通过近红外光谱和基于神经网络的通用回归神经网络方法评估花生蛋白粉质质量

科学领域:

• 农业科学 农业科学
• 分析化学 分析化学
• 频谱学是一种光谱学.

背景情况:

• 全球蛋白质需求正在上升,增加了花生蛋白质粉的重要性.
• 目前对于花生蛋白粉的质量测试方法是低效的.
• 在花生蛋白行业需要快速,准确的质量评估.

研究的目的:

• 开发一种便携式设备,用于快速测试花生蛋白粉的质量.
• 应用近红外光谱学 (NIR) 结合化学测量方法进行定量分析.
• 提高花生蛋白粉质质量评估的准确性和效率.

主要方法:

• 使用便携式近红外光谱仪 (NIR) 设备.
• 采用化学测量技术,包括主要成分分析 (PCA),部分最小平方 (PLS) 和通用回归神经网络 (GRNN).
• 开发了脂肪,蛋白质和水分含量的预测模型.

主要成果:

• 使用PLS和GRNN的NIR方法准确地预测了花生蛋白粉中的脂肪,蛋白质和水分.
• 与PLS模型相比,GRNN模型表现出优越的预测性能.
• 所有参数都实现了高相关系数 (Rcal > 0.990) 和剩余预测偏差 (RPD > 8.41) 值.

结论:

• 便携式NIR光谱与GRNN相结合,可以快速对花生蛋白质粉质量进行定量分析.
• 这项技术为在花生蛋白工业中彻底改变质量控制提供了巨大的潜力.
• 确保持续提供高质量的花生蛋白产品,以满足消费者需求.