化學(xué)計(jì)量學(xué)在水產(chǎn)品質(zhì)量檢測分析中的研究

1、<p><b>　　圖書分類號 密級</b></p><p><b>　　UDC</b></p><p>　　專業(yè)學(xué)位碩士研究生學(xué)位論文</p><p>　　化學(xué)計(jì)量學(xué)在水產(chǎn)品質(zhì)量檢測分析中的研究</p><p><b>　　作者姓名： 王鋒</b></p>

2、;<p>　　指導(dǎo)教師： 李大東副教授</p><p>　　專業(yè)種類： 農(nóng)業(yè)推廣</p><p>　　專業(yè)領(lǐng)域： 食品加工與安全</p><p><b>　　學(xué)習(xí)方式： 全日制</b></p><p>　　所在學(xué)院： 食品與醫(yī)藥學(xué)院</p><p>　　提交日期： 2013.4.6&

3、lt;/p><p>　　浙江海洋學(xué)院專業(yè)學(xué)位碩士論文</p><p>　　化學(xué)計(jì)量學(xué)在水產(chǎn)品質(zhì)量檢測分析中的研究</p><p><b>　　作者姓名： 王鋒</b></p><p>　　指導(dǎo)教師： 李大東副教授</p><p>　　專業(yè)種類： 農(nóng)業(yè)推廣</p><p>　　專

4、業(yè)領(lǐng)域： 食品加工與安全</p><p><b>　　學(xué)習(xí)方式： 全日制</b></p><p>　　學(xué)位授予單位： 浙江海洋學(xué)院</p><p>　　論文答辯日期： 2013.5.26</p><p>　　論文答辯委員會簽字：</p><p>　　答辯日期： 年 月 日</p>&

5、lt;p>　　A Dissertation for Master’s Degree Submitted to</p><p>　　Zhejiang Ocean University</p><p>　　Study on Chemometrics in quality detection and analysis of aquatic products</p><

6、p>　　Candidate:：Wang Feng</p><p>　　Supervisor：Professor Li</p><p>　　Professional：Agricultual Extension</p><p>　　Speciality：Food Processing and Safety</p><p>　　Date Of

7、 Submission：May,18th,2013</p><p><b>　　浙江海洋學(xué)院</b></p><p><b>　　論文原創(chuàng)性聲明</b></p><p>　　本人聲明，所呈交的學(xué)位論文系在導(dǎo)師指導(dǎo)下本人獨(dú)立完成的</p><p>　　研究成果。文中依法引用他人的成果，均已做出明確標(biāo)注

8、或得到許</p><p>　　可。論文內(nèi)容未包含法律意義上已屬于他人的任何形式的研究成果，</p><p>　　也不包含本人已用于其他學(xué)位申請的論文或成果。</p><p>　　本人如違反上述聲明，愿意承擔(dān)以下責(zé)任和后果：</p><p>　　交回學(xué)校授予的學(xué)位證書；</p><p>　　學(xué)?？稍谙嚓P(guān)媒體上對作者本人的

9、行為進(jìn)行通報(bào)；</p><p>　　本人按照學(xué)校規(guī)定的方式，對因不當(dāng)取得學(xué)位給學(xué)校造成的</p><p>　　名譽(yù)損害，進(jìn)行公開道歉；</p><p>　　本人負(fù)責(zé)因論文成果不實(shí)產(chǎn)生的法律糾紛。</p><p><b>　　論文作者簽名：</b></p><p><b>　　日期： 年

10、月 日</b></p><p><b>　　浙江海洋學(xué)院</b></p><p>　　論文知識產(chǎn)權(quán)權(quán)屬聲明</p><p>　　本人在導(dǎo)師指導(dǎo)下所完成的論文及相關(guān)的職務(wù)作品，知識產(chǎn)權(quán)</p><p>　　歸屬浙江海洋學(xué)院。學(xué)校享有以任何方式發(fā)表、復(fù)制、公開閱覽、</p><p>　　借

11、閱以及申請專利等權(quán)利。本人離校后發(fā)表或使用學(xué)位論文或與該</p><p>　　論文直接相關(guān)的學(xué)術(shù)論文或成果時(shí)，署名單位仍然為浙江海洋學(xué)院。</p><p>　　學(xué)位論文作者簽名： 指導(dǎo)教師簽名：</p><p>　　日期： 年 月 日 日期： 年 月 日</p><p>　　《中國博士學(xué)位論文全文數(shù)據(jù)庫》和</p><p&

12、gt;　　《中國優(yōu)秀碩士學(xué)位論文全文數(shù)據(jù)庫》投稿聲明</p><p><b>　　研究生處：</b></p><p>　　本人同意《中國博士學(xué)位論文全文數(shù)據(jù)庫》和《中國優(yōu)秀碩士</p><p>　　學(xué)位論文全文數(shù)據(jù)庫》出版章程的內(nèi)容，愿意將本人的學(xué)位論文委</p><p>　　托研究生處向中國學(xué)術(shù)期刊（光盤版）電子雜志社

13、的《中國博士學(xué)</p><p>　　位論文全文數(shù)據(jù)庫》和《中國優(yōu)秀碩士學(xué)位論文全文數(shù)據(jù)庫》投稿，</p><p>　　希望《中國博士學(xué)位論文全文數(shù)據(jù)庫》和《中國優(yōu)秀碩士學(xué)位論文</p><p>　　全文數(shù)據(jù)庫》給予出版，并同意在《中國優(yōu)秀博碩士學(xué)位論文全文</p><p>　　數(shù)據(jù)庫》和《中國優(yōu)秀碩士學(xué)位論文全文數(shù)據(jù)庫》以及 CNKI系列數(shù)&

14、lt;/p><p>　　據(jù)庫中使用，同意按章程規(guī)定享受相關(guān)權(quán)益。</p><p>　　論文級別： □碩士 □博士</p><p>　　學(xué)位論文作者簽名： 指導(dǎo)教師簽名：</p><p>　　日期： 年 月 日 日期： 年 月 日</p><p>　　作者聯(lián)系地址（郵編）：</p><p><b

