摘要
针对新鲜米糠酚类含量检测的时效性不足的问题,本文建立了一种基于傅里叶转化近红外光谱技术(FT-NIR)的米糠酚类组分快速无损检测方法.以多批次的新鲜米糠作为实验原料,定量分析了其游离态酚类、结合态酚类以及总酚含量,构建了基于全波段和特征波段的偏最小二乘回归(PLSR)、支持向量机(SVM)、BP人工神经网络(BPNN)的预测模型.结果表明:在全波段数据建模中,基于PLSR模型的预测结果(结合态、游离态以及总酚)相对最佳,对应的R2p为0.944、0.943和0.937,RPD为3.031、2.779和2.863;采用竞争适应性重加权采样法(CARS)和连续投影算法(SPA)分别提取了4~8个特征波段,其中基于CARS-PLSR(结合态、游离态R2p以及总酚)预测效果相对最佳,对应的R2p为0.953、0.932和0.944,RPD为3.301、2.759和3.031,建模的运行时间缩短2倍,仅需2 s,符合米糠中酚类物质检测的时效性需求.本研究结果证实了基于FT-NIR技术可以实现米糠中酚类含量组分的快速定量检测.
基金项目
国家重点研发计划(2021YFD2100602)
国家自然科学基金青年项目(32202132)
国家自然科学基金面上项目(32172229)
江苏省高校优势学科建设工程资助项目(PAPD)()
江苏高校品牌专业建设工程资助项目(TAPP)()