奶粉中钙含量的非线性化学指纹图谱法测定

采用非线性化学指纹图谱法对奶粉中固有钙含量进行定量分析。先用国标火焰原子吸收分光光度法对3份奶粉标准样品中固有的钙含量进行测定,分别向奶粉标样中加入不同量的碳酸钙,利用硫酸-硫酸锰-丙酮-溴酸钠-标样成分为反应体系,通过非线性化学指纹图谱法对含有不同量碳酸钙的奶粉进行测定,运用最小二乘法,拟合出其波动周期与奶粉中钙的总含量之间的一元线性关系,当奶粉中钙的加入量已知时,可求出奶粉中固有的钙含量。实验表明,当奶粉总量为0.9 g、奶粉中钙的总含量在0.022 7~0.032 3 g范围内时,钙的总含量与波动周期线性关系良好,决定系数R2为0.995 3~0.998 8,样品加标回收率为99.18%~101.60%,RSD为0.47%~1.63%,奶粉中固有的钙含量检测范围为0~0.032 3 g。方法准确度高,操作简单,是一种切实可行的测定奶粉中固有钙含量的方法,也可作为复杂样本中其它成分定量分析借鉴的方法。     

基于紫外指纹图谱技术的食醋品种检测方

以不同食醋为研究对象,采用旋转蒸发、紫外光谱扫描等手段研究了波长范围、蒸发液稀释比例、蒸发温度和参比液质量浓度等对食醋紫外吸收曲线的影响,确定了食醋紫外指纹图谱检测方法的试验条件:扫描波长范围245～330nm,蒸发液稀释比例1:6,蒸发温度45℃,冰醋酸参比液质量浓度45g/L.以曲线间的相似度为指标验证了方法的重现性、稳定性和差异性,结果表明:各个食醋样品3次重复测定的指纹图谱间相似度均大于0.90,同一样品图谱的重现性良好;各个食醋样品在不同存放期的紫外指纹图谱间相似度均大于0.90,同一样品图谱的稳定性良好;各个不同食醋样品的紫外指纹图谱之间的相似度均小于0.90,不同样品图谱的差异性良好.     

葡萄酒香气可视化指纹图谱构建方法

以我国5个主要葡萄酒产区霞多丽（Chardonnay）干白葡萄酒为实验对象,研究分析了葡萄酒中的香气成分,利用可视化方法发掘其香气指纹特征,实现对供试酒样的产区辨别。实验酒样的香气成分通过固相微萃取技术（SPME）偶联GC-MS定性定量分析,计算检出成分的气味活性值（OAV）,香气成分数据经标准化处理后,投影到灰度空间,以二维灰度图直观表达香气数据的特征信息。研究结果表明,该法表达了不同产区供试酒样的香气特征差异信息明显,尤其是OAV的可视化图谱可作为葡萄酒的指纹图谱,直观表达供试酒样不同产区的香气指纹特征。     

基于指纹图谱的欧拉羊肉挥发性风味物质定量分析

欧拉羊分布在青藏高原东部,生活环境特殊,羊肉品质独特,但其挥发性风味物质组成尚不明确。为研究欧拉羊肉熟制时的挥发性风味物质,并构建相应指纹图谱,以欧拉羊、湖羊、杜泊羊和滩羊羊肉为研究对象,利用顶空固相微萃取、结合气相色谱质谱联用法,对羊肉挥发性风味物质进行定性定量分析,并通过嗅辨仪鉴定出呈香化合物。运用主成分分析和聚类分析,将欧拉羊与湖羊、杜泊羊、滩羊羊肉的风味进行比较,从而明确欧拉羊肉的挥发性风味物质,并建立指纹图谱。结果表明,在欧拉羊肉中检测到醛类、酮类、醇类、杂环类、烷烃类等共53种挥发性物质,其中77%具有气味活性。所有物质中醛类有20种,在整体风味物质中的相对含量占比达62%,对风味贡献最大。欧拉羊肉整体风味物质轮廓与其他3种羊肉有显著区别,其特征性风味物质主要包括(E)-2-己烯醛、(E,E)-2,4-庚二烯醛、(E,E)-2,4-辛二烯醛、3-辛烯-2-酮等不饱和醛酮,4-异丙基甲苯等烷烃类,以及苯并噻唑等其他呈味物质,它们共同贡献了水果香、坚果味、青草味等令人愉悦的气味。     

基于近红外光谱分析法的奶粉品质快速检测

选择11个品牌的10多种配方奶粉,共80个样品,使用PDA型近红外光谱仪采集奶粉漫反射光谱,波长范围1 089～2 219 nm.对光谱进行了SNV、软阈小波消噪及一阶微分预处理,通过比较主成分在不同波长上的权重分布,选择不同波段建立校正模型和进行预测精度分析.结果表明,奶粉的蛋白质和脂肪的近红外光谱信息主要分布于1 100～1 400 nm和1 800～2 200 nm波段内,采用小波消除原始光谱的噪声能提高校正模型的稳定性和预测精度,可以利用PDA型近红外光谱快速检测多品牌、多类型配方奶粉中蛋白、脂肪含量.     

