高光谱结合二维相关光谱检测灵武长枣中半纤维素的含量

作     者：李月 刘贵珊 樊奈昀 何建国 李燕 孙有瑞 蒲芳宁 LI Yue;LIU Gui-shan;FAN Nai-yun;HE Jian-guo;LI Yan;SUN You-rui;PU Fang-ning

作者机构：宁夏大学食品与葡萄酒学院宁夏银川750021 宁夏大学物理与电子电气工程学院宁夏银川750021 

出 版 物：《光谱学与光谱分析》 (Spectroscopy and Spectral Analysis)

年 卷 期：2022年第42卷第12期

页      面：3935-3940页

核心收录：

学科分类：0832[工学-食品科学与工程（可授工学、农学学位）] 08[工学] 0703[理学-化学] 083203[工学-农产品加工及贮藏工程] 

基　　金：国家自然科学基金项目(32160604)资助。 

主　　题：灵武长枣 半纤维素 高光谱 二维相关光谱 化学计量学 

摘      要：利用高光谱成像技术与二维相关光谱(2D-COS)结合化学计量学检测灵武长枣半纤维素含量。采用定量瘀伤装置获得0,Ⅰ,Ⅱ,Ⅲ,Ⅳ级瘀伤长枣模型,通过高光谱和分光光度计分别获得样品高光谱图像和半纤维素含量。蒙特卡洛异常值检测法剔除异常样本后,分别用随机划分法(RS),Kennard-Stone法(KS)、光谱-理化值共生距离法(SPXY)和3∶1比例法对样本集划分校正预测。采用基线校准(Baseline)、去趋势(De-trending)和标准化(Normalize)对长枣原始光谱预处理后建立偏最小二乘回归模型(PLSR),优选最佳样本集划分及预处理方法。利用2D-COS将光谱信号扩展到第2维,在全光谱范围内寻找与半纤维素含量相关的敏感波段区间。采用竞争性自适应加权算法(CARS)、引导软收缩(BOSS)、区间变量迭代空间收缩方法(iVISSA)、变量组合集群分析法(VCPA)以及iVISSA+BOSS,iVISSA+CARS和iVISSA+VCPA方法在2D-COS敏感波段区间进行特征波长提取,并建立基于特征波长的PLSR模型。结果表明,样本集经3∶1划分和Baseline预处理后建立的基于全波段的PLSR模型最优,故最佳样本集划分方法为3∶1,预处理方法为Baseline,用于后续特征波长提取。通过2D-COS分析发现3个与半纤维素相关的自相关峰(401,641和752 nm);在2D-COS敏感区域(401~752 nm范围内),采用BOSS,CARS,iVISSA,VCPA,iVISS+BOSS,iVISS+CARS,iVISS+VCPA分别提取了14,26,39,12,15,22和11个对应的特征波长,占总波长的18.9%,35.1%,52.7%,16.2%,20.2%,29.7%和14.8%。对比2D-COS和特征波建立的PLSR模型,2D-COS+iVISSA-PLSR模型效果较好,其R_(C)^(2)=0.7479,R_(P)^(2)=0.6047,RMSEC=0.0438,RMSEP=0.0603。研究表明,利用高光谱成像技术结合2D-COS可实现灵武长枣半纤维素含量的快速检测。