原子荧光光谱法测定热带水果中的砷

采用氢化物发生－原子荧光光谱法测定热带水果中的砷。在本实验所选取的仪器测定条件下。该方法的检出限为0．0001μg/mL，线性范围为0．0005－0．25μg/mL，回收率为94％－102％。     

扫描次数对椰子肉含油量近红外光谱建模的影响

分析扫描次数对椰肉含油量近红外光谱建模的影响,为建立性能稳定的近红外定量模型选择合适参数提供参考.采用国产光栅近红外光谱仪,对38份成熟椰肉样本进行近红外光谱扫描,同一样品重装2次,扫描次数分别为3、8、16、32和64次,比较不同扫描次数条件下建立的模型差异,并对模型外部验证集的样品含油量进行预测值和实际值的成对t检...     

茶关联的氟素含量测定技术研究进展

人体必需微量元素氟,主要来源饮食,其在人体内适量的含量不仅有利于骨骼的健康,还能够起到预防龋齿的作用,但体内过高的氟含量反而不利于健康。茶叶作为健康饮料已逐渐被大众认可,然而茶叶为富氟植物,其叶片氟含量与老嫩度呈正相关,一般以嫩叶制备的名优茶氟含量低,而以老叶制备的黑茶氟含量较高,长期大量饮用,可能会引起饮茶型氟中毒。因此,快速准确测定茶叶中的氟含量,为消费者提供参考,显得尤为迫切。在以常见的氟离子选择电极作为检测手段以外,极谱法、光谱法与色谱法在氟素中的测定,近年来也得到了快速的发展,本文对此进行了系统总结。     

饲料玉米品质分析的化学计量学方法

以饲料玉米为研究对象,采用化学计量学方法,利用全波段光谱数据建立玉米粗蛋白预测的简单快速精准预测模型。结果表明：原始光谱经去趋势算法预处理后,Rank-KS算法选择校正集和预测集,使用偏最小二乘（Partial least square,PLS）方法进行建模,校正集和预测集的相关系数分别为0.991 5和0.981 3,校正集和预测集的均方根误差分别为0.063 4和0.113 8。预测集的相对分析误差RPD为5.02,大于评估阈值3.0。所建模型精度和稳定性较为理想,可满足在线生成检测的要求。     

基于近红外光谱技术的大米掺伪定量判别

针对现在市场上常见的两种大米掺伪现象,利用近红外光谱技术结合化学计量学方法分别建立了大米中掺入低档米和掺入矿物油的定量分析模型。制配不同掺伪比例的大米样品,采集其近红外光谱,并选用标准正态变量变换、最大最小归一化、平滑和一阶导数4种方法对原始光谱进行预处理,分别结合偏最小二乘法建立PLS定量分析模型。通过对比建模结果选出的最优预处理方法是最大最小归一化,建立的掺低档米模型的校正集和预测集相关系数分别为0.9698和0.9845,均方根误差分别为8.66和6.46;掺矿物油米模型的校正集和预测集相关系数分别为0.9739和0.9888,均方根误差分别为0.106和0.0698。模型的预测精度和稳定性均很好,实现了对两种掺伪大米快速、准确的定量判别,为大米的品质监控提供了一种新的方法思路。     

人工神经网络NIR定量分析方法及其软件实现

在Visual C＋＋环境中采用面向对象技术,开发了PCA-MBP-NIR定量分析模型软件。通过40份小麦样品的原始光谱、加噪光谱（信噪比为14dB）与含水率所建立的PLS-NIR与PCA-MBP-NIR模型,对10份未知小麦样品的原始光谱、加噪光谱分别进行含水率的PLS-NIR与PCA-MBP-NIR预测分析。分析表明,对于含噪声的光谱,与PLS建模相比,使用PCA-MBP-NIR对未知样品预测结果具有更高的相关系数,更低的预测误差标准差。     

西瓜可溶性固形物含量近红外透射检测技术

设计的近红外透射式西瓜可溶性固形物含量（SSC）检测系统主要包括光纤光谱仪、光纤透射附件、数据采集卡以及自制光源。对50个麒麟瓜SSC进行了预测试验,采用主成分回归和偏最小二乘回归法分别建立了样品的原始光谱、一阶微分光谱、二阶微分光谱和SSC的预测模型,结果表明偏最小二乘回归法建立的模型具有较高的相关性,相关系数为0．951,均方根校正误差0．347,均方根预测误差0．302,样本真实值与预测值的相关系数为0．910。     

基于近红外光谱和深度模型转移预测烟丝总糖含量

模型转移主要用来解决一台仪器上开发的模型应用于新场景进行预测的问题。化学计量学领域开发了大量的模型转移方法可以实现多元校正模型转移。然而,随着深度学习技术在光谱数据建模中的广泛应用,传统的多元校正模型转移方法已不适合处理基于神经网络结构的深度学习模型。因此,本文利用深度模型转移策略,将一台仪器上构建的烟粉深度学习模型迁移到新仪器上用于烟丝总糖含量的检测。结果表明,深度模型转移无需标准样品构建传递函数,即可实现对不同仪器、不同样品物理状态之间的准确预测,与重新建立的偏最小二乘(PLS)和卷积神经网络(CNN)模型相比,其预测均方根误差分别降低了33.2%和27.2%。无标样深度模型转移支持在不同应用实践之间广泛共享、扩展深度学习模型,具有较好的应用前景。     

食品添加剂磷酸氢二铵中砷含量的测定

运用原子荧光光谱法对进出口食品添加剂磷酸氢二铵中砷含量进行了测定,通过线性范围、检出限、精密度、回收率和实验室间比对测试,证明了原子荧光光谱法能快速、准确地检测出进出口食品添加剂中砷的含量。该方法线性关系良好,检出限低,准确度高,重复性和再现性好,可广泛用于进出口食品添加剂中砷含量的检测。