张华秀
- 作品数：5 被引量：82H指数：4
- 供职机构：中南大学化学化工学院中药现代化研究中心更多>>
- 发文基金：国家自然科学基金湖南省标准化战略基金更多>>
- 相关领域：轻工技术与工程理学自动化与计算机技术化学工程更多>>
- 近红外光谱结合Boosting-PLS快速检测奶粉中蛋白质含量被引量：11
- 2010年
- 采用1种基于Boosting理论的回归建模算法Boosting-偏最小二乘法(BPLS),建立了奶粉中蛋白质含量的近红外模型。先用Kernard-Stone法构建样本训练集和预测集,继对所有样本的近红外光谱进行中心化处理,用BPLS算法进行建模,并对收缩因子v与迭代次数m这2个重要参数进行了优化,当收缩因子为0.9,迭代次数为882时,所建模型的预测结果最好,预测均方根误差(RMSEP)为0.315 9,明显优于偏最小二乘法。结果表明:BPLS算法具有提高模型的预测精度的显著优势,可实现奶粉中蛋白质含量的快速、无损测定。
- 张华秀李晓宁范伟梁逸曾
- 关键词：近红外光谱奶粉蛋白质
- 近红外光谱结合CARS变量筛选方法用于液态奶中蛋白质与脂肪含量的测定被引量：53
- 2010年
- 采用CARS(Competitive adaptive reweighted sampling)变量筛选方法建模,显著提高了液态奶中蛋白质与脂肪近红外模型的预测精度。用蒙特卡罗采样(Monte-Carlo sampling)方法先剔除奇异样本,再对光谱进行中心化与Karl Norris滤波降噪处理,通过CARS方法筛选出与样本性质密切相关的变量,建立预测蛋白质与脂肪含量的偏最小二乘法(PLS)校正模型,并与未选变量的PLS模型进行比较。以定标集相关系数(r2)及交互验证均方残差(RMSECV)和预测误差均方根(RMSEP)作为判定依据,确定了蛋白质与脂肪的最佳建模条件。蛋白质与脂肪校正模型的相关系数分别为0.975 0、0.995 1,RMSECV分别为0.194 8、0.136 3,RMSEP分别为0.113 3、0.140 1,预测结果优于未选变量的PLS模型及其他选变量方法,有效简化了模型,适于液态奶中脂肪和蛋白质的快速、无损检测。
- 张华秀李晓宁范伟梁逸曾唐玉莲
- 关键词：近红外光谱液态奶偏最小二乘法
- 近红外光谱法快速检测牛奶中蛋白质与脂肪含量
- 在牛奶营养成分中,蛋白质与脂肪含量是衡量牛奶质量的核心指标。目前,在奶粉与液态奶成分检测中,仍以传统化学分析方法为主导,该法检测速度慢,成本高且破坏样品,不能及时对产品实施质量监控。与常规方法相比,近红外光谱法具有检测速...
- 张华秀
- 关键词：近红外光谱蛋白质脂肪
- 文献传递
- 近红外光谱技术在液态奶脂肪与蛋白质含量检测中的应用
- 近红外光谱作为一种快速、无损的新型检测技术,在乳品品质检测领域得到了广泛应用。文章采用近红外技术研究了4000～10000cm-1范围内不同品种液态奶中脂肪和蛋白质的含量。首先采用蒙特卡罗（Monte-Carlo）方法剔...
- 张华秀李晓宁范伟梁逸曾
- 关键词：近红外光谱液态奶脂肪偏最小二乘法
- 文献传递
- 应用近红外光谱快速鉴别不同年龄段人食用的奶粉品种被引量：13
- 2010年
- 应用近红外光谱分析技术(NIRS)并结合支持向量机(SVM),对三种不同年龄段人食用的奶粉品种进行了鉴别。先采用Kennard-Stone法对150个样本进行挑选,选出120个作为训练集,剩余的30个作为预测集。实验中选用径向基函数(RBF)为核函数,采用二次网格搜索和五折交叉验证优化两个建模参数:核参数γ和惩罚因子C,最佳值为γ=0.03125,C=2048。用最优参数值建立的校正模型,对训练集和预测集的判别率均可达到100%。与主成分分析(PCA)进行了比较。结果表明,SVM鉴别准确率高于PCA,说明近红外光谱可以快速、准确地鉴别不同年龄段人食用的奶粉品种。
- 唐玉莲梁逸曾范伟张华秀
- 关键词：近红外光谱支持向量机奶粉
