拉曼光谱结合统计分析对不同产地黄芪饮片的鉴别分类研究

利用拉曼光谱技术结合主成分分析(PCA)及偏最小二乘判别分析(PLS-DA),建立黄芪饮片产地鉴别方法.实验检测获取了来自山西、甘肃、内蒙古、黑龙江、陕西等五产地共300批次黄芪饮片的拉曼光谱,通过PCA法对不同产地样本进行判别区分,利用PLS法建立产地判别模型并予以验证.结果表明:基于拉曼光谱良好的特异性,结合PCA及PLS-DA等方法,可实现黄芪饮片产地的快速鉴别.该方法还可拓展应用于其他饮片产地鉴别及饮片真伪判别,具有良好应用前景.     

HPLC指纹图谱结合反向传播人工神经网络和判别分析鉴定不同的麻黄药材

采用HPLC-UV测定36个麻黄药材的指纹图谱,应用化学计量学进行图谱预处理和数据预处理,建立并验证不同种类、不同产地和不同采摘时间的麻黄药材的反向传播人工神经网络(back-propagation artificial neural network,BP-ANN)和判别分析(discriminant analysis,DA)判别模型.研究结果显示,所建BP-ANN模型的预测准确率为83.3％～94.4％、DA模型的性能指标为82.8％～88.5％,可见所建方法能有效判别不同种类、不同产地和不同采摘时间的麻黄药材.该方法基于麻黄药材物质基础的整体性质,判断客观,为其他药材的分析提供了参考.     

质子转移反应-飞行时间质谱快速鉴别金线莲产地

建立一种基于质子转移反应-飞行时间质谱(PTR-TOF-MS)的不同产地金线莲快速鉴别方法.采用PTR-TOF-MS对不同产地(福建、广西、台湾)的66个金线莲样本进行指纹图谱采集.将检测到的指纹图谱与化学计量学结合,开发一种可应用于不同产地金线莲快速准确鉴定的新技术.结果表明,使用PCA主成分分析方法提取主成分数为4、判别分析方法为FDA(Fisher判别分析法)时建立的数学分类识别模型性能最好,识别准确率达到97.0%,可以实现不同产地金线莲的有效判别.     

近红外光谱和支持向量机用于凌霄花产地鉴别

收集6个产地凌霄花样品的近红外光谱,构建支持向量机(SVM)模型进行产地鉴别.运用竞争自适应重加权采样(CARS)算法提取特征波长变量,在此基础上建立CARS-SVM产地判别模型.将该判别模型与线性判别分析、偏最小二乘判别分析和簇类独立软模式法3种模型进行比较.结果表明,SVM模型对不同产地凌霄花样品的鉴别结果良好,经CARS提取特征波长后,波长变量数从1 557减小至52,所构建的CARS-SVM模型对6个产地样品的判别准确率较高,明显优于上述3种模型.因此,近红外光谱技术可快速准确判别凌霄花的产地,为凌霄花的产地鉴别与质量评价提供一种新的方法.     

基于阴离子特征分析的冬枣产地鉴别

为了考察阴离子用于农产品产地鉴别的可能性,利用离子色谱测定了黄骅、沾化和大荔冬枣及土壤中多种阴离子的含量,并对数据进行了方差分析、偏相关分析、逐步判别分析(SDA)和径向基人工神经网络分析(RBF-ANN).结果表明,冬枣中F~-、Cl~-、NO_2~-、PO_4~(3-)、SO_4~(2-)和C_2O_4~(2-)在不同产地间存在显著性差异,与土壤中阴离子具有显著相关性.逐步判别分析中,上述6种阴离子的判别能力较强,所建判别方程可以准确地鉴别冬枣的产地.RBF-ANN的分析进一步证实了,6种阴离子所建模型的准确率高于全部阴离子的分析结果,Br~-对产地鉴别有一定的干扰作用,鉴别准确度降低.研究结果证实了阴离子结合统计学算法可以建立有效的冬枣产地鉴别模型,选择合适的产地因子是提高产地鉴别模型准确度的关键步骤.     

