基于272份双孢蘑菇三次料样品,用近红外光谱检测仪收集波长为850~2498 nm的近红外光谱,运用WinISIⅢ软件对光谱数据进行预处理,并采用改进最小二乘法(Modified Partial Least Squares,MPLS)回归技术构建含氮量、灰分含量和含水量的预测...基于272份双孢蘑菇三次料样品,用近红外光谱检测仪收集波长为850~2498 nm的近红外光谱,运用WinISIⅢ软件对光谱数据进行预处理,并采用改进最小二乘法(Modified Partial Least Squares,MPLS)回归技术构建含氮量、灰分含量和含水量的预测模型,根据交叉验证标准偏差(Standard Error of Cross Validation,SECV)、交叉验证相关系数(1 Minus the Variance Ratio,1-VR)确定最佳模型,并基于60份样品评估模型的预测性能。结果表明:含氮量的近红外预测最佳模型通过无散射与一阶导数处理得到,其SECV为0.0839、1-VR为0.8060;灰分含量的近红外预测最佳模型通过标准正常化与一阶导数处理得到,其SECV为1.8991、1-VR为0.7851;含水量的近红外预测最佳模型通过去散射与一阶导数处理得到,其SECV为1.2902、1-VR为0.7797。利用60份样品对模型的有效性进行验证,发现含氮量、灰分含量和含水量的测定值与预测值差异不显著,表明模型预测性能较好。本研究建立的近红外模型精准度高、稳定性好,能快速准确地检测双孢蘑菇三次料的关键品质指标。展开更多
文摘基于272份双孢蘑菇三次料样品,用近红外光谱检测仪收集波长为850~2498 nm的近红外光谱,运用WinISIⅢ软件对光谱数据进行预处理,并采用改进最小二乘法(Modified Partial Least Squares,MPLS)回归技术构建含氮量、灰分含量和含水量的预测模型,根据交叉验证标准偏差(Standard Error of Cross Validation,SECV)、交叉验证相关系数(1 Minus the Variance Ratio,1-VR)确定最佳模型,并基于60份样品评估模型的预测性能。结果表明:含氮量的近红外预测最佳模型通过无散射与一阶导数处理得到,其SECV为0.0839、1-VR为0.8060;灰分含量的近红外预测最佳模型通过标准正常化与一阶导数处理得到,其SECV为1.8991、1-VR为0.7851;含水量的近红外预测最佳模型通过去散射与一阶导数处理得到,其SECV为1.2902、1-VR为0.7797。利用60份样品对模型的有效性进行验证,发现含氮量、灰分含量和含水量的测定值与预测值差异不显著,表明模型预测性能较好。本研究建立的近红外模型精准度高、稳定性好,能快速准确地检测双孢蘑菇三次料的关键品质指标。
