QuEChERS-超高效液相色谱-串联三重四极杆质谱联用法快速测定羊肉中氯霉素、甲砜霉素、氟苯尼考的残留量

目的建立QuEChERS-超高效液相色谱-串联三重四极杆质谱法测定羊肉中氯霉素、甲砜霉素、氟苯尼考残留量的分析方法。方法样品经研磨机匀浆后用乙腈提取,提取液经QuEChERS-1010,QuEChERS-0101净化,采用电喷雾负离子扫描,多反应监测模式,内标法定量。结果氯霉素、甲砜霉素、氟苯尼考在4~50μg/L范围内具有良好的线性关系,相关系数均大于0.998,3种药物在5.0,10.0,30.0μg/kg浓度水平加标回收率在93.17%~109.91%范围内,相对标准偏差(RSD)为2.33%~6.14%。方法的检出限为0.01~0.03μg/kg,定量限为0.02~0.09μg/kg。结论该方法具有操作简单,准确度和灵敏度高等特点,满足测定羊肉中氯霉素、甲砜霉素、氟苯尼考残留量的检测要求。

近红外光谱技术结合宽度学习系统识别国外奶粉产地

目的 利用傅里叶变换近红外光谱技术结合与宽度学习系统对国外奶粉进行产地识别。方法 采集荷兰、新西兰、澳大利亚、德国、法国、英国和爱尔兰7个国家55个奶粉样品的近红外光谱,经过数据预处理、主成分分析降低数据维度和特征筛选,构建基于宽度学习系统(broad learning system,BLS)的奶粉产地快速识别模型。结果 采用多元散射校正加Savitzky-Golay滤波的预处理效果最好,与未做预处理相比,准确率提高14.55%,主成分分析特征数大于38,识别效果最稳定。对荷兰、新西兰、澳大利亚和欧洲其他产地4类产地识别,测试准确率达到100.00%,对样本做7类产地识别,准确率达到81.81%。相同条件下,与支持向量机方法对比, 4类产地识别, BLS方法准确率比支持向量机方法高9.10%, 7类产地识别,两者准确率相同。结论 本研究提出的基于BLS的方法可以较好实现国外奶粉产地识别,为奶粉产地快速识别提供了新思路。

基于高光谱成像技术的板栗产地溯源

目的建立了一种基于高光谱成像(hyperspectral imaging,HSI)技术的板栗产地溯源模型。方法采集怀柔、迁西和沂蒙短枝3种不同产地板栗的高光谱图像,提取感兴趣区域,建立支持向量机(support vector machine,SVM)板栗产地溯源模型,通过比较分析不同预处理方法对建模结果的影响,选出最佳的预处理组合方法,并使用遗传算法(geneticalgorithm,GA)对模型进一步优化。结果实验结果表明,经多元散射校正(multiplicative scatter correction,MSC)和移动窗口平滑法(moving window smoothing,MWS)组合预处理后的数据所建立的溯源模型预测性能最好,分类的预测精确率达到了95%以上,模型整体的预测准确率为96.61%。经GA对SVM的参数C进行优化,优化后的模型对怀柔板栗和沂蒙短枝板栗的预测精确率达到了100%,模型整体的准确率提高到了98.31%。结论本研究基于高光谱成像技术建立了一种板栗产地溯源模型,经预处理和参数优化后,所建立的模型具有较好的预测性能,为板栗的产地溯源提供了一种新方法。

《神经网络理论及应用》课程实践教学案例设计

针对《神经网络理论及应用》课程理论知识抽象、信息覆盖面广等特点,选择Python作为实践教学工具,将“基于BP神经网络的鸢尾花分类”案例引入《神经网络理论及应用》课程,阐述了该案例的BP神经网络算法流程,设计了基于BP神经网络的鸢尾花分类模型,并利用鸢尾花数据集(Iris Dataset)进行验证,以此激发学生的学习兴趣,将理论教学和实践教学紧密结合,培养学生的创新能力与实践能力。

