一种基于近红外光谱的螺蛳粉酸笋品质评价方法技术

本发明专利技术属于食品品质检测技术领域，具体为一种基于近红外光谱的螺蛳粉酸笋品质评价方法，包括：将样品划分为校正集和验证集；对螺蛳粉酸笋样品进行感官评分；对样品进行红外光谱扫描获取近红外光谱数据；对近红外光谱数据进行预处理；应用siPLS法将预处理后的全部光谱数据均等划分为10～24个光谱子区间，筛选出与样品品质密切相关的最佳光谱子区间；将上述得到的最佳光谱子区间进行主成分分析，以主成分数为输入值，以柳州螺蛳粉酸笋品质为输出值，应用Jordan

【技术实现步骤摘要】
一种基于近红外光谱的螺蛳粉酸笋品质评价方法


[0001]本专利技术属于食品品质检测
，具体涉及一种基于近红外光谱的螺蛳粉酸笋品质评价方法。

技术介绍

[0002]当前，人们对柳州螺蛳粉酸笋的评价仍多采用传统的感官评价方法。传统感官审评法虽然经典，但专业性较强，易受审评员嗜好差异、身体状况和环境等多种因素影响，结果主观性较强。此外，采用的化学检测方法需要通过测定内含成分含量再评价柳州螺蛳粉酸笋品质高低，虽然该方法较为准确，但测定前需先将样品粉碎，测定过程中费时、费力，不利于柳州螺蛳粉酸笋品质的实时检测，因此，非常有必要开发一种便捷、科学、客观有效的柳州螺蛳粉酸笋品质评价方法。
[0003]近红外光谱主要反映的样品中X
‑
H化学键信息，具有快速、无损的分析优势，目前已经广泛应用于农业、石油化工、纺织业和医药等行业。国内外很多学者应用近红外光谱技术实现了对酸菜的挥发性盐基氮、亚硝酸盐、生物胺等成分含量预测，开展了柳州螺蛳粉酸笋品质的快速评估和水产种类判别研究。但在柳州螺蛳粉酸笋研究方面，目前主要集中在成分分析、质量控制、代谢物图谱、腐败菌类鉴别、发酵技术提升等研究方面，在柳州螺蛳粉酸笋品质评价方面也开展了部分研究工作，主要是仍是传统的品质感官评价及电子鼻评价模型构建，但目前还较少有应用近红外技术对柳州螺蛳粉酸笋品质开展快速、无损评价研究的报道。因此，本研究借助近红外光谱技术，分别结合联合区间偏最小二乘法(synergy intervalpartial least squares，siPLS)、主成分分析(principal component analysis，PCA)和Jordan
‑
Elmannets人工神经网络方法建立柳州螺蛳粉酸笋品质预测模型，为柳州螺蛳粉酸笋品质快速评价提供一种新方法。

