为了优化青钱柳茶挥发性物质萃取的关键因素,进一步为其挥发性物质鉴定提供合适的理论方法,本研究采用顶空固相微萃取法(SPME)对青钱柳茶叶中的挥发性物质进行萃取,并用气相色谱高通量飞行时间质谱(Gas chromatograph high flux time of...为了优化青钱柳茶挥发性物质萃取的关键因素,进一步为其挥发性物质鉴定提供合适的理论方法,本研究采用顶空固相微萃取法(SPME)对青钱柳茶叶中的挥发性物质进行萃取,并用气相色谱高通量飞行时间质谱(Gas chromatograph high flux time of flight mass spectrometer, GC-TOF-MS)技术对其进行分析。通过设计不同的萃取头、萃取温度、萃取时间,以及不同料液比进行萃取实验,以确定HS-SPME的最佳条件。结果表明:选取75μm CAR/PDMS的萃取头,在萃取温度为80℃、料液比为1:15的条件下萃取60 min为最优萃取条件。在此条件下,共检测出青钱柳茶叶229种挥发性物质,包括酸类、醛类、酮类、醇类、酯类、烷烃类、烯烃类及杂环类化合物。其中,醛类、杂环类和醇类化合物的相对含量较高,相对含量排在前五位的分别为己醛、1-石竹烯、正己醇、2-甲基丙烯醛、2-己烯醛。展开更多
为优选小麦粉蛋白质近红外建模校正集,在传统K/S(Kennard/Stone)方法划分的初始校正集基础上采用二进制蜻蜓算法(binary dragonfly algorithm,BDA)挑选代表性样品,建立小麦粉蛋白质含量偏最小二乘回归(partial least square regression,...为优选小麦粉蛋白质近红外建模校正集,在传统K/S(Kennard/Stone)方法划分的初始校正集基础上采用二进制蜻蜓算法(binary dragonfly algorithm,BDA)挑选代表性样品,建立小麦粉蛋白质含量偏最小二乘回归(partial least square regression,PLSR)模型,并用预测集检验评估模型的稳定性及预测性能。结果表明:BDA挑选出的最佳校正集样品数量为30个,所建模型的预测决定系数(R_(p)^(2))为0.9564,预测标准偏差(root mean square errors of prediction,RMSEP)为0.2781,与传统K/S划分的100个初始校正集的建模效果(R_(p)^(2):0.9388,RMSEP:0.3294)相比,R_(p)^(2)提高了1.87%,RMSEP降低了15.57%。10次BDA实验优选出校正集的平均数量为30.2个,且所建10个模型蛋白质含量预测效果均优于初始校正集建模。综上,BDA算法可以优选出数量少、具有代表性的校正集样品,建立的小麦粉蛋白质PLSR模型稳定性好、预测精度高,可为小麦粉品质近红外检测分析提供一种高效的校正集优选方法。展开更多
文摘为了优化青钱柳茶挥发性物质萃取的关键因素,进一步为其挥发性物质鉴定提供合适的理论方法,本研究采用顶空固相微萃取法(SPME)对青钱柳茶叶中的挥发性物质进行萃取,并用气相色谱高通量飞行时间质谱(Gas chromatograph high flux time of flight mass spectrometer, GC-TOF-MS)技术对其进行分析。通过设计不同的萃取头、萃取温度、萃取时间,以及不同料液比进行萃取实验,以确定HS-SPME的最佳条件。结果表明:选取75μm CAR/PDMS的萃取头,在萃取温度为80℃、料液比为1:15的条件下萃取60 min为最优萃取条件。在此条件下,共检测出青钱柳茶叶229种挥发性物质,包括酸类、醛类、酮类、醇类、酯类、烷烃类、烯烃类及杂环类化合物。其中,醛类、杂环类和醇类化合物的相对含量较高,相对含量排在前五位的分别为己醛、1-石竹烯、正己醇、2-甲基丙烯醛、2-己烯醛。
文摘为优选小麦粉蛋白质近红外建模校正集,在传统K/S(Kennard/Stone)方法划分的初始校正集基础上采用二进制蜻蜓算法(binary dragonfly algorithm,BDA)挑选代表性样品,建立小麦粉蛋白质含量偏最小二乘回归(partial least square regression,PLSR)模型,并用预测集检验评估模型的稳定性及预测性能。结果表明:BDA挑选出的最佳校正集样品数量为30个,所建模型的预测决定系数(R_(p)^(2))为0.9564,预测标准偏差(root mean square errors of prediction,RMSEP)为0.2781,与传统K/S划分的100个初始校正集的建模效果(R_(p)^(2):0.9388,RMSEP:0.3294)相比,R_(p)^(2)提高了1.87%,RMSEP降低了15.57%。10次BDA实验优选出校正集的平均数量为30.2个,且所建10个模型蛋白质含量预测效果均优于初始校正集建模。综上,BDA算法可以优选出数量少、具有代表性的校正集样品,建立的小麦粉蛋白质PLSR模型稳定性好、预测精度高,可为小麦粉品质近红外检测分析提供一种高效的校正集优选方法。
