將光譜導(dǎo)入TQV8.0軟件,分別計(jì)算純蜂蜜和摻假蜜的主成分得分,前3個(gè)主成分空間分布如圖3-4所示。槐花蜜、棗花蜜和荊條蜜距離較近,椴樹蜜和油菜蜜分布較散,但是5種蜂蜜得分分布有較大重疊。不同品種蜂蜜在不同區(qū)域有不同特征,本...[繼續(xù)閱讀]

    表3-8為判別偏最小二乘法結(jié)合不同波段范圍所建蜂蜜品種鑒別模型分析結(jié)果。其中,全波段和長(zhǎng)波段近紅外區(qū)所建模型性能較好,短波近紅外區(qū)光譜信號(hào)與品種相關(guān)行為0。因而,本文選擇長(zhǎng)波近紅外區(qū),即10000～4200cm-1,用于進(jìn)一步分析并...[繼續(xù)閱讀]

    本文用BP-ANN判別法對(duì)蜂蜜品種進(jìn)行鑒別分析,建立了三層的BP-ANN模型。以主成分得分作為ANN模型的輸入層,選取1個(gè)節(jié)點(diǎn)數(shù)作為輸出層節(jié)點(diǎn)數(shù)。ANN網(wǎng)絡(luò)參數(shù)設(shè)置是建立穩(wěn)固可靠模型的關(guān)鍵,主要參數(shù)有輸入層節(jié)點(diǎn)數(shù)、隱含層數(shù)、學(xué)習(xí)速率...[繼續(xù)閱讀]

    圖3-9為不同判別方法所建蜂蜜品種鑒別模型中校正集和預(yù)測(cè)集的判別率對(duì)比分析。其中,DA鑒別模型的校正集和預(yù)測(cè)集樣品的判別率分別為87.4%和85.3%,DPLS鑒別模型的校正集和預(yù)測(cè)集樣品判別率分別為70.8%和70.7%,BP-ANN鑒別模型的校正集和...[繼續(xù)閱讀]

    [1]夏柏楊,任芊.近紅外光譜分析技術(shù)的一些數(shù)據(jù)處理方法的討論.光譜實(shí)驗(yàn)室,2005,22(3):629～634.[2]梁逸曾,俞汝勤.分析化學(xué)手冊(cè)(第十分冊(cè))化學(xué)計(jì)量學(xué).北京:化學(xué)工業(yè)出版社,2000(第二版),332～333.[3]嚴(yán)衍祿,趙龍蓮,韓東海.近紅外光譜分析基...[繼續(xù)閱讀]

    試驗(yàn)蜂蜜樣品主要來自北京、河北、山西、遼寧、山東、四川、云南、廣西、福建、安徽、浙江等地蜂場(chǎng),有棗花蜜、槐花蜜、荊條蜜、椴樹蜜、油菜蜜、荔枝蜜、龍眼蜜及其他混合蜜。實(shí)驗(yàn)前室溫放置。結(jié)晶蜂蜜在進(jìn)行光譜采集前...[繼續(xù)閱讀]

    測(cè)量前,預(yù)熱傅立葉變換近紅外光譜儀器;儀器測(cè)試通過后,在選定的儀器測(cè)試參數(shù)條件下,先進(jìn)行背景掃描;根據(jù)蜂蜜樣品半透明黏稠的特征,將液體光纖探頭插入裝有蜂蜜樣品的瓶子里,采用透反射方式采集。光譜測(cè)定范圍:12000～4000cm...[繼續(xù)閱讀]

    蜂蜜樣品中糖分、水分、淀粉酶的化學(xué)值分析均采用GB18796—2005中規(guī)定的方法進(jìn)行。每個(gè)樣品平行測(cè)定兩次,所得結(jié)果平均后作為最終化學(xué)值。(一)折射率法測(cè)定水分1.方法原理通過測(cè)定樣品的折射率來換算水分含量。2.儀器WAY型阿貝...[繼續(xù)閱讀]

    首先,將蜂蜜樣本光譜分成兩個(gè)集合,即校正集和預(yù)測(cè)集。先用蜂蜜樣品校正集建立校正模型,再作交叉驗(yàn)證和外部驗(yàn)證(預(yù)測(cè)),根據(jù)有關(guān)評(píng)價(jià)指標(biāo)確定最優(yōu)校正模型。蜂蜜樣品預(yù)測(cè)集用于對(duì)所建模型進(jìn)行檢驗(yàn)。交叉驗(yàn)證是指從蜂蜜的校...[繼續(xù)閱讀]

    參與定量分析的樣品的性質(zhì)或濃度范圍應(yīng)能涵蓋所待測(cè)樣品的成分范圍。收集樣品的含量范圍越寬,則所建立模型的適應(yīng)性越廣,但是分析結(jié)果的精度會(huì)有所下降;反之,如果收集的建模樣品范圍較窄,則建立的校正模型精度會(huì)相對(duì)提高...[繼續(xù)閱讀]