智舌对奶粉中抗生素残留的检测研究

本文利用智舌对奶粉中相同浓度的六种抗生素进行了辨识,并对新霉素检测浓度进行了初步研究。采用铂、金、钯、钨、钛和银6个电极组成的传感器阵列和1、10和100Hz三个脉冲频率进行检测,并通过主成分分析、线性判别分析和偏最小二乘法进行数据分析。结果显示：智舌对不同种抗生素和不同浓度的新霉素具有较好的辨识能力,定性分析能够达到国家最高残留限量标准;利用PLS建立模型定量分析,新霉素最适检测浓度范围在200-1000ug/kg附近。     

电子鼻和电子舌单独与联合检测掺大豆蛋白或淀粉的鸡肉糜

为实现掺杂掺假鸡肉的快速、客观评价,该研究利用电子鼻和电子舌联合检测技术对掺杂鸡肉糜进行快速检测,通过对采集的数据进行主成分分析和偏最小二乘法分析,所得结果表明,采用主成分分析,电子鼻和电子舌联合检测掺大豆蛋白鸡肉糜和掺淀粉鸡肉糜的主成分总贡献率分别为99.8%和99.1%;采用偏最小二乘法分析,电子鼻和电子舌联合检测鸡肉糜中掺杂大豆蛋白含量的预测值与真实值之间的决定系数为0.992,均方根误差为2.8%;联合检测鸡肉糜中掺杂淀粉含量的预测值与真实值之间的决定系数为0.996,均方根误差为2.4%。表明电子鼻和电子舌联合检测对鸡肉糜的掺杂情况具有良好的区分和预测能力,并且是一种有效、高精度的肉类掺假检测方法。     

基于漫反射光谱的叶面药液浓度检测方法

应用漫反射反射光谱对叶面药液质量浓度进行了检测研究。选择350～1900nm波段,以标准偏差归一化、三点滑动平均滤波、一阶导数组合预处理,应用逐步回归分析、主成分、主成分+人工神经网络、偏最小二乘、偏最小二乘+人工神经网络回归分析建立了5种数学模型。试验结果表明这5种算法的预测均方根误差分别为0.067、0.061、0.059、0.039、0.056,偏最小二乘法建模效果优于其他模型。考虑到不同作物种类对叶面药液浓度影响,选用八角金盘、油菜、青菜3种作物叶片为对象,在偏最小二乘下建模,其预测集相关系数分别为0.994、0.974、0.929,预测均分根误差分别为0.039、0.050、0.075。表明不同种类作物对叶面药液浓度检测影响较小,漫反射光谱技术检测叶面药液浓度是可行的。     

电子舌检测不同冷藏时间草莓鲜榨汁的品质变化

为了探讨不同冷藏时间草莓鲜榨汁的品质变化规律,利用电子舌对4℃冷藏草莓鲜榨汁进行逐天的品质检测并进行定性和定量分析。结果显示:通过主成分分析和线性判别分析,电子舌能够很好的反映出不同冷藏时间草莓的鲜榨汁品质的变化趋势,在冷藏最初期草莓鲜榨汁品质下降迅速,其后鲜榨汁品质下降缓慢。采用BP神经网络对草莓鲜榨汁冷藏时间进行预测,训练集的整体识别率达到94.90%,预测集的整体识别率为85.71%。采用偏最小二乘法与多元线性回归对草莓鲜榨汁的主要成分预测可知,偏最小二乘法回归模型的预测效果更好,模型的预测值和实际值的相关系数大于0.9,能够为草莓鲜榨汁品质的预测提供参考。     

