基于近紅外光譜技術(shù)稻谷品質(zhì)分析模型的研究.pdf

1、稻谷是我國的主要糧食作物之一，稻谷的品種繁多給收購品質(zhì)的鑒定帶來較大困難，收購人員難以憑借外表、體型、口感準(zhǔn)確分析稻谷品質(zhì)的好壞，傳統(tǒng)的稻谷品質(zhì)分析方法也并不適合現(xiàn)場收購。本論文基于近紅外光譜技術(shù)研究稻谷水分含量、粗蛋白含量、脂肪酸值及直鏈淀粉含量的分析模型，旨在為快速準(zhǔn)確評(píng)價(jià)稻谷收購質(zhì)量提供一種新的方法。
　　采用常規(guī)的化學(xué)方法測定代表性稻谷樣品的水分含量、粗蛋白含量、脂肪酸值、直鏈淀粉含量等品質(zhì)指標(biāo)，測得的稻谷水分含量、粗蛋白

2、含量、脂肪酸值、直鏈淀粉含量的分布范圍分別是10.26~21.26％、6.27~10.23%、11.44~41.89mg KOH/100g、13.18~20.86%。選用SupNIR-2700系列近紅外光譜分析儀采集安徽省、江蘇省、湖南省、黑龍江省稻谷樣品近紅外光譜圖，采用與儀器配套的化學(xué)計(jì)量學(xué)定標(biāo)軟件RIMP進(jìn)行數(shù)據(jù)分析。選擇馬氏距離法挑選建模集樣品中的異常樣品，對(duì)獲取的圖譜采用不同的預(yù)處理方法，比較不同預(yù)處理方法下的建模效果，通過比

3、較校正標(biāo)準(zhǔn)差（SEC）、校正模型相關(guān)系數(shù)（RC）、交互驗(yàn)證標(biāo)準(zhǔn)差（SECV）、預(yù)測標(biāo)準(zhǔn)差（SEP）四個(gè)指標(biāo)，選擇最優(yōu)的預(yù)處理方法。采用隨機(jī)方法劃分樣品集，80%作為校正集，20%作為驗(yàn)證集，選擇偏最小二乘法（PLS）和人工神經(jīng)網(wǎng)絡(luò)（ANN）分別建立各省近紅外稻谷品質(zhì)指標(biāo)的定標(biāo)模型及粳稻、秈稻、整體稻谷樣品的定標(biāo)模型，比較兩種方法的建模差異。選擇適當(dāng)數(shù)量的未知樣品研究所建定標(biāo)模型的預(yù)測性能，通過雙尾T檢驗(yàn)法分析化學(xué)值和預(yù)測值之間的差異，研

4、究近紅外光譜技術(shù)能否用于稻谷主要品質(zhì)指標(biāo)的準(zhǔn)確測定。結(jié)果表明：
　　1.不同預(yù)處理方法下建模效果存在差異，對(duì)于PLS建模，選擇Savitzky-Golay平滑+Savitzky-Golay導(dǎo)數(shù)+多元散射校正(MSC)+均值中心化的組合的預(yù)處理方法有最好的建模效果，對(duì)于ANN建模，選擇標(biāo)準(zhǔn)正態(tài)變量變換+去趨勢(shì)校正+Savitzky-Golay平滑+Savitzky-Golay導(dǎo)數(shù)+均值中心化的組合的預(yù)處理方法有最好的建模效果。

5、>　　2.不同地區(qū)、不同種類稻谷建模效果存在一定差異，PLS與ANN兩種方法的建模效果差異不明顯，均可以用于稻谷主要品質(zhì)指標(biāo)近紅外模型的建立。
　　3.最終建立的稻谷水分含量模型對(duì)未知樣品的預(yù)測R2接近0.97，化學(xué)值和預(yù)測值之間的絕對(duì)偏差為0.06%，稻谷粗蛋白含量模型對(duì)未知樣品的預(yù)測R2接近0.87，化學(xué)值和預(yù)測值之間的絕對(duì)偏差為0.02%，稻谷脂肪酸值模型對(duì)未知樣品的預(yù)測R2超過0.62，化學(xué)值和預(yù)測值之間的絕對(duì)偏差為0.1