黄酒中降生物胺糖多孢菌的筛选及评价

为获得可降低黄酒中生物胺含量的菌株,研究对黄酒发酵过程中的糖多孢菌进行了分离鉴定,并对其生物胺降解能力进行了探究。研究从黄酒麦曲和发酵醪中共分离鉴定得37株糖多孢菌,以菌株产生物胺和降生物胺能力为评价指标,筛选获得2株低产生物胺且具有较强降生物胺能力的糖多孢菌(F1902和F2014)。经对菌株的分子生物学、生理生化指标进行鉴定,2株菌分别为披发糖多孢菌(Saccharopolyspora hirsuta)和玫瑰糖多孢菌(Saccharopolyspora rosea)。将分离得到的2株糖多孢菌在含有生物胺的培养基中于37℃发酵5 d,发现,两株糖多孢菌对总生物胺降解率分别高达76.41%±0.82%和74.62%±0.84%。进一步对2株菌在不同环境条件下的降生物胺能力进行研究,结果表明,温度、pH值和乙醇浓度均会影响糖多孢菌的生长及降生物胺能力。其中,S.hirsuta F1902和S.rosea F2014降解生物胺的较适温度为30℃,较适pH值为7,在添加体积分数7%乙醇的环境下仍能发挥一定的生物胺降解能力。希望研究为利用糖多孢菌控制黄酒酿造过程中的生物胺含量和以黄酒为生物资源的开发利用提供一定的理论参考。     

基于HS-SPME/GC-MS与模式识别技术判别红茶产地

本文建立一种基于顶空固相微萃取气质联用法(HS-SPME/GC-MS)分析红茶中挥发性组分,并结合模式识别方法实现了红茶的产地鉴别.采用HS-SPME法在100℃提取60 min,热解吸法直接进样气质联用仪(GC-MS)分析.根据挥发性组分的总离子流图,采用聚类分析、主成分分析和线性判别分析等模式识别技术实现了对不同产地红茶的判别.     

黄酒麦曲中一株产细菌素菌株的鉴定及其降生物胺功效研究

从黄酒麦曲中分离筛选出菌株M28,经鉴定为戊糖片球菌(Pediococcus pentosaceus),该菌能够产生细菌素,对黄酒中产生物胺的腐生葡萄球菌(Staphylococcus saprophyticus)、阪崎肠杆菌(Cronobacter sakazakii)、乳酪短杆菌(Brevibacterium casei)、芽孢杆菌(Bacillus)和阴沟肠杆菌(Enterobacter cloacae)具有抑制作用。菌株M28自生发酵不产生物胺,黄酒发酵过程中,添加强化M28菌株,可以显著降低黄酒中的生物胺的含量,而对黄酒的风味品质影响不明显,该菌株可作为降生物胺功能菌株在黄酒酿造中应用。     

近红外光谱分析技术在鸡肉分类检测中的应用

针对近年来市场上不同品种不同级别的鸡肉混杂、以次充好现象,提出一种可以快速、准确判别土鸡和肉鸡的新方法.采用近红外光谱技术和聚类分析技术建立鸡肉分类判别模型,并讨论了不同预处理方法对模型预测结果的影响.结果显示:近红外光谱技术结合聚类分析技术能够对鸡肉建立一种快速的分类判别模型,该预测判别模型能够快速准确地对土鸡和肉鸡进行判别,其中数据经过二阶导数+矢量归一化后的模型预测判别率达100%.     

北工商海洋杆菌诱导戊糖片球菌产生细菌素及降黄酒生物胺功效研究

利用功能微生物控制杂菌污染,是黄酒生产中控制生物胺含量的有效途径。从黄酒麦曲中分离筛选出新菌种[北工商海洋杆菌(Pontibacter beigongshangensis)]和新菌株[戊糖片球菌(Pediococcus pentosaceus) M25]。北工商海洋杆菌能够诱导戊糖片球菌产生细菌素,对黄酒中产生物胺的腐生葡萄球菌(Staphylococcus saprophyticus)、阪崎肠杆菌(Cronobacter sakazakii)、乳酪短杆菌(Brevibacterium casei)、芽孢杆菌(Bacillus)和阴沟肠杆菌(Enterobacter cloacae)均具有抑制作用。北工商海洋杆菌和戊糖片球菌自身不产生物胺。添加北工商海洋杆菌和戊糖片球菌,制备强化功能曲,利用强化功能曲酿造黄酒,可使黄酒中的生物胺含量降低29.8%,而对黄酒的风味物质影响不明显。因此,未来北工商海洋杆菌和戊糖片球菌可以作为降生物胺功能菌株应用在黄酒酿造中。     

