基于小波压缩的马铃薯全粉还原糖近红外光谱检测研究

为探讨小波压缩算法结合近红外光谱技术在马铃薯全粉还原糖含量检测中的可行性,采用傅里叶变换近红外光谱仪采集了250份马铃薯全粉样品的近红外光谱。分别优化了消失矩、小波系数和主成分因子数,优化结果为10,100和20。基于db小波函数将1 501个马铃薯全粉的近红外光谱变量压缩成100个小波系数。分别以1 501个光谱变量和100个小波系数为变量分别建立了偏最小二乘(PLS)校正模型。以62个未参与建模的样品作为预测集,考察模型的预测能力。经比较,小波压缩结合PLS的校正模型预测结果最优,模型预测相关系数为0.98,预测均方根误差为0.181%。实验结果表明小波压缩算法结合近红外光谱技术有效地保留了有效光谱信息,实现了光谱数据降维,简化了马铃薯全粉还原糖PLS校正模型,提高了模型的预测能力。

食醋总酸和还原糖含量近红外光谱检测模型的优化研究

【目的】采用近红外光谱(Near-infrared spectroscopy,NIRS)分析技术对食醋中的总酸和还原糖进行快速定量分析,为食醋品质的检测提供技术支持。【方法】用近红外透射光谱法采集食醋的光谱信息,用Savitzky-Go-lay一阶导数和小波导数(Wavelet derivative,WD)对采集到的食醋光谱进行预处理,采用连续投影算法(Successiveprojections algorithm,SPA)的波长筛选方法对食醋的总酸以及还原糖定量分析模型进行优化。【结果】食醋光谱经小波导数预处理和基于SPA的波长优选后,总酸和还原糖含量分析精度得以提高,模型得到简化。总酸的预测均方根误差(Root mean square error of prediction,RMSEP)由0.282降低为0.227,预测相关系数(Correlation coefficientof prediction,Rp)由0.965提高到0.977,建模变量由680个精简为51个;还原糖的RMSEP由0.627降低为0.606,预测相关系数Rp由0.996提高至0.997,建模变量精简为50个。【结论】利用近红外光谱分析技术结合小波导数和SPA分析方法,可用于食醋品质的定量分析,为食醋品质的快速检测提供了一种可行的方法。