基于高光谱技术的红茶茶多酚可视化研究

目的 利用高光谱技术实现对英红九号红茶茶多酚含量的快速无损、可视化检测。方法 采集128个红茶光谱数据并进行光谱预处理后,引入蒙特卡罗-高斯分布方法寻找异常样本。经两次异常样本剔除,各模型预测集决定系数r^(2)均有0.2~0.4的大幅提升。为解决大样本模型训练时间长、数据冗余问题,采用连续投影算法进行波长筛选,共得到14个能反映红茶茶多酚含量的特征波长,并比较了最小二乘回归、支持向量机回归、BP神经网路、粒子群优化最小二乘支持向量机回归(particle swarm optimization least squares support vector regression, PSO-LSSVR) 4种模型预测红茶茶多酚含量的精度。最后以最优模型建立茶多酚可视化模型。结果 合理剔除样本并以光谱特征为输入,结合PSO-LSSVR方法建立的模型效果最佳,其校正集决定系数为0.921,预测集决定系数为0.903,预测精度达到了90%以上,基本实现了茶多酚含量可视化检测。结论 可视化算法有效地反映了红茶茶多酚分布情况,适用于茶叶快速无损检测。

太赫兹衰减全反射技术对花生冻伤快速判别研究

目的 利用太赫兹衰减全反射(terahertz attenuated total reflection,THz-ATR)光谱法实现花生冻伤的快速鉴别。方法 实验选择种子公司购入的同品种冻伤和非冻伤花生各500粒,采集1000粒花生样本的0~359.97 cm^(-1)THz光谱,通过光学参数计算得到样本集的吸光度、折射率和吸收系数。采用3点移动窗口平滑预处理和随机森林算法建立基于不同光学常数的花生冻伤识别模型。结果 在决策树棵数为500,特征变量数为38时,基于太赫兹吸光度建立的花生冻伤判别模型性能最佳,准确率、召回率、精确率达到97.0%、98.0%、96.1%。结论 本研究所建立的定性模型准确率高, THz-ATR技术有望为花生冻伤的快速无损鉴别提供一种新的高效的检测方法,为太赫兹技术在食品检测领域的应用提供了现实依据。

花生冻伤近红外光谱快速判别方法研究

目的构建基于近红外光谱快速判别花生冻伤的模型。方法采用移动窗口平均平滑(moving windowaverage,WMA)、标准正态变量校正(standardnormalvariatecorrection,SNV)及一阶导数(first derivative,FD)的组合预处理方法提升光谱信号质量;分别采用无信息变量消除法(eliminationof uninformative variables,UVE)、竞争性自适应重加权法(competitive adaptive reweighted sampling,CARS)以及二者的联合算法筛选特征波长;最后构建基于支持向量机分类算法(support vector machine classification,SVC)的花生冻伤分类模型。结果使用UVE-CARS算法筛选特征波长效果最佳,筛选出7个特征波长,构建的判别模型准确率达95%。结论该花生冻伤判别模型判别准确率高,为花生冻伤快速、无损判别提供可行的技术方案,并为基于滤光片式近红外技术的花生品质色选机的开发提供参考。

太赫兹时域光谱及成像技术在农作物品质检测中的应用研究进展

太赫兹辐射以其独特的技术优势,如瞬时性、宽带性、相干性、低能量性、穿透性和吸收性,受到了全世界各国政府、高等院校、科研机构等的高度重视并日趋成为生物医学、材料科学和物理学等领域的新兴研究热点。农作物成分如水分、蛋白、脂肪、淀粉等理论上在太赫兹谱区有较为丰富的吸收;太赫兹波的低辐射特性对农业生物样本检测更为安全;太赫兹波的穿透特性对带包装样本、包衣样本的检测又独具优势;太赫兹时域光谱与成像技术结合还可以进一步对农作物样本的组织形态进行辨别评价,因此太赫兹波技术逐渐成为农作物品质检测领域一项极具应用潜力和应用前景的前沿分析技术。简述了太赫兹时域光谱及成像技术的基本原理,聚焦于太赫兹时域光谱及成像技术在农作物品质检测领域的应用研究现状,对该技术在农作物种子质量鉴别(如品种、转基因和活力)、农作物成分分析(如糖类、水分和淀粉),农作物贮藏品质判别(如新陈度、劣变和虫蚀)以及在农产品安全检测(如农药残留、非法添加物和异物)方面的新近研究工作和进展进行归纳总结,并展望了该技术在农作物品质检测领域的应用前景和发展趋势。

