基于近红外光谱技术,结合不同预处理和特征波长筛选方法,构建小麦专用粉的破损淀粉含量、降落数值、吸水率、稳定时间、拉伸面积、延伸度和最大拉伸阻力的偏最小二乘(Partial Least Squares,PLS)预测模型和总体预测模型,并对模型的预测...基于近红外光谱技术,结合不同预处理和特征波长筛选方法,构建小麦专用粉的破损淀粉含量、降落数值、吸水率、稳定时间、拉伸面积、延伸度和最大拉伸阻力的偏最小二乘(Partial Least Squares,PLS)预测模型和总体预测模型,并对模型的预测能力进行评估。结果表明:去线性趋势(Detrend,DT)是破损淀粉含量和吸水率预测模型的最佳预处理方法,Savitzky-Gloay(SG)卷积平滑是降落数值和拉伸面积预测模型的最佳预处理方法,标准正态变量变换(Standard Normal Variable Transformation,SNV)是延伸度和最大拉伸阻力预测模型的最佳预处理方法。竞争性自适应重加权法(Competitive Adaptive Reweighted Sampling,CARS)可有效提高破损淀粉含量、降落数值、吸水率、拉伸面积和最大拉伸阻力预测模型的预测精度,预测决定系数分别为0.9641、0.7140、0.9755、0.9434和0.8283;连续投影算法(Successive Projections Algorithm,SPA)可有效提高稳定时间和延伸度预测模型的效果,预测决定系数分别为0.7135和0.9530。总体预测模型对稳定时间、拉伸面积和最大拉伸阻力的预测效果均有所提升,剩余预测偏差(Residual Predictive Deviation,RPD)分别从1.86、4.27和2.51提升到2.43、5.26和3.11。综上可知,近红外光谱技术对小麦专用粉品质特性的无损快速检测是有效的、可行的。展开更多
