版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、拉曼光譜作為一種近年來受到廣泛關注的光譜檢測手段,具有快速、高效、無污染、無需前處理、無損分析等優(yōu)點,已經(jīng)成功應用于石油化工、醫(yī)學、制藥、考古鑒定、食品安全、環(huán)境保護等領域。食用植物油品質(zhì)、摻雜檢測及油脂關鍵理化指標定量分析問題是食品檢測領域的研究熱點,傳統(tǒng)的化學分析法存在操作復雜、花費時間長、污染環(huán)境等局限,迫切需要一種能夠快速、準確測定其品質(zhì)的檢測手段。本文利用拉曼光譜分析技術對食用植物油的品質(zhì)及理化性質(zhì)進行分析,提出了對食用植物油
2、品種鑒別、橄欖油摻雜鑒別、油脂碘值和皂化值測定的快速分析方法。具體內(nèi)容包括:
1.深入介紹了拉曼光譜分析技術的原理、特點、應用及其發(fā)展方向,并強調(diào)了拉曼光譜預處理技術的重要性;系統(tǒng)描述了典型的定性定量分析校正方法,并概述了拉曼光譜在食用油品質(zhì)檢測中的應用現(xiàn)狀。
2.創(chuàng)新地提出了一種基于拉曼光譜的食用植物油快速鑒別方法。該方法基于已知類別的食用植物油樣本進行建模,首先對原始拉曼譜圖進行基線校正和標準歸一化等預處
3、理,并選取食用油不飽和度特征的兩處拉曼峰值作為特征向量,計算訓練樣本特征空間上各個植物油類別的中心坐標;然后,將食用植物油測試樣本的拉曼譜圖經(jīng)過相同預處理和特征提取,獲取測試樣本的特征向量,計算其與各類別中心坐標的歐式距離,根據(jù)類中心最小距離法,取歐式距離最小的那一類作為預測樣本的類別。實驗結果表明,上述拉曼光譜快速鑒別法可以準確地實現(xiàn)純種食用植物油品種的分類。
3.針對橄欖油的摻雜鑒別,目前仍缺乏快速、簡便的檢測方法。本
4、文提出了一種基于最小二乘支持向量機(least squares support vector machine,LS-SVM)的拉曼光譜快速鑒別方法。首先,收集若干已知類別的橄欖油樣作為訓練樣本,獲取其拉曼譜圖,并對其譜圖進行預處理和波段選擇,進而構建LSSVM分類器;對于未知類別的油樣,獲取其拉曼譜圖,并進行相應的預處理和波段選擇,由LSSVM分類器獲得鑒別結果。實驗結果表明,使用LS-SVM分類法能實現(xiàn)橄欖油最低摻雜量為5%左右其它類
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 食用植物油摻偽檢測與定量分析的近紅外光譜法研究.pdf
- 紅外光譜定量分析食用植物油脂肪酸方法的研究.pdf
- 食用植物油多元摻偽鑒別技術研究.pdf
- 食用植物油的鑒別方法和合理調(diào)配研究.pdf
- 120.食用植物油質(zhì)量指標拉曼光譜快速檢測方法研究
- 非食用植物油合成生物柴油的研究.pdf
- 食用植物油近紅外光譜快速檢測技術與儀器研究.pdf
- 43347.食用植物油快速檢測方法研究
- 食用植物油中苯殘留量的測定
- 非食用植物油合成生物柴油的研究(1)
- 中國食用植物油貿(mào)易競爭力研究.pdf
- 基于近紅外光譜的食用植物油中腐霉利農(nóng)藥殘留檢測分析.pdf
- 廣州轄區(qū)進口食用植物油報檢指南(參考)
- 食用植物油中游離棉酚測定方法的比較
- 四川進口食用植物油檢驗檢疫指南
- 食用植物油脂品質(zhì)檢驗1
- 食用植物油熱環(huán)境下的響應與變化研究.pdf
- 食用植物油加工企業(yè)增值稅稅收籌劃探討
- gbt 30354-2013 食用植物油散裝運輸規(guī)范
- 關于進口散裝食用植物油運輸工具要求的公告
評論
0/150
提交評論