅觉检测装置的检测性能,该文研制了一种吹扫式仿生嗅觉检测装置,选取传感器阵列灵敏度、响应时间和恢复时间作为装置性能指标,分析了传感器加热电压、待检气体湿度以及流量等控制参数对嗅觉检测性能的影响,并进一步验证优化控制参数的仿生嗅觉检测装置对气味检测的可行性和检测性能。试验结果表明:传感器阵列灵敏度随加热电压增大而增大,其响应和恢复时间随加热电压增大而减小,加热电压为5.0 V时,装置性能较佳,其传感器阵列灵敏度分布范围为2.260~4.823,响应和恢复时间分布范围分别为46~53 s、44~70 s;增加气体湿度会使传感器阵列灵敏度减小,同时也会延长响应和恢复时间,气体相对湿度为30%时,装置性能较佳;传感器阵列灵敏度随载气流量的增加先递增后减小,其响应和恢复时间随流量的增加先减小后递增,流量为100 m L/min时,装置性能较佳,其传感器阵列灵敏度分布范围为2.853~7.559,响应和恢复时间分布范围分别为35~50 s、30~50 s;在优化控制参数下,待检气体体积分数范围控制在0.002%~0.020%时,装置检测灵敏度较高,范围为3 577.1~6 700.7;线性特性和重复性较好,决定系数范围为0.901~0.997,变异系数范围为0.832%~9.696%,能满足仿生嗅觉气味检测的要求,可为后续开展仿生嗅觉的应用性研究提供数据参考与技术支撑。     

基于近红外光谱技术的茶油脂肪酸含量的快速检测

为快速准确地测定茶油中脂肪酸含量,建立了应用近红外光谱技术检测茶油中脂肪酸含量的方法。选取市售的156份茶油样品,利用气相色谱仪测定其脂肪酸组成及含量,同时采用近红外光谱仪采集油样的光谱数据,并分析原始(R)光谱、SG平滑(SG)光谱和二阶导数变换(SD)光谱与茶油中脂肪酸含量的相关性,采用偏最小二乘回归法(PLSR)比较全光谱波段与显著性波段对建模精度的影响,优选出茶油中脂肪酸含量的定量检测模型。结果表明:茶油中棕榈酸、油酸和亚油酸含量较高,分别为4.428%~10.931%、78.036%~84.621%、7.013%~9.863%;采集的茶油近红外光谱曲线特征变化较为明显,光谱特征峰的位置分布于8 600~8 200、7 300~6 900、6 000~5 500、4 800~4 500和4 500~4 000 cm–1;茶油中棕榈酸含量与R、SG光谱吸光度呈正相关,油酸和亚油酸含量与R、SG光谱吸光度呈负相关,SD光谱数据与棕榈酸、油酸和亚油酸含量之间的相关系数与R和SG光谱吸光度比较,相关性极大被削弱;基于全波段建立的PLSR模型对棕榈酸、油酸和亚油酸含量的整体预测精度略高于显著性波段所建立的模型,校正集相关系数RC和预测集相关系数RP分别为0.837~0.956和0.818~0.938。从模型的复杂程度分析,采用显著性波段建模的输入变量的数量可压缩至全波段建模的25%以下;SG–PLSR模型对棕榈酸、油酸和亚油酸含量的综合预测性能最优,相应的RP和预测集均方根误差(RMSEP)分别为0.938、0.930、0.925和0.560、0.438、0.287。     

吹扫式仿生嗅觉检测腔结构设计及流场性能模拟与试验

为了优选吹扫式仿生嗅觉检测腔流场结构,提高腔内流体速度分布均匀稳定性,以气体运动微分方程为基础,利用计算流体力学软件Fluent对检测腔内部流场进行了三维数值模拟,得到了设计工况条件下的气体流动特性,提出并分析比较了3种检测腔模型,同时将最优模型的模拟值与试验数据进行了对比分析。计算结果表明,检测腔结构影响腔内气体流速分布,多管道式检测腔在沿管道轴向0.035~0.049 m,气流速度变化存在平滑区,且稳定在0.018~0.268 m/s,能够满足检测工作条件,而线性排列式不存在平滑区,平行排列式平滑区速度范围仅为0.001~0.018 m/s;多管道式检测腔在流速均匀稳定性方面存在优势,气流速度最大偏差比和不均匀系数分别为0.830 6和0.292 0;同时,在数值模拟腔内气体置换时间中,3种检测腔经历时间分别为223.4、302.0和213.8 s,多管道式结构的时间数值最小说明气流响应快,工作效率高。多管道式结构模型能有效改善传感器数值检测的一致性,模型试验中传感器灵敏度检测数值标准差范围为0.153 5~0.428 3,变异系数分布在0.030 5~0.082 7。该研究可为仿生嗅觉检测腔结构的流场均匀性设计提供参考。