数字农科院2.0

基于中红外光谱技术与机器学习的甘氨酸锌络(螯)合物掺假鉴别研究

文献类型： 中文期刊

作者： 张亦菲;田静;石晓妮;黄家莺;樊霞

作者机构：

关键词： 甘氨酸锌络(螯)合物;中红外光谱;机器学习;掺假鉴别

期刊名称：中国饲料

ISSN： 1004-3314

年卷期： 2025 年

页码：

收录情况： 北大核心（2023版） ; ; 农林核心（2024版）

摘要： 本实验基于中红外光谱（MIR）技术与机器学习,旨在研究有机锌类饲料添加剂中无机锌掺假鉴别的可行性。以甘氨酸锌络（螯）合物和硫酸锌为研究对象,解析了样品的中红外光谱特征;基于偏最小二乘判别法（PLSDA）与偏最小二乘回归法（PLSR）建立校正模型,分别对掺假样品（1%～90%/质量分数）进行定性与定量分析;比较不同预处理方法、特征波段对校正模型预测性能的影响。结果表明:甘氨酸锌络（螯）合物与硫酸锌的MIR光谱差异显著,差异主要集中在2000～400 cm-1波段;特征波段(2000～1300 cm-1)能够提高校正模型的预测性能,PLS-DA最佳模型对外部验证样品的判别正确率为87.9%,PLSR最佳模型对外部验证样品的预测相关系数（R2）为0.86。综上,中红外光谱技术结合机器学习对有机锌中掺杂无机锌进行鉴别具有可行性,可为饲料行业开发有机微量元素掺杂掺假快速无损检测技术提供参考。

分类号：

  • 相关文献

[1]同位素技术在食品安全中的应用. 潘家荣,卢澄,郭波莉. 2006

[2]近红外光谱技术在蜂蜜真实性鉴定中的应用. 陈兰珍,叶志华,赵静. 2008

[3]中红外光谱技术在牛奶营养物质预测及奶牛相关特性分析上的应用. 董利锋,YAN Tianhai,屠焰,刁其玉. 2016

[4]不同储存条件下的蜂王浆中红外光谱判别方法. 陈繁,刘翠玲,陈兰珍,孙晓荣,李熠,金玥. 2019

[5]2016年国内外蜂产品质量安全研究进展. 周金慧,张文文,王欣然,张金振,金玥,杨树鹏,赵文,陈兰珍,问亚琴,王鹏,黄京平,刘婷婷,李熠. 2017

[6]中红外光谱法结合支持向量机快速鉴别蜂蜜品种. 徐天扬,杨娟,孙晓荣,刘翠玲,李熠,周金慧,陈兰珍. 2018

[7]基于中红外光谱技术的甘氨酸铁螯合物判别研究. 石晓妮,田静,贾铮,徐思远,樊霞. 2020

[8]代谢组学技术在肉品鉴别中的应用进展. 王济世,刘晓夏,王彦云,赵汝婷,杨曙明. 2021

[9]一种适用于乳制品基因组DNA快速提取方法的研究. 王之莹,李婷婷,于文杰,陈爱亮. 2020

[10]基于特征脂肪酸的食用油中棉籽油掺假鉴别技术. 陈喆,云永欢,马飞,喻理,汪雪芳,张良晓,李培武. 2023

[11]基于中红外光谱技术快速检测生乳中的腐胺. 佀博学,张养东,郑楠,王加启. 2024

[12]Study on Recognition of Typical Curing Stages of Jiangxi Tobacco Leaves Based on Image Processing. 段史江,,刘浩,,王爱华,,胡毅翀,,齐飞,,胡强. 2024

[13]Global dynamics of streptococcus agalactiae antibiotic resistance: Past, present, and future. 房辉,,李东航,, 魏夏夏 ,,王仁东,, 苏燕燕 ,,于佑任,, 白航铭,, 高会会,,侯捷,,毛大庆,,罗义. 2025

[14]Multiomics and machine learning unveil root exudate-microbiota interactions for cadmium control in rice. 李烨,,侯捷,,刘孟琪,,杜兆林,,陈洪安,,刘国飞,,王雅君,,姚彦坡,,孙佩哲,,赵林,,安毅. 2025

[15]Machine Learning-Driven Prediction of Nitrogen Loss in Organic Solid Waste Composting. Haoran Mi, Dawei Gao, Deling Yuan, Xiao Liu, Lili Gao, Shengping Li, Yuanwang Liu. 2025

[16]基于深度学习的自然语言处理技术的发展及其在农业领域的应用. 崔运鹏,王健,刘娟. 2019

[17]基于文献计量的植物表型组学研究进展分析. 李晓曼,张扬,徐倩,谢能付. 2019

[18]基于无人机遥感的盛花期薇甘菊爆发点识别与监测. 孙中宇,荆文龙,乔曦,杨龙. 2019

[19]基于词向量的检索扩展方法与农业领域实证. 吴蕾,梁晓贺,乌吉斯古楞,王瑞. 2019

[20]基于机器学习的焦油预测模型研究. 郭东锋,刘新民,姚忠达,舒俊生,胡海洲. 2015

作者其他论文 更多>>