极化标准过可以通过近红外光谱学进行多属性烟草分类

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:

• 由于近红外 (NIR) 光谱的微妙差异,对烟草的客观,非破坏性分类具有挑战性.
• 现有的方法难以根据光谱数据区分烟草质量类别.

研究的目的:

• 开发一种用于客观,非破坏性的烟草分类的新方法.
• 加强NIR光谱的分析,以改善烟草质量评估.

主要方法:

• 从971个烟草样本中收集了高分辨率的NIR反射频谱.
• 开发并应用了极化标准过 (PSF),这是一个结合缩放,集中,转换和光滑的预处理技术.
• 使用支向量机器 (SVM) 进行分类和滑动窗口封闭以实现特征定位.

主要成果:

• 聚氨酸增加了样本间欧几里德距离的7倍,克服了原始光谱数据的局限性.
• 在PSF处理的光谱上训练的SVM模型在七个级别的质量分级中获得了99.7%的准确性,比未处理的光谱提高了75%.
• 对于各种感官属性获得了很高的准确性,包括香味 (98.3%),不纯度 (98.3%) 和柔和 (94.9%).
• 确定了与O-H,N-H和C-H键相关的信息波长 (1700-1850nm和2080-2300nm),使得显著的特征减少.

结论:

• 该PSF-NIR框架允许客观,线内和机器可读的烟草风味评估.
• 这种方法将主观基准测试转化为数据驱动的过程.
• 该方法为多属性烟草质量评估提供了一个可扩展的解决方案.