領(lǐng)學(xué)術(shù)科研之先，創(chuàng)食品科技之新
—— 中國(guó)食品雜志社
以蒸餾過程中不同等級(jí)的濃香型白酒原酒為研究對(duì)象，分別獲取原酒的近紅外光譜（near infrared spectroscopy，NIR）數(shù)據(jù)和氣相色譜-質(zhì)譜（gas chromatography-mass spectrometry，GC-MS）數(shù)據(jù)。采用5點(diǎn)2次卷積平滑對(duì)NIR數(shù)據(jù)進(jìn)行預(yù)處理后，利用競(jìng)爭(zhēng)性自適應(yīng)重加權(quán)算法（competitive adaptive reweighted sampling，CARS）篩選光譜特征波數(shù)；結(jié)合Spearman等級(jí)相關(guān)系數(shù)、最大信息系數(shù)和隨機(jī)森林變量重要性篩選GC-MS中影響原酒等級(jí)劃分的關(guān)鍵風(fēng)味成分（key flavor components，KC）。然后利用極端梯度提升樹分別建立基于NIR和GC-MS以及融合數(shù)據(jù)的原酒等級(jí)鑒別模型。結(jié)果表明，基于CARS選擇的光譜特征變量建立的模型預(yù)測(cè)準(zhǔn)確率為89.66%，基于特征選擇后的KC建立的模型預(yù)測(cè)準(zhǔn)確率為94.83%，基于CARS＋KC融合數(shù)據(jù)建立的模型分類準(zhǔn)確率達(dá)到了98.28%。研究表明，將GC-MS數(shù)據(jù)和NIR數(shù)據(jù)的有效特征信息進(jìn)行數(shù)據(jù)融合，可以改善單一檢測(cè)技術(shù)對(duì)不同等級(jí)原酒特征信息表征不全面的缺點(diǎn)，在單一數(shù)據(jù)源的基礎(chǔ)上提高原酒等級(jí)鑒別的準(zhǔn)確率和穩(wěn)定性，實(shí)驗(yàn)結(jié)果為原酒的等級(jí)鑒別以及白酒其他的質(zhì)量控制提供了新的思路和理論基礎(chǔ)。
2023年第44卷 2022年第43卷 2021年第42卷 2020年第41卷 2019年第40卷 2018年第39卷 2017年第38卷 2016年第37卷 2015年第36卷 2014年第35卷 2013年第34卷 2012年第33卷 2011年第32卷 2010年第31卷 2009年第30卷 2008年第29卷 2007年第28卷 2006年第27卷 2005年第26卷 2004年第25卷 2003年第24卷 2002年第23卷 2001年第22卷 2000年第21卷 1999年第20卷 1998年第19卷 1997年第18卷 1996年第17卷 1995年第16卷 1994年第15卷 1993年第14卷 1992年第13卷 1991年第12卷 1990年第11卷 1989年第10卷 1988年第09卷 1987年第08卷 1986年第07卷 1985年第06卷 1984年第05卷 1983年第04卷 1982年第03卷 1981年第02卷 1980年第01卷
電話: 010-87293157
地址: 北京市豐臺(tái)區(qū)洋橋70號(hào)
版權(quán)所有 @ 2023 中國(guó)食品雜志社 京公網(wǎng)安備11010602060050號(hào) 京ICP備14033398號(hào)-2
