独立分量分析预处理法提高苹果糖度模型预测精度研究

为了提高苹果近红外光谱糖度预测模型精度,利用独立分量分析方法(ICA)对苹果近红外光谱进行了预处理,并且建立了糖度的偏最小二乘(PLS)预测模型。结果表明,独立分量分析不但能分离出噪声信号,而且所分离出来的光谱信号也比原始光谱信号光滑。在预处理后的最佳PLS糖度模型校正时的相关系数rc和标准偏差SEC分别为0.9549和0.3361,用于预测时的相关系数rp和标准偏差SEP分别为0.9071和0.4355。与普通的平均处理法的PLS模型相比,其精度有所提高,且模型更加简洁。     

新型室温硫化氢纳米传感器的制备及性能

采用溶胶-凝胶法在叉指金电极表面制备纳米二氧化钛(TiO₂)多孔薄膜, 并用浓度为2.5×10⁴ mol/L的花青素对其进行敏化, 制备了一种能在室温条件下检测硫化氢(H₂S)的高灵敏度传感器. 从材料的光谱特性、 微观结构和传感器的灵敏度等方面对该传感器的性能进行了评价, 并讨论了传感器的响应机理以及温度和湿度对灵敏度的影响. 结果表明, 材料表面的可见吸收光谱比花青素红移了约50 nm, 吸收能力有所提高; 纳米TiO₂颗粒呈层状堆积排列, 颗粒之间具有较多缝隙, 比表面积大. 在室温下, 该气体传感器对浓度为5~50 mL/m³的H₂S具有良好的敏感特性, 传感器灵敏度与H₂S浓度呈线性相关, 相关系数为0.939, 响应时间为50~70 s, 恢复时间为160~180 s. 计算和测试结果表明, 环境湿度约为50%时传感器的灵敏度最佳; 在10~50 ℃范围内, 温度与传感器的灵敏度存在负相关性. 该方法为简单、 经济制备室温条件下工作的气体传感器提供了新思路和新方法.     

利用高光谱图像技术评判茶叶的质量等级

针对茶叶品质无损检测时内外品质难以同时兼顾的问题,利用高光谱图像技术检测茶叶质量.设计一套基于光谱仪的高光谱图像系统采集数据;通过主成分分析,从海量数据中优选出三个波长段的特征图像;从每个特征图像中分别提取平均灰度级、标准方差、平滑度、三阶矩、一致性和熵等6个基于统计矩的纹理特征参量,每个样本共有18个特征变量;再通过主成分分析对这18个特征变量进行压缩,提取8个主成分因子建立基于反向传播神经网络的茶叶等级判别模型.模型训练时的总体回判识别率为97%;预测时总体识别率为94%.结果表明,高光谱图像技术可以用于茶叶质量等级水平的评判.     

近红外光谱法快速检测绿茶中儿茶素的含量

提出了一种应用傅里叶近红外漫反射光谱分析技术快速检测茶叶中主要儿茶素含量的新方法.首先获取茶叶在10000～4000 cm<'-1>范围的近红外漫反射光谱,然后以高效液相色谱分析值作参考值.采用偏最小二乘法建立茶叶中表没食子儿茶素没食子酸酯(EGCG)、表儿茶素没食子酸酯(ECG)和表没食子儿茶素(EGC)含量的定量分析模型.通过交互验证方法来优化模型的主成分数和所采用的光谱预处理方法.EGCG、ECG和EGC三个模型预测值和参考值问的相关系数分别为0.9800、0.9763和0.9853,预测均方根误差分别为0.3509、0.1147和0.1365.研究结果表明,近红外光谱技术可成功地检测茶叶中EGCG,ECG和EGC的含量.