优化的近红外光谱LS-SVM模型测定小麦蛋白质

陈素彬，胡振

南充职业技术学院（南充 637131）

小麦是人类的主粮之一，也是重要的动物饲料、食品原料和外贸商品。蛋白质含量是小麦的基本品质指标之一，在很大程度上反映了小麦的营养价值和加工特性，对其品种选育、栽培管理、市场交易和食品加工等相关环节都有重要意义。

小麦蛋白质含量测定的最新国标方法为凯氏定氮法、分光光度法和燃烧法[1]，它们皆为湿化学分析方法，测量精度高，可用于仲裁检验，但有操作复杂、耗时长、污染环境等缺点[2]，不适用于大量样本的快速检测。近红外光谱（Near infrared spectroscopy，NIRS）分析是目前应用广泛的仪器分析技术之一，具有快速、方便、简单、准确以及可同时分析多种成分的优点，是一种非破坏性的“瞬间分析”技术[3]，能对各种气、液、固态样品进行定量和定性分析，故其被确定为小麦蛋白质含量快速测定方法的国家标准[4]。

近红外光谱分析技术的应用也存在一些问题，如数据量大、谱峰重叠严重、测定结果受环境影响大等[5]。因此，为了在小麦蛋白质含量及其近红外光谱之间建立一个准确高效、泛化性能良好的校正模型，应选用先进的建模方法，并辅之以数据预处理、特征波长选取和模型参数优化等技术手段。已有的一些相关研究采用偏最小二乘（Partial least squares，PLS）[6-7]或人工神经网络（Artificial neural network，ANN）[8-9]方法建模，以无信息变量消除（Uninformative variables elimination，UVE）或连续投影算法（Successive projections algorithm，SPA）筛选特征波长[10-11]，获得了较好的结果。但当物质的待测属性与光谱数据之间的线性相关度较差时，不适合建立线性回归模型[12]；……