食品科学
食品科學
식품과학
FOOD SCIENCE
2013年
8期
186-189
,共4页
付饶%辛广%李书倩%张博%刘长江%王宝刚%冯晓元
付饒%辛廣%李書倩%張博%劉長江%王寶剛%馮曉元
부요%신엄%리서천%장박%류장강%왕보강%풍효원
可见-近红外漫反射光谱%软枣猕猴桃%总酚
可見-近紅外漫反射光譜%軟棘獼猴桃%總酚
가견-근홍외만반사광보%연조미후도%총분
应用可见-近红外漫反射光谱在570～1848nm光谱区域内,建立了软枣猕猴桃总酚定量数学模型.实验将贮藏分三个阶段(采收阶段,贮藏12d,贮藏24d)进行,通过对比分析不同建模方法得到软枣猕猴桃总酚定标模型.结果表明,应用偏最小二乘回归算法、一阶导数处理和反相多元离散校正处理所建软枣猕猴桃总酚定标模型的预测性能较好.定标集样本的交互验证相关系数(Rcv)为0.8939,交互验证均方根误差(RMSECV)为11.6734mg/100g;预测集样本的相关系数(Rp)为0.8627,预测均方根误差(RMSEP)为16.7690mg/100g.研究表明:可见/近红外漫反射光谱对软枣猕猴桃总酚的快速无损检测具有一定的可行性,但模型精度有待提高.
應用可見-近紅外漫反射光譜在570～1848nm光譜區域內,建立瞭軟棘獼猴桃總酚定量數學模型.實驗將貯藏分三箇階段(採收階段,貯藏12d,貯藏24d)進行,通過對比分析不同建模方法得到軟棘獼猴桃總酚定標模型.結果錶明,應用偏最小二乘迴歸算法、一階導數處理和反相多元離散校正處理所建軟棘獼猴桃總酚定標模型的預測性能較好.定標集樣本的交互驗證相關繫數(Rcv)為0.8939,交互驗證均方根誤差(RMSECV)為11.6734mg/100g;預測集樣本的相關繫數(Rp)為0.8627,預測均方根誤差(RMSEP)為16.7690mg/100g.研究錶明:可見/近紅外漫反射光譜對軟棘獼猴桃總酚的快速無損檢測具有一定的可行性,但模型精度有待提高.
응용가견-근홍외만반사광보재570～1848nm광보구역내,건립료연조미후도총분정량수학모형.실험장저장분삼개계단(채수계단,저장12d,저장24d)진행,통과대비분석불동건모방법득도연조미후도총분정표모형.결과표명,응용편최소이승회귀산법、일계도수처리화반상다원리산교정처리소건연조미후도총분정표모형적예측성능교호.정표집양본적교호험증상관계수(Rcv)위0.8939,교호험증균방근오차(RMSECV)위11.6734mg/100g;예측집양본적상관계수(Rp)위0.8627,예측균방근오차(RMSEP)위16.7690mg/100g.연구표명:가견/근홍외만반사광보대연조미후도총분적쾌속무손검측구유일정적가행성,단모형정도유대제고.
