可见-近红外反射光谱检测小米糊化特性

作者：吴建虎; 李桂峰; 彭彦昆^*; 杜俊杰; 徐建国; 郜刚

来源：光谱学与光谱分析, 2020, 40(10): 3247-3253.

• 小米
• 糊化特性
• 可见-近红外反射光谱
• SPXY算法
• SPA算法

糊化特性是小米的最重要加工特性之一,对小米的加工性能及产品质量有重要的影响。基于可见-近红外光谱特征信息,在不粉碎小米颗粒的状态下,提出了一种快速无损检测小米的糊化特性的方法。首先,获取小米在370～1 020 nm范围内漫反射光谱后,将小米粉碎成小米粉,使用RAV快速粘度分析仪测定小米粉的峰值粘度(PV)、最低粘度(TV)、衰减值(BD)、最终粘度(FV)、和回升值(SB)、糊化温度(GT)以及峰值时间(PT)等7个糊化特性指标。然后,对原始光谱进行Savitzkye-Golay(SG)平滑、多元散射校正(MSC)和一阶导数法(1-D)预处理。最后,结合三种处理光谱和小米糊化特性指标值,通过Sample set partitioning based on joint x-y distances(SPXY)方法确定样本的校正集和验证集;基于连续投影算法(SPA)选择了特征波长,利用特征波长反射光谱信号建立了小米糊化特性指标的多元线性回归(MLR)预测模型,并使用验证集样本验证MLR模型的预测准确性。糊化指标预测结果:对于粘度指标中的PV、 TV和SB参数值,经过MSC预处理后光谱,分别选择了9, 17和18个特征波长建立的MLR模型的预测结果最好,预测相关系数(Rp)分别为0.934 7, 0.825 5和0.874 6,预测误差(SEP)分别为174.039 7, 67.220 3和74.281 8;对于BD值,经过S-G预处理后选择了14个特征波长的MLR模型预测结果最好,Rp为0.924 4, SEP为178.020 1;此外,对于FV参数值,经过1-D处理后选择了16个特征波长所建立MLR模型的预测相关系数Rp为0.853 1, SEP为132.166 7。研究结果表明,利用可见-近红外光谱结合SPXY和SPA算法在不粉碎小米的状态下对其糊化特性进行检测是可行的。本研究为小米产品相关企业在生产前期,通过快速测定小米原料糊化特性,进而评估产品加工品质提供一种新的技术手段,具有较强的实际应用潜力。

• 单位
  山西师范大学; 中国农业大学