用近紅外光譜分析法快速檢測(cè)菜籽油中芥酸含量.pdf

1、本研究以菜籽油的芥酸含量為檢測(cè)對(duì)象，結(jié)合化學(xué)計(jì)量學(xué)方法，主要從奇異樣品的剔除、建模方法優(yōu)化、波長(zhǎng)優(yōu)選和正交信號(hào)校正四部分深入討論了近紅外光譜技術(shù)在快速定量檢測(cè)應(yīng)用中的幾個(gè)關(guān)鍵問題。 本研究共收集了77個(gè)菜籽油樣品，同步檢測(cè)了菜籽油樣品芥酸含量的化學(xué)值和近紅外光譜。通過剔除奇異樣品的方法，去掉了其中認(rèn)為是異常的13個(gè)樣品，最終參與建模和預(yù)測(cè)的樣品數(shù)是64個(gè)。使用Kennard-Stone算法把64個(gè)樣品進(jìn)行校正集和預(yù)測(cè)集的劃

2、分，其中校正集40個(gè)，預(yù)測(cè)集24個(gè)。對(duì)校正集的原始吸收光譜、一階導(dǎo)數(shù)光譜和二階導(dǎo)數(shù)光譜進(jìn)行了逐步回歸分析，以相關(guān)系數(shù)、平均相對(duì)誤差、均方根誤差等3個(gè)統(tǒng)計(jì)量來評(píng)價(jià)預(yù)測(cè)集預(yù)測(cè)效果，結(jié)果是菜籽油的二階導(dǎo)數(shù)光譜不適合用于芥酸含量建模。運(yùn)用偏最小二乘回歸對(duì)校正集的原始光譜和一階導(dǎo)數(shù)光譜建立定標(biāo)方程，對(duì)24個(gè)預(yù)測(cè)集樣品進(jìn)行預(yù)測(cè)，預(yù)測(cè)結(jié)果的3個(gè)指標(biāo)為：原始光譜的相關(guān)系數(shù)0.988、平均相對(duì)誤差4.899％、均方根誤差1.805，一階導(dǎo)數(shù)光譜的相關(guān)系數(shù)

3、0.989、平均相對(duì)誤差4.453％、均方根誤差1.651。比較相關(guān)系數(shù)法、間隔偏最小二乘法、無關(guān)信息向量消除法、連續(xù)投影法、遺傳算法5種波長(zhǎng)優(yōu)選方法的偏最小二乘回歸建模結(jié)果，得到遺傳算法最優(yōu)，建模預(yù)測(cè)結(jié)果的3個(gè)指標(biāo)是：0.998、1.835％、0.674。還探討了正交信號(hào)校正的預(yù)處理方法對(duì)消除系統(tǒng)噪聲影響的作用，利用不同的正交信號(hào)校正對(duì)原始光譜進(jìn)行預(yù)處理后利用全譜進(jìn)行建模，通過比較，分段正交信號(hào)校正的預(yù)測(cè)效果最好，建模預(yù)測(cè)結(jié)果的3個(gè)指

4、標(biāo)是：0.996、2.418％、0.907。 通過比較分析表明：在不進(jìn)行波長(zhǎng)或波段優(yōu)選時(shí)，偏最小二乘回歸的建模結(jié)果優(yōu)于逐步回歸分析，一階導(dǎo)數(shù)光譜的結(jié)果最好，原始光譜的次之，二階導(dǎo)數(shù)光譜的結(jié)果最差；不同的波長(zhǎng)或波段優(yōu)選方法對(duì)均有不同程度的改善，提高了模型的穩(wěn)健性和準(zhǔn)確性，其中以遺傳算法的結(jié)果最好；正交信號(hào)校正方法對(duì)原始光譜的建模預(yù)測(cè)結(jié)果也有改善。通過上面的研究，為近紅外光譜分析技術(shù)進(jìn)一步廣泛應(yīng)用提供了理論依據(jù)，為提高近紅外光譜分析