婴幼儿奶粉中多种掺假物近红外高光谱图像检测方法

奶粉市场是食品掺假行为频发领域,其中婴幼儿配方奶粉价格高,其质量是消费者、生产企业和执法部门关注的重点。近红外高光谱成像（Near infrared-hyperspectral imaging, NIR-HSI）技术结合化学计量学和机器学习算法可以检测奶粉中单一掺假物含量。基于NIR-HSI技术研究了不同品牌婴幼儿奶粉中多掺假物（三聚氰胺、香兰素和淀粉）的定量预测。对基于像素点预处理后的高光谱图像划分感兴趣区域（Region of interest, ROI）,提取ROI平均光谱。基于经典的过滤式特征选择算法拉普拉斯分数（Laplacian score）（无监督）和ReliefF（有监督）挑选建模关键变量,建立偏最小二乘回归模型（Partial least squares, PLS）。开发包含自定义选择层的一维卷积神经网络模型（One-dimensional convolutional neural networks, 1DCNN）。自定义层根据权重系数绝对值,可确定重要波长变量。Laplacian score-PLS模型对预测集中奶粉、三聚氰胺、香兰素和淀粉质量分数预测结果均方根误差分别为0.1110%、0.0570%、0.0349%和0.3481%。ReliefF-PLS模型对预测集中奶粉、三聚氰胺、香兰素和淀粉预测结果均方根误差分别为0.1998%、0.0540%、0.0455%和0.1823%。1DCNN模型对预测集中奶粉、三聚氰胺、香兰素和淀粉质量分数预测结果均方根误差分别为0.8561%、0.0911%、00644%和0.2942%。对Laplacian score、ReliefF和自定义选择层挑选出的前15个重要波长进行对比分析,不同特征选择方法挑选的特征波长子集有所区别,但都选择 1210、1474、1524、1680nm等附近波长。基于ReliefF-PLS模型的可视化结果表明了其良好的预测能力。     

基于激光诱导击穿光谱的土壤钾素检测

为满足大田土壤钾素养分在线检测的迫切需要,设计了一种基于激光诱导击穿光谱原理的土壤养分在线检测的系统平台装置,并开展了土壤养分快速测定的实验研究,对采用激光诱导击穿光谱定量分析土壤钾素养分含量的可行性与准确度进行了探索。实验表明,土壤钾元素的特征谱线在波长766.49 nm和769.90 nm处,钾素养分含量与特征谱线强度呈正相关,但当钾素质量分数大于0.3%时,存在明显自吸收现象,谱线强度与样本质量分数呈非线性关系。为了消除土壤光谱检测的基体效应,选定土壤样本锂元素为内标元素,对土壤钾元素等离子光谱特征谱线进行内标校正处理。利用土壤样本钾元素的敏感特征波长766.49 nm和769.90 nm处的光谱强度对土壤钾元素含量进行二元线性建模分析,建模曲线拟合效果良好,模型决定系数达到0.933 7,相对均方根误差仅为0.276 1。利用该实验系统,土壤钾素养分最低检测限为212μg/g,初步具备土壤钾素养分在线检测的要求。     

基于红外热成像的白羽肉鸡体温检测方法

为了快速、准确地检测肉鸡体温,提出了一种红外热成像技术和深度学习相结合的肉鸡体温检测方法。以卷积神经网络为基础,建立肉鸡头部和腿部的感兴趣区域(Region of interest,ROI)识别模型,提取肉鸡头部和腿部的最高温度,结合环境温度、相对湿度和光照强度,分别构建了基于多元线性回归和基于BP神经网络的肉鸡翅下体温反演模型。试验结果表明,基于深度卷积神经网络(Convolutional neural networks,CNNs)的感兴趣区域识别模型在测试集上的查准率和查全率分别为96. 77%和100%,基于多元线性回归和BP(Back propagation)神经网络的反演模型平均相对误差分别为0. 33%和0. 29%。基于BP神经网络的肉鸡翅下温度反演模型具有更高的准确性,可准确检测肉鸡体温。     

