基于SVM的天津产地玫瑰香葡萄酒定性分析

利用红外光谱法对天津产地玫瑰香葡萄酒识别鉴定,提出了用支持向量机(SVM)算法对干白葡萄酒红外光谱图进行分析,详细介绍了干白葡萄酒谱图的预处理过程,包括基线校正、消除噪声、标准归一化和去除异常样本点。选取了不同产地的玫瑰香原酒样品511个、贵人香原酒样品438个、霞多丽原酒样品307个、白玉霓原酒样品29个、白羽原酒样品44个、龙眼原酒样品31个、泽香原酒样品79个,针对不同分类将80%样品谱图用SVM建立分类模型,并用剩余20%样品谱图对这些模型进行验证,实验结果表明该方法行之有效,不同葡萄品种干白葡萄酒模型正确率、识别率和拒绝率达到97%以上,不同产地玫瑰香干白葡萄酒正确率、识别率和拒绝率达到98%以上。该方法可以对天津产地玫瑰香葡萄酒进行定性识别鉴定。

Hs-5乳酸链球菌发酵培养基优化研究

选用蔗糖、酵母膏、KH2PO4、MgSO4.7H2O、NaCl、吐温80、蛋白胨为因素,各取3水平,分别以nisin效价和菌体量为目的产物进行L18(37)正交实验,对比2次实验结果。结果表明,以nisin效价为结果培养基条件下nisin的产量高于以菌体量为目的产物的培养条件;综合分析得Hs-5发酵生产nisin的适宜培养基为:蔗糖30 g/L、酵母膏20 g/L、吐温80 4mL、K2HPO4 12.5 g/L、MgSO4 0.4 g/L、蛋白胨10 g/L、NaCl 3 g/L。

酒香型光谱分析和模式识别计算分析

白酒是一个复杂的混合物体系,它含有大量的微量成分,这些微量成分直接决定了白酒的品质、口感和香型。为实现对白酒香型的快速鉴别,可采集不同香型白酒的红外光谱图,并将其作为模式分类方法的输入模式,建立白酒香型鉴别模型。首次全面系统地介绍了白酒香型模式识别算法,这些算法包括统计分类器(线性判别函数、二次判别函数、正则判别分析、K近邻算法)、原型学习算法(学习矢量量化)、支持向量机和AdaBoost算法。实验结果表明,基于红外光谱的白酒香型检测模式识别算法达到了很高的分类准确率、识别率和拒绝率,显示出了很好的性能。

不同香型白酒红外宏观三级鉴别

运用三级红外宏观指纹图谱法对3种不同香型的白酒进行了鉴定。在一维红外谱图上,五粮液、茅台酒和汾酒主要区别是特征峰1722cm-1和1594cm-1在峰强和峰位上的不同;在二阶导数谱上,则表现出3种酒酸酯种类和数量的不同;在二维相关谱图上,3种白酒形成的峰簇的位置和数量不同。结果表明,对于不同香型酒的分析,三级红外宏观指纹图谱法是一种有效和快速的检测方法。

运用红外技术对相同香型不同口感白酒的鉴别

运用宏观红外指纹三级鉴定法对不同口感的白酒进行了鉴别,通过红外三级分析,不同口感的白酒展现出特定的红外规律:一级红外分析中,不同口感白酒呈现的峰强不同;在二级红外分析中,则表现出3种酒酸酯种类的不同;特别是,在1748cm-1处酯的C=O依次增强;在三级红外分析中,热扰动使同步谱图上自动峰呈现特定规律。值得注意的是,红外分析结果和感官评定结果基本一致。

基于SVM的白酒红外光谱分析方法研究

为实现白酒品评自动化,采集了297个不同香型、86个不同等级、60个不同年份的白酒样品红外光谱图,共计443个。针对这些红外光谱图,采用3次多项式插值拟合的方法进行基线漂移校正,并用小波软阈值法去除光谱噪声,然后用标准归一化的方法消除散射效应。对于白酒的香型、等级和年份这3种不同的分类问题,分别选择样本的75%为训练集,余下25%为测试集,利用支持向量机(SVM)方法建立对应的香型、等级和年份分类模型,并在测试集上验证了模型的分类性能。实验结果表明该方法行之有效,香型分类正确率达到98%以上,等级分类正确率达到92%以上,年份分类正确率达到100%。