期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
同步荧光光谱技术结合支持向量机对掺杂牛奶智能判别研究
1
作者 张微微 璩怡 +4 位作者 王强 吕日琴 顾海洋 邵娟 孙艳辉 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2024年第9期2428-2433,共6页
牛奶因其丰富的营养成分和易消化吸收的特点,受到消费者的青睐。牛奶掺杂行为的产生使得牛奶制品质量备受关注,快速、便捷地鉴别乳品质量对于乳制品行业经济的健康发展具有重要意义。利用同步荧光光谱对掺杂牛奶进行检测,寻求一种高效... 牛奶因其丰富的营养成分和易消化吸收的特点,受到消费者的青睐。牛奶掺杂行为的产生使得牛奶制品质量备受关注,快速、便捷地鉴别乳品质量对于乳制品行业经济的健康发展具有重要意义。利用同步荧光光谱对掺杂牛奶进行检测,寻求一种高效判别掺杂乳品方法。采用分子荧光分光光度计测定激发波长(Ex)为220~600nm,激发-发射间隔波长(Δλ)为10~180nm的纯牛奶、复原乳粉(全脂、脱脂)及其掺杂样本的牛奶样品的三维荧光光谱数据,利用平行因子分析方法(PARAFAC)降维获取特征光谱,通过支持向量机建立了掺杂牛奶的判别模型。结果所有乳品样品在激发波长为225~300nm范围内都有一个特征荧光峰,荧光峰在280nm附近,为色氨酸类物质,但该处纯牛奶荧光强度明显高于两种乳粉,且脱脂乳粉要强于全脂乳粉,这说明牛奶的主要成分都一样,发光基团一致,但由于处理方式不一致,使得其浓度存在差异。两种复原乳粉在350~400,450~500nm之外存在荧光物质,主要为维生素A和类胡萝卜素,且脱脂乳粉比全脂乳粉对应区域荧光强度要强,主要在于脂肪物质散射使得荧光强度增强。为更好获取乳品样本特征,通过PARAFAC对三维数据进行降维之后,显示当组分数为6,Δλ为40nm时载荷值最大,该处样本信息差异显著。提取Δλ为40nm特征波长和掺杂乳品品类值作为输入数据的支持向量机(SVM)分类器,采用了遗传算法(Ga-SVM)、粒子群优化算法(Pso-SVM)和网格搜索算法(Grid-SVM)三种SVM算法对掺杂牛奶进行分类识别。结果显示Grid-SVM模式交叉验证(CV)准确率为98.91%,其训练集和测试集的分类准确率均为100.00%,且模型运行时间仅6.724s,显著优于另两种分类器。结果表明荧光光谱与PARAFAC-SVM方法相结合,是一种简单且高效判别掺杂牛奶的方法。 展开更多
关键词 荧光光谱 平行因子分析法 掺杂牛奶 支持向量机
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部