不同近红外模型在小麦湿面筋快速检测中的应用的研究.pdfVIP

不同近红外模型在小麦湿面筋 快速检测中的应用研究 徐璐璐 毛晓东 孙来军 黑龙江大学，哈尔滨 150080 摘要：本文提出了基于近红外光谱的不同建模方法对小麦湿面筋进行快速无损检测。本研究分别建立了偏最小二乘、 BP神经网络和RBF神经网络3种回归模型，并进行分析比较。实验结果表明，3种校正模型都取得了较好的预测效果，预测相 关系数分别为0.91584、0.92762和0.96093;预测均方根误差分别为1.8529、1.6233和1.112。经过研究比较，基于RBF神经 网络所建模型准确度最高并且用时较短,基本上可以完成粮食储备和食品加工行业对小麦及其制品品质的划分以及育种上的 前期世代筛选。 关键词：小麦;湿面筋;近红外光谱;偏最小二乘；BP神经网络；RBF神经网络 黑龙江省农科院农产品质量安全研究所提供．共 响．近红外光谱仪采集到的光谱数据除自身信息 138个品种的小麦样品．来自2007年全国十几个小外，还包括其他无用信息和噪声．因而需要对光谱 麦主产区。样品湿面筋含量在19．7～39．4之间．这进行预处理。一阶导数可将重叠的两个吸收峰分 些材料除湿面筋含量差异较大外．在小麦籽粒的形 开。可以提高光谱的分辨率．从光谱分析的角度来 状、粒色及千粒重量等特性上也有较大差异。因 说就是减小了不同组分吸收的相互干扰。SNV是一 此．具有较好的差异性和代表性。近红外光谱仪使 种常用的消除散射干扰的方法．以各光谱的均值和 用FOSS公司的Infratec1241谷物品质分析仪．其扫标准差对光谱进行校正。故在本研究中．采用了一 050 描波长为850～1nlTl．扫描步长为2nnl。模型建 阶微分和标准归一化(SNV)对光谱数据进行了预 立及仿真采用美国MathWork公司的MATLAB7．0 处理。经过预处理后基本上消除了光谱的散射、基 来实现。 线平移和漂移。 (二)小麦湿面筋含量的化学测定按照小麦 (六)模型评价指标选择预测相关系数R和 粉湿面筋测定法：53(GB／T14614—1993)测定各样预测均方根误差RMSEP为模型的评价指标．分别 品的湿面筋，每个样品重复测定2次，取其平均值． 见式(1)和式(2)。 共计得到138个样品的湿面筋含量数据。 (三)光谱的测量每个用于建立定标模型的 肚 样品经近红外光谱仪扫描1次．每次设定子样数为 √V 10．即对每组样本重复扫描10次，每次采集100个 241 R埘辨 波点的光谱值．共获得13800个采样数据。因l V (2) 磊平 型近红外光谱仪有很好的重复性。所以．在建立定 标模型时本研究选择10次光谱扫描的平均值．其完 全能够代表该批样品的吸收光谱．共计得到138组 式中，Ci是标准方法测得的值，色是近红外预 光谱数据。 测值，石是平均值，m为预测集样品数。模型的预 (四)SPXY划分校正集和预测集采用SPXY测相关系数越高，预测均方根误差越小，模型的精 算法从138个样本中筛选出具有代表性的100个样本 度则越高。 作为校正集样本．其余38个样本作为预测集．表l 即是利用SPXY算法划分出的校正集和预测集样品 二、结果与分析I