15、>　　作者聯(lián)系電話：</b></p><p><b>　　摘 要</b></p><p><b>　　摘 要</b></p><p>　　根據(jù)化學(xué)計(jì)量學(xué)方法能選擇最優(yōu)測量方法，最有效地獲取體系有用的特征數(shù)據(jù)，</p><p>　　并通過解析量測數(shù)據(jù)最大限度地從中提取有關(guān)物質(zhì)的定性、

16、定量、形態(tài)、結(jié)構(gòu)等信息</p><p>　　的顯著功能，本文將其與分析儀器和計(jì)算機(jī)圖像處理方法相結(jié)合，研究用于食品營養(yǎng)</p><p>　　成分分析和品質(zhì)檢測中，探索出新的水產(chǎn)品質(zhì)量檢測方法。</p><p>　　本課題主要研究內(nèi)容及結(jié)果如下：</p><p>　　1 化學(xué)計(jì)量學(xué)在三種蝦體氨基酸水解液檢測中的應(yīng)用</p><

17、;p>　　蛋白質(zhì)類食品中的氨基酸特別是必需氨基酸的含量是衡量蛋白質(zhì)類食品營養(yǎng)價(jià)</p><p>　　值高低的重要評價(jià)指標(biāo)。本文試驗(yàn)用極限學(xué)習(xí)機(jī)(extreme learning machine,ELM)-紫外</p><p>　　光譜法、誤差反向傳播算法(back propagation,BP)-紫外光譜法、徑向基函數(shù)(radical</p><p>　　ba

18、sis function,RBF)-紫外光譜法，以氨基酸分析儀測定南美白對蝦、水培蝦、竹節(jié)蝦</p><p>　　體肌肉蛋白質(zhì)水解液所得數(shù)據(jù)為依據(jù)來檢測蝦體水解液中的三種氨基酸（苯丙氨酸、</p><p>　　酪氨酸和組氨酸）含量，并比較了 ELM、BP、RBF 模型預(yù)測性能的優(yōu)越性。預(yù)測結(jié)</p><p>　　果均方根誤差：ELM 為 3.9667e-007，BP

19、 為 7.0938，RBF 為 5.2379e-004；決定性系</p><p>　　數(shù) R2 平均值：ELM 為 9.42069，BP 為 8.76012，RBF 為 8.80471。實(shí)驗(yàn)結(jié)果說明 BP、</p><p>　　RBF 二種方法檢測蝦體水解液中的三種氨基酸（苯丙氨酸、酪氨酸和組氨酸）含量</p><p>　　有較大的誤差，而 ELM 預(yù)測精度高，分析

20、速度更快，能為相關(guān)食品中氨基酸含量檢</p><p>　　測提供參考，也即可為食品品質(zhì)分析研究提供新思路。</p><p>　　2 化學(xué)計(jì)量學(xué)與計(jì)算機(jī)圖像處理技術(shù)在魚新鮮度快速檢測中的研究</p><p>　　嘗試探索新的鯽魚新鮮度快速檢測方法；常用的魚新鮮度的感官鑒別方法，表明</p><p>　　魚眼的清晰度、光澤度、顏色等等的變化與魚的

21、新鮮度有著非常顯著的關(guān)系；用數(shù)碼</p><p>　　相機(jī)拍攝保存期間各時(shí)段魚眼數(shù)字圖像，應(yīng)用計(jì)算機(jī)圖像處理技術(shù)獲取保存期間各時(shí)</p><p>　　段鯽魚魚眼數(shù)字圖像的信號強(qiáng)度，與反映魚新鮮度的魚肉 pH 值、電導(dǎo)率、揮發(fā)性鹽</p><p>　　基總氮(total volatile basic nitrogen,TVBN)三個(gè)變量分別用偏最小二乘回歸(parti

22、al least</p><p>　　squares method,PLS) 和支持向量機(jī)回歸方法(support vector machine regression,SVR)</p><p>　　建立兩種鯽魚新鮮度檢測模型，通過模型分析魚眼圖像“信號強(qiáng)度”變化與魚肉 pH 測</p><p>　　定值、電導(dǎo)率、TVBN 三個(gè)變量間的相關(guān)性；實(shí)驗(yàn)發(fā)現(xiàn)：用 PLS 的

23、主成分分析方法</p><p>　　得到魚眼圖像“信號強(qiáng)度”變化與魚肉 pH 測定值、電導(dǎo)率、TVBN 三個(gè)變量間的復(fù)相</p><p><b>　　I</b></p><p>　　化學(xué)計(jì)量學(xué)在水產(chǎn)品質(zhì)量檢測分析中的研究</p><p>　　關(guān)系數(shù) R 為 0.9737，說明鯽魚眼圖像“信號強(qiáng)度”可試驗(yàn)作為檢測鯽魚新鮮度

24、的指標(biāo)；</p><p>　　PLS 模型所得的信號強(qiáng)度的觀測值與預(yù)測值都在擬合線上分布，相關(guān)系數(shù) R 為 0.9976,</p><p>　　SVR 模型的訓(xùn)練集和測試集的均方根誤差分別為 0.00025 和 0.0012，R2 分別達(dá)到 0.999</p><p>　　和 0.995；兩種方法都可以試驗(yàn)作為對魚新鮮度進(jìn)行快速準(zhǔn)確檢測的方法。</p>

25、<p>　　關(guān)鍵詞：化學(xué)計(jì)量學(xué)；氨基酸；新鮮度；食品質(zhì)量</p><p><b>　　II</b></p><p><b>　　摘 要</b></p><p><b>　　ABSTRACT</b></p><p>　　According to the Chemome

26、trics, which can choose the optimal measurement method,</p><p>　　the most efficient way to obtain useful feature data of system, and its significant features</p><p>　　on extraction of the materi

27、al qualitative, quantitative, morphology, structure and other</p><p>　　information through analyzing measurement data, we tried to find a new quality detection</p><p>　　method of aquatic product

28、 under useing it to detect and analyse food nutrition and quality</p><p>　　combining with analytical instruments and computer numerical method.</p><p>　　The main research content and results are

