基于近红外光谱的鲜味物质与鲜味强度检测

对近红外光谱(NIRS)分析技术结合化学计量学方法定量检测混合溶液中鲜味物质浓度及其鲜味强度的可行性进行探讨。以谷氨酸钠与肌苷酸二钠所构成的鲜味物质混合溶液为研究对象,获取不同鲜味强度的样本并采集其近红外光谱数据。基于偏最小二乘回归法结合竞争性自适应移动窗口区间组合(CMIC)新算法,以及多种常用变量优化算法分别建立混合溶液中鲜味物质浓度和混合溶液鲜味强度的检测模型。实验结果表明,最优的混合溶液中鲜味物质浓度和混合溶液鲜味强度检测模型均是基于CMIC算法建立的简化模型,预测决定系数分别为0.8886、0.9182和0.8097。因此,NIRS分析技术结合化学计量学方法可应用于定量检测混合溶液中鲜味物质浓度及其鲜味强度。     

基于高光谱技术的培养基上细菌菌落分类方法研究

利用高光谱技术对培养基上细菌(大肠杆菌、李斯特菌和金黄色葡萄球菌)菌落进行快速识别和分类。采集琼脂培养基上细菌菌落的高光谱反射图像(390~1040 nm),在对波段差图像进行大津阈值分割的基础上自动提取细菌菌落光谱,并建立细菌分类检测的全波长和简化偏最小二乘判别( PLS-DA)模型。全波长模型对预测集样本的分类准确率和置信预测分类准确率分别为100%和95.9%。此外,利用竞争性自适应重加权算法( CARS)、遗传算法( GA)和最小角回归算法( LARS-Lasso)进行波长优选并建立对应简化模型。其中,CARS简化模型在精度、稳定性及分类准确率方面均优于GA和LARS-Lasso简化模型,其对预测集样本的分类准确率和置信预测分类准确率分别达到了100%和98.0%。研究表明,高光谱是一种细菌菌落高精度、快速、无损识别检测的有效方法。简化模型中优选的波长可以为开发低成本检测仪器提供理论依据。