玉米营养含量的快速鉴定.docVIP

玉米营养品质的快速鉴定 摘 要 本文根据玉米样品的光谱响应数据以及各营养成分含量的生化检测值，利用偏最小二乘法建立单一成分的光谱分析模型，提高建模数据的信噪比来优化模型，同时预测出待测样品的蛋白质、纤维素、脂肪营养含量。 对于问题一，本文根据前100个样品的光谱响应数据和蛋白含量的生化检测值，运用偏最小二乘回归法建立玉米蛋白质含量的定标模型，再利用定标集与验证集的拟合优度(R)、交叉验证均方差(RMSECV)以及预测均方差误差(RMSEP)验证模型的精准性。 对于问题二，为了校正吸收基线，降低样品散射作用，减少仪器噪声对光谱的影响，将原始近红外光谱数据进行多元散射校正处理，再利用合理的光谱平滑化和光谱求导(一阶、二阶导数光谱)处理，消除基线漂移和平缓背景干扰形成的高频随机噪声的影响，从而提供比原光谱更高的分辨率和更清晰的光谱轮廓变化，提高信噪比来优化模型。运用问题一中三个检验指标验证改进后的模型的精准性。 对于问题三，在问题二建立的模型的基础上，预测出其余26个玉米样品的蛋白含量，结果如下表： 样品101 样品102 样品103 样品104 样品105 样品106 样品107 10.31952 9.991756 10.55916 10.78941 7.894033 8.267682 10.1619 样品108 样品109 样品110 样品111 样品112 样品113 样品114 8.704845 10.55306 8.83425 10.16973 9.540158 9.79753 9.782922 样品115 样品116 样品117 样品118 样品119 样品120 样品121 8.08869 10.05435 10.08923 6.625289 9.331589 3.301207 7.993191 样品122 样品123 样品124 样品125 样品126 　 　 10.25891 6.270287 7.086614 9.16552 8.773237 　 　 对于问题四，考虑到蛋白质、纤维素、脂肪对光谱的吸收率不同，相互之间可能存在影响，因此分别对这三种营养物质建立单一化光谱分析模型。针对蛋白质的偏最小二乘回归模型已在第一问给出，针对纤维素和脂肪的分析模型与模型二类似，首先利用原始数据与待测数据建立定标模型，通过模型精度检验优化得出最佳的玉米营养品质的模型，进而预测出其余26个玉米样品中蛋白、纤维素、脂肪三种营养成分含量见表四、五、六。 关键字：信噪比 定标模型 拟合优度 多元散射校正 偏最小二乘回归 1、问题重述 1.1问题背景 玉米是生态农业的关键农作物之一，玉米中富含蛋白质、纤维素、脂肪、水溶性多糖和糖醇类等多种生理活性物质。玉米的营养品质是指玉米中所含的各种营养成分（蛋白、纤维素、脂肪等）。为了实行优质玉米的培养，需要实现玉米营养品质的快速鉴定。 玉米营养品质的鉴定需要对主要营养成分的含量进行检测。光谱检测法是能够检测物质成分含量的快速分析方法，它可以根据物质的光谱响应特征来鉴别物质并确定化学组成和相对含量，具有测定时间短、非破坏性、多指标同时测定等优点，能够实现在线、实时、原位的定量分析与监测。光谱检测分析首先需要根据常规生化检测数据结合光谱响应数据完成合理的定标与矫正过程，建立合适的数据分析模型，进而实现对物质成分的快速检测。由于光谱测量受到实验环境、仪器参数配置、光散射效应等因素的影响，光谱响应数据中除了包含样品成分的信息，同时还存在有各种噪音干扰，这些噪音的存在会直接影响模型的信噪比，如何提高建模数据的信噪比是模型优化的一个重要方面。 准备126个玉米样品，经过物理方法加工为粉末状。采用Fourier近红外光谱分析仪采集光谱数据，同一样品对不同频率的光产生不同的响应，光波长变化范围为10000~4000cm-1（其中cm-1为光波长单位），得到所有样品的光谱响应数据（见附录一）。为完成光谱建模实现快速检测，采用常规生化方法检测前100个玉米样品的蛋白、纤维素和脂肪的成分含量值（见附录二）。 1.2需要解决的问题 1、根据前100个样品的光谱响应数据和蛋白含量的生化检测值，建立单一成分的光谱分析模型。 2、提出合适的模型优化方案，提高光谱分析模型的准确度。 3、根据所建立的数学模型，估算其余26个玉米样品（编号101~126）的蛋白含量。 4、结合玉米的光谱响应数据和蛋白、纤维素、脂肪三种营养成分的生化检测值，设计合理的玉米营养品质快速检测方案建立数学模型；进一步利用模型估算其余26个玉米样品中蛋白、纤维素、脂肪三种营养成分含量。 2、模型假设与符号说明 假设一：假设10000—4000cm为测定玉米中蛋白质、脂肪、纤维素含量的有效波段； 假设二：假设