国家自然科学基金(30671198)
- 作品数：12 被引量：179H指数：9
- 相关作者：祝诗平阚建全王刚郭静杨飞更多>>
- 相关机构：西南大学重庆大学中国农业大学更多>>
- 发文基金：国家自然科学基金重庆市自然科学基金重庆市科技攻关计划更多>>
- 相关领域：理学轻工技术与工程农业科学机械工程更多>>
- 基于近红外光谱的花椒品质检测技术被引量：6
- 2008年
- 首次提出了建立基于单籽粒红花椒的近红外光谱定量分析模型,用于花椒的挥发油含量检测。由于花椒表面的不规则性,且采用单籽粒花椒扫谱导致光谱信号差异较大,所以采用全谱分析。为此,结合异常样品剔除方法及模型优化方法,共建立了74份红花椒的挥发油近红外模型。实验表明,所建立的单籽粒花椒挥发油的近红外定标模型具有较好的稳定性和预测能力(RSD<10%,RPD>3),从而为花椒育种及品质检测提供了快速和便捷的途径。
- 徐云王一鸣吴静珠祝诗平
- 关键词：花椒近红外光谱
- 花椒挥发油含量的近红外光谱无损检测被引量：29
- 2008年
- 应用近红外漫反射光谱技术,采用偏最小二乘法,针对118份完整花椒颗粒定标样品集,研究了扫描分辨率为4、8、16cm-1,扫描次数为32、64、128的9种扫描参数组合情况下的挥发油含量近红外光谱预测模型。扫描分辨率为16cm-1、扫描次数为128时,建立的预测模型最优。在最优参数组合情况下,定标集样品的内部验证决定系数R2为0.907,交互验证误差均方根为0.509,用20份样品作为预测集进行外部验证,外部验证决定系数R2为0.973,预测误差均方根为0.272,相对分析误差为6.28。结果表明,近红外光谱分析技术可以快速、无损地检测花椒颗粒中挥发油的含量。
- 王刚祝诗平阚建全杨飞郭静王一鸣
- 关键词：花椒挥发油含量近红外光谱分析无损检测
- 不同产地红花椒籽油脂肪酸组成的比较研究被引量：13
- 2017年
- 采用气相色谱-质谱联用(GC-MS)法、以十九烷酸为内标,对6个不同产地红花椒籽油的脂肪酸组成进行了分析。研究结果表明:不同产地的红花椒籽含油量差异较大,样品间脂肪酸组分相同,但相同组分间其含量有一定差异;6个不同产地样品的油含量范围为15.25~23.45g/100g;共鉴定出11种脂肪酸组分,主要成分均为棕榈酸、棕榈油酸、油酸、亚油酸、亚麻酸;不同产地的花椒籽油中油酸、亚油酸、亚麻酸、饱和脂肪酸、单不饱和脂肪酸和多不饱和脂肪酸含量间差异较大,可将红花椒籽的含油量和脂肪酸组分的差异作为鉴别其产地的指标。
- 张仁凤陈光静屈立武阚建全
- 关键词：脂肪酸甲酯化气相色谱-质谱联用
- 粉末样品颗粒大小对花椒挥发油近红外光谱定量预测的影响研究被引量：18
- 2008年
- 为了快速有效评定花椒质量等级,应用近红外光谱分析技术,采用偏最小二乘法,对141份花椒样品粉碎成八种不同颗粒大小的粉末,对近红外光谱分别建立挥发油含量预测模型,当粉末样品颗粒大小为40目时,建立的模型最优,交叉验证测定系数r2141为0.9364,交叉验证误差均方根RMSECV141为0.421。使用105份40目粉末样品近红外光谱所建立的模型对36份样品的预测集进行预测,光谱预处理采用Meancentering＋vector normalization,谱区在6100.1~5774.2cm-1及4601.6~4424.2cm-1,则预测测定系数r326为0.9862,预测集验证误差均方根RMSEP36为0.192,预测相对标准差RSD36为4.95%,预测相对分析误差RPD36为8.517。研究结果表明,对花椒进行近红外光谱扫描前,粉碎到40目时所建立的近红外光谱模型最佳,使用近红外光谱技术快速有效检测花椒挥发油含量是可行的。
- 祝诗平王刚杨飞阚建全郭静邱青苗
- 关键词：近红外光谱分析花椒挥发油含量
- DOSC在花椒挥发油含量近红外光谱分析中的应用被引量：11
- 2008年
- 应用近红外光谱分析技术,采用偏最小二乘法,对141份花椒粉末样品近红外光谱建立挥发油含量定量模型,交叉验证测定系数R2为0.936,交叉验证误差均方根RMSECV为0.421,经直接正交信号校正(DOSC)预处理后,相应的交叉验证测定系数R2提高到0.95,RMSECV减小为0.374。使用105份样品近红外光谱所建立的模型对36份样品的预测集进行预测,光谱采用DOSC预处理前后,预测测定系数R2由0.923提高到0.969,RMSEP由0.452减小到0.289,RSD由11.65%减小到7.44%,RPD由3.622增加到5.573。研究结果表明,使用DOSC预处理后的花椒挥发油含量近红外光谱定量模型的预测效果有较大的提高,且具有较好的稳定性和较强的预测能力,可用于实际的花椒挥发油检测。