小麦种子自然老化程度的近红外光谱无损识别

应用近红外光谱技术无损分析小麦种子短期自然老化过程中主要化学成分的变化趋势,并结合支持向量机建立快速判别小麦种子自然老化程度的分析模型。本实验应用VERTEX 70傅里叶变换红外光谱仪,以大样品杯旋转采样方式跟踪采集了45份小麦种子在自然老化初期、 4个月、 7个月、 9个月的近红外光谱。标准差可以用来表征数据离散程度,因此本实验通过计算每份样本在4个自然老化阶段的光谱标准差来筛选与自然老化时间显著相关的谱区。为避免单个样本由于偶然因素导致的离散度值异常,实验统计了45份样本的光谱标准差均值,根据均值光谱得到如下谱峰:8 362, 6 950, 7 563, 5 319, 4 998和4 478 cm^(-1)处。解析谱峰所在区域对应的化学基团归属可得:6 950 cm^(-1)处对应的是液态水中O—H伸缩振动的一级倍频且该处离散度值较大,因此小麦种子在短期自然老化阶段中水分变化较为显著; 5 319, 4 998和4 478 cm^(-1)处离散度值较6 950 cm^(-1)处小,对应的是蛋白质仲酰胺、伯酰胺和酰胺的合频和倍频信息,因此蛋白质变化较水分而言相对平缓; 8 362和7 563 cm^(-1)处反映的主要是C—H振动的二级倍频信息且离散度值较大,而种子中蛋白质、淀粉等均具有C—H官能团,因此蛋白和淀粉等成分综合变化较为显著。在上述分析基础上,本文采用多分类支持向量机结合近红外光谱建立快速识别小麦种子四种自然老化程度的定性模型。将180份样本光谱按照3∶1随机抽取135个样本作为训练集,其余样本作为测试集。选择核函数为径向基函数,通过网格搜索法进行参数寻优得到惩罚参数为8,核参数为0.008 974 2时,训练集和测试集的识别正确率可达99.26%和99.78%。实验结果表明:近红外光谱技术结合支持向量机可快速判别小麦种子短期自然老化程度,为种子贮藏过程中生理特性变化的无损监测及开发利用提供便捷的检测手段。

小麦粉品质在线无损快速检测系统设计与实现

目的:快速无损检测小麦粉的品质。方法:搭建主要包括微型近红外光谱仪集成装置、生产线可调速模拟装置、光谱在线采集控制软件和在线建模分析软件四大部分小麦粉品质在线检测系统,针对小麦粉中水分、灰分、面筋指标采用不同建模算法建立定量分析模型,并对在线定量分析模型稳健性进行优化,分析不同试验条件对建模结果的影响。结果:偏最小二乘回归(PLSR)算法对水分、灰分、面筋的定量分析模型均优于多元线性回归(MLR)和主成分回归(PCR)算法。用石英玻璃杯在线采集小麦粉样品的建模效果最佳,15档速度/积分时间6000 ms最佳配比的建模效果最佳。结论:基于近红外光谱分析技术的小麦粉品质在线检测系统,可以实现小麦粉品质在线无损快速检测。

基于THz-TDS反射成像技术的玉米种子活力无损检测研究

应用太赫兹时域光谱反射成像技术结合广义二维相关光谱法探索玉米种子活力敏感太赫兹波段,并结合支持向量机建立快速无损判别种子活力的分析模型。实验以中地77玉米种子为例,采用人工老化方式(40℃, 100%相对湿度)将种子样本分批老化0, 1, 2, 3, 4天制备不同活力的种子样本,并按照GB/T 3543.4—1995进行种子发芽实验;同时采用Terapluse 4000太赫兹时域光谱仪及反射成像附件采集上述不同老化程度种子样本的太赫兹光谱图像。由于玉米种子的胚乳和种胚的成分差异显著,为探究种子不同组织在老化过程中与活力的相关性,本实验首先采用双高斯滤波器对THz图像中的像素点光谱消噪、峰峰值差分重构图像增强以及阈值分割等预处理无损提取玉米种子不同组织太赫兹吸光度谱。然后以老化天数为扰动量,针对上述提取的样本胚乳和种胚光谱分别作广义二维相关分析,根据实验中同步谱和异步谱中自动峰与交叉峰位置初步解析,可得到与种子活力关系密切的THz波段主要集中在75和36 cm^-1区域,同时75和36 cm^-1处的光谱信息存在强烈的协同变化且变化方向一致。种子活力与老化天数密切相关,因此根据老化天数分别建立了基于胚乳和种胚吸光度谱的五分类支持向量机模型用于种子活力定性判别,但是其判别准确率仅为59.34%和71.28%,表明该模型无法精细划分种子五个活力等级;实验进一步根据GB4401.1—2008以玉米种子发芽率85%为阈值划分活力高低等级,建立二分类种子活力判别模型,可得胚乳和种胚测试集识别准确率分别可达88.61%和91.73%,模型性能显著提升,增强了THz技术用于种子活力无损粗筛的可行性。实验结果表明:太赫兹反射成像技术以其丰富的指纹谱、低能安全以及图谱合一等特性,有望成为单粒种子活力快速无损测定领域一项崭新、有力的补充技术。