29、 following:</p><p>　　1 Application of Chemometrics in the detection of amino acid hydrolysate in three</p><p><b>　　shrimp</b></p><p>　　The content of amino acids especia

30、lly the essential amino acids is an important index</p><p>　　of measuring the nutrition value in protein foods. In our study, we use ELM- ultraviolet</p><p>　　spectroscopy, BP-ultraviolet spectr

31、oscopy and RBF-ultraviolet spectroscopy to found</p><p>　　models to get the content of three kinds of amino acids (phenylalanine, tyrosine and</p><p>　　histidine) under amino acid analyzer data

32、of the muscle protein hydrolysate of shrimp body,</p><p>　　and compared the superiority of the prediction performance of the three. Results of mean</p><p>　　square error of ELM, BP and RBF predi

33、ction are 3.9667e-007, 7.0938 and 5.2379e-004.</p><p>　　The average value of R2, the decisive coefficient of ELM, BP, RBF are 9.42069, 8.76012 and 8.80471. The experimental results showed that BP and RBF hav

34、e larger errors, butELM has faster learning speed and higher predictive accuracy and can provide referencefor the content detection of amino acids in food and new ideas for food quality analysis.2 Study on Chemometric

35、s and computer image processing technology in the rapiddetection of fish freshness</p><p>　　To explore a new method for rapid detection of crucian freshness; sensoryidentification methods of fish freshness

36、 show that changes of fisheye clarity, gloss andcolor have a very significant relationship with their freshness. During the experiment, wetake eyes images of crucian via digital camera every six hour and obtain their s

37、ignalstrength with computer image processing technology. Analysis relation between changes ofsignal strength and the values(pH, electrical conductivity, TVBN) by mo</p><p><b>　　III</b></p>

38、;<p>　　化學(xué)計(jì)量學(xué)在水產(chǎn)品質(zhì)量檢測分析中的研究</p><p>　　analysis of PLS method is 0.9737. It illustrates the signal strength can be an indicator of</p><p>　　freshness detection of crucian carp. Obtained valu

39、es and predicted values of the signal</p><p>　　strength of PLS model all are distributed on the fitting line, correlation coefficient R is</p><p>　　The mean square errors of the training set and

40、 testing of SVR model are 0.00025</p><p>　　and 0.0012, R2 are 0.999 and 0.995. In conclusion, both methods achieve the fast and exact</p><p>　　freshness detection of crucian. The two methods can

41、 be usesd for rapid and accurate</p><p>　　detection of crucian freshness.</p><p>　　KEYWORDS: chemometrics; amino acid; freshness; food quality</p><p><b>　　IV</b></p&g

42、t;<p><b>　　目 錄</b></p><p><b>　　目 錄</b></p><p>　　摘 要 ...............................................................................................................

43、.....................I</p><p>　　ABSTRACT ...................................................................................................................... III</p><p>　　第一章 前言 ..............

44、........................................................................................................... 1</p><p>　　化學(xué)計(jì)量學(xué)概述.................................................................................

45、................... 1</p><p>　　常用于食品領(lǐng)域中的化學(xué)計(jì)量學(xué)方法................................................................ 2</p><p>　　多元校正方法的應(yīng)用 .............................................................

46、.................... 2</p><p>　　化學(xué)計(jì)量學(xué)中模式識別的應(yīng)用 ................................................................. 3</p><p>　　人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用 .............................................................

47、.................... 5</p><p>　　化學(xué)計(jì)量學(xué)在食品科學(xué)中的實(shí)際應(yīng)用領(lǐng)域.......................................................... 6</p><p>　　在食品營養(yǎng)成分分析中的應(yīng)用 ............................................................

48、..... 6</p><p>　　在食品分類識別及摻偽分析中的應(yīng)用 ..................................................... 7</p><p>　　在食品質(zhì)量安全檢測中的應(yīng)用 ................................................................. 7</p>&l

49、t;p>　　結(jié)語.......................................................................................................................... 8</p><p>　　本研究的主要研究內(nèi)容及創(chuàng)新性................................................

50、.......................... 8</p><p>　　第二章 化學(xué)計(jì)量學(xué)在三種蝦體氨基酸水解液檢測中的應(yīng)用....................................... 10</p><p>　　方法與材料.........................................................................

51、................................... 10</p><p>　　ELM............................................................................................................. 12</p><p>　　BP 和 RBF 神經(jīng)網(wǎng)絡(luò)........

52、.......................................................................... 13</p><p>　　儀器............................................................................................................. 15</p

53、><p>　　樣品處理..................................................................................................... 15</p><p>　　網(wǎng)絡(luò)的測試集和訓(xùn)練集..............................................................

54、............... 15</p><p>　　結(jié)果與分析............................................................................................................ 16</p><p>　　隨機(jī)運(yùn)行測試分析比較..............................

55、............................................... 16</p><p>　　測試結(jié)果..................................................................................................... 18</p><p>　　本章小結(jié) ...........

56、..................................................................................................... 18</p><p>　　第三章 化學(xué)計(jì)量學(xué)在魚新鮮度快速檢測中的研究....................................................... 20</p>&

57、lt;p>　　材料與方法............................................................................................................ 21</p><p>　　材料.....................................................................

58、.......................................... 21</p><p>　　儀器與設(shè)備................................................................................................... 21</p><p>　　實(shí)驗(yàn)方法..................

59、..................................................................................... 21</p><p><b>　　V</b></p><p>　　化學(xué)計(jì)量學(xué)在水產(chǎn)品質(zhì)量檢測分析中的研究</p><p>　　測定結(jié)果與討論 ................

60、.................................................................................... 26</p><p>　　分析測定結(jié)果 ............................................................................................... 26</

61、p><p>　　偏最小二乘回歸結(jié)果分析 ........................................................................... 27</p><p>　　支持向量機(jī)仿真預(yù)測結(jié)果........................................................................... 29

62、</p><p>　　本章小結(jié)................................................................................................................ 31</p><p>　　第四章 結(jié)論 ................................................