基于电子舌技术的绿茶滋味品质评价

该文研究利用电子舌技术快速评价绿茶的滋味品质。试验以“碧螺春”绿茶为研究对象,以绿茶滋味化学鉴定法作为绿茶滋味品质的评价方法,获得的滋味总得分值作为电子舌评价模型的参考测量值。在数据分析过程中,首先对不同生产日期的碧螺春茶汤滋味总得分值和各传感器响应值进行单因素方差分析;然后对比采用偏最小二乘法和最小二乘支持向量机建立电子舌传感器响应值与滋味总得分值之间的相关模型。结果显示不同生产日期对绿茶滋味品质及各传感器响应信号都具有极显著影响;当采用4个主成分时,建立的最小二乘支持向量机模型最优。用独立样本检验模型精度,模型预测值与参考值的相关系数为0.906,预测集均方根误差为4.077。研究结果可为茶叶品质智能化评价提供参考。     

羊肉纯度电子舌快速检测方法

为实现掺假羊肉的快速、客观评价,利用电子舌对混入不同比例鸡肉的掺假羊肉糜进行检测及定性和定量分析。3种浸提溶液分别浸提,样品量均对电子舌传感器的响应影响极显著;以数据点重复性和聚类效果为依据,采用主成分分析方法确定了电子舌检测羊肉糜样品的较佳条件为0.1 mol/L KCl溶液浸提15 g肉糜样品。在此较佳条件下,对混入不同比例鸡肉的掺假羊肉进行检测,结果表明：采用主成分分析和典则判别分析,前2个主成分累积贡献率均超过80%,电子舌均能很好地区分混入不同比例鸡肉的羊肉糜样品;采用多元线性回归分析和偏最小二乘回归分析建立的定量预测模型能有效预测混入的鸡肉比例（R2>0.99,RMSE<3%）。试验表明：电子舌在羊肉掺入鸡肉的鉴别中具有可行性,研究结果可为羊肉掺假鉴别提供参考。     

电子舌预测不同体积分数牛奶的表观黏度

该文为建立牛奶的电子舌响应信号与其表观黏度的关系,在单因素方差分析和主成分分析的基础上,提出了比较多元线性回归、逐步多元线性回归和偏最小二乘回归3种模型对牛奶表观黏度的预测效果的方法。结果显示,单因素方差分析表明体积分数对牛奶的表观黏度和各个传感器响应信号都具有极显著性的影响;主成分分析（PCA）可以用来区分牛奶的5种不同体积分数;偏最小二乘回归模型预测效果最好,模型预测值与实际值的相关系数R达到0.9659,平均相对误差（MRE）和预测均方根误差（RMSEP）分别为4.5499%和8.4645×10-5,建模最佳主成分数为3。研究结果表明,偏最小二乘回归模型是电子舌预测牛奶表观黏度的有效方法,该方法为牛奶表观黏度的科学研究提供参考。     

蜂蜜还原能力的电化学传感器检测

为了实现蜂蜜抗氧化物还原能力的快速检测,该文提出了一种用电化学传感器来检测3种不同蜜源蜂蜜的还原能力的新方法。试验采用循环伏安法采集蜂蜜样本的电化学响应信号,提取12个特征值进行归一化预处理,然后利用偏最小二乘法（PLS）建立模型进行检测。校正集的相关系数r和交互验证均方根误差（RMSECV）分别为0.9425和0.0433;预测集的相关系数r和预测均方根误差（RMSEP）分别为0.9392和0.0417。研究结果表明,电化学传感器结合偏最小二乘法检测蜂蜜的还原能力的思路是可行的。     

基于氨基酸组成的黄酒酒龄电子舌鉴别

该研究采用电子舌结合化学计量学方法用于黄酒酒龄的快速鉴别。为确证黄酒样品酒龄,采用氨基酸分析仪分析了1年陈、3年陈和5年陈黄酒中20种氨基酸,并利用主成分分析（principal component analysis,PCA）对氨基酸数据进行了分析。采用电位型电子舌采集了不同酒龄黄酒样品的味觉指纹信息,并采用判别分析（discriminant analysis,DA）方法结合味觉指纹信息建立黄酒酒龄快速鉴别模型。采用偏最小二乘法（partial least squares regression,PLSR）建立电子舌响应信号与氨基酸含量之间的相关关系。氨基酸数据结合PCA分析表明所有样品均标注正确;电子舌结合DA所建黄酒酒龄鉴别模型可将3个年份预测集样品正确区分;异亮氨酸（Ile）、天门冬氨酸（Asp）、酪氨酸（Tyr）和缬氨酸（Val）与电子舌相关性高,模型的相对分析误差（Residual predictive deviation, RPD）高于2。研究表明电位型电子舌结合判别分析是黄酒龄鉴别的稳健方法。     