基于太赫兹时域透射成像技术的葵花籽内部品质无损检测研究

葵花籽壳内籽仁的品质直接影响产出食用油的质量,利用太赫兹时域透射成像技术,结合形态学滤波和K-均值图像分割的方法,对葵花籽破损粒、虫蚀粒、空壳粒三种异常样本进行带壳无损检测,实现对葵花籽壳内品质的探索研究。参考国家标准和前人经验制备破损粒、虫蚀粒和空壳粒三种带壳葵花籽样本,利用太赫兹时域光谱仪TeraPulse 4000及透射成像附件,以0.2 mm的分辨率分别采集上述三种异常样本的光谱图像,并采集一颗正常葵花籽的光谱图像作为参照,以峰峰值成像的方式对四种葵花籽太赫兹图像进行重构。通过太赫兹图像可初步判断壳内籽仁的形态,但仍存在对比度低、边缘信息模糊等问题,需要进一步优化处理。采用形态学滤波算法对葵花籽的太赫兹图像进行滤波,选择边长为3的平坦型菱形结构元素作为核对图像进行一次膨胀,再计算图像的外部梯度,完成对图像的滤波处理;将形态学滤波结果分别与中值滤波、均值滤波和非局部均值滤波结果进行比较,对比发现,形态学滤波不仅保证了图像的清晰度,保留了边缘信息,同时能使葵花籽样本与背景之间存在明显界限,有利于后续进行图像分割处理。为了更加准确的检测葵花籽籽仁的形态,对滤波后图像进行图像分割。采用K-均值聚类算法对滤波后的太赫兹图像进行图像分割;为提高分割结果的准确性,对不同样本的图像分别确定了不同的初始聚类中心个数K,其中破损粒K=4、虫蚀粒K=5、空壳粒K=3、正常粒K=4,分割后的图像能准确呈现葵花籽壳内籽仁的形态。研究结果表明,太赫兹时域透射成像技术结合形态学滤波及K-均值图像分割方法对实现葵花籽内部品质的带壳无损检测具有可行性,为后期建立带壳葵花籽品质无损检测模型奠定基础,为油料作物内部品质的带壳无损检测提供参考。

基于NIR和SOM-RBF网络的兰州百合关键营养物质定量分析方法

为了实现兰州百合关键营养物质蛋白质和多糖的快速无损检测,在12000~4000 cm^(-1)光谱范围内采集了59份兰州百合粉的近红外光谱(NIRS)。首先运用SG、Normalize、SNV、MSC、Detrend、OSC、SG+1D、SG+Normalize、SG+SNV和SG+Detrend十种预处理方法对原始光谱数据进行处理,确定蛋白质的最佳预处理方法为SG+Detrend、多糖的最佳预处理方法为Detrend;然后运用CARS、SPA和PCA三种算法对预处理的光谱数据进行特征波长筛选,确定蛋白质和多糖的最佳特征波长提取方法均为SPA算法;最后采用PLSR法建立了兰州百合关键营养物质蛋白质和多糖含量的预测模型,结果显示,经过SG+Detrend_SPA处理所建立的蛋白质PLSR模型中,预测集相关系数R;为0.8106,预测集均方根误差RMSEP为1.1953;经过Detrend_SPA处理所建立的多糖PLSR模型中,预测集相关系数R;为0.8109,预测集均方根误差RMSEP为2.0946。考虑到经典PLSR无损预测模型精度的限制,在该研究中提出SOM-RBF神经网络无损预测模型。首先利用SOM网络对数据样本进行聚类,然后将得到的聚类类别数和聚类中心作为RBF网络的隐层节点个数和隐层节点数据中心,以此来优化RBF的结构参数。在建立的蛋白质SOM-RBF神经网络模型中,预测集相关系数R;为0.8666,预测集均方根误差RMSEP为1.0385;建立的多糖SOM-RBF神经网络模型中,预测集相关系数R;为0.8681,预测集均方根误差RMSEP为1.7994。比较PLSR和SOM-RBF两种模型对两种物质的预测结果,确定了SOM-RBF神经网络模型为最优建模方法,最终确定在蛋白质检测中,最优模型为基于SG+Detrend_SPA_SOM-RBF建立的模型,模型的预测集相关系数较PLSR高5.6%,预测集均方根误差较PLSR低0.1568;在多糖检测中,确定的最优模型为基于Detrend_SPA_SOM-RBF建立的模型,模型的预测集相关系数较PLSR高5.72%,预测集均方根误差较PLSR低0.2952。研究结果表明,运用NIR和SOM-RBF技术可以实现对兰州百合关键营养物质蛋白质和多糖的快速无损检测,为今后快速无损检测兰州百合营养物质提供理论依据。