63、....................................................................... 33</p><p>　　主要結(jié)論 ................................................................................................................ 33<

64、;/p><p>　　展望 ........................................................................................................................ 33</p><p>　　參考文獻(xiàn) ..............................................

65、............................................................................... 35</p><p>　　致 謝 ...............................................................................................................

66、.................... 40</p><p>　　讀研期間獲得的學(xué)術(shù)成果及獎(jiǎng)勵(lì) ..................................................................................... 41</p><p><b>　　VI</b></p><p><b&

67、gt;　　前 言</b></p><p><b>　　第一章 前言</b></p><p>　　質(zhì)量安全的食品是人類生存發(fā)展的物質(zhì)基礎(chǔ)。食品的質(zhì)量安全是指食品良好的營</p><p>　　養(yǎng)且食用后不損害人體健康。但在生產(chǎn)加工、運(yùn)輸和儲存過程中，食品常會受到許多</p><p>　　不良因素影響而使品質(zhì)受到損

68、害。此也常導(dǎo)致食品安全事故的發(fā)生。在源頭生產(chǎn)到餐</p><p>　　桌的整個(gè)食品工業(yè)鏈中，加強(qiáng)對食品質(zhì)量安全的有效監(jiān)督，對保障食品的質(zhì)量安全，</p><p>　　促進(jìn)人類健康和經(jīng)濟(jì)發(fā)展都具有重要意義。而檢測分析是進(jìn)行有效監(jiān)督的重要手段之</p><p>　　一。隨著科技的發(fā)展，不僅檢測分析方法越來越多樣化，檢測儀器也多樣化且靈敏度</p><

69、p>　　更高。通過這些檢測分析儀器，我們得到了大量可靠的、往往比較復(fù)雜且重疊實(shí)驗(yàn)的</p><p>　　數(shù)據(jù)，包括二維和多維的，如波譜。如何將這些“雜亂無章”的復(fù)雜數(shù)據(jù)準(zhǔn)確地降維，</p><p>　　最大限度地將其解析成有用的信息并加以充分利用，是現(xiàn)今檢測分析工作的重要難</p><p>　　題。采用經(jīng)濟(jì)快捷且準(zhǔn)確的檢驗(yàn)分析方法也是食品質(zhì)量安全監(jiān)督的重要追求

70、。隨著應(yīng)</p><p>　　用數(shù)學(xué)、統(tǒng)計(jì)學(xué)及計(jì)算機(jī)科學(xué)廣泛深入地應(yīng)用于化學(xué)，尤其是分析化學(xué)中，化學(xué)計(jì)量</p><p>　　學(xué)便應(yīng)運(yùn)而生[1,2]。用化學(xué)計(jì)量學(xué)來處理分析這些包含較多信息的多維數(shù)據(jù), 如解析波</p><p>　　譜，能得到普通檢測分析方法不能得到的信息，有助于進(jìn)行食品復(fù)雜體系深入研究。</p><p><b>　

71、　化學(xué)計(jì)量學(xué)概述</b></p><p>　　化學(xué)計(jì)量學(xué)作為全新的學(xué)科，它是美國化學(xué)家 Kowalski 和由瑞典化學(xué)家 Wold 在</p><p>　　1970 年共同創(chuàng)立的，是一門運(yùn)用現(xiàn)代計(jì)算機(jī)科學(xué)、統(tǒng)計(jì)學(xué)及數(shù)學(xué)以及其他關(guān)聯(lián)學(xué)科</p><p>　　的相關(guān)理論方法以設(shè)計(jì)和篩選最佳的化學(xué)量測方案的，并且在解析這些化學(xué)量測數(shù)據(jù)</p>&

72、lt;p>　　來最大限度的獲取有用的化學(xué)及其相關(guān)的信息[1,7]?；瘜W(xué)計(jì)量學(xué)的相關(guān)主要研究內(nèi)容</p><p>　　有以下幾個(gè)：采樣理論研究、實(shí)驗(yàn)設(shè)計(jì)研究、選擇和優(yōu)化實(shí)驗(yàn)條件的研究、單變量和</p><p>　　多變量信息的處理研究(包括校正方法)、數(shù)據(jù)分析研究(模式識別)、實(shí)驗(yàn)室組織和人</p><p>　　工智能研究?；瘜W(xué)計(jì)量學(xué)主要為實(shí)驗(yàn)研究中的化學(xué)量測提

73、供準(zhǔn)確的理論和方法，所以</p><p>　　它的發(fā)展過程有獨(dú)特的方面，主要表現(xiàn)在以下兩個(gè)方面：(l)發(fā)展以化學(xué)數(shù)據(jù)解析為主</p><p>　　的新理論和新方法；(2)它的解析方法于各化學(xué)獨(dú)立分支學(xué)科中的新應(yīng)用研究，比如</p><p>　　像各個(gè)基礎(chǔ)化學(xué)的分支學(xué)科里的化學(xué)結(jié)構(gòu)解析、合成設(shè)計(jì)、定量構(gòu)效關(guān)系研究、過程</p><p>　　優(yōu)化

74、等方面的研究。另外，化學(xué)計(jì)量學(xué)能為科研分析儀器的更加智能化提供支撐理論</p><p>　　和方法，為構(gòu)建新型的高維聯(lián)用儀器提供思路，還將成為以后分析儀器軟件新發(fā)展的</p><p>　　方向。這對物理化學(xué)、有機(jī)化學(xué)和無機(jī)化學(xué)等都是非常重要的。值得特別指出的是，</p><p>　　化學(xué)計(jì)量學(xué)在分析化學(xué)領(lǐng)域中的發(fā)展前景更是誘人。分析化學(xué)是一門使用儀器結(jié)合相</

75、p><p>　　關(guān)方法以獲得在特定時(shí)空中物質(zhì)成份、結(jié)構(gòu)及性質(zhì)信息的學(xué)科。隨著社會生產(chǎn)力的提</p><p>　　高和科學(xué)技術(shù)的迅速發(fā)展, 分析化學(xué)的分析測試工作中的分析儀器越來越多樣，并可</p><p>　　以聯(lián)用，分析工作已從原先的手工操作逐漸發(fā)展為計(jì)算機(jī)儀器自動化。在前面也提到，</p><p>　　化學(xué)計(jì)量學(xué)在實(shí)驗(yàn)研究設(shè)計(jì)、實(shí)驗(yàn)數(shù)據(jù)處理、