基于知识图谱的花卉病虫害知识管理方法

为解决花卉病虫害领域中病虫害防治因素关系复杂、知识冗余等问题,结合知识图谱对知识组织和管理的技术,提出一种基于知识图谱的花卉病虫害知识管理方法。首先,根据文献提取包括环境在内的花卉病虫害防治要素,构建花卉病虫害本体模型并存储在RDF图中,实现对知识规范性和完整性的控制;其次,对花卉病虫害领域文本进行分析,针对分析得到的文本特点,提出融合头尾实体分离“01”标注方法、轻量级双向转换编码表示模型(A lite BERT, ALBERT)和引入词性特征的级联标注模型(Cas_POSRel)的抽取框架进行三元组抽取;之后利用自定义RDF2PG映射算法,按照RDF图中的本体模型将抽取到的三元组存入Neo4j数据库中,完成对花卉病虫害知识的存储及管理。实验结果证明提出的抽取框架中标注方法、预训练模型与抽取模型相比基线方法F1值分别提升0.88、4.90、8.57个百分点,同时得到抽取结果F1值为95.07%。通过知识发现表明该知识管理方法能有效组织管理病虫害知识,帮助花卉种植人员进行更为有效的病虫害防治工作。     

基于多光谱视觉的油菜叶片氮素营养检测方法研究

应用多光谱视觉技术对油菜叶片氮含量百分率进行了定量分析.在RGB颜色模型下,对采集的油菜叶片图像的颜色特征进行分析.分析结果表明:G/R-G/B和G/R与叶片氮含量百分率呈高度相关,相关系数分别为0.89和0.88,而其它图像特征同含氮量百分率之间相关性都比较弱.为此,使用G/R-G/B与G/R分别与叶片氮含量百分率建立线性回归模型,经验证G/R-G/B建立的回归模型预测值平均相对误差在9%以内,这表明此特征可用于多光谱视觉快速诊断油菜叶片氮素营养的特征.     

维生素C对奶粉化学振荡体系的扰动性研究

研究了维生素C对(NH4)4Ce(SO4)4-NaBrO3-丙二酸化学振荡系统振荡的影响规律.以奶粉与纯水空白样为检测样本,将检测样本加入反应池后进行数据采集,当振荡曲线平稳进行到8 min时,分别加入不同质量的维生素C,考察维生素C添加量对相应振荡图谱直观信息与特征参数的影响.结果表明:当每克奶粉中维生素C添加量大于...     

基于介电特性的豆浆固形物含量检测

为检测豆浆中固形物含量(S),采用网络分析仪研究了频率(20~4 500 MHz)、温度(20~80℃)和S(2.00~7.01 g/(100 m L))对豆浆介电参数(相对介电常数ε'和介质损耗因子ε″)的影响规律;建立了豆浆介电参数与温度、S之间的关系模型,并对模型预测S的可行性进行了检验。结果说明,在20~4 500 MHz的频率范围内,ε'随频率的增大而减小,ε″随频率的增大先减小后增大,在600~2 000 MHz之间有最小值。ε'随温度的升高而减小,低频段下ε″随温度的升高而增大,而高频段下ε″随温度的升高而减小,ε″达到最小值时的频率随着温度的升高而增大。ε'随S的增大而减小,而ε″随S的增大而增大。一定频率下,可用二次多项式表达豆浆的ε'和ε″与温度、S的关系;基于100 MHz下的ε'和20 MHz下的ε″所建立的二次多项式的决定系数分别为0.989和0.990。对模型的验证结果表明,基于20 MHz下的ε″计算的S值与实测值之间的决定系数为0.978。研究结果表明介电特性可用于检测豆浆中的固形物含量。     

豆乳粉加工关键技术研究进展

近年来,我国豆乳粉市场前景广阔,行业发展较快,形成了干法、湿法、半湿法3种主流豆乳粉加工技术体系。本文介绍了豆乳粉加工各个环节的关键技术对豆乳粉产品速溶性、豆腥味、致敏性等的影响规律,阐述了针对目前豆乳粉的腥味残存、致敏性较高、速溶性较差、口感体验较差、品质稳定性偏低等技术瓶颈问题的工艺调控方案,并对我国豆乳粉行业的发展进行总结和展望,以期为我国豆乳粉的生产工艺、标准建立、产品研发等提供参考。     

