论文部分内容阅读
近红外光谱和电子舌技术作为绿色分析技术,具有快速、简单、准确、可靠,且分析过程无需化学试剂等优点,可替代传统复杂的化学分析法,用于食品、农产品质量与安全检测,然而,在可可豆产业,这些技术还没有得到相关应用。本研究探讨了近红外光谱和电子舌技术结合化学计量学方法用于可可豆定性和定量分析的可行性。主要研究成果和结论如下: A.近红外光谱及化学计量学分析 1.近红外光谱技术是一种典型的无损检测技术,在食品分析中优于传统的化学分析法。研究探讨了利用近红外光谱技术结合化学计量学定性区分不同地区的可可豆及定量检测可可豆中脂肪含量的可行性。通过留一法交互验证优化模型,并以预测集的判别率、相关系数(Rpre)和预测均方根误差(RMSEP)评判模型的预测性能。采用主成分分析提取光谱数据中相关信息。研究比较了K最近邻法(KNN),线性判别分析(LDA)和支持向量机(SVM)模型的预测能力。结果表明,SVM模型优于其它模型,对可可豆的判别率达到100%。在定量分析模型中,偏最小二乘(PLS)、区间偏最小二乘(iPLS)、联合区间偏最小二乘(SiPLS)等不同的偏最小二乘法,以及联合区间支持向量机(Si-SVMR)等方法被用于可可豆中的脂肪含量预测模型的构建中。结果表明,Si-SVMR模型获得最佳的模型预测能力,预测集的相关系数为0.9708,预测均方根误差为1.5。 2.研究发酵的、半发酵的和部分发酵的共三个类别的可可豆的区分及可可豆发酵指数和pH的预测。采用留一交互验证法优化模型。通过比较发现,采用平滑一阶导数预处理,结合BP人工神经网络模型可获得最佳的模型预测性能,采用了5个主成分因子,预测集的判别率为99.73%。对于发酵指数和pH预测模型,协同区间BP神经网络回归(Si-BPANNR)模型的预测性能优于其它模型。pH的Si-BPANNR模型,其预测集的相关系数为0.9841,预测均方根误差为0.0620;发酵指数的Si-BPANNR模型,其预测集的相关系数为0.9809 and预测均方根误差为RMSEP=0.0591。 3.研究发酵的、半发酵的和掺杂的可可豆粉的区分。并对掺杂比例进行定量分析,其中掺杂比例为5%-40%质量比。标准正态变量结合直接正交信号校正(SNV-DOSC)预处理在第一主成分处获得了很大分离度(PC1=99.98%)。SVM和SiPLS模型分别用于区分不同类别可可豆粉和定量预测可可豆粉不同掺杂比例。采用留一法交互验证优化模型。当主成分因子数为3时,采用直接正交信号校正结合SVM模型(DOSC+SVM)预测性能最佳,其预测集的判别率达到100%。SiPLS模型显示了相当好的预测能力,预测集的相关系数为0.98,预测均方根误差为1.68。当未发酵的可可豆粉在发酵的可可豆粉中的比例超过5%时,模型可以鉴别出来。 B.电子舌和化学计量学分析 4.电子舌技术是食品科学中一种新兴的分析方法。探讨了电子舌技术同时快速检测可可豆中可滴定酸(TA)和发酵指数(FI)的可行性。模型建立过程中,比较了三种模式识别方法。偏最小二乘(PLS)和主成分分析加支持向量机(PC-SVM)用于建立TA和FI同时检测的模型。通过交互验证优化模型,以预测集的判别率、相关系数以及均方根误差来评价模型的预测性能。结果表明,Fisher判别分析(FDA)比主成分分析具有更好的聚类趋势。KNN模型预测集判别率达到98.8%,略优于FDA模型。PC-SVMR模型对TA和FI的预测结果优于PLS模型。最优PC-SVMR模型,对于TA,其预测集的相关系数为0.960,预测均方根误差为0.0077;对于FI,其预测集的相关系数为0.954,预测均方根误差为0.058。研究表明,电子舌技术结合KNN和PC-SVMR可以用于可可豆的分类及可可豆可滴定酸和发酵适度的同时预测。这个结论由本研究首次揭示,尚未见其它报道。 C.数据融合及化学计量学分析 5将傅立叶近红外光谱和电子舌技术相融合是一项先进的技术,在精确分析中具有巨大的应用前景。第五部分研究融合了近红外光谱技术与电子舌技术,并结合化学计量学的方法,区分不用种类的可可豆,以及检测可可豆中的总酚含量。从近红外光谱和电子舌数据中提取特征变量,然后采用主成分分析对数据进行标准化处理。采用支持向量机(SVM)建立可可豆的定性定量分析模型。结果显示,融合近红外光谱和电子舌技术的模型预测结果优于单一检测技术的预测结果。当主成分因子数为3时,SVM模型对预测集样本中不同种类可可豆粉的识别率为100%。SVM模型中对预测集样本总酚含量的预测相关系数Rpre为0.982,预测均方根误差RMSEP为0.90 g/g。 综上所述,研究通过化学计量学的方法构建了近红外光谱与可可豆成分含量、电子舌与可可豆品质指标参数之间的关系。研究结果为可可豆(品种、不同地区、等级、类别)的快速定性分析和(脂肪含量、pH、可滴定酸、发酵指数和总酚含量的)快速定量分析提供了新的检测方法。本研究为质量监控提供了简单的分析方法,为质量管理者、可可豆生产商、巧克力制造商、饲养员、科学家以及可可豆质量的在线自动化检测工程师都提供了新的、有价值的思路。