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。