- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
新陈玉米的拉曼光谱快速判别研究.pdf
现代食品科技 ModernFoodScienceandTechnology 2014,Vo1.30,No.12
新陈玉米的拉曼光谱快速判别研究
黄亚伟,张令,王若兰
(河南工业大学粮油食品学院,河南郑州 450001)
摘要:本文采用拉曼光谱结合判别分析方法对新陈玉米进行了判别研究。在河南省内收集郑单958新陈玉米样品共75份,粉碎
过筛后置于样品袋中,使用光纤直接采集他们的拉曼光谱。对原始光谱进行多项式平滑滤波、基线校正及一介导数处理后,首先运用
主成分马氏距离判别分析方法建立了判别模型,主成分数为9,光谱建模范围为914~1369cm 时模型结果最优,此时建模集总正确
判别率为92.7%,验证集总正确判别率为90%。然后运用偏最小二乘判别分析方法建立了相应的识别模型,当建模因子数为7,采用
全谱建模时结果最优,此时建模集样品正确判别率为 100%,验证集样品正确判别率为95%。偏最小二乘判别分析方法正确识别率较
高,结果表明拉曼光谱可以应用于玉米新陈度的快速识别,在粮食储藏品质评价中具有极大的应用潜力。
关键词:玉米;拉曼光谱;新鲜度
文章篇号:1673.9078(2014)12—149—152 DOI:10.13982/j.mfst.1673-9078.2014.12.025
RapidDiscriminationofFreshandStaleCornUsingRamanSpectroscopy
HUANG Ya-wei,ZHANGLing,W ANG Ruo-lan
(SchoolofFoodScienceandTechnology,HenanUniversityofTechnology,Zhengzhou450001,China)
Abstract:Freshandstalecorn samplesweredistinguishedusingRamanspectroscopycoupledwithdiscriminnatnaalysis.Atoatlof75
corn samplesoftheZhengdan958varietywreecollectedinHenanProvince.Aftergrindingandsieving,thepowderedsampleswereplacedin
specialPVC bags.Ramanspectraweredirectlymeasuredthroughhtesamplebagsusnigopticalfiber;polynomialsmoohting,baselnie
correction,andfirstderivativemethodswereconductedtoprocesshteraw spectra.Thediscriminationmodelwasdevelopedwiht principal
componentdiscriminnatnaalysiscoupledwihtMahalna obisdistance.Thebestresultwasachievedwhennineprincipalcomponentswereused
wiht aspectmlrangeof914--1369cm-.Th ecorrectclassificationratesinhtecalibrationsetnadhtepredictionsetwree92.7% nad90%.
respectively.Subsequently,htepartialleastsquaresdiscriminnatnaalysismehtodwasusedtodevelophtecorrespondnigrecognitionmode1.Th e
bestresultWas achievedwhenhtenumberoff-actOrswassevenandhtefullspectralrangewasused.Thecorrectclassificationrotesnihte
calibrationsetnadhtepredictionsetwere 100% nad95%,respectively.Thecorrectclass
文档评论(0)