茶叶咖啡碱近红外光谱模型简化方法

该文以茶叶为研究对象,以近红外光谱分析技术快速检测茶叶中的咖啡碱含量为目的,采用一种小波包分析-移动窗口偏最小二乘法（WPA-MWPLS）的处理光谱数据方法,即利用小波包精细的多层分解功能扣除背景、降低噪声的影响,利用移动窗口偏最小二乘法（MWPLS）挑选与茶叶中咖啡碱相关性较大的波数区间使用偏最小二乘法建立校正模型。与只经过Savitzky–Golay预处理后直接利用PLS所建模型相比,采用小波包分析-移动窗口偏最小二乘法使得预测相关系数R由0.9170提高到了0.9625;预测均方差RESEP由0.3071下降为0.2463。该结果表明：该方法具有预处理简单、优选参数和建模变量少等特点,能在很大程度上简化建模过程、提高建模和分析速度。     

大白菜中马拉硫磷农药的表面增强拉曼光谱快速检测

为了检测大白菜中马拉硫磷农药残留,该文采用表面增强拉曼光谱技术结合化学计量学方法建立马拉硫磷残留的快速检测模型。采用硫酸镁、N-丙基乙二胺、石墨化炭黑和C18去除大白菜中蛋白质、脂肪、碳水化合物等物质的影响。利用不同预处理方法对原始光谱信号进行预处理,建立大白菜中马拉硫磷残留的偏最小二乘模型。研究发现,大白菜中马拉硫磷的检测浓度达到1.082 mg/L以下;归一化预处理后建立的模型预测性能最好。配制5个未知浓度样本验证模型的准确度,预测值与真实值相对误差的绝对值为0.70%~9.84%,预测回收率为99.30%~109.84%;配对t检验的结果表明样本的预测值与真实值之间无明显差异,说明模型是准确可靠的。结果表明,SERS(surface-enhanced Raman spectroscopy)方法可以实现大白菜中马拉硫磷残留的快速检测。     

近红外漫反射光谱技术快速无损识别灵芝和云芝提取物研究

为了满足食用菌提取物实际生产监管需要,本研究采用近红外漫反射光谱技术对来自不同地区的灵芝和云芝提取物样品进行定性识别研究。在800~2 750nm波段范围,采集灵芝和云芝提取物的漫反射光谱,应用主成分聚类分析和偏最小二乘判别法分别建立识别模型,用146个样品进行建模和48个外部样品集进行验证。结果表明:采用主成分聚类判别分析法,灵芝和云芝提取物的判别界线清晰,正确率达到88.54%;采用偏最小二乘判别法,建立的鉴别分类模型能较好地对灵芝和云芝提取物进行鉴别,校正集和预测集样品的识别正确率均为100%。因此,近红外结合主成分聚类分析和偏最小二乘判别法识别灵芝和云芝提取物是可行的,同时研究结果为灵芝和云芝提取物的快速识别提供了理论依据和使用方法。     

