一种抗调味干扰的莲藕内部成分近红外无损检测的方法

摘要

一种抗调味干扰的莲藕内部成分近红外无损检测的方法，属于近红外无损检测技术领域。本发明采集经不同盐或糖浓度调味的莲藕样品，采集样品的近红外光谱信息和内部成分的理化数据，光谱数据预处理，采用偏最小二乘法建立不同盐或糖浓度背景下的近红外光谱模型，对盐或糖含量与莲藕内部成分的近红外光谱进行相关性分析和单变量回归分析，修正盐或糖浓度变化对莲藕内部成分的近红外无损检测的干扰，最后在不同盐或糖浓度背景下近红外光谱模型的基础上建立适应盐或糖浓度变化的调味莲藕内部成分的近红外光谱分析模型。本发明有效地修正盐或糖浓度变化对莲藕内部成分近红外无损检测的干扰，实现不同盐或糖浓度调味的莲藕内部成分的快速、准确、实时的无损检测。

主权项

一种抗调味干扰的莲藕内部成分近红外无损检测的方法，其特征在于采集经过不同盐浓度或糖浓度调味的莲藕样品集；然后采集样品的近红外光谱信息和内部成分的理化数据参考值；光谱数据预处理；后采用偏最小二乘法建立其不同浓度梯度背景下的近红外光谱校正模型；对盐或糖含量与莲藕内部成分的近红外光谱进行相关性分析和单变量回归分析建立全局校正模型；修正盐或糖浓度变化对莲藕内部成分的近红外无损检测的干扰，最后在不同浓度梯度背景下的近红外光谱模型的基础上建立适应盐浓度或糖浓度变化的调味莲藕内部成分的近红外光谱分析模型；通过该模型将待测样品的近红外光谱信息转换为待测调味莲藕内部成分的参数，实现调味莲藕内部成分的无损检测；步骤为：（1）样品集的制备：采集未调味和5%，10%，15%，20%盐浓度或糖浓度调味的莲藕样品，分别选取以不同加盐或加糖浓度为背景的建模所需校正集和预测集，其中校正集和预测集的数量比例为4:1；将未调味的作为对照组，调味的作为实验组；（2）样品的近红外光谱采集：对步骤（1）得到的调味莲藕样品运用近红外光谱仪器进行光谱采集，采用漫反射吸收光谱法，试验参数设为：扫描范围为4000~10000cm^‑1，分辨率为8cm^‑1，扫描次数为16次；近红外光谱测量时，将完整干净的一段莲藕平稳地放在漫反射探头上，每个样本需进行4次光谱测量，分别位于最大直径处的4个相对位置，尽可能避免明显的擦伤、伤疤类表面缺陷，把4次测量中光谱进行平均，得到每段莲藕的平均光谱；（3）样品内部成分理化数据参考值的测定：在校正集和预测集样品进行光谱采集后，尽快对其进行内部成分的参考值的测定，结果均用干基表示；淀粉含量参照GB/T5009.9‑2008《食品中淀粉的测定》‑酸水解法测定；粗纤维含量参照GB/T5009.10‑2003《植物类食品中粗纤维的测定》测定；蛋白质含量参照GB/T5009.5‑2010《食品中蛋白质的测定》；（4）光谱数据的预处理：近红外光谱采集和处理通过TQ Analyst实现，预处理的方法有中心化、标准变量变换、附加散射校正、正交信号校正、平滑、小波去噪、求导变化和遗传算法波长优化；采用哪种预处理方法或是否需要预处理要根据光谱的质量和背景干扰的具体情况来选择，在运用光谱数据的预处理方法时候，是上述方法的某一种方法的单独使用，或是上述几种方法的组合使用；通过多次优化计算，得到不同盐或糖浓度调味莲藕内部成分的建模优化参数；（5）不同浓度梯度的近红外光谱校正模型的建立：结合TQ analyst 光谱分析软件中匹配的光谱数据定量分析功能和Matlab软件，对预处理后的校正集和预测集的样品的光谱数据和测定得到的莲藕的淀粉、粗纤维和蛋白质成分的参考值采用偏最小二乘法建立校正模型，并对模型进行优化；采用相关系数R、校正集样本的标准偏差RMSEC和预测集样本的标准偏差RMSEP对模型的浓度测量精度进行评估；校正模型根据盐或糖浓度从低到高分别命名：0%为Model1，5%为Model2，10%为Model3，15%为Model4，20%为Model5；各浓度背景下的校正模型的相关系数均大于0.920，表明预测性能较好；（6）全局校正模型的建立：对盐或糖浓度与莲藕内部成分的近红外光谱进行相关性分析和单变量回归分析，得出盐或糖浓度与莲藕内部成分的近红外光谱呈负相关性；根据各盐或糖浓度背景下的模型计算莲藕内部成分的预测值增量△C，建立盐或糖浓度C_盐或C_糖与莲藕内部成分的预测值增量△C的一元回归的定量关系，然后从模型预测值中扣除此增量，从而修正盐或糖含量变化对调味莲藕内部成分的近红外无损检测的干扰；其中，△C的计算公式为：△C=Cei为实验组第i个样本的预测值；Cci为对照组第i个样本的预测值；n为各个浓度梯度背景下的样本数，n为20；（7）近红外光谱分析模型的建立：最后在不同浓度梯度的校正模型的基础上，建立适应盐或糖浓度变化的调味莲藕内部成分的近红外光谱分析模型；（8）待测样品内部成分的测定：将经过步骤（3）的预处理过的待测样品的近红外光谱代入到步骤（7）的近红外光谱分析模型中得到待测样品内部成分的预测值，由步骤（6）中的定量关系式计算预测值增量，然后从预测值中扣除此增量即得到修正的预测值。