公共文化服务平台

共 6 条记录，以下是 1-6

全选清除导出

排序方式：

高光谱图像技术检测枇杷叶片三萜酸含量及叶面分布被引量：7: 2015年; 枇杷叶富含三萜酸类化合物,具有较高的药用价值。本研究首先建立枇杷叶高光谱信号与三萜酸含量的对应关系,然后利用高光谱图像包含每个像素点的光谱信号这一独特优势,检测枇杷叶片的三萜酸分布。通过联合区间偏最小二乘法(si PLS)建立三萜酸含量分析模型,结果表明,采用si PLS将全光谱均匀划分11个子区间,选择1、5、6、7联合,主因子数为4 h,建立的si PLS谱区筛选模型预测效果最佳,其交互验证均方根误差(RMSECV)和预测均方根误差(RMSEP)分别为3.392 mg/g和3.731 mg/g,校正集和预测集相关系数分别为0.8449和0.8223。根据si PLS模型计算叶片上所有像素点处的三萜酸含量,并通过伪彩色方法描述叶片中三萜酸含量的分布。研究结果表明,利用高光谱图像技术分析枇杷叶片三萜酸含量及叶面分布是可行的。; 邹小波徐艺伟陈武石吉勇朱瑶迪申婷婷; 关键词：高光谱图像枇杷叶片

近红外光谱技术快速预测镇江香醋乙醇脱氢酶活性的研究被引量：6: 2016年; 以镇江香醋固态发酵中醋醅为研究对象,研究种子醅的乙醇脱氢酶（ADH）活性,以期获得其最优活性范围,并利用近红外光谱技术结合联合区间偏最小二乘法（si-PLS）快速预测ADH活性值。研究通过测定50个不同车间不同楼层的发酵池种子醅ADH的活性,与对应接种池的总酸含量进行相关性分析,并利用近红外光谱技术对其活性值进行快速预测以及光谱分析。结果表明：对于固态发酵的整个过程,ADH活性控制在600~700U能保持食醋的良好风味。若活性低于300或高于800,总酸含量很低,易使醋醅总酸含量不达标。在一定范围内,ADH活性和总酸含量呈正相关性,相关系数R达到0.936。利用近红外光谱不同谱峰,分析醋醅中不同阶段的代谢物质,并结合si-PLS建立ADH快速预测模型,其预测集均方根误差（RMSEP）为122,相关系数R为0.8637。最终期望近红外光谱技术能够预测发酵过程,改善发酵质量。; 胡雪桃朱瑶迪邹小波申婷婷陈武石吉勇; 关键词：镇江香醋固态发酵近红外光谱技术

基于高光谱图像技术检测枇杷叶中三萜酸含量分布: 利用高光谱结合偏最小二乘法研究了枇杷叶中三萜酸含量及其分布,当全光谱划分为10个区间联合其中的1,7,9,10区间时,三萜酸含量的预测模型精度最佳,其最小均方根误差为2.69mg/g,R=0.8314.逐一提取待测枇杷叶...; 邹小波陈武徐艺伟石吉勇朱瑶迪; 关键词：枇杷叶三萜酸高光谱图像偏最小二乘

不同生长阶段枇杷叶总黄酮含量的二维分布检测被引量：10: 2016年; 利用高光谱图像技术研究了枇杷叶总黄酮含量在不同生长阶段（新叶、成熟叶、老叶）可视化分布。采集120片枇杷叶高光谱（431～962 nm）图像信息,利用分光光度计法测定枇杷叶片的总黄酮含量,并建立7种定量预测模型,其中最小二乘支持向量机（LS-SVM）模型最佳,校正集和预测集相关系数r分别为0.8705和0.8996,最小均方根误差RMSE分别为1.92 mg/g和1.72 mg/g。逐一提取待测枇杷叶高光谱图像中每个像素点在不同波段的光谱信息,并将其带入最佳模型计算各个像素点处的黄酮含量,从而绘制总黄酮含量在整个枇杷叶上的二维分布图。研究表明,枇杷叶总黄酮含量随新叶、成熟叶、老叶而呈递增趋势,且黄酮含量高的区域集中在叶脉和靠近叶脉的叶肉区域,低的区域集中在叶片边缘和远离叶脉的叶肉区域。研究对枇杷叶的分类采集有一定的参考价值,为揭示化学活性成分在农产品中的分布规律提供了技术手段。; 邹小波陈武徐艺伟石吉勇朱瑶迪翟晓东; 关键词：枇杷叶总黄酮支持向量机

高光谱图像技术定量检测香醋醋醅水分分布均匀性被引量：5: 2018年; 水分含量是影响镇江香醋醋醅发酵的重要因素,探索醋醅中水分分布均匀性的定量描述方法,可为精确调控香醋发酵工艺提供科学依据。利用高光谱图像技术检测醋醅中水分含量的二维分布图,以水分分布图的标准差作为定量指标,首次提出醋醅水分分布均匀性的定量描述方法。首先利用醋醅高光谱图像信息结合遗传算法建立水分含量检测模型;其次提取各像素点对应的高光谱图像信息代入水分含量检测模型,快速计算出所有像素点对应的水分含量,从而描绘醋醅水分含量二维分布图;最后计算水分含量分布图的标准差,以此定量表征各像素点水分含量与所有像素点水分含量均值之间的离散程度,两者之间离散程度越小,水分分布越均匀。研究表明:高光谱图像技术定量分析醋醅水分分布均匀性是可行的,为定量描述固态发酵关键指标的分布均匀性提供了新的检测手段。; 石吉勇胡雪桃朱瑶迪邹小波陈武周佐花; 关键词：醋醅遗传算法偏最小二乘法

基于高光谱技术的乳杆菌快速鉴别被引量：5: 2018年; 乳杆菌可发酵糖类产生乳酸,是乳酸发酵食品中的优势菌群。乳杆菌的快速鉴别有利于监控菌群的组成及其在发酵过程的变化情况,保障发酵食品的品质。本文尝试用高光谱技术快速表征5种乳杆菌(短乳杆菌、干酪乳杆菌、植物乳杆菌、发酵乳杆菌、罗伊氏乳杆菌)的光谱差异,结合化学计量学方法对乳杆菌进行快速鉴别。首先采集5种乳杆菌菌落在431~963 nm范围的高光谱反射图像,利用ENVI软件对高光谱数据进行预处理及光谱信息提取。利用主成分分析法(PCA)表征5种乳杆菌菌落的光谱特征,结合K-最近邻法(KNN)和误差反向传播神经网络(BP-ANN)建立5种乳杆菌的鉴别模型。结果表明,当主成分为5时BP-ANN模型的效果最优,对应的校正集识别率为100%,预测集识别率为96.23%。; 石吉勇张芳胡雪桃邹小波陈武翟晓东; 关键词：乳杆菌主成分分析

全选清除导出

共1页<1>

陈武