江西烤烟淀粉近红外检测模型的建立

【目的】传统的碘显色法检测淀粉含量需要复杂耗时的前处理和实验准备,近红外检测手段不仅 操作简单、检测快速,且不损耗试剂、样品、标准品,大大降低了检测成本,旨在以江西烤烟样品为依托,建 立一种适用于江西烤烟的淀粉近红外检测模型。【方法】收集了来自江西 21 个区县共 650 个烤烟样品的近红外 光谱和对应的连续流动分析仪检测数据（碘显色法）,将光谱数据和化学分析数据一一对应,使用不同的回归 方法和数据处理方法进行建模,通过比较它们的均方根误差和相关系数确定最佳的模型参数。【结果】建立了 适用于江西烤烟的淀粉含量预报模型,校正均方根误差和预测均方根误差分别达到 0.407、0.490,相关系数为 96.52%,并用外部样品对模型进行了验证,95% 的样品误差在 10% 以内。【结论】该模型可用于快速检测江西 烤烟样品中的淀粉含量,并可在一定程度上取代传统的碘显色测淀粉法,降低了检测成本,提高了分析效率。     

顶空 - 气相色谱 - 质谱联用法结合化学计量学分析赣州烤烟样品中的挥发性化合物

【目的】挥发性香气成分作为烟气组分的前体物质,影响着烟草感官评吸质量,通过对赣州烤 烟样品中的挥发性化合物含量进行分析,挖掘不同产地烟叶中挥发性化合物的含量规律并进行产地预报分类, 从而实现对烟草的质量控制。【方法】通过静态顶空 - 气相色谱 - 质谱联用测定赣州 6 个产烟区县（石城、 瑞金、安远、会昌、兴国、信丰）共 62 个烤烟样品中的 54 种挥发性化合物含量,采用主成分分析（Principal component analysis, PCA）对样品产地进行分类,用遗传算法（Genetic algorithm, GA）进行变量筛选,用线性判 别分析（Linear discriminant analysis, LDA）、反传 - 人工神经网络（Back propagation-artificial neural network, BPANN）、最小二乘 - 支持向量机（Least squares-support vector machines, LS-SVM）3 种有监督模式识别方法进行 产地预报。【结果】直接对样品进行 PCA,分类效果并不理想;采用 GA 对挥发性化合物含量进行变量筛选后 得到 11 个变量,分类效果得到显著改善,结合分类结果分析了来自不同区县的样品中挥发性化合物的含量规律。 BP-ANN 和 LS-SVM 的预报正确率分别达到 96.8% 和 98.4%,展现了较好的实际使用价值,据此建立了赣州烤 烟样品的产地鉴别模型。【结论】该方法可以较为准确地判定赣州烤烟样品的来源,同时可以找到不同产地烤 烟挥发性化合物的含量规律,亦可用于全国各地烤烟的香型风格监测和质量控制。     

茶多酚处理对采后勃氏甜龙竹笋木质化的影响

为探索生物保鲜剂处理对采后勃氏甜龙竹笋木质化的影响,以采后勃氏甜龙竹笋为研究材料,剥壳鲜笋用不同浓度茶多酚溶液(0.5％、1.5％、2.5％)处理,并用聚乙烯保鲜袋包装,在4℃下进行贮藏,分析0、2、4、6、8 d贮藏期内,处理组和不添加茶多酚对照组的色差值、木质素、粗纤维、还原糖含量,以及苯丙氨酸解氨酶(PAL)、多...