基于中红外光谱技术的香菇蛋白质含量测定 |
| |
引用本文: | 朱哲燕,刘飞,张初,孔汶汶,何勇.基于中红外光谱技术的香菇蛋白质含量测定[J].光谱学与光谱分析,2014,34(7):1844-1848. |
| |
作者姓名: | 朱哲燕 刘飞 张初 孔汶汶 何勇 |
| |
作者单位: | 朱哲燕:浙江经济职业技术学院, 浙江 杭州 310018浙江大学生物系统工程与食品科学学院, 浙江 杭州 310058 刘飞:浙江大学生物系统工程与食品科学学院, 浙江 杭州 310058 张初:浙江大学生物系统工程与食品科学学院, 浙江 杭州 310058 孔汶汶:浙江大学生物系统工程与食品科学学院, 浙江 杭州 310058 何勇:浙江大学生物系统工程与食品科学学院, 浙江 杭州 310058
|
| |
基金项目: | 国家高技术研究发展计划(863计划)项目(2012AA101903)和国家自然科学基金项目(61273062)资助 |
| |
摘 要: | 研究了中红外光谱预测香菇蛋白质含量的可行性。去掉明显噪声部分后,研究香菇3 581~689cm-1中红外光谱与蛋白质含量的关系。以Savitzky-Golay(SG)5点平滑预处理光谱建立偏最小二乘法(partial least squares,PLS)的预测模型的效果不理想,模型的建模集和预测集的相关系数均高于0.85,但剩余预测偏差(residual prediction deviation,RPD)值仅为1.77。采用连续投影算法(successive projections algorithm,SPA)算法从3000个波数点中选择7个特征波数,并以七个特征波数分别建立PLS、多元线性回归(multiple linear regression,MLR)、反向传播神经网络(back-propagation neural network,BPNN)和极限学习机模型(extreme learning machine,ELM)。与全谱的PLS相比,以特征波数的PLS模型和MLR模型的预测效果相对较差,而以特征波数的BPNN和ELM模型的预测效果相对较好。其中SPA-ELM模型的预测效果最佳,预测集相关系数(correlation coefficient of prediction)Rp=0.899 5,预测集均方根误差(root mean square error of prediction)RMSEP=1.431 3,剩余预测偏差RPD=2.18。研究结果表明,中红外光谱分析技术可以用于预测香菇蛋白质含量,且SPA选取特征波数能用来代替原始光谱进行建模分析,为香菇蛋白质含量的检测提供了新的思路。
|
关 键 词: | 中红外光谱 香菇 蛋白质含量 连续投影算法 |
收稿时间: | 2013/10/14 |
Protein Content Determination of Shiitake Mushroom (Lentinus edodes) Using Mid-Infrared Spectroscopy and Chemometeics |
| |
Abstract: | |
| |
Keywords: | Mid-infrared spectroscopy Shiitake mushroom Protein content Successive projections algorithm |
本文献已被 CNKI 等数据库收录! |
|