电子舌检测奶粉中抗生素残留

为了找到能快速检测乳制品中抗生素残留的方法,该文利用电子舌对奶粉中相同质量浓度的6种抗生素进行了辨识,并对新霉素检测质量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100 Hz 3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：电子舌对不同种抗生素和不同质量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;利用偏最小二乘法（PLS）建立模型定量分析,新霉素最适检测质量浓度范围在300～1 100 μg/L附近。电子舌依据其独特的优点,为食品掺杂掺假的检测提供了新的思路和方法。     

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。     

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。     

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。     

基于Sr稳定同位素和矿物元素的鲍鱼产地溯源技术研究

为探究Sr稳定同位素和矿物元素结合鉴别鲍鱼地理起源的可行性,本试验以辽宁大连、山东长岛、山东荣成及福建连江4个产地皱纹盘鲍(Haliotis discus hannai)为研究对象,利用电感耦合等离子体质谱仪(ICP-MS)测定鲍鱼不同组织(壳肌、裙边、消化腺性腺、外套膜)中⁸⁷Sr/⁸⁶Sr、⁸⁸Sr/⁸⁶Sr和20种矿物元素特征及差异,通过3种化学计量学方法构建鲍鱼产地溯源模型并筛选优质指标。结果表明,4种组织的22种指标(除消化腺性腺Li元素)在4个产地间有显著性差异(P<0.05);通过主成分分析(PCA)降维处理,22种指标可在一定程度上区分不同产地鲍鱼,但依然有重叠现象;采用两种判别分析方法建立鲍鱼壳肌、裙边、消化腺性腺、外套膜产地判别模型,利用偏最小二乘法判别分析(OPLS-DA)得出4个组织的正确判别率分别为99.0%、97.0%、99.0%和95.5%,利用线性判别分析(LDA)得出4个组织交叉验证的正确判别率分别为97%、97.5%、99.0%和96.0%,两种模型均展现了...     

电子鼻检测不同品种和加工类型的柑橘汁

为了探索一种通过气味快速区别橙汁和橘汁以及在线监测橙汁加工品质的方法,应用电子鼻对不同品种的橙汁和橘汁的香气进行区分,研究酸橙汁加工过程中各工艺操作对香气成分的影响,并对不同加工类型的酸橙汁进行区分。通过对所获得的数据进行主成分分析及偏最小二乘回归分析,结果显示,不同品种的橙汁和橘汁的香气品质存在差异, 橙汁经过一系列加工工艺后香气发生了明显变化,浓缩还原汁的香气品质要逊于非浓缩橙汁（NFC橙汁）,28%、38%、48%和63.5% 4种不同可溶性固形物质量分数的还原汁在电子鼻传感器上的信号经拟合后有良好的线性关系,以55%还原汁为盲样,判别结果为57.95%,误差为5%。使用电子鼻可以很好的区分不同品种、不同加工类型的柑橘汁,还可以应用于橙汁加工过程中的品质控制。     

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。     

用于山核桃陈化时间检测的电子鼻传感器阵列优化

为更好地进行山核桃陈化时间检测,论文拟通过传感器阵列优化来有效提高电子鼻对其区分预测能力。该文依据响应曲线保留响应明显的传感器,并在提取传感器特征值构成初始特征矩阵的基础上,结合均值分析、变异系数分析、聚类分析、相关性分析和多重共线性分析进行逐步优化以获取最终优化传感器阵列。对优化前后的数据采用主成分分析法(principal component analysis,PCA)和偏最小二乘回归(partial least squares regression,PLSR)进行样品区分和预测能力的对比。结果表明:通过优化,经不同人工陈化时间(0、5、10、15d)处理的山核桃能有效区分开,且在PCA得分图中更为聚集;优化后的陈化时间回归模型(R2=0.933 4)较优化前(R2=0.888 7)具有更好的预测能力。说明所给出的阵列优化方法有效可行,为电子鼻针对性检测提供了一种思路。     