76、信息分析、結(jié)果預(yù)報(bào)，科研決策上都具</p><p><b>　　1</b></p><p>　　化學(xué)計(jì)量學(xué)在水產(chǎn)品質(zhì)量檢測分析中的研究</p><p>　　有其它方法不能比擬的優(yōu)勢，它能使一些運(yùn)用傳統(tǒng)化學(xué)研究方法不能解決的或者解決</p><p>　　起來非常麻煩的問題得以順利解決，這方面的應(yīng)用已涉及到施行化學(xué)量測的所有

77、領(lǐng)</p><p>　　域，并使化學(xué)量測研究方法更具生命力。如在環(huán)境化學(xué)領(lǐng)域[8,9]、食品化學(xué)領(lǐng)域[10,11]、</p><p>　　農(nóng)業(yè)化學(xué)領(lǐng)域[12,13]、石油化學(xué)領(lǐng)域及化學(xué)工程學(xué)科中，化學(xué)計(jì)量學(xué)有相當(dāng)廣泛且深入</p><p>　　的應(yīng)用，可以預(yù)期的是，化學(xué)計(jì)量學(xué)也將隨著各個(gè)化學(xué)分支學(xué)科的繼續(xù)發(fā)展而得到更</p><p><

78、b>　　加蓬勃的發(fā)展。</b></p><p>　　常用于食品領(lǐng)域中的化學(xué)計(jì)量學(xué)方法</p><p>　　食品分析作為分析化學(xué)的分支之一，它的主要任務(wù)就是對食品品質(zhì)指標(biāo)的分析測</p><p>　　定：（1）物體表面平整度、形狀等物體體表特征所反映的物體品質(zhì)；（2）物體質(zhì)量、</p><p>　　密度及彈性等物體基本物理性質(zhì)

79、所反映的物質(zhì)品質(zhì)；（3）物質(zhì)安全性、營養(yǎng)成分等物</p><p>　　質(zhì)化學(xué)性質(zhì)所反映物質(zhì)品質(zhì)等。食品分析對食品品質(zhì)指標(biāo)所進(jìn)行的分析測定，是在根</p><p>　　據(jù)實(shí)驗(yàn)所得數(shù)據(jù)基礎(chǔ)上，再結(jié)合科學(xué)經(jīng)驗(yàn)對食品品質(zhì)進(jìn)行科學(xué)評定，從而確定食品質(zhì)</p><p>　　量的好壞，最終判定它能否安全食用。在以上品質(zhì)分析類型的中，由于人們對食品的</p><

80、p>　　需求已由數(shù)量轉(zhuǎn)變對食品質(zhì)量追求，能反映食品內(nèi)部特性的品質(zhì)指標(biāo)正越來越受到大</p><p>　　家的重視，而要更快速更科學(xué)地研究分析反映食品內(nèi)部特征的品質(zhì)指標(biāo)，就需要對其</p><p>　　進(jìn)行大量的儀器分析和化學(xué)分析，即要進(jìn)行大量的化學(xué)量測研究，這必然要用到化學(xué)</p><p>　　計(jì)量學(xué)的新理論、新方法、新技術(shù)。</p><p

81、><b>　　多元校正方法的應(yīng)用</b></p><p>　　化學(xué)計(jì)量學(xué)中研究較多，比較有特色，成果也較多的分支領(lǐng)域就是校正分析理論</p><p>　　研究。所謂較正是指采用恰當(dāng)?shù)慕y(tǒng)計(jì)學(xué)方法將對被研究體系進(jìn)行化學(xué)量測而得的數(shù)據(jù)</p><p>　　與已知的相關(guān)知識及信息建立一個(gè)模型（此建模過程的關(guān)鍵在于確定模型中的參數(shù)），</p&

82、gt;<p>　　再將該模型用于定性和定量分析其它的未知對象及樣品，并預(yù)報(bào)被分析未知對象的特</p><p>　　定方面的信息[14]。多元校正分析主要解決食品分析中以下問題: 用簡潔的方法形象地</p><p>　　表示復(fù)雜的研究對象；簡化研究對象的量測數(shù)據(jù)結(jié)構(gòu)而便于分析；降低復(fù)雜研究體系</p><p>　　的量測數(shù)據(jù)的維數(shù)；將相互依賴的變量轉(zhuǎn)變?yōu)?/p>

83、獨(dú)立變量；將變量分組并就變量間的相</p><p>　　互關(guān)系進(jìn)行分析；按測量性質(zhì)將相關(guān)分析對象進(jìn)行分類；提高食品分析中儀器量測精</p><p>　　密度，提高量測信噪比, 增加接下來分析方法選擇性，并拓寬其應(yīng)用范圍。應(yīng)用于食</p><p>　　品分析的各種多元校正方法中，應(yīng)用較多的是經(jīng)典最小二乘法、偏最小二乘法、主成</p><p>　

84、　分回歸和多元線性回歸，當(dāng)中尤以偏最小二乘法的應(yīng)用最為廣泛[15]。</p><p>　　在偏最小二乘法的應(yīng)用中，李寧等人選用 39 個(gè)不相同品種的完整籽粒黃豆為樣</p><p>　　品，運(yùn)用傅立葉近紅外漫反射光譜，結(jié)合偏最小二乘回歸法進(jìn)行非破壞分析，建立了</p><p>　　籽粒黃豆蛋白質(zhì)和脂肪含量的近紅外定量分析模型，并用此模型對 264 個(gè)不同品種的<

85、;/p><p>　　黃豆樣品分別做了預(yù)測，分析效果較好，結(jié)果令人滿意[16]。白玲等人運(yùn)用偏最小二乘</p><p><b>　　2</b></p><p><b>　　前 言</b></p><p>　　-速差動力學(xué)分光光度分別同時(shí)測定了實(shí)驗(yàn)合成樣品和自然環(huán)境水樣中的兩個(gè)殺蟲劑</p>

