領(lǐng)學(xué)術(shù)科研之先，創(chuàng)食品科技之新
—— 中國食品雜志社
應(yīng)用高光譜技術(shù)研究和構(gòu)建霉變玉米黃曲霉毒素B1（aflatoxin B1，AFB1）和玉米赤霉烯酮（zearalenone，ZEN）含量的檢測方法，通過建立霉變玉米中這2?種毒素含量的預(yù)測模型，實(shí)現(xiàn)對(duì)玉米霉變程度的快速、無損、準(zhǔn)確判別。首先，通過對(duì)比5?種預(yù)處理方法，確定標(biāo)準(zhǔn)正態(tài)變量校正法對(duì)原始光譜數(shù)據(jù)進(jìn)行預(yù)處理；然后，采用光譜-理化值共生距離算法結(jié)合偏最小二乘回歸（partial least squares regression，PLSR）法分析不同校正集樣本預(yù)測AFB1和ZEN含量的差異，并分別優(yōu)選出130?個(gè)和140?個(gè)校正集樣本；在采用均勻光譜間隔法對(duì)原始光譜變量進(jìn)行初降維的基礎(chǔ)上，對(duì)比連續(xù)投影算法（successive projections algorithm，SPA）和競爭性自適應(yīng)重加權(quán)算法2?種變量提取法。結(jié)果表明：經(jīng)SPA分別篩選出17?個(gè)特征波段且基于較少校正集樣本和特征波長光譜信息建立的PLSR模型能夠獲得較優(yōu)的預(yù)測結(jié)果，對(duì)應(yīng)AFB1和ZEN含量預(yù)測集的相關(guān)系數(shù)和均方根誤差（root mean square error of prediction，RMSEP）（R2pre，RMSEP）由最初的（0.994?4，0.984?6）和（0.991?6，2.320?9）分別變?yōu)椋?.997?3，0.681?5）和（0.997?7，1.144?1），在降低模型復(fù)雜度的情況下提高了預(yù)測精度，表明該模型對(duì)這2?種毒素含量能夠?qū)崿F(xiàn)較強(qiáng)的預(yù)測能力。因此，利用高光譜技術(shù)對(duì)玉米AFB1和ZEN含量實(shí)施無損檢測具有可行性。
2023年第44卷 2022年第43卷 2021年第42卷 2020年第41卷 2019年第40卷 2018年第39卷 2017年第38卷 2016年第37卷 2015年第36卷 2014年第35卷 2013年第34卷 2012年第33卷 2011年第32卷 2010年第31卷 2009年第30卷 2008年第29卷 2007年第28卷 2006年第27卷 2005年第26卷 2004年第25卷 2003年第24卷 2002年第23卷 2001年第22卷 2000年第21卷 1999年第20卷 1998年第19卷 1997年第18卷 1996年第17卷 1995年第16卷 1994年第15卷 1993年第14卷 1992年第13卷 1991年第12卷 1990年第11卷 1989年第10卷 1988年第09卷 1987年第08卷 1986年第07卷 1985年第06卷 1984年第05卷 1983年第04卷 1982年第03卷 1981年第02卷 1980年第01卷
電話: 010-87293157
地址: 北京市豐臺(tái)區(qū)洋橋70號(hào)
版權(quán)所有 @ 2023 中國食品雜志社 京公網(wǎng)安備11010602060050號(hào) 京ICP備14033398號(hào)-2