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。     

基于多光谱影像反演土壤盐分的建模方法研究

土壤盐分的定量遥感反演,为快速、准确、全面地监测盐渍化状况提供了可能。本文以黄河三角洲地区垦利县为例,实地调查采集土壤样本,并获取同时相Landsat 8影像,建立土壤盐分遥感反演的BP神经网络、偏最小二乘回归、主成分分析、多元线性回归多种模型,进而进行精度对比分析,评价、优选最佳建模方法,最后,基于最佳模型进行研究区土壤盐分的空间分布反演分析。结果显示:遥感影像的反射率与土壤盐分含量并不是单纯的线性关系,构建的盐分估测模型BP神经网络预测决定系数为0.8467,均方根误差为0.071,明显高于传统线性统计模型,能较好地模拟土壤盐分与光谱数据的关系。该研究既能为盐渍土的治理、利用提供数据支持,又能推动盐渍化区域遥感研究的定量发展。     

二维相关光谱结合偏最小二乘法测定牛奶中的掺杂尿素

为了检验牛奶中是否掺杂尿素并将其量化测定,配置含有尿素质量浓度范围为1～20g/L之间40个牛奶样品,以掺杂物尿素浓度为外扰,分别研究了掺杂尿素牛奶的二维相关(近红外-近红外,中红外-中红外,近红外-中红外)光谱特性,在此基础上,分别选择随浓度变化大的4200～4800cm-1和1400～1704cm-1为建模区间,采用偏最小二乘方法建立定量分析模型。研究结果表明:4200～4800cm-1建模分析效果优于1400～1704cm-1建模结果,其交叉验证均方根误差为0.266g/L,对未知样品集预测相关系数达到0.999,预测均方根误差为0.219g/L,这表明所建模型具有较好的预测效果。该方法无需样品处理,成本低,为快速判别牛奶是否掺杂提供了一种新的可能的方法。     

基于主成分分析和判别分析的白酒品牌鉴别方法

白酒的香气物质决定了白酒产品的差异。为了实现不同白酒产品的区分鉴别,提出了基于气相色谱分析技术结合模式识别实现白酒区分的方法。采集了7种产品共70个白酒样本的气相色谱数据,定性定量分析了己酸乙酯、乳酸乙酯等10种基本香气物质的含量,并对测定的物质进行主成分分析,验证区分效果,最后利用线性判别法建立判别函数,对不同白酒进行区分。结果表明,2种分析方法均可用于区分不同白酒,主成分分析结果显示,前3个主成分累计贡献率为86.527%,能有效描述香气物质和产品之间的复杂关系;线性判别分析对所有样本均得到准确的判别,正确率为100%,对预测样本的正确判别率达93.9%,建立的判别函数能准确区分不同白酒。研究表明,利用气相色谱技术结合模式识别的方法可用于不同白酒的区分鉴别。     

高光谱图像技术快速预测发酵醋醅总酸分布

固态发酵是镇江香醋生产的重要环节之一,直接决定着成品醋的风味和品质。但目前固态发酵的生产控制主要依赖人工经验,难以有效保障镇江香醋的品质。该文分析了总酸（total acid content,TAC）、pH值、含水率在不同阶段的变化规律;采用高光谱图像技术结合联合区间偏最小二乘法（synergy interval partial least squares,siPLS）快速预测固态发酵基质（醋醅）的TAC、pH值和含水率,其最佳模型的相关系数R分别为0.8316、0.9455和0.8503;同时利用主成分分析和逐步多元线性回归模型（stepwise multiple linear regression,SMLR）对醋醅高光谱图像进行分析,研究了总酸在醋醅中的分布情况,以此来快速判断醋醅发酵的均匀性。研究表明,利用高光谱图像技术快速预测醋醅的理化参数及其分布的方法是可行的,结果可为镇江香醋固态发酵的工艺控制提供基础数据和技术手段。     

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。     

利用近红外漫反射光谱技术进行苹果糖度无损检测的研究

利用近红外漫反射光谱技术,研究了1300～2100 nm波长范围内无损检测苹果糖度的可行性。采集了每个苹果去皮前、后最大横径上四个点的近红外平均光谱和整个苹果的糖度值。采用主成分回归(PCR)和偏最小二乘法(PLS)对试验数据进行了多元统计分析。结果表明：在1300～2100 nm波长范围内无损检测(即带皮检测)苹果的糖度是可靠的,并且PLS模型的性能更优于PCR模型。本文还对用单测点光谱和多测点平均光谱建立的糖度模型进行了研究,结果表明用单测点光谱预测整个苹果的糖度,其精度明显低于多测点平均光谱。这说明用苹果上一个点的光谱来预测整个苹果的糖度,其精度是不够的。因此,在利用近红外漫反射光谱在线检测苹果糖度时,作者建议采用多个光纤探头来采集多点光谱,然后取其平均值预测。     

