近红外光谱技术用于豆浆粉品牌与假冒豆浆粉的鉴别-论文.pdf

近红外光谱技术用于豆浆粉品牌与假冒豆浆粉的鉴别-论文.pdf

ID:57925522

大小:324.76 KB

页数:5页

时间:2020-04-16

近红外光谱技术用于豆浆粉品牌与假冒豆浆粉的鉴别-论文.pdf_第1页
近红外光谱技术用于豆浆粉品牌与假冒豆浆粉的鉴别-论文.pdf_第2页
近红外光谱技术用于豆浆粉品牌与假冒豆浆粉的鉴别-论文.pdf_第3页
近红外光谱技术用于豆浆粉品牌与假冒豆浆粉的鉴别-论文.pdf_第4页
近红外光谱技术用于豆浆粉品牌与假冒豆浆粉的鉴别-论文.pdf_第5页
资源描述:

《近红外光谱技术用于豆浆粉品牌与假冒豆浆粉的鉴别-论文.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第34卷,第7期光谱学与光谱分析Vo1.34,No.7,pp1826—18302014年7月SpectroscopyandSpectralAnalysisJuly,2014近红外光谱技术用于豆浆粉品牌与假冒豆浆粉的鉴别张初,刘飞,孔汶汶,何勇浙江大学生物系统工程与食品科学学院,浙江杭州310058摘要采用近红外光谱分析技术结合化学计量学方法研究对不同品牌的豆浆粉以及假冒的豆浆粉鉴别的可行性。采集不同品牌豆浆粉以及假冒豆浆粉在12500~4000em范围内光谱,并进行不同的预处理。采用偏最小二乘一判别分析(partialleastsquares-discriminan

2、tanalysis,PLS-DA)对不同预处理的光谱进行建模比较,去趋势算法(De-trending)预处理光谱与多元散射校正(multiplicativescattercorrection,MSC)结合De-trending(MSC+De-trending)预处理光谱的PLS-DA模型预测集判别正确率最高,均为100。采用.27一loadingweights方法分别基于De-trending和MSC-De-trending预处理光谱选择了6个和7个特征波数,并以特征波数分别建立了线性判别分析(1ineardiscriminantanalysis,LDA)和误差反向

3、传播神经网络(back-propagationneuralnetwork,BPNN)的判别分析模型。结果表明,以所选出的不同的特征波数建立的BPNN判别分析模型取得了最佳的判别效果,建模集和预测集的判别正确率均为100。采用近红外光谱分析技术可以准确的判别豆浆粉品牌以及假冒豆浆粉产品。关键词近红外光谱;豆浆粉;x-loadingweights;误差反向传播神经网络中图分类号:0657.3文献标识码:ADOI:10.3964/j.issn.1000—0593(2014)07—1826—05利益。因此,对豆浆粉的识别和溯源对食品安全具有现实的引言意义。传统的豆浆粉分析主

4、要集中在豆浆化学成分的分析,未豆制品以营养价值高而受到广泛的欢迎。豆制品含有高见有对豆浆粉进行鉴别分析的研究。可以通过化学成分的变品质的植物蛋白、低脂肪、无胆固醇和丰富的矿物营养元化对豆浆粉进行鉴别研究。而化学分析方法如HPLC/、素,具有很好的保健效果。研究表明,豆制品具有医疗效果,GC[]和L&MSE。]等费时耗力,耗材且操作复杂,因此需要能预防心脏疾病、肥胖、血胆固醇异常、癌症、糖尿病、肾脏研究其他的快速、准确的化学分析方法。随着化学计量学以疾病、骨质疏松及调节血压等Ⅲ】]。由于豆浆处于液体状态,及实验仪器的发展,近红外光谱技术作为快速、准确以及不存储和运输较

5、难,因此,豆浆经过特殊的脱水处理而产生豆需要样本处理(或最小程度的样本处理)的分析方法,已经被浆粉。豆浆粉包含了豆浆的所有有效成分。一般而言,豆浆广泛用于农业、食品[”和医药[”等定性与定量分粉比豆浆的价格要低,包装比豆浆更环保,并且豆浆粉在生析。近红外光谱可以在研究对象化学成分具体含量未知的情产过程中一般都会添加一些对人体有益的营养成分以增强豆况对其进行鉴别研究,已经有很多研究证明了采用近红外光浆粉的味道和营养价值。豆浆粉中原有的以及添加的营养成谱进行鉴别分析研究的可行性】”]。本工作主要以近红分是影响豆浆粉品质的主要因素之一。不同生产商生产的豆外光谱结合化学计量

6、学方法研究豆浆粉品牌以及假冒豆浆粉浆粉中由于生产工艺以及原料来源的不同,品质有一定差鉴别的可行性,并选择最优的光谱预处理方法以及判别分析异,一些不法厂商以假冒伪劣产品以次充好,损害消费者的模型。收稿日期:2013—10—08。修订日期:2014—01—26基金项目:国家高技术研究发展计划项目(2O12AA1O19O3),国家支撑计划项目(2011BAD21B04)和国家自然科学基金项目(31201137,31071332)资助作者简介:张初,1987年生,浙江大学生物系统工程与食品科学学院博士研究生e-mail:chuzh@ziu.edu,cn*通讯联系人e-mai

7、l:yhe@zju.edu.cn第7期光谱学与光谱分析1827BPNN模型的N,N阈值也设定为0.5。1实验部分1.3.2x-loadingweights选择特征波数在PLS-DA的建模过程中,计算得出了最优的隐含变量1.1样本(1atentvariables,LVs)。在每一个LV下,可以计算出每一在市场上购买3个不同品牌的豆浆粉(包括晨星岛、如个波数的z—loadingweight,x-loadingweight绝对值越大表鲜和永和)以及未加工的大豆。由于豆浆粉经加工后人为添明对应的波数对模型的预测能力影响越大,因此特征波数选加了许多营养成分或微量元素,营养

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。