基于近红外光谱法建立核桃仁可溶性蛋白质含量检测模型

【目的】核桃仁中的可溶性蛋白质含量是影响核桃品质的重要指标,比较核桃仁可溶性蛋白质含量不同模型之间的预测性能。【方法】以180份核桃仁样品作为研究对象,采集样品的近红外漫反射光谱。使用6种不同预处理方法对光谱信息进行处理,比较BP神经网络法和支持向量回归(SVR)建立核桃仁蛋白质的预测模型。【结果】2种方法对不同组合的预处理方法所建立模型的决定系数均大于0.81,相比于SVR模型的预测模型性能,MSC+FD+BP神经网络所建的预测模型性能更优,建模集的决定系数R~2为0.871,均方根误差为0.089 5,RPD为2.875;验证集的R~2为0.825,均方根误差为0.105 9,RPD值为2.233。【结论】BP神经网络算法在特征波段的核桃仁可溶性蛋白质含量预测建模中,模型质量优于SVR算法。MSC+FD+CARS+BP神经网络建模方式更适用核桃仁可溶性蛋白质含量的预测,为使用近红外光谱分析核桃仁质量提供了参考依据。

近红外光谱传感技术在农产品品质检测中的应用

近红外光谱技术已经伴随着微波光谱技术、化学计量学研究和电子计算机技术方面的进一步发展而日益得到迅速的完善,该技术以其快速、无损、简便、高效等优点已被各领域广泛应用。农产品是目前人类生活过程中不可或缺的重要营养组成部分,产品质量的优劣对人们健康生活具有重要影响。主要从近红外光谱识别技术的发展历程,通过光谱技术对农产品进行感官品质检测鉴定、掺假成分鉴别、品种鉴别、产地溯源等方面,详细探讨了目前此技术在各类农产品品质鉴定检测产品上取得的成果应用,并对今后进一步创新发展思路进行展望。