生猪肉产量预测的非接触实时在线机器视觉系统

为了准确估测生猪肉产量,该文提出了一种自动提取生猪活体特征的方法,建立了生猪肉产量预测算法。首先,基于自主研发的生猪肉产量预测的机器视觉系统装置实时采集54头活体大白猪的俯视图和侧视图,然后根据图像处理技术对所得的图像进行分析,提取生猪的体长、胸宽、臀宽、体高等体尺参数值;同时通过称量装置获得每头猪的活体质量。其次,将54头生猪样品按2∶1的比例分为校正集和验证集,基于体长、胸宽、臀宽、体高和体质量5个特征参数分别利用多元线性回归法(multiple linear regression,MLR)和偏最小二乘回归法(partial least-squares regression,PLSR)建立不同的肉产量预测模型,通过比较各预测模型的估测精度、相关系数等,确定最佳预测模型。分析结果表明,5个参数中体质量对肉产量预测的权重最大;偏最小二乘回归方法的预测结果较好,最佳预测模型的预测相关系数为0.95,预测误差为3.09 kg。试验结果证实,在检测系统中使用基于生猪的体尺参数和体质量建立的偏最小二乘回归预测模型可快速准确预测生猪肉产量,适于实际生产应用。     

基于PLSR和BPNN方法的番茄光合速率预测比较（英文）

CO2作为温室作物光合作用的重要原料,不同环境因子交互作用的植株叶片对CO2浓度需求具有较大差异。为寻求CO2浓度合理增施量,该文基于偏最小二乘法和BP神经网络方法对不同生长阶段番茄作物进行光合速率预测,进而探讨作物生长过程中可通用的光合速率预测方法。试验以无线传感器网络系统实时监测环境信息(CO2浓度,光照强度,空气温度及相对湿度),以LI-6400XT光合速率仪获取作物单叶净光合速率。剔除样本奇异点后,对样本值进行统一归一化。以CO2浓度、光照强度、空气温度及相对湿度为模型输入变量,以光合速率为输出量,利用偏最小二乘法和BP神经网络方法分别建立番茄幼苗期,开花期及结果期的光合速率预测模型。模型验证结果表明,偏最小二乘法在番茄各生长阶段的决定系数分别为0.74,0.88和0.85,最大相对误差为15.01%;而BP神经网络在各阶段具有较高的预测精度,其决定系数分别为0.94,0.96和0.97,最大相对误差为9.56%。因此,基于BP神经网络模型预测了特定环境下的CO2浓度饱和点,为温室CO2增施提供依据。     

马铃薯黑心病和单薯质量的透射高光谱检测方法

针对单一检测技术不能同时检测马铃薯内外品质的多项指标,采用透射高光谱成像技术并融合光谱和图像信息,对其内部黑心病、质量指标进行检测。通过透射高光谱成像系统获取266个样本高光谱图像（400～1000 nm）,并提取光谱和图像二者信息。采用不同变量选择方法对光谱进行变量选择,用9个光谱变量建立检测马铃薯黑心病偏最小二乘判别分析（partial least squares discriminant analysis, PLS-DA）模型与质量偏最小二乘回归（partial least squares, PLS）模型;提取样本透射高光谱图像的面积信息,建立基于光谱-图像的检测马铃薯质量PLS模型。试验结果表明,黑心样本识别率为100%,识别最小黑心面积为1.88 cm2;基于光谱-图像所建立质量检测模型预测效果较好,其预测集相关系数(Rp)为0.99,预测均方根误差(RMSEP）为10.88。结果表明：采用透射高光谱成像技术并融合图像和光谱信息对马铃薯内部黑心病、质量同时进行检测是可行的。     

基于电子舌的料酒味觉特征辨识与定量分析

为探明电子舌对调味料酒生产工艺的判别能力和理化指标的预测能力,本研究采用电子舌和理化检测手段,结合不同统计方法,对54份料酒样品分别建立定性和定量分析模型。结果表明,应用主成分分析(PCA)可以区分不同生产工艺的料酒样品,第一主成分为鲜味,贡献率62.4%,第二主成分为酸味,贡献率33.2%;应用簇类独立软模式法(SIMCA)可以准确判别酿造料酒和配制料酒,各传感器区分能力(DP)>5,识别率达到100%;应用偏最小二乘法(PLS)将传感器信号与行标方法检测结果进行拟合,总酸、氨基酸态氮和食盐的验证集标准偏差与预测标准偏差的比值(RPD)分别为12.1、6.5和14.1,建立的模型效果良好,可进行准确的定标和预测;酒精度RPD值为2.7,也可进行定量分析,但模型稳定性较弱。本研究结果为应用电子舌对调味料酒进行品质区分和检测提供了理论和实践基础。     

