基于正交信号校正和偏最小二乘(OSC/PLS)的苹果糖度近红外检测

采用正交信号校正法(OSC)对苹果的近红外光谱(1300nm～2100nm)进行预处理,并结合偏最小二乘法(PLS)建立了苹果光谱对糖度的预测模型。应用结果表明,经OSC法预处理后,光谱形状总体上与原始光谱没有差别,但光谱曲线变得更为光滑,排列更为整齐、紧密。这说明正交信号校正法(OSC)滤除了原始光谱中的部分噪声,但又保留了原光谱中的主要信息。苹果光谱对糖度的PLS校正模型采纳的最佳因子数会随着OSC因子的被逐个滤除而逐渐减少,甚至可减少至1(当然模型精度也有变化)。本研究中,校正模型的最佳性能产生于原始光谱被滤除10个OSC因子时,此时其采纳的最佳因子数为2,校正时的相关系数r2和标准偏差SEC分别为0.92644和0.40250,预测时的标准偏差SEP为0.50229。与OSC法处理前的PLS模型相比,其精度虽没有大幅提高,但由于采纳的因子数少,模型变得十分简洁。

正交信号校正方法在啤酒酒精度近红外光谱分析中的应用

以啤酒酒精度的快速测定为研究对象,对原始光谱分别进行一阶导数、二阶导数、正交信号校正(OSC)等预处理方法后,用偏最小二乘法(PLS)建立了啤酒酒精度校正模型,然后用所建模型对预测集进行预测。结果表明,使用OSC预处理方法后,PLS主成分数为2,验证集预测均方差和平均相对误差分别为0.095%和1.002%,效果最佳。在建立定量校正模型前,对光谱进行OSC预处理方法滤除了与浓度阵无关的光谱信号,减少了建立模型所用的主因子数,进一步提高了校正模型的预测能力和稳健性。