孙晓荣,周子健,刘翠玲,付新鑫,窦 颖
基于光谱预处理结合遗传算法优化波长的面粉水分快速检测
孙晓荣,周子健,刘翠玲,付新鑫,窦 颖
(北京工商大学计算机与信息工程学院,食品安全大数据技术北京市重点实验室,北京 100048)
基于光谱预处理及遗传算法(genetic algorithm,GA)法优化波长,再结合偏最小二乘(partial least squares,PLS)法建立面粉中水分的定量分析模型,对比在不同预处理方法下相关系数R2、校正标准差(root mean square error of calibration,RMSEC)、预测标准偏差(root mean square error of prediction,RMSEP)3 个指标,随机选择130 份样本建立预处理+GA+PLS定量分析模型,实验结果为R2从0.955 2提高到0.977 7、RMSEC从0.375 8降低到0.245 3、RMSEP从0.268降低到0.264。结果表明基于光谱预处理结合GA优化波长来定量分析面粉中水分含量是可行的,且准确性和误差度皆优于无优化模型。
光谱预处理;遗传算法;近红外光谱;偏最小二乘法;面粉;水分
面粉是重要的碳水化合物来源,且富含各种人体所需的微量元素和营养物质。面粉中水分含量会影响面制食品的白度、柔软度和保鲜时间等,目前国标测定水分的方法为105 ℃衡温法和130 ℃高温定时法,但由于高温烘干法不但耗时费力还造成资源浪费,越来越多的研究人员将光谱检测与化学计量学结合建立定量分析模型用于面粉的品质检测[1-4]。目前,偏最小二乘(partial least squares,PLS)法是应用最广的多元回归预测建模方法,但在检测过程中存在诸多因素干扰模型的准确性和稳定性,因此对光谱进行预处理以及波长的优化有极其重要的意义[5]。常用预处理方法有矢量归一化、Savitsky-Golay卷积平滑法、导数法……