基于矿物元素指纹图谱技术的松江大米产地溯源
Food Science(2020)
摘要
采用电感耦合等离子体质谱技术分析180 件松江大米与非松江大米样本中40 种矿物元素含量,并结合多元统计方法(方差分析、相关性分析、因子分析和判别分析)分析矿物元素指纹特征,建立判别模型以溯源大米样品的松江与非松江产地.结果表明,大米样本的矿物元素含量在松江与非松江地域间具有显著性差异,元素之间具有显著相关性,因而将筛选后16 种元素降维至5 个公因子,公因子得分散点图能够明确判别大米产地;以筛选后的B、Na、Fe、Co、Ni、Zn、As和Se共8 种矿物元素指标建立的溯源模型对训练集大米产地的整体判别正确率为93.0%,灵敏度为95.2%,特异性为86.8%,交叉检验判别正确率为84.2%~95.2%.验证集样本验证已建立的溯源模型准确度,发现松江与非松江大米产地整体判别正确率为92.1%,灵敏度为96.0%,特异性为84.6%.该模型对训练集与验证集的判别统计学参数基本一致,证明该溯源模型具有优异的判别正确率、灵敏度、特异性和溯源稳定性,因此在判别松江大米与非松江大米的产地上具有切实可行性.结果表明,大米样本的矿物元素含量在松江与非松江地域间具有显著性差异.
更多AI 理解论文
溯源树
样例
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要