技术实现思路

[0004]针对现有技术中存在的上述不足之处，本专利技术提供了一种基于近红外光谱的螺蛳粉酸笋品质评价方法，该方法在不破坏样品的前提下，短时间内就可快速、准确地预测柳州螺蛳粉酸笋品质高低，实现了对柳州螺蛳粉酸笋品质的快速、准确评价。
[0005]为实现上述目的，本专利技术提供的技术方案为：
[0006]一种基于近红外光谱的螺蛳粉酸笋品质评价方法，包括如下步骤：
[0007](1)将样品按照3∶1比例划分为校正集和验证集2个集合；
[0008](2)通过看外形、察颜色、嗅香气、尝滋味和感受质地对螺蛳粉酸笋样品进行感官评分；
[0009](3)采用近红外光谱仪对样品进行漫反射光谱扫描获取近红外光谱数据；
[0010](4)对近红外光谱数据进行预处理，分别比较标准变量变换SNV、多元散射校正MSC、一阶导数和二阶导数光谱预处理方法的效果，筛选出最佳预处理方法；
[0011](5)应用siPLS法将预处理后的全部光谱数据均等划分为10～24个光谱子区间，然
后联合其中的2～4个光谱子区间分别建立偏最小二乘法PLS模型，当模型的交互验证均方根方差RMSECV最小时，此时得到的光谱区间即为筛选的与样品品质密切相关的特征光谱区间；
[0012](6)将上述得到的特征光谱区间进行主成分分析(PCA)，以主成分数为输入值，以柳州螺蛳粉酸笋品质为输出值，应用Jordan
‑
Elmannets人工神经网络方法建立柳州螺蛳粉酸笋品质近红外光谱预测模型，所得结果用校正集决定系数验证集决定系数RMSECV、预测均方根均方差RMSEP表示；其中，以越大、RMSEP越小时，模型预测效果越好；
[0013](7)对需要测定品质的螺蛳粉酸笋进行漫反射光谱扫描获取近红外光谱数据，并将预处理后的光谱数据按特征光谱区间对应的光谱波数输入上述模型中即可完成螺蛳粉酸笋品质的快速评价。
[0014]作为进一步优选的技术方案，步骤(3)所述近红外光谱仪采用傅里叶变换近红外光谱仪，光谱扫描范围为4000
‑
10000cm
‑1，分辨率为8cm
‑1。
[0015]作为进一步优选的技术方案，步骤(3)所述扫描具体为：扫描过程中样品杯旋转360
°
，每个样品扫描3条光谱，每条光谱扫描64次，然后进行光谱平均，作为该样品的最终光谱。
[0016]作为进一步优选的技术方案，步骤(5)所述RMSECV按式(1)计算：
[0017][0018]式中：n为校正集样品数；y
i
为样品i的实测值；y
’
i
为校正集样品i的预测值。
[0019]作为进一步优选的技术方案，步骤(5)所述最佳光谱子区间的波段对应的光谱波数分别为4377.6
‑
4751.7、4755.6
‑
5129.7、6262.7
‑
6633.9、7386～7756.3cm
‑1。
[0020]作为进一步优选的技术方案，步骤(6)中RMSEP按式(2)计算：
[0021][0022]式中：n为验证集样品数；y
i
为样品i的实测值；y
’
i
为验证集样品i的预测值。
[0023]作为进一步优选的技术方案，步骤(6)中按式(3)计算：
[0024][0025]式中：n为验证集样品数，y
i
和y
′
i
分别为样本中第i个样本的实测值和预测值；为所有样本实测值的平均值。
[0026]与现有技术相比，本专利技术的技术方案的有益效果是：
[0027]本专利技术在保证样品完整的条件下获取光谱信息，通过近红外光谱技术、光谱预处理、联合区间偏最小二乘法筛选特征光谱区间后进行主成分分析，再建立品质分数的Jordan
‑
Elmannets人工神经网络预测模型，最终建立了一个稳健的柳州螺蛳粉酸笋品质预测模型(预测模型(RMSEP＝0.387)，使得在不破坏样品的前提下，短时间(几秒钟)内就可
快速、准确地预测柳州螺蛳粉酸笋品质高低，实现了对柳州螺蛳粉酸笋品质的快速、准确评价，为降低产品的销售成本提供了一种新的途径。同时，在今后应用过程中，通过利用已经筛选的特征光谱区间，剔除了大量无关的光谱信息，还可以有针对性的开发检测柳州螺蛳粉酸笋品质的近红外光谱仪器，而不必使用全波长近红外光谱检测器，可以降低仪器的研发成本，有利于开发的仪器尽早投入使用。
附图说明
[0028]图1为不同样品的平均近红外光谱图；
[0029]图2为不同预处理方法下得到的品质得分PLS模型结果比较图；
[0030]图3为未知样品的品质分数预测结果图。
具体实施方式
[0031]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于近红外光谱的螺蛳粉酸笋品质评价方法，其特征在于，包括如下步骤：(1)将样品按照3∶1比例划分为校正集和验证集2个集合；(2)通过看外形、察颜色、嗅香气、尝滋味和感受质地对螺蛳粉酸笋样品进行感官评分；(3)采用近红外光谱仪对样品进行漫反射光谱扫描获取近红外光谱数据；(4)对近红外光谱数据进行预处理，分别比较标准变量变换SNV、多元散射校正MSC、一阶导数和二阶导数光谱预处理方法的效果，筛选出最佳预处理方法；(5)应用siPLS法将预处理后的全部光谱数据均等划分为10～24个光谱子区间，然后联合其中的2～4个光谱子区间分别建立偏最小二乘法PLS模型，当模型的交互验证均方根方差RMSECV最小时，此时得到的光谱区间即为筛选的与样品品质密切相关的特征光谱区间；(6)将上述得到的特征光谱区间进行主成分分析，以主成分数为输入值，以柳州螺蛳粉酸笋品质为输出值，应用Jordan
‑
Elman nets人工神经网络方法建立柳州螺蛳粉酸笋品质近红外光谱预测模型，所得结果用校正集决定系数验证集决定系数RMSECV、预测均方根均方差RMSEP表示；其中，以越大、RMSEP越小时，模型预测效果越好；(7)对需要测定品质的螺蛳粉酸笋进行漫反射光谱扫描获取近红外光谱数据，并将预处理后的光谱数据按特征光谱区间对应的光谱波数输入上述模型中即可完成螺蛳粉酸笋品质的快速评价。2.根据权利要求1所述的基于近红外光谱的螺蛳粉酸笋品质评价方法，其特征在于，步骤(3)所述近红外光谱仪采用傅里叶变换近红外光谱仪，光谱扫描范围为4000
‑
10000cm
‑1，分辨率为8cm

【专利技术属性】
技术研发人员：马华威，马弋，唐丹萍，吕敏，张文敏，王园园，郭爱玲，齐小保，钟源，张雅文，
申请(专利权)人：柳州市柳南区现代农业产业服务中心广西小研人生物科技有限公司湖北省食品质量安全监督检验研究院，
类型：发明
国别省市：