探索微观超光谱,拉曼和LIBS的潜力,以进行各种水样本的非破坏性质量评估

科学领域:

• 农业科学 农业科学
• 频谱学是一种光谱学.
• 食品科学 食品科学 食品科学

背景情况:

• 对米的非破坏性质量评估对于作物育种至关重要.
• 光谱分析是一种常见的工具,但样本类型的影响往往被忽视.
• 现有的研究往往侧重于个别的光谱技术,而不考虑样本矩阵变化.

研究的目的:

• 为了比较微观高光谱成像,拉曼光谱和激光诱导分解光谱 (LIBS) 在米质评估中的有效性.
• 为了研究不同类型的米样品 (米,棕色,抛光,面粉) 对光谱分析结果的影响.
• 确定最佳的光谱技术,以预测大米的氨基波切丁和蛋白质含量.

主要方法:

• 使用微观高光谱成像,拉曼光谱和LIBS从四种水样品类型中获取光谱数据.
• 进行了光谱数据和米粉胺和蛋白质含量之间的相关性分析.
• 利用回归建模和特征选来评估预测性能.
• 分析了光谱技术和目标分析物之间的特征匹配.

主要成果:

• LIBS和拉曼光谱显示与氨基烯和蛋白质的相关性比超光谱成像更强.
• LIBS实现了最高的确定系数 (R2 = 0.6),其次是拉曼 (R2 ≈ 0.5) 和高光谱成像 (R2 = 0.2).
• 抛光大米产生了最好的建模结果,谷物样本通常表现比面粉更好.
• 与拉曼光谱相比,LIBS对烯和蛋白质的相关光谱变量进行了匹配.

结论:

• 在那些经过测试的人中,LIBS是非破坏性大米质量评估的最有效的光谱技术.
• 样本类型显著影响光谱分析结果,颗粒形式更容易被建模.
• 该研究强调了考虑光谱技术和样本类型对于准确预测大米质量的重要性.