通过Vis-NIR光谱技术将棉花小卡粘度分类为分析技术的潜力,DD-SIMCA作为一类分类技术

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:

• 棉花粘性,由白和虫蜂蜜引起,是棉花生产和加工的全球重大问题.
• 精确测量棉花粘度对于质量控制至关重要,但现有方法存在局限性.
• 福利埃变换近红外 (FT-NIR) 光谱以前已经显示了使用局部最小方形 (PLS) 分析检测粘度的潜力.

研究的目的:

• 探索可见近红外 (VIS-NIR) 光谱作为一个工具来分类棉花粘度的四个级别.
• 评估基于数据的软独立模型类类比 (DD-SIMCA) 对于棉花粘度分类的有效性.
• 为了比较Vis-NIR光谱学与DD-SIMCA相结合的性能与基于PLS的分类.

主要方法:

• 利用近NIR光谱 (750-1850nm) 来从棉花样本中获取光谱数据.
• 开发和优化分类模型,使用部分最小平方 (PLS) 预测和DD-SIMCA.
• 使用DD-SIMCA的一类分类方法来区分不同的粘度级别.

主要成果:

• 最优的PLS模型在校准集中实现了77.8%的正确分类,在验证集中达到69.2%.
• 使用相同光谱区域的最佳DD-SIMCA模型,表现出优异的性能,具有>95.0%的歧视.
• 在校准组中,DD-SIMCA实现了98.1%的正确识别,在四个类粘度的验证组中达到96.2%.

结论:

• 当与DD-SIMCA方法相结合时,Vis-NIR光谱学提供了一种非常有效的方法来分类棉花粘度.
• 这种结合技术提供了一个快速而非破坏性的工具,用于选原棉的Minicard粘性.
• 在这种应用中,DD-SIMCA方法显著优于传统的基于PLS的分类.