Development and optimization of the near infrared spectroscopy quantitative prediction model for methionine of freeze-dried chicken leg muscle powder
扫码查看
点击上方二维码区域，可以放大扫码查看
原文链接
NETL
NSTL
万方数据
维普
目的 建立和优化鸡腿肌冻干粉蛋氨酸近红外定量预测模型.方法 以263个鸡腿肌冻干粉近红外光谱(near infrared spectroscopy,NIRS)和蛋氨酸含量为研究对象,分别采用7种不同光谱预处理方法、4种特征光谱筛选方法、2种蒙特卡洛交叉验证法(异常样本剔除方法)(monte carlo cross validation,MCCV)、样品集划分方法(sample set partitioning based on joint x-y distance,SPXY),应用偏最二小乘法(partial least squares regression,PLS)、内部交互验证和外部验证建立和优化鸡腿肌冻干粉蛋氨酸近红外定量预测模型.结果 最优鸡腿肌冻干粉蛋氨酸NIRS定量预测模型在1000～2502 nm谱段,使用原始光谱,在标准正态变换结合一阶gapsegment(1#,15,7)导数法[standard normal variate-first order gapsegment derivative,SNV+gapsegment(1#,15,7)]光谱的基础上使用MCCV删除54个样本后,采用基于x-y联合距离的SPXY选取156个校正样本,39个外部验证样本所建模型,其校正决定系数(coefficient of determination of calibration,R2CAL)为0.93,内部交互验证决定系数(coefficient of determination of cross validation,SECV)为0.0609,预测决定系数(coefficient of determination of prediction,R2P)为0.83,验证集标准偏差与预测标准偏差的比值(ratio performance deviation calculated as SD/Sep,RPDP)为2.42.结论 模型预测值与化学检测值有很高的相关度,对鸡腿肌冻干粉蛋氨酸NIRS模型预测精度和稳健性影响最大的因素是异常样本剔除方法和建模样本选取方法.
NETL
NSTL
万方数据
维普
