应用近红外高光谱成像技术检测面粉中偶氮甲酰胺

高光谱成像技术不仅可以获得样品的图像信息,每个像素点还包含了光谱信息,因其信息量丰富的特点已在食品安全检测方面得到了应用。该研究应用近红外高光谱成像技术检测面粉中偶氮甲酰胺。分别采集纯偶氮甲酰胺、纯面粉和面粉中10种不同浓度偶氮甲酰胺混合样品的高光谱图像。通过比较纯偶氮甲酰胺和纯面粉的平均漫发射光谱,找到两者区分度较大的4个吸收波段：1 574.38,2 038.55,2 166.88和2 269.91 nm。采用二阶导数对样品图像中的像素点光谱进行预处理,通过光谱角制图、光谱相关角和光谱相关性度量三种光谱相似性分析方法对混合样品中的偶氮甲酰胺像素和面粉像素进行检测。结果表明,预处理后的平均光谱不能有效检测面粉中偶氮甲酰胺;单像素点光谱结合光谱相似性分析实现了混合样品中偶氮甲酰胺像素和面粉像素的分类;分类结果的验证显示了偶氮甲酰胺像素和面粉像素的正确分类。研究结果为利用高光谱技术检测面粉中添加剂提供了方法支持,为食品中掺杂物的检测提供参考。     

以高光谱数据有效预测苹果可溶性固形物含量

从高光谱数据中选取能够有效进行内部品质检测的特征波长,是利用高光谱成像技术进行水果品质定量分析的关键。本文采用遗传算法(GA)、连续投影算法(SPA)和GA-SPA算法分别从400～1 000 nm的苹果高光谱图像中提取特征波长,利用偏最小二乘法(PLS)、最小二乘支撑向量机(LS-SVM)和多元线性回归(MLR)建模进行苹果可溶性固形物含量(SSC)的定量分析并进行了综合比较。160个样品中,120个用于建模,40个用于预测。比较发现SPA-MLR模型获得了最好的结果,R2_p,RMSEP和RPD分别为0.950 1,0.308 7和4.476 6。结果表明：SPA能够有效地用于高光谱数据的变量选择,利用SPA-MLR可建立稳健的苹果SSC预测模型,较少的有效变量和MLR模型的易解释性表明该模型在在线检测和便携式仪器开发中具有较大的应用潜力。     

新型黄烷酮的合成及其抑菌活性

以异香草醛和2,4,6-三羟基苯乙酮为起始原料,经过C-异戊烯基化、选择性地甲基化或甲氧甲基化、羟醛缩合、催化环化与加成共6步反应,首次合成了两个新型黄烷酮—5,7,4'-三甲氧基-3'-羟基-8-(3”-羟基-3”-甲基-丁基)黄烷酮(1a)和5,7,4'-三甲氧基-3'-羟基-8-(3”,甲氧基-3”-甲基-丁基)...     

四个天然异戊烯基黄酮的全合成研究

利用温和的方法进行了异戊烯基黄酮(±)-abyssinone-VI-4-O-methyl ether,(±)-abyssinone-IV-4’-O-methyl ether,(±)-abyssinone-V-4’-O-methyl ether和(±)-sigmoidin E的全合成研究,同时通过对羟基苯甲醛的异戊烯基化以及在石油醚中低温结晶的方法合成了关键中间体4-羟基-3,5-二异戊烯基苯甲醛.所有新化合物的结构都经过IR,1H NMR,MS,HRMS确认.     

苹果产地差异对可溶性固形物近红外光谱检测模型影响的研究

为更好地利用近红外光谱预测苹果可溶性固形物含量,减少产地差异对近红外光谱检测模型的影响,以4种不同产地的富士苹果为研究对象,采用基于x-y共生距离的样本划分方法分别对不同产地的苹果选取代表性样本作为校正集,利用偏最小二乘算法,建立和比较单一产地和混合产地下的苹果可溶性固形物近红外光谱检测模型,并结合竞争性自适应重加权算法(CARS)和连续投影算法(SPA)对苹果可溶性固形物的建模变量进行筛选。相比单一产地和其它混合产地模型,混合所有4种苹果产地的校正集样本建立的模型取得了最好的预测结果,另外,结合CARS-SPA筛选的16个特征波长,模型得到了进一步简化,其预测相关系数和预测均方根误差分别为0.978和0.441°Brix。结果表明,利用多个产地的苹果样本建立的混合模型,结合有效特征波长,可提高对苹果可溶性固形物含量的预测精度,减小产地差异对可溶性固形物近红外光谱检测的影响。     

高光谱图像信息检测玉米籽粒胚水分含量

通过波段比和阈值相结合的方法,分别提取了玉米籽粒全表面结构和胚结构区域的1 000～2 500 nm近红外高光谱信息,研究了玉米籽粒水分含量与胚结构区域光谱关系,同时采用竞争性自适应重加权变量选择算法(CARS)、遗传算法(GA) 、连续投影算法(SPA)筛选特征波段,建立并比较偏最小二乘回归(PLS)模型对水分含量的预测效果。结果显示,玉米籽粒水分含量与胚结构区域光谱关系显著,随着水分含量的增加,光谱反射值逐渐降低。预测模型结果表明,基于玉米籽粒胚结构区域光谱信息所建立的CARS-PLS,GA-PLS和SPA-PLS回归模型预测相关系数Rp分别为0.931 2,0.917 6和0.922 7,预测均方根误差(RMSEP)分别为0.315 3,0.336 9和0.336 6,所选取的特征波段数量分别为9,14和6,较基于全表面光谱信息所建模型的特征波段数量分别少了49,12和24个,且预测效果与采用全表面光谱信息无显著差别,SPA-PLS算法为基于玉米籽粒胚结构光谱信息的水分含量预测最高效模型。提取胚结构区域所用光谱波段为1 197,1 322和1 495 nm,建立SPA-PLS回归模型所用特征波段为1 322,1 342,1 367,1 949,2 070和2 496 nm。研究结果表明,采用近红外高光谱技术进行玉米籽粒水分含量无损检测时,提取玉米籽粒胚结构的图谱信息较全表面光谱信息更高效。     

