详情

原文传递一种小麦面粉品质的红外光声光谱检测方法

专利名称：	一种小麦面粉品质的红外光声光谱检测方法
摘要：	本发明公开了一种小麦面粉品质的红外光声光谱检测方法，通过收集小麦面粉样品的红外光声光谱数据和利用标准方法测定的化学值进行拟合，并运用偏最小二乘法优化建立模型；反复采用内部交叉验证提出异常值，选择最佳的光谱预处理办法，通过比较模型的决定系数和均方根误差衡量模型质量，构建出高质量的小麦面粉红外光声光谱的定量分析模型，同时建立基于特征波段的预测模型。本发明所运用的样本，经过了磨粉过100目筛的预处理方法，增强了红外光声光谱信号，所构建的小麦面粉蛋白质、面筋含量光声光谱模型R2较高，RMSECV较小，预测效果较好，具有操作简单、无损处理、准确性高等优点，为小麦面粉加工生产在线检测提供了新的选择手段。
专利类型：	发明专利
国家地区组织代码：	江苏;32
申请人：	南京农业大学
发明人：	潘磊庆;张伟;魏康丽;马晨;屠康
专利状态：	有效
申请日期：	2019-05-20T00:00:00+0800
发布日期：	2019-07-26T00:00:00+0800
申请号：	CN201910416868.2
公开号：	CN110057756A
代理机构：	南京纵横知识产权代理有限公司
代理人：	严晓彪;董建林
分类号：	G01N21/17(2006.01);G;G01;G01N;G01N21
申请人地址：	210031 江苏省南京市玄武区卫岗1号
主权项：	1.一种小麦面粉品质的红外光声光谱检测方法，其特征在于，包括以下步骤： S1、将不同品种的小麦，分别磨粉、过筛、风干后制成小麦面粉样品，再以任意组合混合为若干样品集，包括若干训练样品集与验证样品集； S2、对所有样品集进行红外光声光谱测定，收集红外光声光谱； S3、用化学计量学软件对收集的红外光声光谱，进行光谱预处理； S4、按照标准方法，分别测定所有样品集的蛋白质和湿面筋含量； S5、将预处理过的训练样品集的红外光声光谱与步骤S4中对应的蛋白质和湿面筋含量进行关联，利用化学计量学软件建立红外光声光谱预测模型； S6、将预处理过的验证样品集的红外光声光谱代入上述预测模型，获得预测的验证样品集的蛋白质和湿面筋含量； S7、基于上述预测的验证样品集的蛋白质和湿面筋含量，和步骤S4中对应的验证样品集的蛋白质和湿面筋含量，利用化学计量学软件建立红外光声光谱校正模型，并获得模型校正参数。 2.根据权利要求1所述的一种小麦面粉品质的红外光声光谱检测方法，其特征在于，所述步骤S2中光声光谱测定的参数，包括扫描谱曲范围4000-500cm-1，扫描次数32次，动镜速率为0.32cm/s，分辨率4cm-1，以碳黑作为背景。 3.根据权利要求1所述的一种小麦面粉品质的红外光声光谱检测方法，其特征在于，所述化学计量学软件为MATLAB2010b软件。 4.根据权利要求1所述的一种小麦面粉品质的红外光声光谱检测方法，其特征在于，所述步骤S3中的光谱预处理，包括采用一阶导数、标准正态变换，正交信号校正(OSC)和多元散射校正(MSC)。 5.根据权利要求1所述的一种小麦面粉品质的红外光声光谱检测方法，其特征在于，所述步骤S4中测定蛋白质含量的标准方法，包括凯氏定氮法，分光光度法和燃烧法。测定湿面筋含量的标准方法，包括手洗法，仪器法，快速干燥法和烘箱干燥法。 6.根据权利要求1所述的一种小麦面粉品质的红外光声光谱检测方法，其特征在于，所述预测模型和校正模型的建立，利用偏最小二乘法。 7.根据权利要求1所述的一种小麦面粉品质的红外光声光谱检测方法，其特征在于，所述参数，包括：预测模型的预测集决定系数Rc2、预测集均方根误差RMSEC；校正模型的校正集决定系数Rp2、校正集均方根误差RMSEP、校正集的标准差与均方根误差的比值RPD。 8.根据权利要求1所述的一种小麦面粉品质的红外光声光谱检测方法，其特征在于，所述步骤S1中的过筛为100-400目。 9.根据权利要求1-8任一所述的一种小麦面粉品质的红外光声光谱检测方法，其特征在于，还包括最佳预测模型的筛选，步骤为：于步骤S2中采用不同的方法对红外光声光谱进行预处理，再分别与步骤S4中对应的蛋白质和湿面筋含量进行关联，利用化学计量学软件建立红外光声光谱预测模型；通过比较各模型的决定系数R2、预测集均方根误差RMSEP和预测集的标准差与均方根误差的比值RPD衡量模型的质量，筛选出最佳全波段预测模型。 10.根据权利要求9所述的一种小麦面粉品质的红外光声光谱检测方法，其特征在于，所述最佳预测模型的筛选，还包括最佳特征波段模型，步骤为： S8、基于最佳全波段预测模型所对应的预处理过的红外光声光谱，运用连续投影算法筛选关于蛋白质和湿面筋的红外特征波段，并运用筛选的特征波段分别与步骤S4中对应的蛋白质和湿面筋含量进行关联，利用化学计量学软件建立基于特征波段的红外光声光谱预测模型；其中，蛋白质的特征波段包括：873.6、1041.37、1149.37、1220.72、1540.85、1737.55、1843.61、1926.54、1994.04、2069.25、2221.59、2360.44、2495.44、2686.35、2994.91、3222.47、3355.53、3438.46、3521.38、3600.45、3662.16、3752.8、3910.93cm-1；湿面筋的特征波段包括：800.31、1045.23、1147.44、1253.50、1309.43、1384.64、1668.12、1751.05、1835.90、1903.4、2044.18、2217.74、2285.23、2350.8、2476.15、2535.93、2597.65、2676.71、2753.85、2859.92、2962.133041.19、3133.76、3218.61、3286.11、3588.88、3671.8、3799.08、3856.93、3918.65cm-1。
所属类别：	发明专利