86、<p>　　組分：殘殺威和異丙威兩組分，實(shí)驗(yàn)獲得結(jié)果良好[17]。魏良明等將偏最小二乘法用于</p><p>　　玉米完整籽粒的粗淀粉、粗蛋白和油分含量的近紅外反射光譜測定研究。他們選用我</p><p>　　國常見的玉米自交系雜交種為樣品材料，運(yùn)用偏最小二乘回歸方法，分別建立了用近</p><p>　　紅外反射光譜來測定玉米完整籽粒的粗淀粉、油分含量和粗

87、蛋白的三個(gè)校正模型，并</p><p>　　選用 40 個(gè)玉米雜交后代為樣品材料，對已建立的 3 個(gè)模型的預(yù)測效果分別進(jìn)行了驗(yàn)</p><p>　　證,結(jié)果皆非常好[18]。張海東等人通過用正交信號校正法預(yù)處理了蘋果近紅外光譜，</p><p>　　在此基礎(chǔ)上，再偏最小二乘法建立了蘋果近紅外光譜對蘋果糖度的預(yù)測模型，實(shí)際應(yīng)</p><p>　

88、　用效果令人滿意[19]。在新鮮果蔬樣品的近紅外光譜分析中，胡斌等人用偏最小二乘法</p><p>　　建立了校正模型，在容許強(qiáng)干擾因素存在的情況下，對分析方法作了進(jìn)一步的改進(jìn)，</p><p>　　研究獲得較好結(jié)果，這對水溶液復(fù)雜體系的近紅外光譜分析工作提供了新思路[20]。謝</p><p>　　新華等人采用紅外光譜透射方法,結(jié)合運(yùn)用改進(jìn)后的偏最小二乘法，實(shí)驗(yàn)建

89、立了糙米</p><p>　　蛋白質(zhì)含量分析的數(shù)學(xué)模型，實(shí)驗(yàn)結(jié)果發(fā)現(xiàn)，此模型預(yù)測的誤差與常規(guī)分析方法所得</p><p>　　誤差接近，結(jié)論是此分析方法完全可替代常規(guī)分析方法[21]。劉蓉等在用化學(xué)計(jì)量學(xué)對</p><p>　　牛奶成分的光譜測量和現(xiàn)場分析農(nóng)副產(chǎn)品成分的研究中，運(yùn)用偏最小二乘法對實(shí)驗(yàn)所</p><p>　　得信息進(jìn)行定量校正，

90、聯(lián)合運(yùn)用最小協(xié)方差行列式法和多變量修剪法剔除奇異點(diǎn)，結(jié)</p><p>　　果較好，此法在此領(lǐng)域?qū)⒌玫礁嗟膽?yīng)用[22]。王國慶等人用偏最小二乘法對用近紅外</p><p>　　光譜儀處理煙草樣品所得實(shí)驗(yàn)數(shù)據(jù)，與其被小波變換處理后的所得小波系數(shù)進(jìn)行了建</p><p>　　模，建立了近紅外光譜技術(shù)與小波變換方法相結(jié)合的新分析測定方法，并應(yīng)用于復(fù)雜</p>

91、<p>　　植物樣品體系中的無機(jī)離子測定，該方法在測定無機(jī)離子的應(yīng)用研究時(shí)結(jié)果表明，測</p><p>　　定結(jié)果較為準(zhǔn)確，效果令人滿意[23]。張錄達(dá)等人則選用 66 個(gè)小麥樣品作為實(shí)驗(yàn)研究</p><p>　　材料，選其中的 33 個(gè)小麥樣品為校正樣品，采用 4 種不相同的核函數(shù)方法分別對小</p><p>　　麥樣品近紅外光譜與小麥樣品蛋白質(zhì)含量

92、進(jìn)行了支持向量機(jī)的回歸建模。然后用所建</p><p>　　立的 4 種不同支持向量機(jī)回歸模型對另外剩下的 33 個(gè)小麥預(yù)測樣品各自所含的蛋白</p><p>　　質(zhì)含量分別進(jìn)行了預(yù)測，還比較了偏最小二乘法回歸模型的預(yù)測效果，結(jié)果表明，支</p><p>　　持向量機(jī)回歸模型有較好的分析效果[24]。上述幾種方法的特點(diǎn)是在實(shí)驗(yàn)過程中不需粉</p>&l

93、t;p>　　碎樣品或做其他任何處理，真正實(shí)現(xiàn)了食品分析實(shí)驗(yàn)中所追求的無損分析，實(shí)驗(yàn)樣品</p><p>　　在經(jīng)分析后仍然可繼續(xù)用于繁殖，還不會失去基因型優(yōu)良材料，這對于作物育種有著</p><p><b>　　重要意義。</b></p><p>　　化學(xué)計(jì)量學(xué)中模式識別的應(yīng)用</p><p>　　模式識別（pat

94、ern recognition）就是計(jì)量機(jī)自動識別事物，例如文字識別、語音</p><p>　　識別、圖像中物體識別等等。模式識別研究的目的是利用云計(jì)算機(jī)對有關(guān)對你進(jìn)行分</p><p>　　類，在錯(cuò)誤概率最小的條件下，使識別的結(jié)果盡量與客觀物體相符合。模式識別是一</p><p>　　種多元分析方法，它用于樣品的分類識別，揭示的是事物內(nèi)部規(guī)律和隱含性質(zhì)，借助<

95、;/p><p><b>　　3</b></p><p>　　化學(xué)計(jì)量學(xué)在水產(chǎn)品質(zhì)量檢測分析中的研究</p><p>　　數(shù)學(xué)方法和計(jì)算機(jī)技術(shù)來完成的一種綜合技術(shù)。模式識別的方法可分為有指導(dǎo)的方法和無指導(dǎo)的方法等。有指導(dǎo)的方法需要有訓(xùn)練集，通過建立模型，可以識別未知樣品，如線性判別、逐步判別分析、神經(jīng)網(wǎng)絡(luò)等。無指導(dǎo)的方法包括最小生成數(shù)和聚類分析