- 祝诗平王刚尹雄兰雪冬任德齐
- 关键词：花椒挥发油近红外光谱
- 分子印迹固相萃取技术及其在食品分析中的应用被引量：3
- 2012年
- 分子印迹固相萃取(Molecularly Imprinted Solid Phase Extraction,MISPE)是一种重要的样品预处理技术,它具有选择性高、稳定性好和适用性广等特点。文章综述了分子印迹聚合物(MIPs)的制备原理、方法及其特点,MISPE的操作模式以及近几年该技术在食品中真菌毒素、农兽药残留、非法添加物质和环境污染物方面的应用。同时,对该技术在食品污染物分析中应用所存在的问题与今后的发展方面进行了展望。
- 胡江罗凯阚建全
- 关键词：分子印迹固相萃取食品污染物食品分析
- 不同产地红花椒挥发油化学成分的比较研究被引量：38
- 2015年
- 采用气相色谱-质谱联用（GC-MS）仪、以正癸烷为内标,对8个不同产地红花椒挥发油的组成进行了分析,并比较了不同产地红花椒挥发油含量和组成的差异.研究结果表明：不同产地红花椒挥发油差异较大,样品间挥发油组分不同,相同组分间其含量差异也较大;8个不同产地样品的挥发油含量范围为1.64～5.89mL/100 g;共鉴定出64种化学组分,包括39种烃类、11种醇类、8种酯类、3种醛类和3种酮类,其共有组分数21个,共有组分含量间存在较大差异;非共有组分的含量都比较低,非共有组分中含量占总含量百分比大于1％的较少;样品间主要成分也有所差异,共有组分中的主要成分是柠檬烯、月桂烯和桉树醇.红花椒挥发油含量和组分间的差异决定了样品间香气和品质的差异,可将不同红花椒挥发油含量和组分的差异作为鉴别产地的指标.
- 陈光静阚建全李建石开武张艺
- 关键词：挥发油气相色谱-质谱联用
- 基于小波消噪和NIR的花椒挥发油含量检测
- 利用Daubechies3小波变换对138份花椒样品进行不同尺度的消噪处理,并对消噪重构后的光谱用偏最小二乘法对挥发油含量进行留一法内部交叉验证。小波分解尺度不同交叉验证结果各不相同,在分解水平为4时效果最好,其预测值与...
- 阎灵祝诗平
- 关键词：近红外光谱小波消噪花椒挥发油含量
- 文献传递
- 基于PCA与GA的近红外光谱建模样品选择方法被引量：19
- 2008年
- 针对在利用遗传算法进行样品选择(SSGA)时,使用原光谱矩阵运算时间非常长的问题,提出了一种使用主成分得分矩阵代替原光谱矩阵进行选样的新算法(PCA-SSGA)。讨论了PCA-SSGA算法的主成分分解,染色体编码与解码,目标函数与适应度函数确定,选择算子、交叉算子、变异算子等。在VisualC++环境中开发了PCA-SSGA软件系统。通过对131份小麦籽粒样品针对其干基蛋白含量进行PCA-SSGA运算,经过39200代进化,最终找出最佳样品组合:样品数目由131减少为70,通过偏最小二乘留一法交叉验证(PLS-LOO-CV),决定系数(R2)由0.9477增加为0.9841,交叉验证预测均方差(RMSPCV)由0.3938减少为0.1934。从运算时间上看,PCA-SSGA进化一代时间是SSGA的1/2193,整个样品优选过程时间大大缩短,效率得以显著提高。试验结果表明:PCA-SSGA可以方便灵活地调整遗传算法的参数、自动地选择样品,这对优化农产品近红外光谱模型、进一步提高预测精度提供了很好的技术支持。
- 祝诗平
- 关键词：近红外光谱分析遗传算法主成分分析
- 基于SVM与NIR的花椒挥发油快速检测方法被引量：6
- 2008年
- 应用近红外光谱分析(NIR)技术结合支持向量机(SVM)测定花椒挥发油的含量。以105份样品作为校正集,分别选取epsilon-SVR、nu-SVR两种SVM类型,并采用Linear、Poly、RBF与Sigmoid四种不同核函数进行SVM回归建模,以所建立的校正模型对36份样品的挥发油含量进行预测。结果表明:当SVM类型为epsilon-SVR,核函数为Sigmoid,惩罚参数取109,γ取1×10-6时,所建立的花椒挥发油SVM-NIR模型预测效果最好:R326=0.9317,RMSEP36=0.4268。同时对基于SVM-NIR、PLS-NIR、PCA-BP-NIR和PCA-RBF-NIR的花椒挥发油模型的预测性能进行比较分析,表明SVM-NIR模型具有较强的预测能力(或泛化能力),优于其余3种模型。
- 祝诗平王刚
- 关键词：花椒挥发油含量近红外光谱分析
