小波变换结合连续投影算法优化茶叶中咖啡碱的近红外分析模型
2021-11-15赵静远熊智新宁井铭谢德红
分析科学学报 2021年5期
赵静远, 熊智新*, 宁井铭, 谢德红
(1.南京林业大学轻工与食品学院,江苏南京 210037;2.安徽农业大学茶树生物学与资源利用国家重点实验室,安徽合肥 230036)
茶叶中的咖啡碱是茶叶生物碱的主体成分,约占干物质质量的2%~4%,其有兴奋、利尿、解毒、强心,促进血液循环的作用[1 - 3]。咖啡碱可以作为茶叶的特征性化学物质之一,可用于判断茶叶的真假[4]。近红外光谱(Near Infrared Spectroscopy,NIRS)作为一种高效、快速、低成本、无污染的在线检测的分析技术,在农业[5]、医药[6]、烟草[7]和食品[8]等行业得到广泛地重视和应用。目前,国内外学者已利用近红外光谱对茶叶进行了定性分类和定量研究[9 - 13]。利用近红外光谱定量分析咖啡碱依赖于模型的可靠性,但是近红外光谱信息复杂和全谱建模的预测能力不足会影响模型的稳定,通常采用波长变量选择方法,筛选出信息强且对外界影响因素不敏感的波长,从而建立更稳健的模型[14]。已有文献报道[15 - 18]连续投影算法(Successive Projections Algorithm,SPA)能够有效消除众多波长变量间的共线性影响,降低模型复杂度,以其简便、快速的特点得到广泛应用,在多种样品组分的特征波长选取中取得了很好效果。
近红外漫反射光谱由于受到仪器条件、测量环境、样品状态等诸多因素影响,其中含有各种高频的随机噪声、基线漂移、信号本体、样品不均匀和光散射等干扰[19]。已有研究多采用多元散射校正等[20,21]方法尽可能消除这些因素对光谱的干扰,但究竟应该采用何种预处理方法更有利于SPA算法挑选波长,目前所见相关报道较少。……
登录APP查看全文