基于太赫兹时域光谱的食用油过氧化值定量分析研究

针对目前太赫兹光谱技术在食用油品质检测方面存在定性多、定量难的问题,提出一种基于衰减全反射(ATR)式太赫兹时域光谱(THz-TDS)技术的食用油过氧化值定量分析方法。首先采集不同种类、不同氧化程度食用油样本的太赫兹时域光谱图,筛选有效信号波段并提取得到光学常数,经预处理算法校正后的光学常数,结合多种化学计量学方法建立定量分析模型,实现快速、无损预测食用油的过氧化值。70个实验样本包括大豆油、菜籽油和玉米,过氧化值覆盖范围0.41~10.23 mmol·kg^(-1),且样本的过氧化值均匀分布。采用TeraView公司生产配有ATR检测模块的TeraPulse 4000太赫兹脉冲光谱系统采集样本THz-TDS信号,根据THz-TDS谱图信号特征筛选有效波段10~86.78 cm^(-1)用于建模分析。通过快速傅里叶变换得到频域信号并从中提取光学常数:折射率和吸收系数,采用Savitzky-Golay7点卷积平滑分别对折射率和吸收系数进行预处理,去除干扰信号。运用SPXY算法按照3∶1比例划分校正集和预测集样本,结合主成分回归法、偏最小二乘法两种化学计量学分析方法,分别建立基于折射率和基于吸收系数的过氧化值分析模型。对模型评价指标均方根误差和相关系数进行分析,基于折射率的过氧化值分析模型采用偏最小二乘算法建模预测精度最理想,选取最优主成分数为6时,其校正集均方根误差RMS EC为0.168%、决定系数R 2为0.981,预测集均方根误差RMSEP为0.231%、决定系数r 2为0.977;基于吸收系数的过氧化值分析模型则采用主成分回归算法建模预测模型稳健度最好,选取最优主成分数为10时,其校正均方根误差RMSEC为0.192%、校正集决定系数R 2为0.979,预测均方根误差RMSEP为0.262%、预测集决定系数r 2为0.97。该研究结果的得出,验证了THz-TDS技术用于食用油过氧化值定量分析的可行性,为食用油的品质评价找到一种高精度、性能稳定、快速无损的检测方法。

太赫兹衰减全反射技术对板栗果仁霉变程度判别研究

目的建立基于太赫兹衰减全反射光谱法(terahertz attenuated total reflection spectroscopy,THz-ATR)快速检测板栗果仁霉变程度判别方法。方法实验选取迁西板栗、沂蒙短枝、怀柔板栗3个品种的60颗饱满果仁进行霉变培养,并依据GB/T 22346—2008《板栗质量等级》将板栗果仁分为正常、轻度霉变、重度霉变3类,采集板栗果仁样本太赫兹时域光谱(波段0.3~3.6 THz)后进行光学常数提取,从而得到样本的吸收系数谱图和折射率谱图,并结合基于遗传算法(genetic algorithm,GA)寻优和基于粒子群算法(particle swarm optimization,PSO)寻优的支持向量机算法(support vector machine algorithm,SVM)建立定性判别模型。结果PSO-SVM算法模型对板栗果仁霉变程度的预测集识别正确率为91.6667%,GA-SVM算法模型对板栗果仁霉变程度的预测集识别正确率为100%。结论本研究所建立的定性判别模型准确率高,利用太赫兹时域光谱技术可以实现对板栗果仁霉变程度的区分识别,为太赫兹技术在食品检测领域的应用提供了现实基础。

