食品安全大数据可视分析方法研究

食品安全数据可视分析作为一个新兴交叉研究领域,通过先进的交互式可视化工具帮助食品安全领域人员快速分析数据的分布态势、探寻数据间隐含关联、提升认知和分析能力、提高食品安全监管的科学性和有效性.文中从食品安全数据可视化的必要性和内在需求出发,介绍食品安全数据普遍具有的高维、多元、层次、时空、关联等基本特征,总结梳理了已有适合对食品安全数据的可视化以及可视分析方法和系统,对食品安全大数据可视化及可视分析未来的发展趋势进行了展望.

拉曼光谱结合模拟退火的小麦粉灰分含量检测

针对当前小麦粉中灰分的检测方法测量周期长,且手工操作复杂,容易产生误差的问题,研究提出采用拉曼光谱技术,结合5种光谱预处理方法和模拟退火算法进行波数筛选两方面优化小麦粉中灰分的拉曼光谱模型。实验结果中,卷积平滑SG(17)+标准正态变换(SNV)+模拟退火(SAA)的优化方式效果最优,相关系数(R2)为0.9875,均方根误差(RMSEC)和预测均方根误差(RMSEP)分别为0.0161和0.15,相对分析误差(RPD)高达8.1679,模型稳健性参数良好。研究结果表明,在模型待测组分浓度与波数相关性以及模型预测准确性方面展现了自身的优越性,该方法简单实用,快速准确,有望将此技术扩展应用于整个食品行业。