糖分和水分是蜂蜜中的重要理化指标,其中葡萄糖和果糖约占糖类的80%。蜂蜜样品在12000~4000cm-1的原始光谱图见图4-4。从图4-4上看出在6851cm-1、5607cm-1、5201cm-1、4782cm-1、4686cm-1和4182cm-1附近有明显的吸收峰存在。其中6851cm-1是O—H基团...[继续阅读]
海量资源,尽在掌握
糖分和水分是蜂蜜中的重要理化指标,其中葡萄糖和果糖约占糖类的80%。蜂蜜样品在12000~4000cm-1的原始光谱图见图4-4。从图4-4上看出在6851cm-1、5607cm-1、5201cm-1、4782cm-1、4686cm-1和4182cm-1附近有明显的吸收峰存在。其中6851cm-1是O—H基团...[继续阅读]
将光谱与组分化学值输入TQV8.0(ThermoNicoletCo.,USA)软件构建数据集,各组分样本数如表4-3所示。当因子数(LVs)选择过小时,拟合不足,信息使用较少;但因子数选择过多时,过拟合,部分非有用信息置入模型,预测精度降低。采用留一内部交互验...[继续阅读]
将光谱和蜂蜜组分化学值导入TQV8.0(ThermoNicoletCo.,USA)软件构建数据集,建立多元线性回归(MLR)模型。回归变量以最小RMSECV值确定,最佳光谱预处理方法、特征变量及模型回归结果如表4-5所示。建模变量相比全谱(2004个数据点)显著减少,模...[继续阅读]
葡萄糖和果糖占蜂蜜总量的近70%,在近红外区间信息丰富,特征比较明显,采用全谱建模往往带入一定的非信息变量,同时模型维度大,也较复杂[2~6]。本节采用基于间隔偏最小二乘法(Intervalpartialleastsquaresregression,简称iPLS)原理的反向区间...[继续阅读]
人工神经网络(ANN)的最大优点是具有抗干扰、抗噪声和强大的非线性转换能力,是比较理想的非线性定标分析方法。人工神经网络方法非线性逼近能力强,广泛用于近红外定性或定量分析。ANN也存在局限性,如训练速度慢,易陷入局部极...[继续阅读]
实验中所用蜂蜜样本共140个,其中66个纯蜂蜜样本直接来自北京昌平、海淀、平谷、门头沟等郊区的蜂场,没有添加任何外来物质以及进行加工。74个假蜂蜜样本均来自市场抽检,用碳同位素质谱仪测定,以是否掺C4植物糖为检测指标判定...[继续阅读]
(一)方法原理用稳定性碳同位素比值分析(SCIRA)法测定。其原理如下:蜂蜜样品在1000℃纯氧中灼烧、氧化,产生的混合气体过含三氧化二铬、氧化铜和银棉的氧化柱,除去卤化物和硫化物,随后过600℃的还原柱,氮氧化物被还原成氮气,并除...[继续阅读]
光谱采集方法同第四章的光谱采集。纯蜂蜜和掺假蜜的光谱形状和主要特征基本一致,很难用肉眼直观看出二者的差别(如图5-2)。图5-2纯蜂蜜和掺假蜜原始光谱图...[继续阅读]