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8

72實驗方法設計

721實驗儀器

德國布魯克光學儀器公司傅立葉變換近紅外光譜儀，漫反射樣品杯，OPUS65光譜采集及分析軟件，電子天平。

722實驗樣品

實驗用的澱粉均是從市場購買不同品牌或同一品牌不同批次的澱粉，用電子分析天平準確稱量，在澱粉中隨機摻入濃度為0～25％的滑石粉，共製備32個摻雜樣本，並以摻雜後滑石粉的濃度作為樣本的真值。

723光譜采集

將上述澱粉樣品放置在旋轉樣品台的樣品杯中,然後進行近紅外光譜采集。波數範圍12500～4000cm-1,波長間隔8cm-1,掃描64次取平均，環境溫度23～25℃。

73實驗結果與分析

731樣本的近紅外光譜

純滑石粉NIR光譜如圖71所示：

圖71滑石粉樣品光譜圖

32個混合後的澱粉樣品的近紅外漫反射光譜圖如圖72所示。由圖可以看出,在9000～4000cm-1範圍內較為相似，帶有許多澱粉之間的相似信息，峰形、峰位差別很小，無法直接鑒別。

圖7232個摻雜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。

732定量分析模型的建立

將32個樣本應用於NIRS定量分析，確定校正集26個樣本，檢驗集6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1～54463cm-1，維數為4。圖73為澱粉中滑石粉含量近紅外光譜圖交叉驗證NIRS預測值與化學值。

圖73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9939，交叉驗證均方差RMSECV為0118, 偏移為000102。

7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6個樣本進行預測，預測結果如圖74所示。

圖74檢驗集樣品的近紅外光譜交叉驗證NIRS預測值與化學值

詳細分析結果見表71。

樣品編號真實值預測值274789485122849254979929536753535305212519631528952673254654579

74小結

本章利用近紅外光譜技術建立了澱粉中摻雜滑石粉的檢測模型，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、快速地檢測出澱粉中摻雜滑石粉的目的。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。附錄Ⅰ支持向量機檢測澱粉類別Matlab源程序