基于THz-ATR光谱的玉米种子水分定量模型优化方法研究

应用太赫兹时域光谱技术结合区间偏最小二乘法筛选玉米种子水分THz特征波段,并采用支持向量机构建基于特征谱区的抗非线性干扰的种子水分快速定量分析模型。实验以郑单958玉米种子为例,制备含水量范围9.58%~12.71%的种子粉末样本40组(每组取样3份),采用衰减全反射(ATR)附件扫描得到120份样本太赫兹时域光谱,根据SPXY(光谱-理化值共生距离算法)法划分得到训练集样本90份,测试集样本30份。种子水分对太赫兹波具有强烈吸收,首先采用基于偏最小二乘线性回归的移动区间(mwPLS)、独立区间(iPLS)、后向区间(biPLS)和联合区间(siPLS)方法筛选最优特征谱区组合;鉴于环境水分、种子其他成分及系统噪声对种子水分太赫兹光谱存在不可避免的非线性干扰,在上述光谱特征区间进一步采用基于RBF核函数的支持向量机和网格搜索法构建得到预测性能最优的种子水分快速定量分析非线性模型,训练集均方根误差为0.0212,预测集均方根误差为0.0697,相对分析误差为12.3457,相较于传统偏最小二乘线性回归模型,模型性能得到提升。种子水分含量是影响种子贮藏安全和种子活力的重要因素,实验结果表明:太赫兹时域光谱结合化学计量学可以有效筛选种子水分特征吸收谱区,建立抗干扰、高精度的种子水分快速定量分析模型,有望成为未来种子质量快速测定领域一项极具应用潜力的补充技术。

基于模型集群的东北/非东北大米产地高光谱鉴别方法研究

采集东北和非东北产地大米样本高光谱图像,筛选多个特征波长图像并提取图像特征,结合模式识别方法建立判别模型,并联合多个模型构成模型集群快速、准确判别东北/非东北大米产地。东北大米以粳米为主,主要涵盖长粒香,圆粒香,稻花香和小町米4个品种。为建立实用性强、适用范围广的东北/非东北大米产地判别模型,实验主要收集了国内粳米代表性产区且以上述4个品种为主的样本,构成原始样本集:其中东北产地5份,包括黑龙江(1)、吉林(2)、辽宁(2),非东北产地5份,包括河北(1)、浙江(1)、江苏(2)、安徽(1)。每个产地样本随机选取100粒,共计100×10粒大米样本。采用芬兰Specim公司的SisuCHEMA高光谱成像系统采集样本900~1700 nm高光谱图像。按照大米轮廓选取感兴趣区域提取出单粒大米样本的平均光谱,采用Kennard-Stone法按照4∶1划分训练集和测试集。应用连续投影算法筛选得到原始样本集光谱的8个特征波长:1460.30,1400.20,1424.92,945.98,1315.62,1220.87,1705.91和942.53 nm;采用方向梯度直方图分别提取8个波长下的图像特征,结合支持向量机建立基于单特征波长图像的东北/非东北大米产地鉴别模型,识别准确率分别为85.5%,77.5%,76.5%,73.5%,71%,68.5%,67%和65.5%;鉴于单模型识别率不高的现状,提出建立基于特征波长图像模型集群综合判别大米产地的策略,即按照单模型识别率从高到低排序后分别联合3个、5个和7个特征波长图像模型的预测结果,当预测样本判定为真的比率>50%,则判定样本为真,反之则为假。联合1460.30,1400.20,1424.92,945.98,1315.62,1220.87和1705.91 nm七个波段的模型集合对测试集样本的识别率可达90.5%。实验结果表明高光谱结合模型集群策略可为建立性能稳健、适用范围广的东北/非东北大米产地快速检测模型提供切实可行的思路和方法参考。

