校正集中純蜂蜜、摻假蜜平均光譜如圖5-4(a)所示,光譜在5100～4000cm-1范圍內(nèi)有一定差異,而在其他區(qū)間差異不明顯。圖5-4(b)是校正集中純蜂蜜、摻假蜜的標(biāo)準(zhǔn)偏差光譜,整體趨勢上,摻假蜜標(biāo)準(zhǔn)偏差要大于純蜂蜜,說明摻假蜜間差異較大...[繼續(xù)閱讀]

    將光譜導(dǎo)入TQV8.0軟件,分別計(jì)算純蜂蜜和摻假蜜的主成分得分,前6個(gè)主成分累積貢獻(xiàn)率達(dá)到98.9%。因此選擇前6個(gè)主成分進(jìn)行計(jì)算,建立MDDA判別模型。純蜂蜜和摻假蜜前3個(gè)主成分得分空間如圖5-6所示,從空間分布來看,純蜂蜜比較聚集,樣...[繼續(xù)閱讀]

    (一)光譜預(yù)處理在12000～4000cm-1波段范圍內(nèi)進(jìn)行不同光譜預(yù)處理建立模型。分別采用一階導(dǎo)數(shù)、二階導(dǎo)數(shù)和中心化預(yù)處理,用不同平滑點(diǎn)數(shù)比較模型總準(zhǔn)確識(shí)別率,見圖5-8。圖中顯示,通過一階導(dǎo)數(shù)加中心化處理模型判別率較高,在13點(diǎn)平...[繼續(xù)閱讀]

    圖5-9為不同判別方法所建鑒別模型中純蜂蜜和摻假蜜判別率對(duì)比分析。其中,DM鑒別模型的純蜂蜜和摻假蜜樣品判別率分別為74.2和100%,而MDDA和DPLS鑒別模型的純蜂蜜樣品判別率都為100%,摻假蜜判別率分別為81.1%和79.2%。DM、MD-DA、DPLS三種...[繼續(xù)閱讀]

    [1]JongD,RodriguesLP,MarchiniJS.Detectionofadulterationofcommercialhoneysamplesbythe13C/12Cisotopicratio.FoodChemistry,2003,82(4):633～636.[2]WhiteJW,WintersK,MartinKP,RossmannA..StableCarbonIsotopeRatioAnalysisofHoney:ValidationofInternalStandardProcedure...[繼續(xù)閱讀]

    不同品種的蜂蜜口感、狀態(tài)及營養(yǎng)價(jià)值有顯著差異。隨著蜂蜜消費(fèi)量提升,品種鑒別的重要性越來越突出。本研究應(yīng)用近紅外光譜技術(shù)分別建立了基于MD-DA、DPLS、BP-ANN的蜂蜜品種線性和非線性鑒別模型,分析比較了三種不同的建模方法...[繼續(xù)閱讀]

    本研究用近紅外光譜結(jié)合PLS、MLR、BiPLS、SiPLS和ANN五種化學(xué)計(jì)量學(xué)方法分別建立了蜂蜜中主要內(nèi)部組分?jǐn)?shù)學(xué)模型。通過光譜預(yù)處理、波段選擇、因子數(shù)等參數(shù)優(yōu)化,模型結(jié)果基本滿足蜂蜜成分定量分析要求。葡萄糖、果糖、水分、蔗糖...[繼續(xù)閱讀]

    作者嘗試用近紅外光譜技術(shù)結(jié)合DM、MD-DA、DPLS,分別建立了摻C4植物糖和未摻C4植物糖蜂蜜的鑒別模型,總判別率均高于85%,對(duì)純蜂蜜的識(shí)別率為100%,具有良好的可行性。結(jié)果表明該方法為識(shí)別蜂蜜真?zhèn)翁峁┝艘粋€(gè)有效的篩選方法,與SCIR...[繼續(xù)閱讀]

    隨著近年來近紅外光譜儀器硬件和軟件技術(shù)的快速發(fā)展,近紅外光譜方法在快速分析、溯源食品品質(zhì)方面表現(xiàn)出了明顯的優(yōu)勢。作者利用近紅外光譜技術(shù)和不同化學(xué)計(jì)量學(xué)算法分別建立了蜂蜜品種、品質(zhì)、真?zhèn)巫R(shí)別數(shù)學(xué)模型,為快速分...[繼續(xù)閱讀]

    [1]何勇,李曉麗,邵詠妮.基于主成分分析和神經(jīng)網(wǎng)絡(luò)的近紅外光譜蘋果品種鑒別方法研究.光譜學(xué)與光譜分析,2006,26(5):850～853.[2]岑海燕,鮑一丹,何勇.基于光譜技術(shù)的楊梅汁品種快速鑒別方法的研究.光譜學(xué)與光譜分析,2007,27(3):503～506....[繼續(xù)閱讀]