低场核磁共振结合化学模式识别方法判别休闲豆干品牌

为了探求一种能快速准确地判别豆干品牌的方法,本研究采用低场核磁共振仪,对休闲豆干样品进行测量获取横向弛豫数据,结合主成分分析法(principal component analysis,PCA)、偏最小二乘判别分析(partial least squares-discriiminate analysis,PLS-DA)和贝叶斯正则化误差反向传播人工神经网络(bayesian regularization back-propagation artificial neural network,BR-BP-ANN)等化学模式识别方法对试验数据进行模式识别分析。选用4个常见的休闲豆干品牌,每个品牌分别收集5个批次的样品。每个批次随机选择16小包作为测试样品,共获得320个样品。使用低场核磁共振仪对这些样品进行测量,然后采用模式识别方法进行品牌判别。试验结果表明:对预测集豆干样品采用PCA进行判别分析时,从三维投影图中难以对各品牌进行人眼识别;运用PLS-DA方法对训练集样品的品牌识别率为86.3%,预测集样品的识别率为81.3%;然而使用BR-BP-ANN方法对预测集样品进行判别预测,预测值与实际期望值高度吻合,判别正确率均为100%,能够很好的实现对豆干品牌的判别。因此,采用BR-BP-ANN方法能够快速而准确地对豆干品牌进行识别,可为休闲豆干的品牌判别提供较好的技术支持。     

低场核磁共振结合多元校正对休闲豆干水分含量的快速测定

[目的]采用低场核磁共振仪对休闲豆干样品进行测量获取横向弛豫数据,结合多元校正方法对水分含量进行快速测定。[方法]使用直接干燥法测定豆干水分含量,测得的结果作为化学值。运用偏最小二乘(PLS)和误差反向传播人工神经网络(BP-ANN)方法结合豆干样品的核磁共振数据与化学值建立多元校正模型,实现对豆干水分含量的快速测定。[结果]对于PLS与BP-ANN方法,校正集样品的水分含量预测值和化学值之间的相关系数分别为0.923 5和0.917 6,校正均方根误差分别为0.027 2和0.028 1;预测集样品的水分预测值和化学值之间的相关系数分别为0.918 9和0.921 5,预测均方根误差分别为0.024 8和0.022 3。[结论]2种方法都能快速而准确地对休闲豆干的水分含量进行预测。