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：
纳米纤维固相萃取/超高效液相色谱-串联质谱法检测牛奶中25种糖皮质激素 被引量：5
1
作者 吴肖肖 蒋迪尧 +3 位作者 梅秀明 康学军 李雨枫 张驰 《分析测试学报》 CAS CSCD 北大核心 2022年第6期812-819,共8页
采用静电纺丝技术制备了聚苯乙烯(PS)纳米纤维,用扫描电镜、透射电镜和红外光谱对其进行表征,并测试了比表面积和接触角。经过色谱条件、萃取条件优化,建立了基于纳米纤维固相萃取前处理/超高效液相色谱-串联质谱检测牛奶中25种糖皮质... 采用静电纺丝技术制备了聚苯乙烯(PS)纳米纤维,用扫描电镜、透射电镜和红外光谱对其进行表征,并测试了比表面积和接触角。经过色谱条件、萃取条件优化,建立了基于纳米纤维固相萃取前处理/超高效液相色谱-串联质谱检测牛奶中25种糖皮质激素类药物残留的分析方法。样品经乙腈振荡提取,PS纳米纤维固相萃取柱富集净化,甲醇洗脱液用ACQUITY BEH C_(18)(2.1 mm×100 mm,1.7μm)分离,以0.1%甲酸水-乙腈为流动相进行梯度洗脱,在双喷射流电喷雾正离子模式下,以多反应监测模式(MRM)进行检测,外标法定量。结果表明,25种糖皮质激素在1~100μg/L范围内线性关系良好,相关系数(r)均大于0.995,方法检出限(LOD,S/N≥3)和定量下限(LOQ,S/N≥10)分别为0.04~0.10μg/kg和0.13~0.33μg/kg。在3个不同浓度加标水平下,25种糖皮质激素的回收率为71.5%~105%,相对标准偏差(RSD)为1.8%~10%。该方法操作简单、快速、准确、灵敏度高,应用该方法检测10批牛奶样品,有1批次检出微量氢化可的松残留。 展开更多
关键词 糖皮质激素 纳米纤维固相萃取 聚苯乙烯 超高效液相色谱-串联质谱法 牛奶
下载PDF
基于校正光谱序列融合的小麦腥黑穗病籽粒分类方法 被引量：1
2
作者 梁琨 宋金鹏 +3 位作者 张驰 梅秀明 陈赵越 张靖笛 《农业机械学报》 EI CAS CSCD 北大核心 2024年第5期263-272,共10页
针对小麦腥黑穗病轻度患病籽粒易与健康籽粒混淆,人工识别难度大的问题,将校正光谱序列融合技术与深度学习模型相结合,实现小麦腥黑穗病籽粒快速、精准分类。以健康、轻度患病、重度患病各300粒小麦籽粒的高光谱数据为样本,通过多元散... 针对小麦腥黑穗病轻度患病籽粒易与健康籽粒混淆,人工识别难度大的问题,将校正光谱序列融合技术与深度学习模型相结合,实现小麦腥黑穗病籽粒快速、精准分类。以健康、轻度患病、重度患病各300粒小麦籽粒的高光谱数据为样本,通过多元散射校正算法(MSC)和标准正态变换算法(SNV)对原始光谱进行预处理,并利用二维相关光谱法(2D-COS)分析SNV与MSC算法处理后的光谱之间的互补性。使用校正光谱序列融合技术将原始光谱、SNV预处理光谱与MSC预处理光谱三者进行融合得到序列融合光谱,以充分利用不同光谱预处理数据间的互补信息。最终,利用序列融合光谱数据建立基于ResNet 50算法的小麦腥黑病分类模型。试验结果表明,序列融合光谱ResNet 50模型总体准确率最高为93.89%,F1值为93.87%,分类性能优于单一预处理光谱建立的ResNet 50模型。为进一步评估模型分类效果,使用序列融合光谱分别建立偏最小二乘判别分析(PLS-DA)、支持向量机(SVM)以及集成学习算法模型随机森林(RF)与极端梯度提升树(XGBoost)模型,并进行对比,结果显示:SVM、PLS-DA、RF与XGBoost总体准确率分别为81.67%、84.44%、89.44%与90.55%,F1值分别为81.59%、84.04%、89.49%与90.59%,ResNet 50总体准确率与F1值优于传统光谱分析模型。因此,本研究表明校正光谱序列融合技术结合深度学习模型,能够实现对不同患病程度腥黑穗病籽粒的有效分类。 展开更多
