科研产出
基于近红外光谱技术的牦牛奶粉掺假检测与产地识别研究
《食品工业科技 》 2024 北大核心 CSCD
摘要：牦牛奶粉的掺假检测和产地识别有助于保障食品安全、维护消费者权益，是促进乳制品市场健康发展的重要举措。传统的DNA检测方法和稳定同位素分析技术的检测周期长，难以满足快速、低成本现场分析的需求。针对以上问题，本研究建立了一种基于近红外光谱技术（Near-infrared Spectroscopy,NIRS）快速辨别牦牛奶粉掺假及产地的方法。收集了来自四川、甘肃、云南及青海的9个品牌的牦牛奶粉。在制备掺假样品之前，采用聚合酶链式反应（Polymerase Chain Reaction,PCR）技术和DNA凝胶电泳验证所收集的牦牛奶粉中是否掺杂了牛奶粉。完成验证后，进行掺假样品的制备以及近红外光谱数据的采集。采用K最邻近法（K-Nearest Neighbors,KNN）建立分类模型，偏最小二乘回归（Partial Least Squares Regression,PLSR）建立定量预测模型。通过优化光谱预处理方法和变量筛选方法进一步提升定量预测模型的预测能力。结果表明，KNN对牦牛奶粉掺假检测（纯牛奶粉、纯牦牛奶粉、掺杂着牛奶粉的牦牛奶粉）及产地识别（四川、甘肃、云南、青海）实现了100%的正确分类。掺假定量预测模型的校正集相关系数（Rc）为0.9975，预测集相关系数（Rp）为0.9913，预测集均方根误差（Root Mean Square Error of Prediction,RMSEP）为1.9823%，性能偏差比（Ratio of Performance to Deviation,RPD）为7.2522。本方法可快速、准确地预测牦牛奶粉中牛奶粉的掺杂以及牦牛奶粉产地的辨别，为牦牛奶粉的质量控制提供技术支持。
关键词： 牦牛奶粉 产地 掺假 近红外光谱 偏最小二乘回归 K最邻近法
全文链接
请求原文
红外光谱法快速预测不同种类重楼中重楼皂苷含量
《中国中药杂志 》 2017 北大核心 CSCD
摘要：重楼皂苷是中药重楼主要的有效成分,为了快速评价重楼品质,保证重楼在临床治疗中的疗效,本文采用红外光谱结合偏最小二乘回归法(partial least squares regression,PLSR)对重楼中重楼皂苷Ⅰ、重楼皂苷Ⅱ和重楼皂苷Ⅶ进行定量分析,建立快速评价重楼品质的方法。采集78份不同产区、不同种类重楼样品的红外光谱,用高效液相色谱测定重楼样品中重楼皂苷Ⅰ、重楼皂苷Ⅱ及重楼皂苷Ⅶ的含量,将重楼的红外光谱数据和液相数据进行拟合,快速预测3种重楼皂苷含量。原始红外光谱经多元散射校正(multiplicative signal correction,MSC)、标准正态变量(standard normal variate,SNV)、正交信号校正(orthogonal signal correction,OSC)、一阶求导(first derivative,1st Der)、二阶求导(second derivative,2nd Der)预处理后,运用偏最小二乘回归分析建立重楼皂苷的定量预测模型。重楼皂苷Ⅰ和重楼皂苷Ⅱ的最佳预处理方法为MSC+OSC+2nd Der,重楼皂苷Ⅶ的最佳预处理方法为MSC+SNV+OSC+2nd Der;重楼皂苷Ⅰ、重楼皂苷Ⅱ和重楼皂苷Ⅶ3个指标成分定量校正模型的决定系数(R~2)分别为0.930 8,0.934 8,0.912 3 mg·g~(-1);校正均方根误差(root mean square error of estimation,RMSEE)分别为1.855 0,0.632 3,0.001 6 mg·g~(-1);验证模型的决定系数(R~2)分别为0.948 8,0.963 6,0.780 1 mg·g~(-1);预测均方根误差(root mean square error of prediction,RMSEP)分别为1.704 6,1.227 7,0.001 9 mg·g~(-1);定量模型的预测值与真实值比较接近,模型预测效果好,其中重楼皂苷Ⅰ,Ⅱ定量模型效果优于重楼皂苷Ⅶ。该方法无损、快速、准确,可用于重楼中重楼皂苷含量的快速测定。
关键词： 重楼 红外光谱 定量分析 重楼皂苷 偏最小二乘回归
全文链接
请求原文
首页上一页1下一页尾页
