马皮对可见近红外光谱和模型优化可溶性固体含量确定的影响

科学领域:

• 农业科学 农业科学
• 频谱学是一种光谱学.
• 化学测量 化学测量 化学测量

背景情况:

• 准确的可溶性固体含量 (SSC) 确定对于马质量评估至关重要,特别是对于油炸产品.
• 近红外 (NIR) 光谱为定量分析提供了一种非破坏性的方法.
• 马皮的存在可能会干扰光谱学预测.

研究的目的:

• 通过NIR光谱学研究土豆皮对SSC的定量预测的影响.
• 评估预处理和可变选择方法在减轻剥皮干扰方面的有效性.
• 开发一个准确和高效的模型,用于SSC预测整个土豆.

主要方法:

• 部分最小平方回归 (PLSR) 模型是使用传输和反射NIR光谱学开发的.
• 作为一种预处理技术,采用了标准化变量分类 (VSN).
• 变量组合人口分析和信息变量的代保留 (VCPA-IRIV) 用于特征选择.

主要成果:

• 该VSN预处理方法有效地减少了皮造成的散射效应和强度漂移,实现R_P = 0.85.
• VCPA-IRIV算法发现,剥离引入了无关的变量,并且它们的删除提高了模型的准确性.
• 在传输模式中,VSN-VCPA-IRIV组合算法产生了R_P = 0.88和RMSEP = 0.25,与使用剥皮土豆的模型相比.

结论:

• 结合的VSN-VCPA-IRIV算法有效地减少了土豆皮对基于NIR的SSC预测的影响.
• 精确的SSC预测是可以实现的整个土豆 (带皮) 使用优化的光谱模型.
• 这种方法提高了检测效率和模型稳定性,使得完整的土豆样本能够进行准确的质量评估.