期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
紫外光谱结合人工神经网络识别不同品种红薯淀粉
1
作者 魏泉增 靳景贺 +3 位作者 李秉昌 王国营 王德国 宋应彪 《粮食与油脂》 北大核心 2024年第10期152-158,共7页
为了识别不同品种红薯淀粉,建立紫外光谱的红薯淀粉品种识别模型。采用单因素试验优化提取条件,对不同品种红薯淀粉提取液进行紫外光谱扫描,将原始光谱数据预处理后进行主成分分析,比较不同数据处理方法区分品种的效果,并进行聚类分析,... 为了识别不同品种红薯淀粉,建立紫外光谱的红薯淀粉品种识别模型。采用单因素试验优化提取条件,对不同品种红薯淀粉提取液进行紫外光谱扫描,将原始光谱数据预处理后进行主成分分析,比较不同数据处理方法区分品种的效果,并进行聚类分析,利用人工神经网络建立识别模型。结果表明:最佳提取溶剂为甲醇,最佳超声时间为20 min;紫外光谱图有相似的吸收峰,但吸光度存在差异;以小波降噪后一阶求导处理数据进行主成分分析的品种识别效果最好。建立的人工神经网络识别模型对13个品种预测的准确率为100%。因此,紫外光谱结合人工神经网络模型可作为红薯品种淀粉快速、准确识别的新方法。 展开更多
关键词 红薯淀粉 紫外光谱 主成分分析 人工神经网络
在线阅读 下载PDF
液-液微萃取结合气质联用法测定白酒中15种塑化剂含量 被引量:11
2
作者 魏泉增 王婧楠 +2 位作者 王媛媛 龚玉萃 孙军涛 《中国酿造》 CAS 北大核心 2021年第7期176-183,共8页
为考察白酒中塑化剂含量,采用表面活性剂强化乳化液-液微萃取结合气相色谱-质谱联用法测定32份不同白酒中15种邻苯二甲酸酯类塑化剂的含量。结果表明,该方法在0.008~5.00μg/mL范围内呈良好线性关系,15种塑化剂的最低检出限在1.44~1.50... 为考察白酒中塑化剂含量,采用表面活性剂强化乳化液-液微萃取结合气相色谱-质谱联用法测定32份不同白酒中15种邻苯二甲酸酯类塑化剂的含量。结果表明,该方法在0.008~5.00μg/mL范围内呈良好线性关系,15种塑化剂的最低检出限在1.44~1.50μg/L范围内,加标回收率在89.71%~117.73%之间,回收率试验结果相对标准偏差(RSD)范围为1.71%~6.82%,精密度试验结果RSD均<2.53%,重复性试验结果RSD均<3.60%,精密度、重复性良好,准确度高。在32份不同香型白酒样品中,9种塑化剂的检出率均>70%,其中邻苯二甲酸二乙酯的检出率100%,检出值范围为0.001~0.740μg/mL。主成分分析(PCA)结果表明,塑化剂含量与白酒香型相关性不显著(P>0.05),相关性分析结果表明塑化剂含量之间存在极显著相关性(P<0.01)。 展开更多
关键词 白酒 塑化剂 液-液微萃取 气相色谱-质谱联用法
在线阅读 下载PDF
人工神经网络在鉴别不同工艺花生油中的应用 被引量:4
3
作者 魏泉增 李瑞 +1 位作者 张卓栋 张灿敏 《粮食与油脂》 北大核心 2021年第11期46-51,共6页
采用顶空固相微萃取结合气质联用(GC-MS)分析不同工艺花生油的挥发性成分,结合人工神经网络建立鉴别模型。结果表明:3种不同工艺花生油共检出71种成分,包括6种醇、10种醛、16种烷烃、12种酯、7种酮、3种酚、10种含氮化合物、7种其他种... 采用顶空固相微萃取结合气质联用(GC-MS)分析不同工艺花生油的挥发性成分,结合人工神经网络建立鉴别模型。结果表明:3种不同工艺花生油共检出71种成分,包括6种醇、10种醛、16种烷烃、12种酯、7种酮、3种酚、10种含氮化合物、7种其他种类化合物。花生油的主要挥发性成分是2,3-二氢苯并呋喃、1-(2-羟基-5-甲基苯基)乙酮、4-乙酰基-2-甲基苯酚、2,6-二乙基吡嗪。采用人工神经网络对不同工艺花生油数据进行建模和预测,不同工艺花生油识别率在100%。因此,神经网络结合GC-MS用于鉴别压榨花生油、浸提花生油和水代花生油是可行的。 展开更多
关键词 花生油 顶空固相微萃取 气质联用 人工神经网络
在线阅读 下载PDF
气相色谱-质谱联用结合偏最小二乘法在生鲜牛、鸭混合肉含量判别分析中的应用 被引量:2
4
作者 魏泉增 杨自翔 肖付刚 《肉类研究》 北大核心 2020年第5期53-56,57,58,共6页
采用顶空固相微萃取(headspace solid-phase micro extraction,HS-SPME)和气相色谱-质谱联用(gas chromatography-mass spectrometry,GC-MS)技术提取和分析生鲜牛、鸭混合肉中的挥发性化合物,利用偏最小二乘(partial least squares,PLS... 采用顶空固相微萃取(headspace solid-phase micro extraction,HS-SPME)和气相色谱-质谱联用(gas chromatography-mass spectrometry,GC-MS)技术提取和分析生鲜牛、鸭混合肉中的挥发性化合物,利用偏最小二乘(partial least squares,PLS)法对GC-MS数据进行建模,对不同比例生鲜牛、鸭混合肉进行判别分析。结果表明:生鲜牛、鸭混合肉中共鉴定出39种挥发性化合物;PLS模型可以有效区分不同比例生鲜牛、鸭混合肉,利用训练集和验证集数据验证模型,评估均方差为3.455 9,预测均方差为4.068 9,PLS模型对不同比例生鲜牛、鸭混合肉的预测准确率较高。本方法在判别不同比例生鲜牛、鸭混合肉方面准确性较高。 展开更多
关键词 生鲜牛、鸭混合肉 偏最小二乘法 气相色谱-质谱联用
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部