关键词 小麦腥黑穗病 籽粒分类 校正光谱序列融合 二维相关光谱法 深度学习
下载PDF
基于深度学习与可见-近红外光谱的患腥黑穗病小麦籽粒分类研究 被引量：3
3
作者 宋金鹏 梁琨 +3 位作者 张驰 梅秀明 蒋鹏飞 袁锐 《分析测试学报》 CAS CSCD 北大核心 2023年第7期784-793,共10页
针对小麦腥黑穗病快速无损的检测需求,该文将可见-近红外光谱与深度学习算法结合建立了小麦腥黑穗病籽粒的分类模型。采用多元散射校正算法(MSC)和标准正态变换算法(SNV)对光谱进行预处理,消除光谱噪音的影响,分别使用竞争性自适应重加... 针对小麦腥黑穗病快速无损的检测需求,该文将可见-近红外光谱与深度学习算法结合建立了小麦腥黑穗病籽粒的分类模型。采用多元散射校正算法(MSC)和标准正态变换算法(SNV)对光谱进行预处理,消除光谱噪音的影响,分别使用竞争性自适应重加权算法(CARS)和随机蛙跳算法(RF)对预处理后的光谱进行特征波长提取。结果显示,特征提取算法可去除大量冗余信息,波段减少比率为93.7%~94.2%,有效降低了模型运行成本,并可防止模型过拟合。结果显示:MSC+CARS+VGG16模型训练集的准确率为96.39%,测试集准确率为91.67%,取得了较好的分类结果。最终建立的VGG16深度学习模型实现了健康、轻度患病和重度患病3类小麦籽粒的分类。对比传统机器学习模型,VGG16模型能够充分提取光谱特征信息,更好地区分健康与轻度患病籽粒。该研究表明深度学习结合可见-近红外光谱方法,能够实现对不同患病程度腥黑穗病小麦籽粒的有效分类,为腥黑穗病小麦籽粒的快速无损检测提供了一种新方法。 展开更多
关键词 可见-近红外光谱 深度学习 腥黑穗病 小麦
下载PDF
食品中赭曲霉毒素样品前处理及其检测方法研究进展 被引量：2
4
作者 侯晨 王云政 +2 位作者 张驰 吴肖肖 褚兰玲 《食品安全质量检测学报》 CAS 北大核心 2023年第8期163-170,共8页
赭曲霉毒素广泛存在于谷物、葡萄和咖啡等众多食品中,具有极强的肝肾毒性和致畸、致癌作用,可经食物链传播效应累积在人体血液及内脏中,对人类健康造成巨大威胁。因此有必要建立食品中快速、灵敏的赭曲霉毒素分析方法,保障食品安全、维... 赭曲霉毒素广泛存在于谷物、葡萄和咖啡等众多食品中,具有极强的肝肾毒性和致畸、致癌作用,可经食物链传播效应累积在人体血液及内脏中,对人类健康造成巨大威胁。因此有必要建立食品中快速、灵敏的赭曲霉毒素分析方法,保障食品安全、维护人类的健康。食品基质复杂多样,且赭曲霉毒素在样品中含量极低,检测前需要高效的前处理技术对目标物进行分离和富集。本文总结了基于分子印迹材料、纳米石墨烯、生物材料、磁性纳米材料等新型分离介质的液相萃取、QuEChERS、固相萃取、免疫亲和层析和场辅助提取(微波辅助提取、磁性固相萃取、超声辅助提取)等前处理技术,综述了色谱法、免疫分析法和生物传感器在食品中赭曲霉毒素分析中的应用,并对其发展趋势进行了展望。 展开更多
关键词 赭曲霉毒素 样品前处理 分析方法
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