通过使用特有的波长优化算法来提高FT-NIR的准确性,以确定小麦中的泽拉伦含量
Jingwen Zhu1, Yu Chen1, Jihong Deng1
1School of Electrical and Information Engineering, Jiangsu University, Zhenjiang 212013, PR China.
概括
这项研究提出了一种新的方法,用于准确量化小麦中的泽拉伦 (ZEN),使用里埃变换近红外光谱学 (FT-NIR) 和高级特征选择. 开发的模型为在谷物中检测这种真菌毒素提供了高精度.
科学领域:
- 农业化学 农业化学
- 分析化学 分析化学
- 频谱学是一种光谱学.
背景情况:
- 泽拉 (ZEN) 是谷物中常见的真菌毒素,对人类和动物健康构成风险.
- 准确量化小麦中的ZEN对于食品安全和质量控制至关重要.
- 现有的ZEN检测方法可能耗时,需要复杂的样本准备.
研究的目的:
- 开发一种高精度,快速和准确的方法来量化小麦中的泽拉伦 (ZEN).
- 为了评估里埃变换近红外光谱法 (FT-NIR) 的有效性,结合特征选择算法进行ZEN分析.
- 建立一个强大的化学测量模型,可靠地检测农产品中的ZEN.
主要方法:
- 福里埃变换近红外光谱法 (FT-NIR) 用于收集不同菌水平的小麦样本的光谱数据.
- 三种特征选择算法竞争性适应性重权取样 (CARS),支持向量机-递归特征消除 (SVM-RFE) 和多个特征空间集合-最小绝对收缩和选择运算符 (MFE-LASSO) 应用于光谱数据.
- 部分最小平方 (PLS) 回归模型是使用算法选择的特征来量化ZEN.
主要成果:
- MFE-LASSO算法优化了PLS模型,实现了ZEN量化最好的概括性能.
- 最佳模型显示预测的根平均平方误差 (RMSEP) 为18.6442 μg·kg-1,预测确定系数 (RP2) 为0.9545,相对百分比偏差 (RPD) 为4.3198.
- 结果证实了使用FT-NIR光谱学与特征选择相结合用于在小麦中准确确定ZEN的可行性.
结论:
- 与特征选择算法相结合的FT-NIR光谱学提供了一种可行且准确的方法,用于在小麦中定量确定zearalenone.
- 这种方法为检测真菌毒素的传统分析技术提供了快速而精确的替代方案.
- 该方法有可能扩展到检测其他谷物作物的各种模具和真菌毒素.
