可见近红外光谱结合多元统计分析的面粉吸水率检测模型构建

面粉吸水率是评价面粉质量和预测面制品加工特性的重要品质性状。面粉吸水率的测定主要参照国际或国家标准利用粉质仪进行,其测定方法费时费力。基于此,提出利用可见近红外光谱分析技术结合多元统计分析进行面粉吸水率快速、无损检测。参照国标法测定150份小麦面粉样品的吸水率,面粉吸水率变幅为53.10%~74.50%。利用可见近红外分析仪采集面粉样品的光谱信息,有效光谱范围为570~1100 nm。采用偏最小二乘回归(PLSR)、主成分回归(PCR)和支持向量机回归(SVR)将光谱信息和面粉吸水率进行关联,分别建立面粉吸水率的定量分析预测模型,筛选最优的建模方法。在优选的建模方法的基础上,采用竞争性自适应重加权(CARS)、区间随机蛙跳(iRF)、迭代保留信息变量(IRIV)和连续投影(SPA)算法提取特征波长,筛选最优的特征波长提取算法。基于最优的建模方法和最优的特征波长提取算法提取的特征波长,采用标准化(NL)、一阶求导(1 st Der)、基线校正(BL)、标准正态变换(SNV)和去趋势化(DT)5种光谱预处理方法对特征波长的光谱进行预处理,筛选最优的光谱预处理方法。结果表明,采用NL光谱预处理方法对CARS算法提取的24个特征波长(仅占原始波长的2.26%)的光谱进行预处理后建立的PLSR模型性能最佳,预测集相关系数(R_(p)^(2))、预测集均方根误差(RMSEP)和预测相对分析误差(RPD)分别为0.8894、1.4585和2.6413。采用CARS算法提取的特征波长所建的模型不仅能提高模型的性能,还很大程度提高模型运算效率、降低仪器制造成本和光谱仪微型化的难度,从而为面粉吸水率可见近红外无损、快速检测研究奠定了基础。

山东省小麦品种品质状况分析

根据1998～2003年间山东省小麦高肥区试品系和审定品种的试验结果,分析了山东小麦品种品质性状特点。结果表明:37个完成两年区试的参试品系平均籽粒蛋白质含量14 6%,湿面筋32 9%,吸水率57 3%,面团稳定时间4 5min;15个审定品种的平均籽粒蛋白质含量为15%,湿面筋33 4%,沉降值为34 3ml,吸水率58 0%,面团稳定时间6 9min;区试品系和审定品种产量分别较对照品种平均增产3 0%和3 74%,其中7个强筋小麦审定品种产量平均较对照增产2 6%,其他审定品种增产4 7%。优质小麦品种产量由过去的显著减产变为平均增产是山东小麦品种品质改良的重要突破;面粉吸水率偏低、面团稳定时间较短是今后小麦品种品质改良中值得注意的问题。