基于高光谱成像技术的鸡蛋哈氏单位快速无损检测

本实验利用高光谱(900~1700 nm)成像技术结合化学统计学算法,对鸡蛋哈氏单位的无损检测进行研究。采集样品原始光谱信息,经S-G卷积平滑、MSC、SNV预处理后建立PLSR模型,优选最佳预处理方法;利用PLSR的加权β系数、遗传算法GA提取特征波长,分别建立PLSR、PCR模型,比较建模效果,优选最佳特征波长提取方法及建模方法。结果表明,预处理后建模效果并未提高,即以原始光谱作为建模对象,采用遗传算法提取特征波长后建立的PLSR模型效果最好,其RC为0.8118,校正集均方根误差是2.9677,RP为0.8203,预测集均方根误差是3.2762。因此,利用高光谱技术无损检测鸡蛋哈氏单位是可行的,同时为鸡蛋的新鲜度快速判别、分级分选提供理论依据。

灵武长枣蔗糖含量的高光谱无损检测

利用高效液相色谱法检测蔗糖含量,同时运用高光谱成像技术结合化学计量方法建立蔗糖预测模型;通过竞争性自适应加权(competitive adaptive reweighted sampling,CARS)算法、连续投影算法(successive projection algorithm,SPA)和无信息消除变量(uninformative variable elimination,UVE)降维处理,建立特征波段和全波段的主成分回归(principal component regression,PCR)、偏最小二乘回归(partial least squares regression,PLSR)和多元线性回归(multivariable linear regression,MLR)模型。结果表明,采用蒙特卡洛方法剔除异常样本后,相关系数由0.611增大到0.846;正交信号校正法预处理效果最佳,RC和RP分别为0.853和0.794;利用SPA、UVE、CARS、CARS+SPA和CARS+UVE五种方法提取了5、21、17、10、18个特征变量,其中CARS-PCR模型最好,校正集、预测集的相关系数为0.861、0.843,校正集、预测集的均方根误差为0.013 mg/g和0.014 mg/g。综上,高光谱成像技术可以实现长枣蔗糖含量的预测,为更深一步探讨枣的内部品质提供参考。

红葡萄酒中白藜芦醇含量的高光谱快速检测算法优化

将高光谱技术与流化床富集技术相结合,用大孔吸附树脂对干红葡萄酒中的微量白藜芦醇吸附后,采集光谱图像,通过比对多种预处理方法对建模效果的影响进而优选算法。结果表明,采用霍特林T2统计检测方法剔除异常样本,KS算法划分白藜芦醇含量样本集,标准正态变换法预处理光谱数据,建立的标准正态变换-偏最小二乘回归模型预测效果最优,其校正相关系数Rc2为0.813 8,校正均方根误差为0.047 7,预测相关系数Rp2为0.782 4,预测均方根误差为0.050 2,为白藜芦醇的高光谱痕量检测提供理论参考。

大球盖菇两种提取蛋白氨基酸营养评价

采用氨基酸分析仪测定大球盖菇碱法提取蛋白(ASRP)和超声辅助碱法提取的蛋白(USRP),应用模糊识别法和氨基酸比值系数法,以联合国粮食及农业组织推荐的全鸡蛋蛋白为标准蛋白,对大球盖菇提取蛋白的营养价值进行了全面评价。结果表明,ASRP和USRP蛋白纯度为69.16%±0.07a和68.57%±0.38a,氨基酸种类齐全,并富含必需氨基酸,含硫氨基酸(Met+Cys)是第一限制性氨基酸含量;EAA/TAA和EAA/NEAA分别为38.69%,0.63和39.51%,0.65,与FAO/WHO提出的参考蛋白质模式相接近,与全蛋相比贴近度分别为0.745,0.737,SRC值分别为73.49,74.79,与大豆蛋白、牛乳、羊乳等食品相似。综合考虑USRP营养评价略高于ASRP。

基于RFID的灵武长枣质量追溯系统设计

随着我国人民生活品质的迅速提高,对农产品的需求和关注发生了由量到质的转变。灵武长枣作为宁夏优势特色果蔬,果实脆爽口、酸甜适中、风味独特、享誉全国。因此,灵武长枣全程质量追溯系统对保障灵武长枣的食用品质和安全尤为重要。文章介绍了国内外果蔬质量追溯系统发展现状;设计了基于RFID的灵武长枣质量追溯系统,包括灵武长枣生产采收质量追溯子系统、加工包装及贮藏保鲜子系统、冷链运输质量追溯子系统以及终端销售和监管质量安全追溯子系统;对灵武长枣质量追溯系统未来发展进行了展望。