北京普天同创生物科技有限公司
11.4.1实验仪器、材料及光谱采集
本实验采用德国布鲁克光学仪器公司傅里叶变换中红外光谱仪,扫描光谱时保持室内光线和温度恒定,实验结果分析运用OPUS 7.2光谱采集及分析软件。
本节使用的样本使用玉米和马铃薯淀粉,将其顺序编号,1~29号为玉米淀粉,30~45号为马铃薯淀粉。根据这45个淀粉样本的中红外光谱图,用OPUS 7.2软件进行聚类分析,建立样本分类模型。
在温度和光线恒定的室内,以空气为背景,将配制好的淀粉样本用压杆压实,在中红外光谱仪器上扫描,样本扫描区间在650~4000cm-1 ,扫描16次,分辨率为4cm-1。得到的中红外光谱如图11-9所示。其中。波数在3600~4400cm-1 段的谱图多为噪声,为避免噪声干扰,一般情况下都将其忽略不计。
图11-9 45个淀粉样本的中红外光谱图
11.4.2聚类分析模型的建立
导入光谱后设置光谱预处理方法,本模型最终选择方法为一阶导数+SNV,平滑数为13。
从玉米淀粉中选择7号、17号、26号(新)和28号(新)用作预测,其余用作建模。从马铃薯淀粉中选择32号、38号、42号(新)和44号(新)用作预测,其余用作建模,进行聚类分析。分析结果如图11-10所示。
图11-10 聚类分析结果
从上面的树状图可以看出,45个淀粉样本基本准确地被分出了两大类:左边一类为玉米;右边一类为马铃薯。只有34号马铃薯被错误分到了玉米,准确率达到了97.8%。以此作为分类方法,对剩余样本进行验证。
11.4.3对样本进行预测分析
将预测样本依次进行验证。结果如图11-11所示,数字为预测样本。
图11-11 淀粉样本预测结果
11.4.4本节小结
对比11.3节的模型,可以发现用近红外和中红外光谱对淀粉进行定性分析,所建的模型准确率相差不大。但是在中红外光谱这个模型中,对38号马铃薯进行验证的时候,分类出现了错误,而且原有的模型被打乱了,准确率被拉低,所以还得继续进行研究探索。
文章来源:《多光谱食品品质检测技术与信息处理研究》
版权与免责声明:转载目的在于传递更多信息。
如其他媒体、网站或个人从本网下载使用,必须保留本网注明的"稿件来源",并自负版权等法律责任。
如涉及作品内容、版权等问题,请在作品发表之日起两周内与本网联系,否则视为放弃相关权利。
通话对您免费,请放心接听
温馨提示:
1.手机直接输入,座机前请加区号 如18601949136,010-58103629
2.我们将根据您提供的电话号码,立即回电,请注意接听
3.因为您是被叫方,通话对您免费,请放心接听
登录后才可以评论