PLS-DA优化模型的马铃薯黑心病可见近红外透射光谱检测

马铃薯黑心病是一种马铃薯主要内部缺陷,严重损害薯条、薯片、全粉等加工制品的质量和产率。目前对马铃薯的分级主要侧重于外部品质检测,针对内部缺陷检测的研究很少。旨在开发一种马铃薯黑心病的快速无损检测技术,为此搭建了马铃薯可见近红外透射光谱分析平台,分析健康与黑心病马铃薯的透射光谱特性并优化光谱判别模型参数。基于现有马铃薯分级线和复享PG2000高速光谱仪,采用左右透射方式（光源与光纤探头位于分级线果盘左右两侧）,采集470个马铃薯（其中健康薯234个、黑心薯236个）的透射光谱图,建立偏最小二乘判别模型（PLS-DA）,并利用主成分分析（PCA）与光谱形态特征相结合的方法选择特征波长,优化模型。分析发现,健康薯与黑心薯的可见近红外透射光谱在吸光度值和光谱形态特征方面均存在明显区别。黑心薯的平均光谱吸光度值高于健康薯（650～900 nm范围内）,但黑心薯的平均光谱曲线较为平缓,无明显吸收峰,而健康薯平均光谱曲线在665,732和839 nm附近有明显吸收峰,并且健康薯与黑心薯的平均光谱差值在705 nm处达到最大值。基于PLS-DA法建立了马铃薯黑心病判别模型,对黑心病的判别效果显著,分类器特性曲线（ROC）下面积（AUC）值为0.994 2,黑心薯识别总正确率能够达到97.16%,RMSE_CV和RMSE_P分别为0.28和0.26。此外,成功利用PCA与光谱形态特征相结合的方法对模型进行简化,最终得到由6个波长（658,705,716,800,816和839 nm）组成的特征波长组合,简化后的模型总正确率能够达到96.73%,接近全波段模型判别水平。研究表明,左右透射的方式能够准确识别黑心马铃薯,实现对马铃薯内部缺陷的快速无损检测。对我国马铃薯产业的发展起到一定的促进作用,为马铃薯内部缺陷在线检测技术的提高提供了重要的理论基础和实践依据。     

不同产地亚麻籽矿物质元素及脂肪酸组成的主成分分析

亚麻籽是一种具有食用与药用价值的生物质,富含多种营养物质与矿物质元素。我国是亚麻籽的主要产地之一,为探讨不同产地亚麻籽中矿物质元素与脂肪酸组成的主要特征成分,采用电感耦合等离子体质谱法(ICP-MS)分析了10个产地亚麻籽中的17种矿物质元素,利用气相色谱-质谱联用法(GC-MS)分析了于相同条件下提取的10个产地亚麻籽油脂中的脂肪酸组成。采用主成分分析法对10个产地亚麻籽中的矿物质元素及脂肪酸组成进行了分析,探讨了不同产地亚麻籽矿物质元素及脂肪酸组成的差异,分析了矿物质元素及脂肪酸的主要特征成分。结果表明,K,Sr,Mg,Ni,Co,Cr,Cd,Se,Zn和Cu是亚麻籽的主要特征矿物质元素,C16∶0,C18∶0,C18∶2,C18∶3,C20∶0,C20∶1是亚麻籽油脂的主要特征脂肪酸。ICP-MS和GC-MS结合主成分分析,可有效揭示不同产地亚麻籽中矿物质元素与脂肪酸组成的特征与差异,进而为亚麻籽的合理、有效利用提供重要的理论依据。     

石墨炉原子吸收光谱法测定虾粉中镉含量的不确定度评定

对石墨炉原子吸收光谱法测定虾粉中镉含量进行了不确定度评价。分析了整个测试过程中不确定度的来源,并对各不确定度分量进行了计算,当虾粉中镉的含量为0．389mg／kg时,扩展不确定度为0．008mg／kg（k=2）。     

ICP-MS两种模式下测定亚麻籽中微量元素及其不确定度评定

探讨了微波消解结合电感耦合等离子体质谱(ICP-MS)标准(STD)及碰撞池(KED)两种模式测定亚麻籽中微量元素铜、铁、锌、锰方法的有效性。分析比较了两种模式的测定效果,在此基础上选择各元素的有效测定模式,并对四种微量元素的分析结果进行不确定度评价。根据不确定度评判标准JJFl059—1999《测量不确定度评定与表示》中的规定,逐一分析了影响不确定度的主要因素,并对各不确定度进行了计算。结果表明ICP-MS用于测定亚麻籽中微量元素结果令人满意,同时为ICP-MS测定这四种元素的不确定度评价提供了一定的参考价值。     

近红外光谱的马铃薯环腐病SIMCA模式识别

中国是马铃薯生产和消费大国,伴随马铃薯主粮化战略推进,马铃薯对中国农业结构和消费者饮食结构的影响与日俱增。环腐病是制约马铃薯产业发展的常见病害,对种薯会造成死苗死株,对加工原料会降低加工效率和成品质量,严重可达30%~60%。传统检测马铃薯病害的主要方法是目测、机器视觉以及高光谱成像等方法,目测或机器视觉方式鉴别环腐病需要对样品进行破坏;高光谱成像技术成本高昂,存在一定的应用局限性。因环腐病会造成整薯内部品质变化,利用近红外光谱技术探测整薯内部品质变化,从而将环腐病马铃薯从健康薯中区别开来,具有可行性和实用价值。创新地尝试利用近红外光谱结合SIMCA模式方法来区分马铃薯环腐病及健康薯。研究结果表明,基于主成分分析的SIMCA模式识别能有效判别马铃薯环腐病样品,模型校正集中环腐病和健康薯的识别率、拒绝率均为100%;模型验证集中环腐病的识别率、拒绝率分别为99.00%和100%,健康薯的识别率、拒绝率分别为94.12%和100%,所建模型精度较高。利用独立的18个样品进行模型外部验证,环腐病样品识别率为87.50%,健康薯识别率为80.00%,均没有错判。表明所建SIMCA二值识别模型效果良好,可满足实际应用,但模型精度需进一步提高。马铃薯环腐病发病部位接近表皮0.5 cm左右,近红外光谱对马铃薯样品有一定的透射和漫反射。可考虑采集马铃薯接近表皮部分的果肉组织内部光谱信息,结合马铃薯环腐病的发病机理及近红外漫反射光谱的特性,利用近红外识别模型进行环腐病判别,具有一定的创新性和应用性。