將光譜導入TQV8.0軟件,分別計算純蜂蜜和摻假蜜的主成分得分,前3個主成分空間分布如圖3-4所示?；被?、棗花蜜和荊條蜜距離較近,椴樹蜜和油菜蜜分布較散,但是5種蜂蜜得分分布有較大重疊。不同品種蜂蜜在不同區域有不同特征,本...[繼續閱讀]

    表3-8為判別偏最小二乘法結合不同波段范圍所建蜂蜜品種鑒別模型分析結果。其中,全波段和長波段近紅外區所建模型性能較好,短波近紅外區光譜信號與品種相關行為0。因而,本文選擇長波近紅外區,即10000～4200cm-1,用于進一步分析并...[繼續閱讀]

    本文用BP-ANN判別法對蜂蜜品種進行鑒別分析,建立了三層的BP-ANN模型。以主成分得分作為ANN模型的輸入層,選取1個節點數作為輸出層節點數。ANN網絡參數設置是建立穩固可靠模型的關鍵,主要參數有輸入層節點數、隱含層數、學習速率...[繼續閱讀]

    圖3-9為不同判別方法所建蜂蜜品種鑒別模型中校正集和預測集的判別率對比分析。其中,DA鑒別模型的校正集和預測集樣品的判別率分別為87.4%和85.3%,DPLS鑒別模型的校正集和預測集樣品判別率分別為70.8%和70.7%,BP-ANN鑒別模型的校正集和...[繼續閱讀]

    [1]夏柏楊,任芊.近紅外光譜分析技術的一些數據處理方法的討論.光譜實驗室,2005,22(3):629～634.[2]梁逸曾,俞汝勤.分析化學手冊(第十分冊)化學計量學.北京:化學工業出版社,2000(第二版),332～333.[3]嚴衍祿,趙龍蓮,韓東海.近紅外光譜分析基...[繼續閱讀]

    試驗蜂蜜樣品主要來自北京、河北、山西、遼寧、山東、四川、云南、廣西、福建、安徽、浙江等地蜂場,有棗花蜜、槐花蜜、荊條蜜、椴樹蜜、油菜蜜、荔枝蜜、龍眼蜜及其他混合蜜。實驗前室溫放置。結晶蜂蜜在進行光譜采集前...[繼續閱讀]

    測量前,預熱傅立葉變換近紅外光譜儀器;儀器測試通過后,在選定的儀器測試參數條件下,先進行背景掃描;根據蜂蜜樣品半透明黏稠的特征,將液體光纖探頭插入裝有蜂蜜樣品的瓶子里,采用透反射方式采集。光譜測定范圍:12000～4000cm...[繼續閱讀]

    蜂蜜樣品中糖分、水分、淀粉酶的化學值分析均采用GB18796—2005中規定的方法進行。每個樣品平行測定兩次,所得結果平均后作為最終化學值。(一)折射率法測定水分1.方法原理通過測定樣品的折射率來換算水分含量。2.儀器WAY型阿貝...[繼續閱讀]

    首先,將蜂蜜樣本光譜分成兩個集合,即校正集和預測集。先用蜂蜜樣品校正集建立校正模型,再作交叉驗證和外部驗證(預測),根據有關評價指標確定最優校正模型。蜂蜜樣品預測集用于對所建模型進行檢驗。交叉驗證是指從蜂蜜的校...[繼續閱讀]

    參與定量分析的樣品的性質或濃度范圍應能涵蓋所待測樣品的成分范圍。收集樣品的含量范圍越寬,則所建立模型的適應性越廣,但是分析結果的精度會有所下降;反之,如果收集的建模樣品范圍較窄,則建立的校正模型精度會相對提高...[繼續閱讀]