96、等。模式識別已廣泛應(yīng)用于各學(xué)科領(lǐng)域，不同學(xué)科領(lǐng)域跌問題有不同的特點(diǎn)，需根據(jù)數(shù)據(jù)形式和識別目的，選擇合適的分析方法。模式識別方法中，主成分分析、偏最小二乘法、聚類分析等方法已經(jīng)受到廣泛重視。來自不同的地方、經(jīng)過不同處理方法生產(chǎn)的茶煙酒油等，其色度、無機(jī)元素、有機(jī)物物質(zhì)組成成分和含量等指標(biāo)不一樣，主成分分析、偏最小二乘法、聚類分析等模式識別技術(shù)正可通過這些細(xì)微的差別，而區(qū)分不同種類或產(chǎn)地的食品。比如利用模式識別中的主成分分析來進(jìn)行

97、不同產(chǎn)地（東海舟山地區(qū)和南海海南地區(qū)）海帶光譜數(shù)據(jù)的分類識別。所謂主成分分析，就是最佳綜合簡化多變量的大量數(shù)據(jù)。其基本含義為利用特征分析的數(shù)學(xué)方法從數(shù)據(jù)陣求取特征值和特征矢量。方法是轉(zhuǎn)換原變量，使少數(shù)新變量成為原變量的線性組合，同時(shí)新變量應(yīng)盡量表征原變量的結(jié)構(gòu)特征，而不丟失信息。以少數(shù)綜合變量取代原始的多數(shù)變量，提供有</p><p><b>　　4</b></p>

98、<p><b>　　前 言</b></p><p>　　結(jié)合可為區(qū)別更多不同地區(qū)產(chǎn)海帶以及中藥材的鑒別區(qū)分，提供客觀、科學(xué)的參考依</p><p>　　據(jù)。分辨分析、近鄰算法 和 Fisher 差別分析等模式識別技術(shù)也常用于食品中乳制品、</p><p>　　肉制品及白酒和紅酒類別分析。張國文等以水分及揮發(fā)物、皂化值、色澤、折光率、&

99、lt;/p><p>　　密度、酸值等理化性質(zhì)作為分析變量，采用聚類分析、主成分分析兩模式識別技術(shù)對</p><p>　　54 個(gè)酸敗菜籽油、合格菜籽油和食用豆油精準(zhǔn)地區(qū)分為三組，用偏最小二乘法處理</p><p>　　實(shí)驗(yàn)數(shù)據(jù)，建立了判別模型，并對測試集的未知樣品進(jìn)行預(yù)報(bào)，實(shí)驗(yàn)結(jié)果令人滿意[25]。</p><p>　　劉建學(xué)等用余弦相似度聚類分

100、析方法對 49 個(gè)大米樣品的實(shí)驗(yàn)所得近紅外光譜數(shù)據(jù)進(jìn)</p><p>　　行了分析，獲得 9 個(gè)特征因子，并將此因子與大米蛋白質(zhì)含量參比值進(jìn)行回歸，取得</p><p>　　令人滿意的實(shí)驗(yàn)結(jié)果[26]。</p><p><b>　　人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用</b></p><p>　　人工神經(jīng)網(wǎng)絡(luò)模擬具有組織學(xué)習(xí)能力的人腦結(jié)構(gòu)

101、，對生物神經(jīng)系統(tǒng)的結(jié)構(gòu)與功能</p><p>　　關(guān)系進(jìn)行模仿，經(jīng)過數(shù)學(xué)抽象和簡化而逐步發(fā)展起來的一種新型計(jì)算系統(tǒng)，常用于處</p><p>　　理不正確的非線性過程量測數(shù)據(jù)。其原理是先給予網(wǎng)絡(luò)訓(xùn)練集，把人工神經(jīng)網(wǎng)絡(luò)的實(shí)</p><p>　　際輸出結(jié)果與正確的目標(biāo)結(jié)果進(jìn)行比較，再根據(jù)兩結(jié)果的偏差情況進(jìn)一步修改網(wǎng)絡(luò)各</p><p>　　節(jié)點(diǎn)的

102、連接權(quán)重，反復(fù)試驗(yàn)使得網(wǎng)絡(luò)計(jì)算的誤差不斷變小，直至實(shí)際輸出值與正確的</p><p>　　目標(biāo)值間的偏差滿足實(shí)驗(yàn)所需精度。網(wǎng)絡(luò)得以訓(xùn)練后會將系統(tǒng)規(guī)則、變量轉(zhuǎn)化、預(yù)測</p><p>　　能力等權(quán)值固定下來，并隱含在網(wǎng)絡(luò)里，應(yīng)用時(shí)只需要在輸入層輸入所需預(yù)測信息，</p><p>　　結(jié)果即會自動出來[27]。所以，它能食品分析中的成分含量等定量檢測分析中得以重視。&l

103、t;/p><p>　　在常規(guī)的食品營養(yǎng)分析中，混合體系的各組分含量的同時(shí)測定會遇到光譜的嚴(yán)重重疊</p><p>　　而難以分析的困難，如維生素 B1、B2、B6 三組分混合體系的光譜會嚴(yán)重重疊，要同</p><p>　　時(shí)測定含量，可用 BP 算法對其嚴(yán)重重疊的熒光光譜進(jìn)行分析，并最終進(jìn)行含量的測</p><p>　　定[28]。王笑丹等在肌內(nèi)

104、脂肪含量測定時(shí)發(fā)現(xiàn)，用多元線性回歸、神經(jīng)網(wǎng)絡(luò)、非線性回</p><p>　　歸三種計(jì)算方法分別建立的模型中，非線性回歸模型測量結(jié)果的正確率達(dá) 85%以上</p><p>　　[29]。曹永生等人運(yùn)用人工神經(jīng)網(wǎng)絡(luò)的誤差反向傳播算法，結(jié)合分光光度法，對自然環(huán)</p><p>　　境水樣本中的苯酚、間氨基酚和間苯二酚混合體系在不經(jīng)分離的情況下進(jìn)行了了同時(shí)</p>

