Please wait a minute...
 
 
食品与发酵工业  2013, Vol. 39 Issue (10): 223-226    DOI: 10.13995/j.cnki.11-1802/ts.2013.10.007
  食品与发酵工业 本期目录 | 过刊浏览 | 高级检索 |
近红外光谱法测定麦芽中的β-葡聚糖
周青梅, 郭立芸, 林智平,
Detection of β-glucan in malt by near infrared spectroscopy
ZHOU Qing-mei, GUO Li-yun, LIN Zhi-ping
下载:  HTML   PDF (282KB) 
输出:  BibTeX | EndNote (RIS)      
摘要 利用偏最小二乘法建立了近红外定量分析麦芽中β-葡聚糖含量的数学模型,内部交叉验证预测值的相关系数为0.8275,相应标准差为0.06。60个麦芽样品的化学测定值与近红外预测值之间的R2达到0.827,说明建立的近红外模型能预测麦芽的β-葡聚糖含量,有利于在生产过程中对麦芽β-葡聚糖进行分级控制。
服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
周青梅
郭立芸
林智平
关键词:  近红外光谱  麦芽质量  β-葡聚糖    
Abstract: It was established that the mathematical model of NIR for quantitative analysis of β-glucan in malt by partial least squares. The correlation coefficient of internal cross-validation and predictive value was 0. 8275. Corresponding standard error of calibration was 0. 06. The coefficient of determination between chemical determination and NIR predict reached 0. 827 with 60 malt samples. It was concluded that the β-glucan content in malt could be predicted accurately by NIR model. It could be used in the production for controlling the malt β-glucan content.
Key words:  NIR;;malt quality;;β-glucan
               出版日期:  2013-10-25      发布日期:  2013-10-25      期的出版日期:  2013-10-25
引用本文:    
周青梅,郭立芸,林智平. 近红外光谱法测定麦芽中的β-葡聚糖[J]. 食品与发酵工业, 2013, 39(10): 223-226.
ZHOU Qing-mei,GUO Li-yun,LIN Zhi-ping. Detection of β-glucan in malt by near infrared spectroscopy[J]. Food and Fermentation Industries, 2013, 39(10): 223-226.
链接本文:  
http://sf1970.cnif.cn/CN/10.13995/j.cnki.11-1802/ts.2013.10.007  或          http://sf1970.cnif.cn/CN/Y2013/V39/I10/223
[1] 杨晨昱, 袁鸿飞, 马惠玲, 任亚梅, 任小林. 基于傅里叶近红外光谱和电子鼻技术的苹果霉心病无损检测[J]. 食品与发酵工业, 2021, 47(7): 211-216.
[2] 张珮, 王银红, 李高阳, 单杨, 朱向荣. 基于近红外光谱的桃果实冷害识别分析[J]. 食品与发酵工业, 2021, 47(2): 254-259.
[3] 蔡德玲, 唐春华, 梁玉英, 曾川, 彭碧宁. 融合近红外光谱和颜色参数的草莓可溶性固形物含量定量分析模型构建[J]. 食品与发酵工业, 2020, 46(7): 218-224.
[4] 盛晓慧, 李宗朋, 李子文, 朱婷婷, 王健, 尹建军, 宋全厚. 近红外光谱技术定量检测果味啤中的果汁含量[J]. 食品与发酵工业, 2020, 46(4): 247-252.
[5] 谈爱玲, 王晓斯, 楚振原, 赵勇. 基于近红外光谱融合与深度学习的玉米成分定量建模方法[J]. 食品与发酵工业, 2020, 46(23): 213-219.
[6] 郝超, 赵忠盖, 刘飞. 基于近红外光谱的柠檬酸发酵液化清液概率偏最小二乘法监控[J]. 食品与发酵工业, 2020, 46(20): 214-220.
[7] 孟庆龙, 尚静, 黄人帅, 陈露涛, 张艳. 苹果可溶性固形物的可见/近红外无损检测[J]. 食品与发酵工业, 2020, 46(19): 205-209.
[8] 唐保山, 李坤, 张雯雯, 史正军, 关庆芳, 徐涓, 马金菊, 刘兰香, 张弘. 近红外漫反射光谱结合偏最小二乘法对紫胶理化指标的快速测定[J]. 食品与发酵工业, 2020, 46(18): 236-244.
[9] 于怀智, 陈东杰, 姜沛宏, 张玉华, 郭风军, 张长峰. 近红外光谱对蒙阴黄桃硬度和可溶性固形物的在线检测[J]. 食品与发酵工业, 2020, 46(14): 216-221.
[10] 张鹏, 陈帅帅, 李江阔, 李博强, 徐勇. 采用近红外光谱进行采后苹果品种及货架期定性判别[J]. 食品与发酵工业, 2019, 45(19): 200-205.
[11] 张智峰, 韩小平, 秦刚, 宋海燕. 近红外光谱结合主成分分析和灰色关联分析的苦荞产地溯源[J]. 食品与发酵工业, 2019, 45(19): 266-269.
[12] 古丽君, 林振华, 吴世玉, 郑彦婕, 周晓文, 袁福定, 江培淳, 林长虹. 近红外光谱结合线性判别分析方法在食醋品牌鉴别中的应用[J]. 食品与发酵工业, 2019, 45(18): 243-247.
[13] 李路 , 黄汉英 , 赵思明 , 等. 基于近红外漫反射光谱的稻谷谷壳率和整精米率预测[J]. 食品与发酵工业, 2018, 44(6): 257-262.
[14] 李路 , 黄汉英 , 李毅 , 等. 稻谷脂肪近红外光谱特征筛选及检测模型构建[J]. 食品与发酵工业, 2018, 44(2): 87-.
[15] 买书魁, 吴镇君, 陈红光, 张福艳, 李子文, 李宗朋, 王琼雅, 尹建军, 王健. 基于近红外光谱技术的白酒原酒中关键成分的定量分析[J]. 食品与发酵工业, 2018, 44(11): 280-285.
No Suggested Reading articles found!
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
版权所有 © 《食品与发酵工业》编辑部
地址:北京朝阳区酒仙桥中路24号院6号楼111室
本系统由北京玛格泰克科技发展有限公司设计开发  技术支持:support@magtech.com.cn