基于近红外光谱的模式识别技术用于鲜乳掺假检测的研究

基于近红外光谱的模式识别技术用于鲜乳掺假检测的研究

ID:32163719

大小:3.52 MB

页数:91页

时间:2019-02-01

基于近红外光谱的模式识别技术用于鲜乳掺假检测的研究_第1页
基于近红外光谱的模式识别技术用于鲜乳掺假检测的研究_第2页
基于近红外光谱的模式识别技术用于鲜乳掺假检测的研究_第3页
基于近红外光谱的模式识别技术用于鲜乳掺假检测的研究_第4页
基于近红外光谱的模式识别技术用于鲜乳掺假检测的研究_第5页
资源描述:

《基于近红外光谱的模式识别技术用于鲜乳掺假检测的研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、摘要近红外光谱技术具有检测迅速、绿色环保、操作简便等优点。本文将近红外光谱技术结合化学计量学方法分别对鲜乳的多种营养组分含量的快速检测以及巴氏杀菌乳和复原乳、鲜乳和掺假乳的属性判别进行了深入的方法研究。近红外光谱技术与化学计量学方法结合,建立了鲜乳中多种营养成分的PLS定量预测校正模型。脂肪、蛋白质、乳糖、牛乳总固体、非乳脂固体最佳主成分数分别为5、6、4、4、5;其交互验证相关系数(Corr.Coeff)分别为O.987、0.982、0.978、0.991、0.992;交互校验均方残差(RMSECV)分别为0.053、0.143、0.446、0.111、O.12

2、5。在校正模型的可靠性检验中,方法的重现性很好,同一奶源与不同奶源鲜乳样品预测值与参考真值配对t.检验差异均不显著,表明所建模型包容性好,预测结果可靠。近红外光谱技术与化学计量学方法联用,建立了同时检测鲜乳中四种营养成分的PLS.BP网络预测模型。将样品光谱数据进行PLS压缩,取前3个主成分的14个敏感吸收峰值作为网络的输入向量,根据Kolmogorov原则,隐含层神经元个数为29,很好地完成了鲜乳中脂肪、蛋白质、乳糖和牛乳总固体的定量检测。模型预测决定系数(R2)分别为0.961、0.974、0.95l、0.997。在校正模型的可靠性检验中,方法的重现性很好。采

3、用单一奶源模型能够预测不同奶源鲜乳的多种营养成分,表明模型包容性好,预测结果可靠,从而为样品的多组分检测提供了一条新思路。近红外光谱技术与化学计量学方法联用,建立了同时检测鲜乳中三种营养成分的PLS.Elman网络预测模型。将样品光谱数据进行PLS压缩,取前3个主成分的14个敏感吸收峰值作为网络的输入向量,中间层神经元个数为53,经训练后建立Elman预测模型用于鲜乳中脂肪、蛋白质、乳糖的同时检测。模型预测决定系数(R2)分别为0.985、0.950、0.967。在校正模型的可靠性检验中,方法的重现性很好。采用单一奶源模型能够预测不同奶源鲜乳的多种营养成分,表明模

4、型包容性好,预测结果可靠,作为一种快速有效的检测手段完全可用于其他样品多种成分的同时检测。近红外光谱技术与PCA.马氏距离联用,建立了巴氏杀菌乳和复原乳、鲜乳和分别掺有植物奶油、乳清粉、粉末油脂的定性判别分析模型。在一定的波段范围内,选择合理的光谱预处理方式,样品光谱数据经PCA压缩后提取的最佳n摘要主成分因子数分别为8、3、6、5,成功的将巴氏杀菌乳和复原乳、鲜乳和掺假乳完全鉴别开来,为我国乳品品质的控制和评估开辟了一条新的途径。基于近红外光谱借助化学计量学手段构建了巴氏杀菌乳和复原乳、鲜乳和掺有植物奶油假乳的自组织竞争网络模式识别模型。样品光谱数据经PLS分别

5、压缩主成分,再分别选择其中113个和21个敏感吸收峰值作为网络输入向量予以建模,设定合理的学习速率和训练步数即可完成建模工作。模型对预测集样品的正确识别率均为100%。基于近红外光谱借助化学计量学手段构建了巴氏杀菌乳和复原乳、鲜乳和同时掺有乳清粉、粉末油脂、糊精三种物质的假乳的SOM网络模式识别模型。样品光谱数据经PLS压缩主成分,分别选择其中113个和326个敏感吸收峰值作为网络输入向量予以建模,竞争层结构分别为[6040]和[10080】,设定合理的训练步数即可完成建模工作。模型对预测集样品的正确识别率均为100%。关键词:近红外光谱;化学计量学;自组织竞争神

6、经网络;自组织特征映射;模式识别’IIIAbstractABSTRACTNearInfraredReflectanceSpectroscopy(NIRS)havemeritsofrapid,cleanandlowcost,whichplaysanimportantpartinrapidmulti-componentdeterminationonlineandqualitycontrolling.ThispaperpresentedtheadvantagesofapplicationsofNIRSwimchemometricsmethodsusedinrapidde

7、terminationandpaRemrecognition.TheresearchemphasizedonchemometricsandNIRSusedindeterminationofcontentsofrawmilk,differentiatingpasteurizedmilkandreconstitutedmilk,rawmilkandadulteratedmilk.ThePartialleastsquares(PLS)predictionmodelfordeterminatingFat,Protein,Lactose.TotalSolidandSolid

8、Not.F

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。