基于动态称量原理的泛函式播种施肥量检测方法

针对动态检测播种施肥量的测量系统易受振动干扰影响且难消除的问题,本文采用高压氮气弹簧的支撑力和S型传感器的拉力组合成称量式播量检测装置,利用压力和拉力之间存在力向相反、幅值呈比例的互补特性,提出了一种泛函式播量检测方法,该方法构建了以目标播量函数为变量的泛函,通过求取泛函极值确定目标播量函数。利用外槽轮式小麦播种施肥机平台,在不同目标播量（225、300、375kg/hm2）和不同车速（3、5km/h,3~7km/h变速）下开展了18组室外车载式小麦播种交叉试验,并应用泛函式播量检测方法获取累积播量和动态播量信息。累积播量的绝对相对偏差的最大值、平均值和标准差分别为5.61%、2.26%和1.58%;动态播量的检测数据在作业面积较小时（少于0.020hm2时）存在较大波动,随着作业面积的增加呈明显收敛趋势,动态播量稳定阶段（作业面积大于0.033hm2）,所有测试最大绝相对偏差为9.61%,单次测试中,最大平均值为4.73%,最大标准差为1.97%。试验结果表明,泛函式播量检测方法能有效获取动态播量和累积播量信息,为播种施肥机的播量检测提供了一种测量方法。     

支持向量机-近红外光谱法用于真假奶粉的判别

将基于统计学理论的支持向量机(SVM)与近红外光谱分析技术相结合,对真假奶粉进行分类判别.以50个奶粉样品作为实验材料,通过SVM建立识别真假奶粉的模型.实验中采用高斯径向基函数(RBF)为核函数,根据SVM的不同输入量调整核参数建立最佳SVM模型,对学习机的38个样品识别率可达到100%,对预测集12个奶粉样品预测率可达到100%.实验表明,应用支持向量机-近红外光谱法建立判别真假奶粉的近红外定性分析模型,为真假奶粉的判别提供一个方便快捷的分析方法.     

竹叶片氮含量高光谱估测方法对比研究

为实现快速无损检测竹叶片氮含量,采用波长范围为350~2500nm的地物光谱仪获取竹叶片光谱数据,以金镶玉竹叶片为样本,对其进行高光谱分析。将高光谱原始反射率及其一阶微分、对数一阶微分和二阶微分值,与化学法测量的竹叶片氮含量值进行了相关性分析,分别获得了不同微分变化下的特征波段;基于微分变换后的高光谱反射率数据,分别采用二元线性回归、多元逐步回归、偏最小二乘回归和基于主成分分析的BP神经网络方法,建立了4种金镶玉竹叶片的氮含量高光谱估测模型。对比4种估测模型的校验结果表明,在光谱反射率的对数一阶微分变换下,采用拓扑结构为6-10-1的基于主成分分析的BP神经网络估测模型,校验环节决定系数为0.838,均方根误差RMSE为0.0452,具备较好的竹叶片氮含量估测效果。     

基于非线性方程组有限元方法的采摘机器人模拟研究

在设计采摘机器人的过程中,将有限元分析方法引入到了其关键部件的设计上,通过有限元模拟计算可以对机器人的关键部件进行校核分析,实现部件结构的优化设计。同时,将基于非线性方程组将非结构网格使用到了仿真模拟过程中,实现了复杂结构的非线性分析计算。最后,以采摘机器人手臂部件的仿真分析为例,对结构进行了有限元仿真模拟,得到了手臂的应变分布图,为机器人的手臂结构优化提供了重要的数据参考。     

基于电学特性的生鲜牛乳蛋白质含量检测仪研究

为了提供一种操作简单、成本低廉且便于现场检测的生鲜牛乳蛋白质含量检测仪器,基于农业物料的电学特性设计了扫频范围为1~100MHz的牛乳蛋白质含量检测仪。该检测仪的硬件系统由STM32单片机、扫频信号源模块、检测模块、信号处理模块和输入输出模块组成。基于MDK 5.0环境,利用C语言开发了检测仪的软件,主要实现系统初始化、频率扫描、数据采集、串口发送、按键处理和结果显示等功能。以生鲜牛乳为研究对象,分析了蛋白质含量与1~100MHz范围内199个采样点的输入、输出信号的幅值,以及输入与输出信号相位差之间的关系,基于采集的信号建立了牛乳蛋白质含量的偏最小二乘模型,该模型决定系数为0.835。对仪器检测精度进行了测试,本检测仪蛋白质含量绝对测量误差范围为-0.11~0.12g/(100g),平均绝对测量误差为0.01g/(100g),检测时间小于2min,可以快速、有效地检测生鲜牛乳中的蛋白质含量。