核磁共振指纹图谱用于阿胶的鉴别

建立阿胶核磁共振指纹图谱法用于阿胶的鉴别.基于阿胶水提液成分,采用核磁共振氢谱(1 H-NMR)建立阿胶核磁共振指纹图谱方法,并进行方法学验证;对不同来源样品进行核磁共振氢谱测定,得到样品数据集.采用主成分分析(PCA)和片段偏最小二乘法(i-PLS)对样品进行模式识别研究,建立阿胶判别模型.结果显示,阿胶核磁共振指纹...     

基于质子转移反应-飞行时间质谱的金线莲产地快速鉴别技术

建立一种基于质子转移反应-飞行时间质谱的不同产地金线莲快速鉴别技术。采用PTR-TOF-MS对不同产地(福建、广西、台湾)的66个金线莲样本进行指纹图谱采集。将检测到的指纹图谱与化学计量学相结合开发一种可以应用于不同产地金线莲快速准确鉴定的新技术。实验结果表明,PCA提取主成份数为4,判别分析方法为FDA时建立的数学分类识别模型性能最好,识别准确率达到97.0%,可以实现不同产地金线莲的有效判别。     

激光诱导击穿光谱结合化学计量学的淫羊藿产地快速鉴别

淫羊藿具有增加心脑血管血流量,促进造血和增强免疫功能等功效.淫羊藿的药效受产地的影响,为确保其质量,需对淫羊藿产地进行快速鉴别.为此,采用激光诱导击穿光谱(Laser-induced breakdown spectroscopy,LIBS)结合化学计量学方法对淫羊藿产地实现快速准确鉴别.通过获取6个产地淫羊藿样品的LIBS光谱数据,对比研究两种光谱数据降维方法,基于主成分分析(Principal component analysis,PCA)的特征提取和基于原子光谱数据库的特征谱线选择,并结合线性判别分析、k近邻、随机森林(Random forest,RF)和支持向量机(Support vector machine,SVM)4种机器学习算法,实现不同产地淫羊藿样品的鉴别,最终建立产地溯源算法模型.在PCA可视化中,相同产地淫羊藿样品的光谱数据具有明显的聚类效果.开发的模型均能够实现淫羊藿产地的准确鉴别,其中PCA-SVM模型的分类效果最好,测试集分类准确率为99.17%.此外,采用RF模型计算所选元素谱线的重要性,结果表明Si元素(SiⅠ251.61 nm)是区分不同产地淫羊藿的最重要...     

化学成分-朴素贝叶斯分类算法的烟叶产地模式识别

把总糖、还原糖、总氮、烟碱、总氯和总钾这6个成分含量作为影响烤烟烟叶产地的自变量,利用朴素贝叶斯分类算法(NBC)建立烤烟烟叶生产地的判别模型.结果表明,用朴素贝叶斯分类建立的烟叶产地识别模型建模、留一法、预报准确度分别为91.24%、89.05%和88.24%,而用支持向量机分类和K点最近邻分类建立的烟叶产地识别模型的准确率均低于朴素贝叶斯分类建立的模型.可见利用朴素贝叶斯分类算法对烟叶产地进行模式识别研究,可以很好地反映烟叶样本由于产地的不同带来的差异.因此可以将NBC算法引入到烟草行业的研究中.     

