【技术实现步骤摘要】
一种预测水果抗氧化活性模型的建立方法及水果抗氧化活性的预测方法
本专利技术涉及分析
,尤其涉及一种预测水果抗氧化活性模型的建立方法及水果抗氧化活性的预测方法。
技术介绍
现有的抗氧化活性测定方法主要是通过考察清除自由基能力来确定,主要的化学方法有:(1)DPPH法:在醇溶剂中,DPPH·+自由基上的单电子与酚类物质配对,使溶液颜色由紫色变浅或变为浅黄色。(2)ABTS法:在过硫化钾的氧化作用下,ABTS被氧化成ABTS·+阳离子(蓝绿色),若待测物质存在时ABTS·+的产生会被抑制,使溶液颜色变浅或变为浅无色。(3)FRAP法:在酸性条件下(pH=3.6时),Fe3+-TPTZ(浅棕黄色)被还原为Fe2+-TPTZ(蓝紫色)。然而,以上几种法对反应时间、初始浓度、测定波长、温度等条件有要求,当条件有所改变时,测定的结果也会发生改变,且试剂需要现配现用,放置时间越久吸光度越低,加大实验操作的限制,容易造成实验误差。此外,湿化学方法有机溶剂消耗大,属于环境不友好型分析技术。
技术实现思路
有鉴于此,本专利技术的目的在于提供一种预测水果抗氧化活性模型的建立方法及水果抗氧化活性的预测方法。本专利技术提供的建立方法得到的模型能够准确预测水果的抗氧化活性,且预测方法操作简单。为了实现上述专利技术目的,本专利技术提供以下技术方案:本专利技术提供了一种预测水果抗氧化活性模型的建立方法,包括以下步骤:获取水果样品的抗氧化活性;获取水果样品的特征近红外光谱信息;基 ...
【技术保护点】
1.一种预测水果抗氧化活性模型的建立方法,其特征在于,包括以下步骤:/n获取水果样品的抗氧化活性;/n获取水果样品的特征近红外光谱信息;/n基于所述水果样品的抗氧化活性和特征近红外光谱信息,利用最小二乘法,得到预测水果抗氧化活性模型;/n所述水果样品的特征近红外光谱信息通过以下步骤获取:/n将水果样品干燥、粉碎,得到果粉;/n将所述果粉进行近红外漫反射检测,得到原始近红外数据;/n所述原始近红外数据采用Savitzky-Golay求导法进行预处理,得到预处理光谱数据;/n将所述水果样品的抗氧化活性和所述预处理光谱数据利用竞争性自适应权重取样法和最小二乘法进行筛选和建模,得到子模型;从得到的子模型中选取相关系数≥0.9的子模型,作为合格模型;提取所述合格模型的特征峰,作为特征近红外光谱信息;/n所述竞争性自适应权重取样法的参数包括:子模型个数为1000个,变量个数占总变量数的70%。/n
【技术特征摘要】
1.一种预测水果抗氧化活性模型的建立方法,其特征在于,包括以下步骤:
获取水果样品的抗氧化活性;
获取水果样品的特征近红外光谱信息;
基于所述水果样品的抗氧化活性和特征近红外光谱信息,利用最小二乘法,得到预测水果抗氧化活性模型;
所述水果样品的特征近红外光谱信息通过以下步骤获取:
将水果样品干燥、粉碎,得到果粉;
将所述果粉进行近红外漫反射检测,得到原始近红外数据;
所述原始近红外数据采用Savitzky-Golay求导法进行预处理,得到预处理光谱数据;
将所述水果样品的抗氧化活性和所述预处理光谱数据利用竞争性自适应权重取样法和最小二乘法进行筛选和建模,得到子模型;从得到的子模型中选取相关系数≥0.9的子模型,作为合格模型;提取所述合格模型的特征峰,作为特征近红外光谱信息;
所述竞争性自适应权重取样法的参数包括:子模型个数为1000个,变量个数占总变量数的70%。
2.根据权利要求1所述的建立方法,其特征在于,所述近红外漫反射检测的参数包括:由光源覆盖的样品区域直径为20mm,积分时间为20ms,扫描范围为900~1700nm,扫描次数为30次,数据分辨率为1.5nm。
3.根据权利要求1所述的建立方法,其特征在于,所述水果样品的抗氧化活性通过以下步骤获取:
将水果样品和体积浓度为30%的乙醇溶液混合,进行超声提取2次,将所得超声提取液固液分离,将所得滤液合并,作为水果提取液;
测试所述水果提取液的抗氧化活性;所述测试水果提取液的抗氧化活性的方法包括DPPH法、ABTS法和FRAP法;
所述DPPH法包括以下步骤:
将所述水果提取液和DPPH溶液混合,室温下于暗处静置30min后,迅速测A517;基于A517...
【专利技术属性】
技术研发人员:陈琦,严军,朱伟伟,吴叶宇,
申请(专利权)人:南宁国拓生物科技有限公司,
类型:发明
国别省市:广西;45
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。