近紅外光譜快速檢測澱粉品質-近紅外光譜快速檢測澱粉品質7

圖6140個澱粉樣本的近紅外光譜圖

利用化學計量學方法將原光譜進行數學預處理，采用OPUS65軟件分析光譜數據。通過選擇信息較豐富的光譜譜段及對數據進行預處理,實現對原始光譜數據進行優化,建立精度較高的預測模型。回歸統計方法采用偏最小二乘方法（partial least squares,PLS）。偏最小二乘法利用主成分分析將吸光度矩陣和濃度矩陣先分別分解為特征向量和載荷向量，然後用偏最小二乘法在這些穩變量之間建立相互關係，從而得到吸光度矩陣與濃度矩陣之間的數學校正模型。PLS的優點希望盡可能在自變量中提取出與因變量相關性最大的組成分,這對於分析微含量的物質有益。

632定量分析模型的建立

將40個樣本應用於NIRS定量分析，按含量梯度法隔2選1，確定校正集27個樣本，檢驗集13個樣本。通過OPUS65軟件的分析和優化，選擇最優處理算法，通過比較建立混合澱粉的PLS模型的優劣,尋找澱粉的吸收光譜較豐富的波段,分析表明澱粉對光譜信息貢獻量最大的譜區範圍是75021～60981cm-1和54501～45977cm-1，維數為4。圖62為混合澱粉中綠豆澱粉含量近紅外光譜圖交叉驗證NIRS預測值與化學值。

圖62近紅外光譜交叉驗證NIRS預測值與化學值

交互驗證結果表明，NIRS預測值和化學值之間具有顯著的線性相關性，校正樣品均勻地分布在回歸線的兩側，且交互驗證得到的校正相關係數R2為09955，交叉驗證均方差RMSECV為0312,偏移為00115。

633定量分析模型的驗證

為了驗證定量模型的預測精度，實驗用檢驗集的13個樣本進行預測，預測結果如圖63所示。

圖63檢驗集樣品的近紅外光譜交叉驗證NIRS預測值與化學值

詳細分析結果見圖64。

圖6413個檢驗集樣本的分析結果

64小結

本章利用近紅外光譜技術建立了綠豆澱粉摻雜玉米澱粉的檢測模型，詳細討論了光譜的采集，模型的建立以及模型的驗證等。初步實驗結果表明，利用近紅外反射光譜分析技術，能夠準確、快速地檢測出綠豆澱粉中摻雜玉米澱粉的目的。在實際應用前，有必要擴大樣品集的範圍，以進一步檢驗模型和提高模型的適應性。