基于高光谱成像技术和MNF检测苹果的轻微损伤

苹果损伤是一种发生在水果采摘和产后处理阶段的不可避免的主要缺陷。为了快速有效地识别苹果的轻微损伤,以具有代表性的双色红富士苹果为研究对象,提出了一种以高光谱成像和最低噪声分离(MNF)变换的苹果轻微损伤识别检测方法。首先,使用高光谱成像系统获取苹果的可见-近红外波段(400~1 000 nm)的图像,对比发现全波段的最低噪声分离变换比主成分分析(PCA)变换可获得更好的识别效果;其次,利用I-RELIEF算法对正常表皮和损伤区域的光谱进行分析得出权值系数图,依据该系数曲线挑选出了5个特征波段(560,660,720,820和960 nm);最后,特征波段和最低噪声分离变换开发了损伤苹果的识别检测算法。利用该算法对80个正常苹果和含有不同时间阶段轻微损伤的苹果进行试验,损伤识别总体正确率为97.1%,试验结果表明,利用该方法和选取的特征波段可以快速有效地识别苹果的早期轻微损伤,为利用多光谱成像技术和最低噪声分离变换在线检测苹果轻微损伤奠定了基础。     

高光谱成像技术在果蔬品质与安全无损检测中的原理及应用

水果和蔬菜的品质与安全是消费者最为关心的问题。传统的化学检测方法是一种费时费力的破坏性检测技术。随着成像和光谱技术的快速发展,高光谱成像技术已经广泛应用于农产品品质与安全的快速无损检测中。高光谱成像技术融合了传统的成像和光谱技术的优点,可以同时获取被检测物体的空间信息和光谱信息,因此该技术既可以像检测物体的外部品质,又可以像光谱技术一样检测物体的内部品质和品质安全。目前,已经有大量的基于高光谱成像技术检测水果和蔬菜品质与安全的研究性论文发表,为了深入了解高光谱成像技术的检测原理并跟踪国内外最新的研究进展,综述了高光谱成像技术在水果和蔬菜外部品质、内部品质和品质安全检测中的原理、发展和应用。另外,还简要介绍和讨论了高光谱成像系统的构成、常用的数据分析方法、发展趋势及面临的挑战。     

拉曼高光谱成像系统中光在奶粉层的穿透深度研究

拉曼高光谱成像技术不仅可以获取样本的空间分布信息,图像上每个像素点还包括了完整的光谱信息,因其信息量丰富的特点已在食品安全检测方面得到了应用。本研究探索拉曼高光谱成像系统中光在奶粉层中的穿透深度,以及采集参数和奶粉类型对穿透深度的影响。实验选取均匀奶粉层样品放置于厚度为5 mm的三聚氰胺样本之上,检测奶粉层厚度为0.8～4.0 mm时的三聚氰胺特征峰强度,以此评估光在奶粉层中的穿透性和信号衰减情况。结果显示当奶粉层厚度一定时,随着激光功率变大,拉曼特征峰值随之增加,此外更长的曝光时间也可以使拉曼信号得到增强。在激光功率不小于2 W且曝光时间不小于500 ms时,光在全脂奶粉层的穿透深度可达4 mm。奶粉层厚度在0.8～4.0 mm范围内,穿透奶粉层的拉曼信号随着奶粉层厚度增加呈指数式衰减。在激光功率为8 W、曝光时间为1 000 ms的条件下,光在全脂、低脂和脱脂奶粉层的穿透深度均达到了4 mm。在相同测量厚度下,通过脱脂奶粉层接收的拉曼信号弱于通过全脂和低脂奶粉层接收的拉曼信号强度。研究结果为拉曼高光谱检测中奶粉样品的前处理提供了有益参考。     

两种天然异戊烯基黄烷酮的全合成

以3-甲氧基甲氧基苯甲醛和2,4,6-三甲氧基-3-异戊烯基苯乙酮为原料,经烷基化和缩合反应合成了新化合物——2’-羟基-4-甲氧基-3,4’,6’-三甲氧甲氧基-3’-异戊烯基査尓酮(6);6经环合反应合成了新化合物——(±)-5,7,3’-三甲氧甲氧基-4’-甲氧基-8-异戊烯基黄烷酮(7);7经脱保护和环合反应实现了天然产物(±)-5,7,3’-三羟基-4’-甲氧基-8-异戊烯基-黄烷酮(1,总收率11.6%)和(±)-5,3’-二羟基-7,8-(2,2-二甲基吡喃)-4’-甲氧基黄烷酮(2,总收率10.5%)的全合成,其中1为新化合物,其结构经1H NMR,IR和MS表征。