矿物元素结合簇类独立软模式法对冬枣产地判别模型的优化

为了提高冬枣产地鉴别方法的准确性,测定了69个冬枣样本中10种元素的含量,并对数据进行了差异性分析、主成分分析和簇类独立软模式分析(SIMCA).结果表明,冬枣中Mg、B、Mn、Fe、Zn等元素在不同产地间存在显著差异,利用主成分分析可以看出不同产地样本有较好的聚类趋势.在前4个主成分中,Fe、B、Mn、Zn和K元素的载荷值较高,是重要的产地识别元素.利用SIMCA建立的产地判别模型,置信水平为5%时对验证集样本判别结果最好,识别率为100%,拒绝率为78.95%.研究结果证实了农产品中多元素分析结合SICMA法可以有效用于原产地的鉴别.     

近红外光谱分析技术在烟叶产地鉴别中的应用

为研究近红外光谱分析技术在鉴别烟叶产地中的可行性,以云南8个不同产地的880个烟叶样品为基础,通过TQ analyst分析软件的定性分析方法建立预测各烟叶产地的近红外模型,并应用该模型对100个烟叶样品进行了实际产地预测.结果显示,上述方法建立的预测模型对云南烟叶产地的鉴别准确率达90%.研究表明,应用近红外光谱分析方...     

基于锶同位素和7种元素的红枣产地判别

为建立红枣产地判别模型,提供红枣原产地溯源理论依据,采集河南新郑、山西太谷和新疆哈密、策勒、于田的红枣样品,采用热电离质谱仪和电感耦合等离子体质谱仪测定锶同位素(⁸⁷Sr/⁸⁶Sr)和33种元素含量,结合化学计量学主成分分析和判别分析建立判别模型,对新疆不同产地红枣和河南、山西红枣进行判别分析。多重比较结果表明:新郑、于田红枣Rb含量显著高于哈密、策勒,太谷红枣Zn含量显著高于于田。策勒红枣⁸⁷Sr/⁸⁶Sr显著高于新郑、太谷、于田、哈密,而新郑、太谷、于田红枣⁸⁷Sr/⁸⁶Sr显著高于哈密。通过共线性诊断分析,选取⁸⁷Sr/⁸⁶Sr和7种元素(Sc、V、Co、Zn、Y、Cd、Cs)建立判别模型,5个产地红枣回代检验、留一交叉验证的整体判别率分别为100%、82.7%。⁸⁷Sr/⁸⁶Sr和7种元素结合化学计量学判别不同产地红枣的方法切实可行。     

近红外光谱结合PLSDA鉴别不同产地的川续断

目的:用近红外漫反射光谱法对不同产地的川续断进行鉴别,为川续断的质量评价提供一种新的方法和手段.方法:4个不同产地的川续断的近红外漫反射原始图谱经过多元散射校正(MSC)和二阶导数(SD)进行处理后,分别建立PLSDA模型.结果:所建立的PLSDA模型可以有效地对不同产地的川续断药物进行鉴别.结论:本方法可用于不同产地...     

热重/差热分析法鉴别中药昆布的研究

为了建立一种快速分析鉴别不同类型的中药昆布的方法,采用热重—微分热重(TG-DTG)和差热分析(DTA)对不同产地的海带和昆布进行热分析研究.以α-Al2O3为参照物,N2为气氛的条件下,固定反应的升温速率和温度范围,进行图谱峰形的比较鉴别.结果表明,不同产地的海带和昆布之间TG、DTG、DTA图谱中峰形有所不同,利用海带和昆布热分析图谱的差异,可以快速鉴别不同产地的中药昆布.     

信阳毛尖茶品质和化学成分快速检测方法

探索茶叶品质和化学成分的快速检测方法,利用电子鼻技术对3个品质等级的信阳毛尖茶的挥发性气味进行了分析.对电子鼻检测信号进行主成分分析和线形判别分析结果显示3个品质的茶叶能被很好地区分,各个类的集中性也较强.采用二次多项式逐步回归分析分别建立传感器信号和信阳毛尖茶的氨基酸、茶多酚和咖啡碱含量之间的预测模型.通过测试集对二次多项式逐步回归模型进行验证得到氨基酸、茶多酚和咖啡碱含量的预测值和测试值的相关系数分别为0.95、0.94和0.92,预测标准误差分别为0.08、0.11和0.8,平均误差分别为0.9%、2.8%和1.5%.结果表明,电子鼻技术可以用于茶叶理化成分的快速检测.