基于可见-近红外光谱技术的蜜源快速识别方法

蜂蜜蜜源决定了蜂蜜的药用价值。为了实现快速无损识别蜂蜜蜜源,提出了基于可见-近红外光谱技术结合机器学习的方法来实现蜂蜜蜜源的快速无损识别。该研究采集来自4个蜜源共232份蜂蜜样本光谱数据,随机选取其中212个样本用来构建分类器,剩余20个样本进行分类器泛化学习能力的检验评估。光谱数据预处理采用基线校正,数据标准化和平滑消除干扰和噪声。基于一对多分类规则,采用主成分分析结合贝叶斯线性判别构造线性多分类器,并就分类效果和泛化学习能力与前向神经网络器构成的非线性分类器进行比较。结果表明：基于主成分分析结合贝叶斯线性判别构造的多分类器分类正确率为91.95%,前向神经网络的分类正确率为100%。该研究也表明应用可见-近红外技术对蜂蜜蜜源进行快速分类是可行的。     

在伊朗中部源于第三纪沉积物的土壤上影响坡缕石的发生因素研究

Limited information is available on the distribution and origin of palygorskite in soils developed on Tertiary sediments as the major soil parent materials in central Iran and other Middle Eastern countries. The objectives of this study were to determine the distribution and origin of palygorskite in soils developed on Tertiary sediments, and to identify the major soil properties that influence palygorskite distribution in the soils studied. Sixteen soil profiles developed on Paleocene, Eocene, Oligocene, Oligocene-Miocene, Miocene and Pliocene sediments were studied by X-ray diffraction analysis, transmission electron microscope, and scanning electron microscopy. Physicochemical characteristics of the soils and sediments including particle size distribution, pH, electrical conductivity, organic carbon, gypsum, carbonates, and soluble Si, Ca and Mg were determined. The principal component analysis was used to establish the relationships between palygorskite and the physicochemical characteristics of the soils studied. Results showed that clay fraction of all the soils in the study area was dominated by palygorskite. The highest amount of palygorskite was found in horizons where simultaneous accumulation of both carbonates and gypsum occurred. Limited amount of palygorskite was found in salic and calcic horizons. Palygorskite seemed to be of eolian origin in the surface horizon of all the soils. Using principal component analysis, the soluble Mg/Ca ratio, pH, soluble Si and gypsum contents were identified as the most important factors affecting the distribution and genesis of palygorskite in the soils studied. Results might suggest the neoformation of palygorskite by precipitation from solutions in which evaporation fluxes were very high. However, palygorskite in soils developed on Tertiary sediments in central Iran seems to be of both inherited and pedogenic origins.     

基于高光谱特征选择的霉变玉米黄曲霉毒素B_1的检测方法

为研究高光谱技术检测霉变玉米中黄曲霉毒素B_1含量的可行性,选择5种不同霉变程度的玉米为试验材料,利用高光谱图像采集系统获得了250个霉变玉米样本的高光谱数据,并进行多元散射校正(MSC)预处理;运用偏最小二乘回归(PLSR)系数来选择特征波长,筛选出7个特征波长,然后利用Fisher判别分析(FDA)分别对全波长和特征波长下霉变玉米进行鉴别分析。结果表明,5组样本在全光谱波段下的FDA鉴别正确率在85%～88%之间,而在特征光谱下的FDA鉴别正确率均在98%以上,说明特征波长能较好地表征不同霉变等级的玉米。神经网络模型优于PLSR模型,其预测集相关系数和均方根误差分别为0.999 9、0.180 9。因此,可认为利用高光谱技术来检测不同霉变程度玉米中的黄曲霉毒素B_1含量是可行的。本研究结果为高光谱鉴别其他农产品提供了重要参考。