您的位置: 专家智库 > >

潘莎莎

作品数:2 被引量:32H指数:2
供职机构:暨南大学理工学院光电工程系更多>>
发文基金:中央高校基本科研业务费专项资金国家教育部博士点基金国家自然科学基金更多>>
相关领域:理学机械工程更多>>

文献类型

  • 2篇中文期刊文章

领域

  • 2篇理学
  • 1篇机械工程

主题

  • 2篇光谱
  • 1篇荧光
  • 1篇荧光光谱
  • 1篇神经网
  • 1篇神经网络
  • 1篇透射
  • 1篇透射光
  • 1篇透射光谱
  • 1篇偏最小二乘
  • 1篇偏最小二乘法
  • 1篇橄榄油
  • 1篇橘红
  • 1篇化橘红
  • 1篇煎炸
  • 1篇煎炸老油
  • 1篇光谱法
  • 1篇红外
  • 1篇红外光
  • 1篇红外光谱
  • 1篇红外光谱法

机构

  • 2篇暨南大学

作者

  • 2篇黄富荣
  • 2篇潘莎莎
  • 1篇马志国
  • 1篇陈哲
  • 1篇汪勇
  • 1篇陈振强
  • 1篇肖迟

传媒

  • 2篇光谱学与光谱...

年份

  • 1篇2016
  • 1篇2015
2 条 记 录,以下是 1-2
排序方式:
可见和近红外透射光谱结合区间偏最小二乘法(iPLS)用于橄榄油中掺杂煎炸老油的定量分析被引量:23
2016年
为探寻一种快速可靠的分析方法用于橄榄油中掺杂煎炸老油含量的测定,实验采用可见和近红外透射光谱分析技术结合区间偏最小二乘法(interval partial least squares,iPLS)、联合区间偏最小二乘法(synergy interval partial least squares,SiPLS)和反向区间偏最小二乘法(backward interval partial least squares,BiPLS),对掺杂不同含量煎炸老油的橄榄油建模分析,并对不同模型比较优选。采集样品400~2500 nm范围内的光谱,对光谱数据进行Savitzky-Golay(SG)平滑去噪。剔除奇异样本后,采用sample set partitioning based on joint X-Y distance(SPXY)法划分样本集,以不同的iPLS优选建模区域,建立煎炸老油含量预测模型。结果表明:对掺杂不同含量煎炸大豆油的橄榄油,采用划分20个区间,选择2个子区间[4,16]建立的SiPLS模型预测效果最好,相关系数(Rp)达0.998 9,预测均方根误差(RMSEP)为0.019 2。对掺杂不同含量煎炸花生油的橄榄油,采用划分20个区间,选择2个子区间[2,16]组合建立的SiPLS和BiPLS模型具有相同的预测效果,预测均方根误差(RMSEF)为0.0120,均优于iPLS模型。此外,与SiPLS模型相比,BiPLS模型运算量少,速度快。由此可见,基于掺杂油样品的可见和近红外透射光谱,分别采用组合区间偏最小二乘法(SiPLS)和反向区间偏最小二乘法(BiPLS)优选建模光谱区域,可以对橄榄油中掺杂煎炸大豆油和煎炸花生油含量进行准确测定。而且,实验过程无需对掺杂油样品进行预处理,无环境污染,操作简单,快速无损。
冼瑞仪黄富荣黎远鹏潘莎莎陈哲陈振强汪勇
关键词:掺伪煎炸老油
红外光谱法与荧光光谱成像技术结合神经网络对正毛化橘红的快速鉴别被引量:9
2015年
为探究一种快速、可靠的化橘红检测方法,本实验分别采用傅里叶变换衰减全反射红外光谱法和荧光光谱成像技术结合多层感知器(MLP)神经网络所构建的模式识别方法,对化橘红进行鉴别,并对两种方法进行了比较。实验以81个正毛化橘红,37个其他品种橘红共118个样品为研究对象,采集所有样品的红外光谱和荧光光谱图像。根据光谱曲线中不同样品间的差异,取红外光谱中550-1800cm^-1区段范围内的光谱数据和荧光光谱曲线中的400~720nm区段的光谱数据进行分析,应用主成分分析法(PCA)对化橘红的光谱数据进行降维处理,再结合MLP神经网络对化橘红样品进行判别分析。实验中分别使用多元散射校正(MSC)、标准正态变量校正(SNV)、一阶导(FD)、二阶导(SD)以及Savitzky-Golay(SG)平滑数据预处理方法,并比较他们对鉴别模型的影响。分析结果表明:利用红外光谱法(FTIR/ATR),经由Savitzky-Golay(SG)平滑预处理得到的数据,通过隐层函数为sigmoid的三层MLP模型,能够得到最优正毛化橘红识别率,其结果训练集和测试集的识别率都为100%;利用荧光光谱成像技术,由多元散射(MSC)预处理的结果是最理想的。经过预处理的数据,通过隐层函数为sigmoid函数的三层MLP模型,训练集识别率达到100%,测试集识别率达到96.7%。由此可见,衰减全反射红外光谱法(FTIR/ATR)和荧光光谱成像技术分别与MLP神经网络构建的识别模式,均可对化橘红的判别达到快速、可靠的效果。
潘莎莎黄富荣肖迟冼瑞仪马志国
关键词:化橘红
共1页<1>
聚类工具0