基于光谱技术的蜂蜜中大米糖浆掺假检测研究.pdf

独创性声明本人郑重声明:所呈交的学位论文,是本人在导师的指导下,独立进行研究工作所取得的成果。除文中已注明引用的内容以外,本论文不包含任何其他个人或集体己经发表或撰写过的作品成果,也不包含为获得江苏大学或其他教育机构的学位或证书而使用过的材料。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者妊秭心蒸叫;,年6月7日学位论文版权使用授权书江苏大学、中国科学技术信息研究所、国家图书馆、中国学术期刊(光盘版)电子杂志社有权保留本人所送交学位论文的复印件和电子文档,可以采用影印、缩印或其他复制手段保存论文。本人电子文档的内容和纸质论文的内容相一致,允许论文被查阅和借阅,同时授权中国科学技术信息研究所将本论文编入《中国学位论文全文数据库》并向社会提供查询,授权中国学术期刊(光盘版) 电子杂志社将本论文编入《中国优秀博硕士学位论文全文数据库》并向社会提供查询。论文的公布(包括刊登)授权江苏大学研究生处办理。 7 本学位论文属于不保密曰。蒸弘韩“ hp 繇 V 签者作文沦位学江苏大学硕士学位论文摘要蜂蜜是一种营养丰富的天然保健食品。目前,蜂蜜市场相对混乱,掺假现象严重,尤其是大米糖浆掺假。传统的蜂蜜掺假检测方法为感官评定法和理化分析方法,但这些方法具有主观性强,或者检测时间长、检测费用高等缺点。因此, 研究开展了近红外光谱、中红外光谱和三维荧光光谱技术对蜂蜜中大米糖浆掺假进行检测研究。主要研究内容如下: 。‘1范围内的近红外光谱数据;然后,进行光谱预处理,并 petitive adaptive reweighted sampling)变量筛选法优选特征变量;最后,采用线性判别法(LDA)和误差反向传播神经网络(BPANN)建立真假蜂蜜的判别模型,并采用偏最小二乘(PLS)和BPANN建立预测蜂蜜中大米糖浆掺假浓度检测模型。结果表明,定性分析中,采用标准正态变量变换(SNV)预处理建立的BPANN模型最佳,该模型的主成分因子数为6,训练集和预测集的识别率分别为100%%;定量分析中,SNV预处理建立的PLS 方法对蜂蜜中大米糖浆掺假浓度的检测效果最好,预测集中,预测均方根误差(RMSEP)和相关系数(RD)。研究表明,近红外光谱技术检测蜂蜜中大米糖浆掺假具有一定的可行性。 。首先选择特征建模波段,然后分别采用极值归一化(Min/MAX)和2次5点的SG(Savitzky. GolaySmoothing)预处理方法,对原始光谱进行预处理;并选择CARS变量筛选法进行变量筛选;最后建立LDA和BPANN定性校正分析模型,以及PLS和 BPANN定量校正分析模型。分析结果表明,MiIl/】儿垅预处理建立的BPANN定性识别模型最佳,模型的主成分因子数为6,校正集和预测集识别率均为100%; 在定量试验中,采用Min/MAX预处理建立的BPANN模型最佳,其主成分因子数为7,。研究表明,中红外光谱技术检测蜂蜜中大米糖浆掺假具有可行性。 。首先通过内插值法对光谱中存在的锐利散射进行校正;然后通过特征参量法提取光谱的平均值、标准差、重心、相关系数、等效椭圆长轴斜率、峰度和偏度等12个统计值作为模基于光谱技术的蜂蜜中大米糖浆掺假检测研究式识别输入变量;最后建立LDA和BPANN模型。结果表明,BPANN建立的定性分析模型最佳,主成分因子数为5,校正集和预测集样本识别率都达到100%; BPANN建立的定量模型,当主成分因子数为5时,预测效果最优,RMSEP值为 ,。研究表明,三维荧光光谱技术检测蜂蜜中大米糖浆掺假具有一定可行性;同时,与其它两种光谱技术相比,三维荧光光谱技术在蜂蜜大米糖浆掺假中的检测效果更佳。研究成果在蜂蜜掺假的快速检测中具有重要的现实意义,为开发拥有自主知识产权的蜂蜜掺假检测的三维荧光光谱快速检测装备提供理论基础。关键词:蜂蜜;大米糖浆;近红外光谱技术;中红外光谱技术;三维荧光光谱技术;化学计量学;掺假;检测江苏大学硕士学位论文 Honey is a kind of nutritious natural health recent years,honey adulteration e more and more universal because ofhoney market relatively