基于傅里叶变换红外光谱的平菇蛋白质、多糖含量预测方法研究

平菇是我国大宗食用菌品种之一，产量位居我国食用菌的第三位。平菇不仅味道鲜美，而且含有丰富优质的蛋白质及具有多种生物活性的平菇多糖，深受消费者喜爱。市场上的平菇产品众多，质量参差不齐，并且现有营养成分分析方法耗时长、成本高，难以满足平菇等大宗食用菌的营养成分检测需求。傅里叶变换红外光谱(FTIR)技术具有检测速度快、操作方便、可同时分析多种化合物、安全环保等特点，将其与化学计量学结合，构建数学模型，能满足对平菇等大宗农产品营养成分的快速检测、分析及评价。以平菇为研究对象，在全国范围内收集主栽平菇样品85份，分别进行红外光谱扫描，并运用多元散射校正(MSC)、标准正态变换(SNV)、正交信号校正(OSC)、光滑加一阶导数(F-G D)、光滑加二阶导数(S-G D)等5种光谱数据预处理方法，通过比较模型验证集回归系数，确定平菇蛋白质模型最佳预处理方式为OSC结合S-G D,平菇多糖模型最佳预处理方式为OSC结合F-G D。在最佳光谱预处理下，采用LASSO算法对7458个光谱波段进行特征波段提取，获得平菇蛋白质特征波数93个，平菇多糖特征波数92个，压缩率达到98%。将特征波数与化学方法检测...     

中红外光谱结合机器学习对不同产地平菇鉴别

平菇味道鲜美、营养丰富，深受消费者喜爱。平菇在我国的栽培范围较广，产地分散，每个产地的气候条件、栽培基质、栽培方式的差异，使不同产地生产的平菇在口感、营养价值方面会有不同。为规范平菇产品的市场管理，更为打造区域内特色平菇品牌，借助中红外光谱技术无污染、高效、低成本等特点，突破目前化学分析、生物学鉴别方法的限制，提出一种中红外光谱结合机器学习鉴别不同产地平菇的方法。对10个不同产地的平菇子实体进行红外光谱数据采集，每个地区各60份共600份样本。光谱数据经分析表明，在波段530～1 660 cm^-1范围内红外光谱的相关性表现出较明显的差异。同时，基于K-S法按照训练集和测试集比例为7∶3对样品划分，得训练集为420份，测试集为180份。采用多元散射校正(MSC),标准正态变量变换(SNV),平滑(SG),一阶导数(FD),二阶导数(SD)等预处理方法进行光谱优化，去除噪声，并结合支持向量机(SVM)进行初步建模对比，得出MSC预处理后光谱数据差异性最大，预测集识别效果最好为84.44%。将MSC光谱数据进行0～1区间的归一化处理，并采用主成分分析(PCA)对其进行降...     

碳点-二氧化锰纳米复合材料的制备及硫普罗宁的荧光传感

以聚烯丙胺盐酸盐为反应底物,通过一步水热法制备了荧光碳点(CDs)并在其中引入高锰酸钾,通过原位的氧化还原反应制备了CDs-MnO2纳米复合材料.通过透射电子显微镜、X射线光电子能谱、纳米粒度分析、紫外-可见吸收光谱、荧光光谱、荧光寿命对其进行了形貌、结构、成分、发光性能的表征.结果 表明,MnO2通过静态猝灭效应(S...