-
题名基于三维荧光光谱技术的牛奶中金霉素残留的检测研究
被引量:4
- 1
-
-
作者
吁芳
赵进辉
刘木华
-
机构
江西农业大学工学院/生物光电实验室
-
出处
《江西农业大学学报》
CAS
CSCD
北大核心
2012年第4期818-822,共5页
-
基金
江西省教育厅科技项目(2012GJJ12244)
-
文摘
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。
-
关键词
三维荧光
CTMAB
牛奶
金霉素
3-PLS
-
Keywords
three-dimensional fluorescence
CTMAB
milk
CTC
3-PLS
-
分类号
S859.84
[农业科学—临床兽医学]
-
-
题名基于近红外光谱法无损检测芦柑表面多种农药残留研究
被引量:6
- 2
-
-
作者
罗春生
薛龙
刘木华
严霖元
-
机构
江西农业大学工学院/生物光电实验室
华东交通大学机电工程学院
南昌航空大学无损检测技术教育部重点实验室
-
出处
《中国农机化》
北大核心
2012年第2期128-131,135,共5页
-
基金
国家自然科学基金资助项目(30760101)
新世纪优秀人才支持计划资助项目(NCET-09-0168)
+1 种基金
江西省科技厅农业科技支撑计划(2009BNB5705)
江西省教育厅科学技术研究(GJJ08513)
-
文摘
以表面喷施不同浓度梯度的乙酰甲胺磷和毒死蜱混合农药的芦柑为研究对象。把两种农药以1:1比例混合,然后用自来水配置成1:100、1:300、1:500三种浓度农药溶液,分别喷施在192个芦柑表面上。采集近红外光谱数据后,应用NY/T761―2008方法 ,通过SP―6890气象色谱仪检测芦柑表面两种农药的残留量。对所得数据分别采用多元散射校正(MSC)和标准正态变量变换(SNV)两种光谱预处理方法 ,并结合联合区间偏最小二乘法(SiPLS)建立农药残留预测模型。结果表明:采用MSC的光谱预处理方法时建立的乙酰甲胺磷预测模型较优,其预测集相关系数R为0.8199;而采用SNV的光谱预处理时建立的SiPLS毒死蜱预测模型较优,其预测集相关系数为0.8434。可见,应用近红外光谱技术定量检测芦柑表面多种农药残留是可行的。
-
关键词
近红外光谱
无损检测
农药残留
气相色谱法
芦柑
-
Keywords
Near- Infrared spectroscopy
nondestructive measurement
pesticide residues
Gas Chromatography
LuGan mandarine
-
分类号
O657.33
[理学—分析化学]
-
-
题名生姜水分含量的可见-近红外光谱检测
被引量:4
- 3
-
-
作者
吕萍
薛龙
何秀文
王晓
刘木华
严霖元
-
机构
江西农业大学工学院/生物光电实验室
华东交通大学机电学院
南昌航空大学无损检测技术教育部重点实验室
-
出处
《江西农业大学学报》
CAS
CSCD
北大核心
2011年第3期602-607,共6页
-
基金
国家自然科学基金资助项目(30760101)
江西省教育厅科学技术研究项目(GJJ08513)
-
文摘
近红外光谱技术具有简便、快速和无损检测等优点,应用可见-近红外光谱方法建立生姜水分含量(moisture content)的预测模型。利用可见-近红外光谱仪采集308个生姜的光谱,其光谱范围是350~1 800 nm。分别采用一阶导数(FD)、二阶导数(SD)、标准正交变量变换(SNV)和多元散射校正(MSC)4种方法对光谱进行预处理,结合偏最小二乘法(PLS),分别在430~1 000 nm、1 000~1 800 nm、430~1 800 nm 3个波段建立生姜水分含量的PLS预测模型。对实验结果进行分析表明,在波段范围430~1 800 nm使用一阶导数预处理方法建立的PLS模型最优。其验证组的相关系数为0.975 1,预测组的相关系数为0.959 7。结果表明,可见-近红外光谱可以准确、快速地对生姜的含水量进行检测。
-
关键词
可见-近红外光谱
生姜
水分含量
无损检测
偏最小二乘法
-
Keywords
surface sediments
heavy metal
distribution characteristics
pollution assessment
Zhushan Bay of Taihu Lake
-
分类号
S632.5
[农业科学—蔬菜学]
-