详情

原文传递一种基于紫外可见光谱及化学模式识别的紫苏油及其伪品鉴别方法

专利名称：	一种基于紫外可见光谱及化学模式识别的紫苏油及其伪品鉴别方法
摘要：	本发明属于食品检测技术领域，涉及一种基于紫外可见光谱及化学模式识别的紫苏油及其伪品鉴别方法，具体步骤为：配制一定数目的紫苏油多元掺伪品；设置紫外可见光谱仪器参数，采集样品的紫外可见透射光谱；用KS分组法将样品划分为训练集和预测集；分别对PLS‑DA的因子数、ANN的隐含层节点数、ELM的激励函数和隐含层节点数进行优化；在最佳参数下，比较三种化学模式识别方法，得到最佳的化学建模方法；本发明由紫外可见分光光度计获得光谱数据，检测迅速，绿色无损；通过比较多种化学模式识别，采用最佳建模方法建立检测纯紫苏油及其伪品的模型，准确度高，简单快捷。本发明适用于紫苏油及其伪品的准确鉴别。
专利类型：	发明专利
国家地区组织代码：	天津;12
申请人：	天津工业大学
发明人：	卞希慧;鲁芊扦;代富明
专利状态：	有效
申请日期：	2019-03-26T00:00:00+0800
发布日期：	2019-06-14T00:00:00+0800
申请号：	CN201910236422.1
公开号：	CN109883974A
分类号：	G01N21/33(2006.01);G;G01;G01N;G01N21
申请人地址：	300387 天津市西青区宾水西道399号
主权项：	1.一种基于紫外可见光谱及化学模式识别的紫苏油及其伪品鉴别方法，其特征在于：收集一定数量紫苏油纯品以及伪品，装瓶，编号，先手摇振荡瓶身10-15次再超声20min，静置1-2天，使之混合均匀；采集纯品及伪品的紫外光谱：①采集光谱前，要先将仪器进行预热半个小时。②预热结束后打开UVProbe进行连接，设置仪器参数，波长范围：200-1000(nm)，扫描速度：高速，扫描方式：单个，狭缝宽2.0，积分时间0.1秒，光源转换波长600nm，然后把两个用酒精清洗干净的比色皿放入紫外可见分光光度计扫描基线后开始测试样品，数据平均处理绘制后得到紫苏油纯品和掺伪品的紫外光谱图；用KS方法将样品分组，将每类样品2/3作为训练样品，1/3作为预测样品，将所有类别的训练样品合并为总的训练集，将所有类别的预测样品合并为总的预测集；对PLS-DA的因子数、BP-ANN的隐含层节点数、ELM的激励函数和隐含层节点数进行优化；在最佳参数下建立三种化学模式识别模型，比较预测正确率得出最佳化学模式识别方法。 2.根据权利要求1所述的一种基于紫外可见光谱及化学模式识别的紫苏油及其伪品鉴别方法，其特征在于：所述的PLS-DA因子数优化方法为，将因子数从1变化到25，间隔为1，在每个因子数下对预测集样品光谱数据分别进行定性处理，并记录定性预测的正确率随因子数的变化，正确率最先达到最大值时可以得出PLS-DA最佳因子数。 3.根据权利要求1所述的一种基于紫外可见光谱及化学模式识别的紫苏油及其伪品鉴别方法，其特征在于：所述的BP-ANN的隐含层节点数优化方法为，将节点数从1变化到100，间隔为1，在每个隐含层节点数下对预测集样品建模，紫苏油掺伪预测的正确率随隐含层节点数的变化，当正确率达到最大值时，可以得到ANN的最佳节点数。 4.根据权利要求1所述的一种基于紫外可见光谱及化学模式识别的紫苏油及其伪品鉴别方法，其特征在于：所述的ELM的激励函数和隐含层节点数优化方法为，将隐含层节点数从1变化到1000，间隔为1，激励函数分别选取sig、sin、hardlim、tribas和radbas，在每个隐含层节点数和激励函数下对训练集样品进行ELM建模50次，得到50个相关系数，计算50个相关系数的平均值与方差的比值，该比值的最大值对应的激励函数和隐含层节点数为最佳激励函数及隐含层节点数。
所属类别：	发明专利