稻谷水分近红外光谱预测模型特征波长筛选
2022-08-04吕都周帅陈中爱唐健波
食品工业 2022年7期
关键词:模型
吕都,周帅,陈中爱,唐健波
贵州省农业科学院生物技术研究所(贵阳 550006)
2020年,我国稻谷总产量约为2.1亿 t,占全球稻谷产量的32.5%左右[1-2]。大米是稻谷经过加工脱壳而来的产品,我国有超过一半的人口都以大米为主食[3]。稻谷籽粒具有完整的稻壳,起着保护颖果的作用,使其在储藏过程中稳定性较强,对防止虫霉危害与缓解稻米吸湿有一定的作用,大米多以稻谷的形式来进行储存[4]。水分是稻谷储存期间的重要指标,水分过高稻谷易发生霉变,稻谷水分的快速准确检测是稻谷良好收储的关键。
常规检测方法存在对样品破坏度大,试验操作繁琐,试验条件要求高,检测结果时间长等问题[5]。近红外光谱技术具有无损、前处理简单、易操作、检测时间短、检测速度快等特点,近年来被广泛应用于农业领域,尤其是谷物品质分析[6-7]。近红外光谱的吸收带是有机物质中能量较高的化学键(主要是C—H、O—H、N—H)在中红外光谱区基频吸收的倍频、合频和差频吸收带叠加而成,所以近红外光谱的吸收谱带重叠严重[8]。采用全波长近红外光谱建立预测模型时,光谱中含有大量冗余信息会影响预测模型的质量和精度,并对计算机的运行能力提出较高要求,增加了模型的解析难度,因此,从近红外光谱中筛选出与分析目标相关的特征波长是近红外快速检测技术的一个难点,也是一个研究热点[9-10]。
近红外光谱特征波长的筛选方法主要有间隔偏最小二乘法(iPLS)、连续投影算法(SPA)、移动窗(MW)、随机蛙跳(RF)、无信息变量消除法(UVE),自适应量加权采样(CARS)和遗传算法(GA)[11-12]。……
登录APP查看全文
