便携式近红外和可见光光谱仪检测水稻水分含量方法比较研究

使用便携式近红外(901～1 650 nm)和可见光(400～900 nm)光谱仪结合多变量分析方法无损检测水稻水分含量，选用100种不同品种的水稻并采集其光谱信息，其中粳稻52种，籼稻34种，糯稻14种。采用GB 5009.3—2016中的直接干燥法测定每种水稻样本的水分含量。利用蒙特卡洛偏最小二乘法(MCPLS)剔除水稻样本中的异常值，基于近红外和可见光光谱的数据集分别剔除8个和4个异常值。采用基于联合X-Y距离的样本划分法(SPXY)按照3:1的比例划分样品，近红外和可见光数据集分别得到69、 72个校正集和23、 24个预测集。采用正交信号校正(OSC)、多元散射校正法(MSC)、去趋势变换(De-trend)、标准正态变换(SNV)、基线校正(Baseline)、 Savitzky-Golay卷积导数(S-G导数)、标准化(Normalize)、移动平均平滑(moving average)、 Savitzky-Golay卷积平滑处理法(S-G平滑)共9种算法对原始光谱数据进行预处理，基于近红外和可见光光谱的OSC、 SNV和OSC、 Moving average预处理效果较好...     

基于近红外漫反射光谱法所建的模型快速预测甜叶菊中甜菊糖苷、绿原酸及水分的含量北大核心CSCD

基于近红外漫反射光谱法,结合偏最小二乘法建立了甜叶菊中甜菊糖苷总量(TSG)、瑞鲍迪苷A(RA)、甜菊苷(STV)、绿原酸总量及水分的定量分析模型。选取不同地区的500个甜叶菊样品,以高效液相色谱法(TSG、RA、STV、绿原酸总量)和烘干法(水分)所得数据为参比,结合样品的近红外光谱图,按照以下条件进行建模:(1) TSG模型,校正集385,验证集97,光谱预处理采用多元散射校正(MSC)+一阶导数(1st)+Norris derivative滤波平滑(ND),光谱范围4 090.76~7 085.37 cm^(-1),主因子数8;(2) RA模型,校正集381,验证集94,光谱预处理采用MSC+二阶导数(2nd)+ND,光谱范围4 060.38~6 221.23 cm^(-1)、6 769.51~7 401.24 cm^(-1),主因子数7;(3) STV模型,校正集386,验证集96,光谱预处理采用MSC+1st+ND,光谱范围4 017.86~4 224.39 cm^(-1)、4 370.17~5 172.15 cm^(-1)、5 414.95~9 106.22 cm^(-1),主因子数5;(4)绿原酸总量模型,校正集376,验证集95,光谱预处理采用标准正态变量变换(SNV)+1st+Savitzky-Golay卷积平滑(SG),光谱范围4 000.21~5 300.00 cm^(-1)、5 624.00~6 246.90 cm^(-1)、8 746.50~9 373.80 cm^(-1),主因子数12;(5)水分模型,校正集389,验证集96,光谱预处理采用MSC+1st+ND,光谱范围4 072.53~7 553.09 cm^(-1),主因子数8。结果显示:TSG、RA、STV、绿原酸总量和水分模型的校正相关系数、预测相关系数、交叉验证相关系数均大于0.800 0,校正均方根误差、预测均方根误差、交叉验证均方根误差均小于0.500;对各模型进行外部验证,TSG、RA、STV、绿原酸总量和水分的预测值与实测值的拟合相关系数均大于0.880 0;利用模型对甜叶菊样品中TSG、RA、STV、绿原酸总量和水分进行分析,日内精密度(n=6)为0.54%~2.7%,日间精密度(n=6)为1.1%~4.7%。模型用于某试验基地不同生长批次甜叶菊中TSG、RA、绿原酸总量的测定,TSG质量分数为10.40%~13.32%,RA质量分数为4.99%~7.61%,绿原酸质量分数为2.73%~4.07%,测定值的相对标准偏差(n=12)均小于7.0%。