目的建立浦城薏米粉水分和还原糖的近红外光谱快速检测模型。方法采集浦城薏米粉样品的近红外光谱图,使用6种不同方法对样品的原始光谱分别进行预处理,在全波段10000-4000 cm^(-1)范围内建立薏米粉偏最小二乘法(partial least squares,P...目的建立浦城薏米粉水分和还原糖的近红外光谱快速检测模型。方法采集浦城薏米粉样品的近红外光谱图,使用6种不同方法对样品的原始光谱分别进行预处理,在全波段10000-4000 cm^(-1)范围内建立薏米粉偏最小二乘法(partial least squares,PLS)的定量分析模型。结果浦城薏米粉原始光谱在标准正态变换(standard normal variate,SNV)预处理后确定水分含量最佳模型的光谱波段(5944-5590 cm^(-1)),主因子数为7,校正决定系数(determination coefficient of calibration,R_(c)^(2))为 0.9904,均方根误差(root mean square error,RMSEC)为0.0631;在二阶导数法(second derivative,SD)预处理后确定还原糖含量最佳模型的光谱波段(9845-7386 cm^(-1)),主因子数为6,R_(c)^(2)为0.9998,RMSEC为0.0187。在上述条件下,水分和还原糖含量的验证集相关系数(determination coefficient of prediction,R_(p)^(2))分别为 0.9902 和 0.9989,验证均方根(root mean square of prediction error,RMSEP)分别为0.0693和0.0698。结论经验证,该模型可以实现浦城薏米粉中水分和还原糖含量的快速无损检测。展开更多
文摘目的建立浦城薏米粉水分和还原糖的近红外光谱快速检测模型。方法采集浦城薏米粉样品的近红外光谱图,使用6种不同方法对样品的原始光谱分别进行预处理,在全波段10000-4000 cm^(-1)范围内建立薏米粉偏最小二乘法(partial least squares,PLS)的定量分析模型。结果浦城薏米粉原始光谱在标准正态变换(standard normal variate,SNV)预处理后确定水分含量最佳模型的光谱波段(5944-5590 cm^(-1)),主因子数为7,校正决定系数(determination coefficient of calibration,R_(c)^(2))为 0.9904,均方根误差(root mean square error,RMSEC)为0.0631;在二阶导数法(second derivative,SD)预处理后确定还原糖含量最佳模型的光谱波段(9845-7386 cm^(-1)),主因子数为6,R_(c)^(2)为0.9998,RMSEC为0.0187。在上述条件下,水分和还原糖含量的验证集相关系数(determination coefficient of prediction,R_(p)^(2))分别为 0.9902 和 0.9989,验证均方根(root mean square of prediction error,RMSEP)分别为0.0693和0.0698。结论经验证,该模型可以实现浦城薏米粉中水分和还原糖含量的快速无损检测。
