根据特征变量预测boletus bainiugan在不同干燥温度下对pyrazines的预测和风味强度的识别

科学领域:

• 食品科学与技术 食品科学与技术
• 分析化学 分析化学
• 频谱学是一种光谱学.

背景情况:

• 对Boletus bainiugan中的挥发性化合物的定量分析对于风味研究至关重要.
• 分析风味化合物的传统方法耗时且劳动密集.
• 开发快速,高通量方法对于高效的风味分析至关重要.

研究的目的:

• 建议使用光谱和数据融合技术在Boletus bainiugan中用于pyrazines的快速预测方法.
• 为了评估不同的光谱数据集和数据融合水平的有效性,以预测pyrazine含量.
• 使用开发的预测模型,根据干燥温度区分Boletus bainiugan样本.

主要方法:

• 使用里叶变换近红外 (FT-NIR) 和减弱总反射率里叶变换红外 (ATR-FTIR) 光谱.
• 采用低级和中级数据融合技术.
• 构建了147个局部最小平方回归 (PLSR) 模型,采用各种预处理和特征提取方法,包括二次导出-非信息变量消除 (SD-UVE).

主要成果:

• 基于SD-UVE的FT-NIR光谱数据集准确地预测了七个关键的pyrazine化合物 (R2p>0.840,RPD>2.418).
• 选的189个特征波数准确地预测了其他pyrazine化合物 (最高R2p = 0.909,最佳RPD = 2.506).
• 从其他干燥温度中成功区分了具有高风味强度 (65°C) 的Boletus bainiugan,准确度为95.23%.

结论:

• 光谱和数据融合技术提供了一个快速而准确的方法来预测Boletus bainiugan. pyrazine的挥发性化合物.
• 开发的方法可以有效地将光谱数据与干燥温度和风味强度相关联.
• 这项研究为食品矩阵中其他挥发性化合物的光谱预测提供了理论基础.