紫外光谱结合人工神经网络识别不同品种红薯淀粉

为了识别不同品种红薯淀粉,建立紫外光谱的红薯淀粉品种识别模型。采用单因素试验优化提取条件,对不同品种红薯淀粉提取液进行紫外光谱扫描,将原始光谱数据预处理后进行主成分分析,比较不同数据处理方法区分品种的效果,并进行聚类分析,利用人工神经网络建立识别模型。结果表明:最佳提取溶剂为甲醇,最佳超声时间为20 min;紫外光谱图有相似的吸收峰,但吸光度存在差异;以小波降噪后一阶求导处理数据进行主成分分析的品种识别效果最好。建立的人工神经网络识别模型对13个品种预测的准确率为100%。因此,紫外光谱结合人工神经网络模型可作为红薯品种淀粉快速、准确识别的新方法。

人工神经网络在鉴别不同工艺花生油中的应用

采用顶空固相微萃取结合气质联用(GC-MS)分析不同工艺花生油的挥发性成分,结合人工神经网络建立鉴别模型。结果表明:3种不同工艺花生油共检出71种成分,包括6种醇、10种醛、16种烷烃、12种酯、7种酮、3种酚、10种含氮化合物、7种其他种类化合物。花生油的主要挥发性成分是2,3-二氢苯并呋喃、1-(2-羟基-5-甲基苯基)乙酮、4-乙酰基-2-甲基苯酚、2,6-二乙基吡嗪。采用人工神经网络对不同工艺花生油数据进行建模和预测,不同工艺花生油识别率在100%。因此,神经网络结合GC-MS用于鉴别压榨花生油、浸提花生油和水代花生油是可行的。