基于三维荧光光谱技术的牛奶中金霉素残留的检测研究

牛奶中残留的抗生素易在人体内蓄积,进而对人体的健康产生隐患。研究表明,阳离子表面活化剂CT-MAB对金霉素(CTC)具有荧光增敏作用。采用一种新型的三维荧光光谱技术,对经过荧光增强后的含金霉素牛奶样品的三维荧光数据,应用三维-偏最小二乘法(3-PLS)进行其处理。结果表明:当CTC浓度在0.2～5 mg/L时,其校正组的相关系数R=0.989 0,校正样本的均方根误差RMSEC=0.219 9,预测组的相关系数R=0.985 5,均方根误差RMSEP=0.247 9。可见使用三维荧光光谱技术对牛奶中金霉素的残留进行快速检测是可行的。

鸭肉中谷氨酸含量的可见-近红外光谱测定研究

为实现鸭肉中谷氨酸含量的快速测定,提出了利用可见-近红外光谱结合PCA、BP神经网络来建立鸭肉中谷氨酸含量测定的定量分析模型。采集试验首先采集光谱范围在350～1800nm的鸭肉可见-近红外反射光谱,并在430～1000、1001～1400和430～1400nm 3个光谱范围内分别用一阶导数(FD)、二阶导数(SD)、多元散射校正(MSC)、标准正交变量变换(SNV)4种方法对原始光谱进行光谱预处理;然后以前8个主成分得分和鸭肉中谷氨酸含量分别作为BP神经网络的输入变量和输出变量来建立鸭肉中谷氨酸含量预测模型。试验结果表明,在430～1000nm光谱范围内,采用SNV光谱预处理建立的BP神经网络模型为最优,其验证集的相关系数为0.9564,预测样本均方根误差为0.058572,能够满足鸭肉中谷氨酸含量快速测定的实际要求。

基于最小二乘支持向量回归的鹅肉弹性的可见-近红外光谱测定

为简化鹅肉弹性的可见-近红外光谱模型和提高预测精度,采用联合区间偏最小二乘法(synergyinterval partial least square algorithm,siPLS)结合遗传算法(Genetic algorithm,GA)提取可见-近红外光谱特征波长,用最小二乘支持向量回归(least square support vector for regression,LSSVR)建立鹅肉弹性的预测模型。试验以万能试验机获取恢复距离S作为鹅肉弹性实际值。在模型建立过程中,先利用sym8小波的2层分解对原始的可见-近红外光谱进行光谱预处理;然后用siPLS优选出4个特征光谱子区间(分别为第3、5、9、13子区间),在这4个特征光谱子区间内继续用GA优选出74个特征波长,并建立基于LSSVR的鹅肉弹性的预测模型。模型预测集的决定系数(R2)和预测均方根误差(root mean squarederror of prediction,RMSEP)分别为0.9096和0.0588。试验结果表明,siPLS结合GA法能够有效提取光谱中的鹅肉弹性对应的特征波长,有利于提高LSSVR模型预测鹅肉弹性的精度。

上市公司股权特征和利润扭亏能力比较

大股东在公司治理中扮演重要的作用,在企业报亏的时候,大股东是对企业进行输血还是"卸磨杀驴"呢?本文取1999～2004年间报亏公司在第二年的盈利情况为样本,采用piecewise-linear回归模型得到的结果证明:有控股大股东的企业比没有控股大股东的企业更易实现扭亏,而有国有股的企业相对于没有国有股的企业更容易实现利润的扭亏,故而说明具备控股大股东和国有股特征的股权结构的公司更易实现利润的扭亏。可能的解释就是大股东在企业出现报亏的时候给企业"输血",以保持其控股公司的"上市资格"。

基于分段主成分分析与波段比的鸡胴体表面粪便污染物检测

以鸡胴体为研究对象，应用高光谱图像技术结合分段主成分分析和波段比等数据处理方法来检测鸡胴体表面粪便污染物。首先采集400～1000nm的鸡胴体表面高光谱图像；然后应用分段主成分分析获得7个特征波长（520．64，542．12，561．61，577．04，595．6，703．82和852．1nm），并以577．04／520．64nm／波段比图像和852．1／703．82nm波段比图像进行一次波段加运算后的图像作为检测鸡胴体表面粪便污染物的特征图像；最后运用阈值分割和数学形态学完成粪便污染物的提取。实验结果表明，对60个鸡胴体样本进行检测，盲肠、直肠和十二指肠粪便污染物检测正确率分别为100％，100％和96％，检测总正确率为93．3％。