论文部分内容阅读
本论文针对传统分析方法耗时、耗力、成本高、前处理繁琐等问题,选用近红外光谱分析技术结合化学计量学的相关算法,测定了香菇中多糖的含量、奶酪中脂肪的含量以及对肉类进行了分类鉴别,方法简便、快速、无损,对于解决生产生活中实际样品的组分含量问题具有实际意义。 将近红外光谱分析技术与紫外可见光谱分析法结合,利用化学计量学中的偏最小二乘算法(PLS)建立了香菇多糖的多元校正模型。经过异常样本的剔除、光谱的预处理以及SCARS波长选择,实现了香菇中多糖含量的快速测定。在最佳的实验条件下,在香菇多糖的检测浓度0.82~2.55g/100g范围内,预测集10个样品的预测均方根误差RMSEP=0.0577g/100g,所建香菇多糖含量的模型预测相关系数Rp=0.9781,隐变量数为10。 近红外光谱分析技术与传统的重量分析法结合,以聚乙烯膜包裹的片装奶酪为研究对象,分别采用两台不同的近红外光谱仪测定其光谱,运用PLS算法建立了奶酪中脂肪含量的多元校正模型。经过异常样本的剔除、光谱的预处理及建模波段的比较,实现了奶酪中脂肪含量的快速测定。研究结果表明,对于大型近红外光谱仪,833~1100nm波段下的建模结果更优。在该波段下,模型的RMSEP为0.7729g/100g,交互检验均方根误差RMSECV为0.6989g/100g,校正集均方根误差RMSEC为0.4784g/100g,隐变量为8,最佳的光谱预处理方法为多元散射校正(MSC);而对于本实验室自主搭建的小型近红外光谱仪,经过标准正态变换(SNV)和S-G一阶导处理后所建模型效果最优。模型的RMSEP为0.7552g/100g,RMSECV为0.7462g/100g,RMSEC为0.5823g/100g,隐变量为10;在相同的检测波段(909~1860nm)内,大型近红外光谱仪的建模效果要优于小型仪器,两台仪器所建模型均可用于奶酪中脂肪含量的快速测定,且小型化仪器体积轻巧,便于携带,还可实现现场检测,具有一定的应用前景。 鉴于目前市场上频频出现的肉类掺假问题,以猪肉、牛肉、鸭肉、鸡肉和羊肉五类生鲜肉品为研究对象,采用近红外光谱分析技术结合主成分分析,通过马氏距离判断类别归属。光谱经过MSC预处理后,在三个主成分的化学信息下,预测集40个样品的误判率为2.5%,仅有一个牛肉样本被误判。该方法为解决肉品掺假问题提供了一种新的研究思路。