详情

原文传递基于GSA近红外技术检测干淀粉中水分和蛋白质含量的方法

专利名称：	基于GSA近红外技术检测干淀粉中水分和蛋白质含量的方法
摘要：	本发明提供基于GSA近红外技术检测干淀粉中水分和蛋白质含量的方法，涉及淀粉检测技术领域。该基于GSA近红外技术检测干淀粉中水分和蛋白质含量的方法，包括以下步骤：S1、首先建立Savitzky‑Golay平滑光谱预处理方法；S2、然后建立递阶PLSR建模方法；S3、准备100目的干淀粉样品粉末205个，其中195个用于建立预测模型，10个用于检测模型；S4、利用GSA301型近红外光谱仪依次测量195个样品的近红外光谱，得到原始光谱数据。本发明，检测方法无损、绿色、环保，能够有效的检测淀粉中水分和蛋白质的含量，从而方便对淀粉品质优劣进行判断；检测速度快，准确性高，不仅能够提高淀粉中水分和蛋白质检测的效率，而且检测的结果具有一定的说服力。
专利类型：	发明专利
申请人：	山东金璋隆祥智能科技有限责任公司
发明人：	邹振民;董海平;孙茂;耿龙飞;朱传港
专利状态：	有效
申请日期：	1900-01-20T08:00:00+0805
发布日期：	1900-01-20T17:00:00+0805
申请号：	CN202010016787.6
公开号：	CN111024647A
代理机构：	济南瑞宸知识产权代理有限公司
代理人：	吕艳芹
分类号：	G01N21/359;G;G01;G01N;G01N21;G01N21/359
申请人地址：	250000 山东省济南市高新区汉峪金谷A3-1-402
主权项：	1.基于GSA近红外技术检测干淀粉中水分和蛋白质含量的方法，其特征在于：包括以下步骤： S1、首先建立Savitzky-Golay平滑光谱预处理方法； S2、然后建立递阶PLSR建模方法，递阶建模是将自变量集合划分为若干具有相同或相似内涵的组，由此进而得出建模过程的分层处理，在每一层上都可以应用近红外建模方法进行建模； S3、准备100目的干淀粉样品粉末205个，其中195个用于建立预测模型，10个用于检测模型； S4、利用GSA301型近红外光谱仪依次测量195个样品的近红外光谱，得到原始光谱数据，然后再利用标准方法得到195个样品的水分和蛋白质的化验值，将光谱数据和化验值整合以后导入近红外光谱仪，通过S-G平滑的方法对光谱进行预处理； S5、利用递阶PLSR方法建立干淀粉中水分和蛋白质的预测模型； S6、检验预测模型的预测能力，取准备好的10个样品对其水分和蛋白质含量进行预测，然后再得到该样品的化验值。 2.根据权利要求1所述的基于GSA近红外技术检测干淀粉中水分和蛋白质含量的方法，其特征在于：所述步骤1中建立Savitzky-Golay平滑光谱预处理方法，具体内容如下： Savitzky-Golay卷积平滑关键在于矩阵算子的求解，设滤波窗口的宽度为n＝2m+1，各测量点为x＝(-m,-m+1,0,,,,0,1,…m-1,m)采用k-1次多项式对窗口内的数据点进行拟合： y＝a0+a1x+a2x2+…+ak-1xk-1；于是就有了n个这样的方程，扣成了k元线性方程组，要使方程组有解则n应大于等于k，一般选择n>k，通过最小二乘法拟合确定拟合参数A，由此得到：用矩阵表示为： Y(2m+1)×1＝X(2m+1)×k·Ak×1+E(2m+1)×1； A的最小二乘解为： Y的模型预测值或滤波值为： B＝X·(XTX)-1·XT。 3.根据权利要求1所述的基于GSA近红外技术检测干淀粉中水分和蛋白质含量的方法，其特征在于：所述步骤2中建立递阶PLSR建模方法，具体内容如下：首先将数据进行标准化处理，记为E0和F0，设自变量E0被分为P个子模块，即E0＝(E1，E2，…，Ep)，每个子块Ei含有Pi个自变量，即Ei＝(ei1，ei2，…，eiPi)； 1)第一步先建立底层模型，分别建立因变量Y与每一个自变量子块Ei的偏最小二乘回归模型，根据交叉有效性，提取相应的偏最小二乘成分这里mi为所提取的Ei中的偏最小二乘成分个数； 2)第二步建立顶层模型，对所提取的全部自变量子块Ei的偏最小二乘成分与因变量F0进行偏最小二乘回归，根据交叉有效性，提取偏最小二乘成分ttop1，ttop2，…； 3)第三步如下：由于底层模型与Ei＝(ei1，ei2，…，eiPi)的线性组合，带入顶层模型，可以得到Y关于Ei(i＝1,2,…,P)的线性回归方程。 4.根据权利要求1所述的基于GSA近红外技术检测干淀粉中水分和蛋白质含量的方法，其特征在于：所述步骤1中建立的Savitzky-Golay平滑光谱预处理方法与步骤2中建立的递阶PLSR建模方法均导入近红外光谱仪中。
所属类别：	发明专利