105、;<p>　　測定，操作簡單，結(jié)果良好[30]。在煙草樣品總糖含量研究中，可運(yùn)用人工神經(jīng)網(wǎng)絡(luò)和</p><p>　　偏最小二乘法，并根據(jù)煙草樣品近紅外光譜與樣品總糖含量的非線性相關(guān)性，提出一</p><p>　　種新型的、能快速準(zhǔn)確計(jì)算的混合算法，并建立近紅外光譜的非線性模型，實(shí)驗(yàn)中的</p><p>　　預(yù)測結(jié)果明顯得以改善[31]。羅一帆等人為檢測

106、茶葉中茶多糖和茶多酚含量，用人工神</p><p>　　經(jīng)網(wǎng)絡(luò)方法對茶葉的近紅外光譜數(shù)據(jù)進(jìn)行了建模分析，實(shí)驗(yàn)預(yù)測結(jié)果令人滿意，從這</p><p>　　也可以看出人工神經(jīng)網(wǎng)絡(luò)在光譜分析中的重大作用[32]。殷勇等人將含銅、鋅、鉛、鎘</p><p>　　混合金屬離子溶液用方波溶出伏安法進(jìn)行了組分測定，然后借人工神經(jīng)網(wǎng)絡(luò)方法處理</p><p>

107、;　　實(shí)驗(yàn)結(jié)果，以此建立能快速同時(shí)測定上述 4 種金屬離子含量的人工神經(jīng)網(wǎng)絡(luò)測試模</p><p>　　型，實(shí)驗(yàn)測量結(jié)果相對準(zhǔn)確。這說明人工神經(jīng)網(wǎng)絡(luò)在食品里的微量元素分析上的應(yīng)用</p><p><b>　　5</b></p><p>　　化學(xué)計(jì)量學(xué)在水產(chǎn)品質(zhì)量檢測分析中的研究</p><p>　　前景非常樂觀[33]。

108、</p><p>　　化學(xué)計(jì)量學(xué)在食品科學(xué)中的實(shí)際應(yīng)用領(lǐng)域</p><p>　　在食品分析中，化學(xué)計(jì)量學(xué)能消除背景干擾、分析重疊波譜、揭示重疊波譜數(shù)據(jù)</p><p>　　中隱含的大量的非常有價(jià)值的信息（結(jié)構(gòu)、性狀、種類等）。比如它能正確預(yù)報(bào)成分</p><p>　　含量及食品添加劑含量，這將為食品摻偽分析、區(qū)分食品種類提供科學(xué)依據(jù)，使人們&

109、lt;/p><p>　　能直觀而有效地控制食品的生產(chǎn)加工。</p><p>　　在食品營養(yǎng)成分分析中的應(yīng)用</p><p>　　食品營養(yǎng)成分分析主要包括對食品中的維生素、脂肪或脂肪酸、蛋白質(zhì)或氨基酸、</p><p>　　水分、無機(jī)元素和各種糖類的定量分析。傳統(tǒng)的化學(xué)分析方法優(yōu)缺點(diǎn)明顯，如結(jié)果較</p><p>　　精確但

110、樣品前處理復(fù)雜、分析時(shí)間長、實(shí)驗(yàn)條件可控性不強(qiáng)。在食品成分析中，光譜</p><p>　　法與色譜法應(yīng)用較多，但光譜中官能團(tuán)吸收峰分相互重疊，還會受其它噪音影響，使</p><p>　　得測定結(jié)果不準(zhǔn)確，若結(jié)合化學(xué)計(jì)量學(xué)，可消除干擾，準(zhǔn)確解析復(fù)雜重疊波譜。國內(nèi)</p><p>　　外對此的研究皆表明，化學(xué)計(jì)量學(xué)中的多元分辨技術(shù)方法和小波分析方法能科學(xué)解決</p

111、><p>　　二維數(shù)據(jù)重疊峰的解析、紅外光譜數(shù)據(jù)的平滑濾噪難題，提高定性定量分析結(jié)果的準(zhǔn)</p><p><b>　　確性。</b></p><p>　　在近紅外光譜的定量分析中，齊小明等人[34]提出了主成分-逐步回歸-BP 算法的</p><p>　　新算法模式，小麥蛋白質(zhì)含量測定中，此新算法建立的模型的預(yù)測精度要明顯高

112、于主</p><p>　　成分-BP 算法和逐步回歸-BP 算法。佘金明等[35]利用化學(xué)計(jì)量學(xué)解析法分辨重疊色譜</p><p>　　峰分析了山柰揮發(fā)油成分，比單獨(dú)地使用氣相色譜-質(zhì)譜聯(lián)用(gas chromatography and</p><p>　　mass spectrometry,GC-MS)得到的結(jié)果更加準(zhǔn)確可靠。為能準(zhǔn)確預(yù)測啤酒的感官評價(jià)，</

113、p><p>　　任亦賀等[36]將人工神經(jīng)網(wǎng)絡(luò)、遺傳算法和主成分分析相結(jié)合建立了一種啤酒感官評價(jià)</p><p>　　模型，然后用它有效的預(yù)測了 50 種啤酒的感官得分。Mohammed 等人[37]運(yùn)用傅立葉</p><p>　　變換紅外光譜（Fourier transform infrared，F(xiàn)TIR），并結(jié)合化學(xué)計(jì)量學(xué)（偏最小二乘</p><

114、p>　　回歸、判別因子分析、主成分分析）建立檢測分析模型，此模型能在排除溫度等貯藏</p><p>　　條件干擾下，快速準(zhǔn)確檢測出傳統(tǒng)商業(yè)包裝中牛肉末的品質(zhì)變化情況。在測定西紅柿</p><p>　　葡萄糖含量中，張恒等人[38]采用小波變換方法，運(yùn)用小波濾噪及平滑技術(shù)對其紅外光</p><p>　　譜進(jìn)行處理，建立了非線性數(shù)學(xué)模型，增強(qiáng)了分辨能力，獲得了更為