基于小波变换的番茄总糖近红外无损检测

分别采用小波消噪、常数偏移消除等11种光谱预处理方法,对番茄总糖含量（质量分数）的近红外光谱进行预处理,通过偏最小二乘法定量校正模型预测值比较得出,小波消噪是适合番茄近红外光谱的最佳预处理方法,小波消噪的总糖质量分数近红外光谱优选区域为11 998.9～6 097.8 cm-1和4 601.3～4 246.5 cm-1,在此光谱区内建立的番茄总糖质量分数偏最小二乘法模型预测值与实测值的相关系数为0.930,内部交叉验证均方差为0.466%,校正标准差为0.469%,预测标准差为0.260%。试验结果表明：小波消噪后建立的近红外光谱模型能准确地对番茄总糖含量进行快速无损检测。     

基于PLSR和BPNN方法的番茄光合速率预测比较

CO₂作为温室作物光合作用的重要原料,不同环境因子交互作用的植株叶片对CO₂浓度需求具有较大差异。为寻求CO₂浓度合理增施量,该文基于偏最小二乘法和BP神经网络方法对不同生长阶段番茄作物进行光合速率预测,进而探讨作物生长过程中可通用的光合速率预测方法。试验以无线传感器网络系统实时监测环境信息(CO₂浓度,光照强度,空气温度及相对湿度),以LI-6400XT光合速率仪获取作物单叶净光合速率。剔除样本奇异点后,对样本值进行统一归一化。以CO₂浓度、光照强度、空气温度及相对湿度为模型输入变量,以光合速率为输出量,利用偏最小二乘法和BP神经网络方法分别建立番茄幼苗期,开花期及结果期的光合速率预测模型。模型验证结果表明,偏最小二乘法在番茄各生长阶段的决定系数分别为0.74,0.88和0.85,最大相对误差为15.01%;而BP神经网络在各阶段具有较高的预测精度,其决定系数分别为0.94,0.96和0.97,最大相对误差为9.56%。因此,基于BP神经网络模型预测了特定环境下的CO₂浓度饱和点,为温室CO₂增施提供依据。     

偏最小二乘法回归在水利工程安全监测中的应用

针对常规最小二乘法回归难以有效识别和消除自变量因子间的多重相关性影响这一不足,对偏最小二乘法回归在水利工程安全监测数据分析中的应用进行了研究。采用偏最小二乘法进行回归建模分析,将模型拟合与非模型式的数据内涵分析有机结合,同时实现回归建模、数据结构简化以及因子间的多重相关性分析,并通过交叉有效性检验来确保模型精度。对绕坝渗流地下水位实测资料的建模分析表明,偏最小二乘回归法能有效克服因子间的多重相关性影响,所分离出的因子变量对实测结果具有更好的物理成因解释能力,因而在水利工程安全监测及有关数据的统计分析方面具有广阔的应用前景。     

基于小波变换的柑橘维生素C含量近红外光谱无损检测方法

为了探索快速检测柑橘维生素C含量的方法,利用不同分解水平的Daubechies3小波变换,对100个柑橘整果样品的近红外光谱信号进行了消噪处理,并利用消噪后的重构光谱对柑橘维生素C含量进行了偏最小二乘法交叉验证(PLC-CV)。结果表明,小波分解尺度水平不同,PLC-CV效果各不相同,在分解水平为4时,PLC-CV效果最好,其预测值与标准值的相关系数R达到0.9574,交叉验证预测均方差RMSECV仅为3.9 mg/(100 g)。因此,小波消噪后建立的近红外光谱模型能准确地对柑橘维生素C含