熟驴肉掺假近红外定性及定量检测

驴肉风味绝佳、营养丰富,价格高昂且供应量低。驴肉火烧等熟驴肉中掺假马肉、骡子肉等其他肉类的问题亟待解决。为实现熟驴肉样品在不同掺假比例下的定性定量分析,以10%为梯度,分别制备驴肉含量为0%~100%的驴马掺假和驴骡掺假样品,并在4000~12500 cm^(-1)光谱范围采集样品光谱。针对熟驴肉掺假问题,采用线性判别分析、支持向量机以及广义回归神经网络的方法结合平滑算法(5点、15点、25点)、多元散射校正(MSC)、标准正态变量变换(SNV)、基线校正(Baseline)、归一化和去趋势化(Detrend)等预处理方法建立了近红外鉴别模型。采用偏最小二乘回归(PLSR)、反向传播神经网络(BP)方法结合以上预处理方法分别对熟驴肉掺假样品建立定量模型检测驴肉含量。SNV预处理结合支持向量机对熟肉碎掺假样品鉴别模型结果较优,校正集和预测集判别正确率为98.70%和94.78%;Detrend预处理结合线性判别分析的熟肉糜掺假样品鉴别模型结果较优,校正集和预测集的判别正确率分别达到98.47%和96.23%。建立定量模型进行掺假样品中驴肉含量的检测,BP模型相较于PLSR模型均取得较好的结果,具有较高的决定系数(R^(2))、相对分析误差(RPD)和较低的均方根误差(RMSE)。对于熟肉碎掺假样品,驴骡掺假样品集在Detrend处理后的BP模型结果较好,交叉验证集以及预测集的R^(2)、RMSE、RPD分别为0.971、0.067、5.844,0.980、0.086、6.984;驴马掺假样品集在归一化预处理后BP模型结果较好,各项参数分别为0.997、0.032、18.026,0.982、0.089、7.454。对于熟肉糜掺假样品,经Detrend预处理的BP模型结果均较优,驴骡掺假样品最佳定量模型的参数分别为0.982、0.041、7.470,0.986、0.103、8.452;驴马掺假最佳模型参数分别为0.986、0.036、8.348,0.961、0.101、5.044。结果表明,近红外光谱结合不同的建模算法实现了不同比例掺假的熟驴肉样品快速无损检测和鉴别,能够用于此后熟驴肉掺假的定性、定量分析。

基于营养成分和主成分分析的驴肉与其他肉类分类研究

选取生鲜驴肉样品40个,生鲜猪肉、牛肉、羊肉样品各8个,使用索氏抽提法和凯氏定氮法分别检测了样品的肌间脂肪和蛋白质含量,采用气相色谱法检测了样品的多种脂肪酸,并使用阳离子交换色谱分离、茚三酮柱后衍生法对样品的多种氨基酸含量进行了检测.对驴肉和其他肉类样品的多种营养成分含量进行了单因素方差分析.结果发现:脂肪、蛋白质、肉豆蔻酸、十五碳酸、棕榈酸、棕榈油酸、硬脂酸、亚油酸、油酸及总不饱和脂肪酸、总饱和脂肪酸具有极显著差异,二十四碳一烯酸、反式油酸、苏氨酸、丝氨酸、异亮氨酸、亮氨酸、赖氨酸、组氨酸和脯氨酸具有显著差异,门冬氨酸、谷氨酸、甘氨酸、丙氨酸、酪氨酸、精氨酸和总氨基酸具有一定差异.对不同差异水平指标组合分别进行了主成分分析,发现有明显的聚类趋势,其中极显著差异指标数据(多为风味成分)能够完全将驴肉和其他肉类分开.研究结果表明:使用营养成分对驴肉和其他肉类进行分类是可行的,不同肉类所具有的不同风味特征是分类的关键.

图像识别技术对海洋贝类的信息处理及展望

图像识别技术作为当今时代潮流中人工智能领域重要的一部分,在我们的日常生活中发挥着不可替代的巨大作用,这一应用是人类再一次巧妙运用计算机解决问题的新发现。而海洋作为我国领土重要组成部分之一,我国对于海洋生物的观测及研究技术亟待提高。本文主要是浅析AI领域中图像识别技术对于海洋贝类观测研究的作用,并对其未来的发展前景作出阐述。

基于意图驱动物联网架构的研究

针对现有的物联网统一管理和编排难实现、数据传输时延高可靠性低这两个问题,提出了基于意图驱动物联网架构的解决方案。新型的物联网参考架构融合了现有物联网架构、软件定义网络架构和网络功能虚拟化架构的优势,不仅可以解决网络统一管理难的问题,而且可以实现意图的生成、意图转译为策略、策略下发执行的过程。为了满足用户对于网络服务方面的不同需求,即低时延高可靠性传输,提出了实现基于意图的自适应路由选择,并通过仿真验证证明该方法可行。

高校常见财务报销业务问题的解决措施研究

报销是高校财务部门必不可少的业务,政策性强、手续繁杂化等财务报销业务呈现的主要特征,直接关系到财务管理整体水平提高。因此,本文从不同角度入手客观分析了高校常见的财务报销业务问题,提出了一些有效的措施,在常见问题科学解决基础上促使财务报销业务高效开展,提高财务报销效率以及质量。