排序方式: 共有9条查询结果,搜索用时 31 毫秒
1
1.
2.
应用二维相关红外光谱与支持向量机(SVM)和灰度共生矩阵统计方法相结合对分别掺杂有尿素、三聚氰胺和葡萄糖的牛奶进行判别。以质量浓度为外扰,建立掺杂牛奶的二维相关红外光谱图,选择角二阶矩、主对角线惯性矩、相关系数、熵的均值和标准差作为图像纹理特征并分别建立3种掺杂牛奶的SVM判别模型。结果表明:在对同步谱的分析中,上述3种掺杂牛奶样品中,掺杂尿素的牛奶样品训练集分类准确率为91.7%,预测集的准确率为85.0%;掺杂三聚氰胺和葡萄糖的牛奶的训练集分类准确率和预测集分类准确率分别为96.7%,90.0%和91.7%,100%。用同步谱和异步谱相结合的方法对准确率较低的掺杂尿素的牛奶做进一步试验,两种准确率分别提升为98.1%和92.3%;这一数据的提升是由于两者相结合提供了更大的信息量,有利于掺杂牛奶的判别。据此认为,此方法对掺杂牛奶的判别是可行的。 相似文献
3.
4.
基于红外光谱和最小二乘支持向量机建立掺杂牛奶与纯牛奶的判别模型。分别配置含有葡萄糖牛奶(0.01~0.3gL-1)和三聚氰胺牛奶(0.01~0.3gL-1)样品各36个,采集纯牛奶及掺杂牛奶样品的红外光谱。采用最小二乘支持向量机分别建立掺杂葡萄糖、掺杂三聚氰胺、两种掺杂牛奶与纯牛奶的判别模型,并利用这些模型对未知样品进行判别,其判别正确率都为95.8%。研究结果表明:与线性的偏最小二乘判别建模方法相比,最小二乘支持向量机方法具有更强的预测能力。 相似文献
5.
6.
近年来,食品质量与安全问题越来越严重,需要快速便捷的检测技术以确定食品的品质。二维相关谱技术由于其高光谱分辨率、高选择性和高图谱解析能力,可有效解决常规一维谱在数据分析过程中所遇到的三个困难:①光谱选择性低;②特征信息提取难;③图谱解析难,特别适合于那些传统一维光谱方法难以满足的相似样品的判别分析。综述了二维相关谱方法的发展历程、获取谱图的实验方法、以及数学原理和谱图性质。同时,也指出根据同步二维相关谱交叉峰的正负以及异步二维相关谱交叉峰的有无,可实现被覆盖的或被淹没的弱峰之间相互指认和验证,确认其来源。详细介绍了二维中红外、近红外、紫外、荧光和拉曼相关谱在乳制品、酒类、食用油、肉类、蜂蜜、大米等食品品质检测中的应用,分析了目前二维相关谱方法存在的问题,展望了二维相关谱的发展前景。 相似文献
7.
为充分提取复杂掺伪食用油的特征信息,提出并建立一种掺伪芝麻油的判别方法.采集40个纯芝麻油和40个掺入不同浓度玉米油的芝麻油的常规一维近红外透射光谱和中红外衰减全反射光谱.对两样本采用二维相关谱技术进行相关计算,得到每一样品的同步和异步二维近红外相关谱和中红外相关谱,并进行预处理,得到其对应的同步-异步二维近红外相关谱和中红外相关谱.采用多维主成分分析法提取其特征,并将其得分矩阵进行融合.基于融合的得分矩阵,以及单一近红外、中红外相关谱得分矩阵分别建立纯芝麻油和掺伪芝麻油偏最小二乘判别分析模型,三个模型对预测集样品的判别正确率分别为100%、96.2%和96.2%.研究结果表明,所提出的方法可提取更多的特征信息,提供更好的分析结果. 相似文献
8.
9.
基于纯牛奶、掺杂牛奶样品间二维红外相关谱欧氏距离,依据未知样品与校正集中“极值样品”欧氏距离平均值、组内、组间样品欧氏距离平均值,提出了一种掺杂牛奶判别的新方法。分别配置掺杂尿素牛奶(0.01~0.3 g·L-1)和掺杂三聚氰胺牛奶(0.01~0.3 g·L-1)样品各16个,采集纯牛奶及掺杂牛奶样品的红外光谱。以牛奶中掺杂物浓度为外扰,构建纯牛奶与掺杂牛奶的同步二维红外相关谱,并计算了各样品相关谱矩阵间的欧氏距离。在此基础上,分别建立掺杂尿素牛奶、掺杂三聚氰胺牛奶与纯牛奶的判别模型,确定模型中的“极值样品”,组内、组间样品欧氏距离平均值。利用所建模型,计算未知样品与“极值样品”的欧式距离,并依据判别规则,对未知样品进行判别。研究结果表明: 基于样品红外相关谱矩阵间欧氏距离可实现掺杂牛奶的判别,其判别正确率为100%,验证了该方法的有效性。该研究为掺杂牛奶的检测提供了一种新的可能方法。 相似文献
1