上海糖尿病患者经济负担的深度访谈报告

为了解上海糖尿病患者的经济负担,本研究选取了上海8个社区卫生服务中心的120例糖尿病患者,由培训后的医护人员采用半结构化的糖尿病脆弱性评估问卷对其进行录音访谈和转录,并使用NVivo10.0软件对访谈内容进行编码及资料分析。受访者反映的主要经济负担有:糖尿病日常支出费用较高,并随病程延长及并发症的出现而进一步增多;医保个人自付比例较高,对诊疗花费的覆盖比例因医院等级而异,一些常规用药不在医保报销范围内;失业进一步影响了糖尿病患者对经济负担的承受能力。本研究为合理配置我国糖尿病患者的医疗卫生资源提供了新的思路。

基于光谱及成像技术的种子品质无损速测研究进展

种子是农业生产过程的重要生产资料。种子质量评价、活力与老化检测、纯度与真伪鉴别、分类与溯源研究是种子品质检测中的常见问题。种子质量主要包含种子含水率、蛋白含量、脂肪酸含量、淀粉含量等,是种子品质分级的重要指标,并且关系到种子存储过程的安全问题。种子活力是种子发芽和出苗率、幼苗生长的潜势、植株抗逆能力和生产潜力的总和;高活力种子具有明显的生长优势和生产潜力。种子老化是指种子活力的自然衰退,表现为种子变色、发芽率低、生长势差、作物减产。种子的纯度与真伪则会影响作物产量和农产品品质;而种子分类与溯源则是保证种子纯度与鉴别种子真伪的重要方法,进而为作物产量与产品品质提供保障。对于种子品质分析,传统方法通常需要对样品做不可逆的破坏性分析,且分析时间长、过程复杂,难以适应现代农业对种子生产环节的需要。因此,开展种子品质无损快速检测技术研究成为当前亟待解决的问题。近年来,随着化学计量学的发展和计算机技术的进步,近红外光谱法以其快速、无损、高效等优势,在农产品、食品、农业投入品等的无损快速分析方面得以广泛的应用。进一步地,将光谱技术与成像技术相结合,高光谱成像技术近年来日益兴起,相比较于传统的光谱技术,高光谱成像技术在获得待测样品的光谱信息的同时,还可以获取样品的空间分布信息以及图像特征。基于近红外光谱及高光谱成像等无损快速检测技术,从种子质量评价、活力与老化检测、纯度与真伪鉴别、分类与溯源研究四方面对近年来关于种子品质无损快速检测文献进行综述。在分析不同检测技术特点的基础上,分别就上述种子品质检测方面的问题加以整理。进而对种子品质无损快速检测的技术特点进行了总结与展望。

光谱关键变量筛选在农产品及食品品质无损检测中的应用进展

农产品及食品的品质与安全一直以来都是人们关注的焦点,不仅关系着人们的身体健康,而且关系着社会稳定甚至国家安全。由于农产品及食品的品质不合格引发的安全事件备受社会各界的广泛关注。对农产品及食品的品质的监管长久以来都是分析检测领域的重点和难点。我国人口众多,对农产品和食品的消费量非常大。面对如此大量农产品及食品品质的无损快速检测需求,光谱法以其快速、无损、高效、环境友好、可现场检测等诸多特点,为农产品及食品品质的无损快速分析提供了良好的解决方案。然而,传统的光谱法在检测过程中所使用的数据量十分庞大,不仅在建立校正模型过程中会消耗大量时间,而且难以完成大量农产品及食品的品质在线高通量无损快速检测。大量数据的计算成为限制光谱类分析仪器工作效率的主要瓶颈之一,并且大量数据的计算对仪器设备的硬件配置也提出了非常高的要求,从而间接地提高了光谱分析技术的应用成本。近年来,关键变量筛选技术脱颖而出,并成为光谱分析的一个新热点。通过筛选,采用少量关键变量建立校正模型即可得到和全谱数据建模准确度相差无几的分析结果,从而可以有效提高分析仪器的工作效率并间接地降低光谱分析技术的应用成本,进而为农产品及食品品质的高通量检测提供了可靠的技术支持、为满足人民日益增长的美好生活需要提供科技保障。针对光谱关键变量筛选在粮食及粮食作物、蔬菜、水果、经济作物、肉类、食品品质与安全领域的无损检测应用进行综述,对光谱关键变量筛选技术的应用从筛选方法、应用范围、应用效果等方面进行了分类总结归纳,并就光谱关键变量筛选技术在农产品及食品品质无损检测中的应用从变量筛选方法特点及趋势、所选变量的稳定性和可靠性、所选变量的实际意义等方面进行了展望。