為了保護稻花香大米的品牌不受侵害,本研究采用近紅外光譜技術對稻花香大米和非稻花香大米共計150份樣品進行鑒別。研究表明,建立的定性分析模型和定量分析模型對稻花香大米的正確鑒別率分別為94%和100%。試驗為稻花香大米的品牌保護研究提供了借鑒。

【文章頁數(shù)】：3 頁

【部分圖文】：

圖1 大米樣品的原始光譜

大米樣品的原始光譜如圖1所示。脂肪烴中甲基(-CH)基團震動導致在8321cm-1附近出現(xiàn)吸收峰,-CH2二級振動導致在6846cm-1附近出現(xiàn)吸收峰,5173cm-1處的吸收峰與蛋白質和淀粉中的化學鍵有關。2.2定性分析模型

圖2 主成分分析圖

在全波長范圍內,采用不同的預處理方式建模對定性分析模型的影響不同,結果如表2所示。其中采用一階導數(shù)+矢量歸一化+5點平滑的預處理方式結合主成分分析建立的稻花香定性分析模型,其S值為1.566,明顯大于其他處理方式,故采用該方法進行建模研究。主成分分析圖如圖2所示。2.3定量分析....

圖3 大米的預測值與真實值相關圖

不同預處理方式對定量分析模型的影響不同,結果如表3所示。在波數(shù)為9400～7501cm-1,6098～4249cm-1范圍內,利用偏最小二乘法結合二階導數(shù)+9點平滑建立的定量分析模型效果較好,其RMSECV為0.132、R2為95.66、維數(shù)為7。大米的預測值與真實值相關....

圖4 定量分析模型的定向系數(shù)與維數(shù)相關圖

圖3大米的預測值與真實值相關圖2.4模型的驗證

本文編號：4034242