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范圍內有一定差異,而在其他區間差異不明顯。圖5-4(b)是校正集中純蜂蜜、摻假蜜的標準偏差光譜,整體趨勢上,摻假蜜標準偏差要大于純蜂蜜,說明摻假蜜間差異較大...[繼續閱讀]

    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6個主成分累積貢獻率達到98.9%。因此選擇前6個主成分進行計算,建立MDDA判別模型。純蜂蜜和摻假蜜前3個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...[繼續閱讀]

    (一)光譜預處理在12000～4000cm-1波段范圍內進行不同光譜預處理建立模型。分別采用一階導數、二階導數和中心化預處理,用不同平滑點數比較模型總準確識別率,見圖5-8。圖中顯示,通過一階導數加中心化處理模型判別率較高,在13點平...[繼續閱讀]

    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...[繼續閱讀]

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

    不同品種的蜂蜜口感、狀態及營養價值有顯著差異。隨著蜂蜜消費量提升,品種鑒別的重要性越來越突出。本研究應用近紅外光譜技術分別建立了基于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...[繼續閱讀]

    本研究用近紅外光譜結合PLS、MLR、BiPLS、SiPLS和ANN五種化學計量學方法分別建立了蜂蜜中主要內部組分數學模型。通過光譜預處理、波段選擇、因子數等參數優化,模型結果基本滿足蜂蜜成分定量分析要求。葡萄糖、果糖、水分、蔗糖...[繼續閱讀]

    作者嘗試用近紅外光譜技術結合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%,對純蜂蜜的識別率為100%,具有良好的可行性。結果表明該方法為識別蜂蜜真偽提供了一個有效的篩選方法,與SCIR...[繼續閱讀]

    隨著近年來近紅外光譜儀器硬件和軟件技術的快速發展,近紅外光譜方法在快速分析、溯源食品品質方面表現出了明顯的優勢。作者利用近紅外光譜技術和不同化學計量學算法分別建立了蜂蜜品種、品質、真偽識別數學模型,為快速分...[繼續閱讀]

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