期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到4篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
河南烤烟多酚类指纹图谱地理标识的建立 被引量：2
1
作者 郑亚楠 赵铭钦 《中国农业科技导报》 CAS CSCD 北大核心 2018年第3期115-123,共9页
为研究多酚类HPLC指纹图谱在产区识别中的应用,通过提取条件的优化对河南24份烟叶样品的多酚类物质进行HPLC指纹图谱构建,建立了反映河南烟叶特征的多酚类物质地理标识。选取河南、湖南、陕西和云南4个省份得24份样品对建立的地理标识... 为研究多酚类HPLC指纹图谱在产区识别中的应用,通过提取条件的优化对河南24份烟叶样品的多酚类物质进行HPLC指纹图谱构建,建立了反映河南烟叶特征的多酚类物质地理标识。选取河南、湖南、陕西和云南4个省份得24份样品对建立的地理标识进行验证。结果表明:河南产区样品地理标识相似度较高,而其他产区样品与河南地理标识的相似度较低,从而将河南烟叶准确快速的鉴别出来;将4个产区样品进行聚类分析,河南产区烟叶与其他产区得到有效分离,分析结果与相似度计算软件中的基本一致,表明河南烤烟多酚类HPLC地理标识的建立对样品进行产区判别的可行性和准确性,对烟叶的客观评价和企业采购有重要的指导意义。 展开更多
关键词 烤烟 多酚 指纹图谱 地理标识 产区判别
原文传递
基于矿质元素指纹分析技术的烟叶产区判别
2
作者 孙九喆 童治军 +6 位作者 李萌 杨宗灿 徐永明 陈丹 王旭东 杨金初 张轲 《食品与机械》 CSCD 北大核心 2023年第3期23-28,共6页
目的:探讨应用矿质元素指纹分析技术进行烟叶产区判别的可行性,筛选出可判别烟叶产区的有效指标,构建烟叶产区判别模型。方法:利用电感耦合等离子体—质谱法(ICP-MS)同时测定11个产地烟叶20种矿质元素含量,并对数据进行方差分析、聚类... 目的:探讨应用矿质元素指纹分析技术进行烟叶产区判别的可行性,筛选出可判别烟叶产区的有效指标,构建烟叶产区判别模型。方法:利用电感耦合等离子体—质谱法(ICP-MS)同时测定11个产地烟叶20种矿质元素含量,并对数据进行方差分析、聚类分析、主成分分析及判别分析。结果:16种元素含量在产地间差异显著,主成分分析得到6个主成分,其累计方差贡献率超过89%;应用逐步判别筛选出K、Mn、Se及Ba 4种元素指标,建立了西南烟区和长江中上游烟区的烟叶产区判别模型,该模型可对烟叶产区进行准确判别。结论:不同产地烟叶矿质元素含量差异显著,K、Mn、Se及Ba 4种元素是烟叶产区判别的重要指标,矿质元素指纹分析技术可用于烟叶产区判别。 展开更多
关键词 矿质元素 烟草 指纹分析 产区判别
下载PDF
基于电学参数的贺兰山东麓赤霞珠葡萄酒子产区判别
3
作者 马海军 朱娟娟 +2 位作者 周乃帅 安雅静 侯丽君 《农业机械学报》 EI CAS CSCD 北大核心 2024年第3期375-382,共8页
本研究以宁夏贺兰山东麓5个子产区(银川、青铜峡、红寺堡、石嘴山和农垦产区)自然发酵的赤霞珠干红葡萄酒为研究对象,测定其基本理化指标和电学特性,分析不同产区葡萄酒间电学特性的差异,筛选出区分不同产区葡萄酒的特征频率和有效电学... 本研究以宁夏贺兰山东麓5个子产区(银川、青铜峡、红寺堡、石嘴山和农垦产区)自然发酵的赤霞珠干红葡萄酒为研究对象,测定其基本理化指标和电学特性,分析不同产区葡萄酒间电学特性的差异,筛选出区分不同产区葡萄酒的特征频率和有效电学参数,初步探索基于电学特性识别宁夏贺兰山东麓不同子产区葡萄酒的能力,以期为简捷快速有效识别产区葡萄酒提供新方法。结果表明,宁夏贺兰山东麓5个子产区的葡萄酒理化指标间存在显著性差异,农垦产区的葡萄酒可滴定酸含量最高,而还原糖含量最低;银川产区的葡萄酒挥发酸含量最低,石嘴山产区的葡萄酒酒精度最高。通过相关性分析、方差分析和多重比较,筛选出电压2 V下,区分不同产区葡萄酒的电学特性特征频率为0.1 kHz,有效电学参数为Z、L_(p)、X、C_(p)和Q。主成分分析和判别分析均显示,利用葡萄酒电学参数能够明显区分贺兰山东麓5个子产区,采用Fisher-判别分析建立的预测模型,其回代检测和交叉验证正确率均为100%。因此,利用葡萄酒电学特性识别产区具有可行性。 展开更多
关键词 葡萄酒产区判别 赤霞珠 自然发酵葡萄酒 电学特性 主成分分析 判别分析
下载PDF
基于偏振光图像的五常核心产区稻花香米真实性判别
4
作者 徐娅 吴跃 郁露 《食品工业科技》 CAS 北大核心 2024年第17期294-301,共8页
“五常大米”(GB/T 19266-2008)享有地理标志保护,但由于其核心产区内外稻米品质差异较大及频繁的仿冒现象,进一步区分五常大米核心产区将有助于品牌发展、保护和提升。本论文以五常稻花香大米核心产区之一的民乐乡为例,选取民乐乡与五... “五常大米”(GB/T 19266-2008)享有地理标志保护,但由于其核心产区内外稻米品质差异较大及频繁的仿冒现象,进一步区分五常大米核心产区将有助于品牌发展、保护和提升。本论文以五常稻花香大米核心产区之一的民乐乡为例,选取民乐乡与五常地区非民乐乡不同产地的相同稻花香2号(五优稻4号)品种稻米,采集其偏振光图像,数据集总共包含3万张稻米颗粒图片;选择适合识别图像表型差异小的三种深度学习方法DenseNet、GoogleNet、ResNet50,进行民乐乡与非民乐乡的稻米籽粒偏振图像分类判别;随后,利用模型的混淆矩阵值,计算出每个模型的准确率、精确率、召回率和F1值。实验结果表明,DenseNet模型性能最优,平均准确率达到0.991;GoogleNet模型次之,平均准确率为0.966;ResNet50模型在训练集上表现良好,但在测试集上表现较差,且出现过拟合现象,平均准确率为0.948。本研究中五常的民乐乡与非民乐乡相同品种糙米图像肉眼观察相似度较高,但通过采集其偏振信息图片并且利用复杂的深度学习模型能够实现较好区分。所以,利用偏振成像技术结合深度学习的方法对五常核心产区稻花香米进行真实性判别具有可行性。 展开更多
关键词 稻花香2号 偏振光图像 深度学习 核心产区真实性判别
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部