摘要
为弥补国标检测方法测定香菇总糖含量耗时长、步骤繁琐的缺陷,创建近红外(near infrared,NIR)光谱技术在测定香菇总糖含量方面应用,采用NIR分析技术与偏最小二乘算法(partial least square,PLS)建立香菇总糖的NIR分析模型,并对模型进行参数优化.实验共收集了106批样品,从中随机抽取13批作为验证集,用于验证该模型的可靠性,剩余的93批样品为校正集.在校正集中,通过杠杆值法和学生化残差法筛选出65批能够较理想地代表一般香菇特征的样品,用于确定NIR光谱检测范围、PLS主因子数等参数,基于NIR光谱数据的香菇总糖含量建立定量分析模型.校正集的建模结果表明,使用多元散射校正(multiplicative scatter correction,MSC)及二阶导数(second derivatives,SD)对原始光谱进行预处理,光谱范围为4000～10000 cm-1,PLS主因子数为10时,基于NIR的香菇总糖检测模型的建模效果最优,即均方根误差比值满足检验条件,校正集R2(决定系数)最高为0.94004,校正均方根误差为1.393,预测集均方根误差为1.557,相对分析误差最优为4.08.验证集对模型的检验结果显示,样品的预测值和实测值具有良好的线性关系,且二者没有显著差异(P=0.993).由此表明,本实验建立的NIR分析模型可用于准确预测香菇样品的总糖含量.
国家科技期刊平台
NSTL
维普
万方数据