论文部分内容阅读
面粉是日常饮食结构的主要原料之一,其品质一直是公众关注的焦点。在面粉所有的评价指标中,外观和口感对于面粉的品质认证和市场价格起着关键的作用。因此,一些面粉生产厂商和零售商向面粉中添加大量的滑石粉来提升面粉的外观品,从而获取更大的利润。然而,很多研究已经证实滑石粉会对人体健康造成危害,因此,研究面粉中滑石粉的检测方法对保护消费者健康有着巨大的实际意义。近红外光谱分析技术以其快速、高效、无损的技术特点和优势在众多领域都得到了广泛地应用,本文将利用近红外光谱技术对面粉中滑石粉进行定量检测。本研究制备了41个不同含量滑石粉的面粉样本,并利用NIRS分析仪采集了全体样本在400~2500nm光谱范围内的漫反射光谱用于光谱特性分析。由于在利用近红外光谱模型建立的过程中,训练样本的选择十分重要,本研究使用马氏距离法剔除了两个异常样本,并利用SPXY算法在剩余的39个面粉样本选择了29个样本用于建模,10个样本用于预测。此外,为了去除外界噪声干扰对光谱信号的影响,比较使用了平滑(S-G)、多元散射校正(MSC)、导数算法(1D、2D)、标准正态变化(SNV)等不同预处理方法对模型的校正效果,发现SNV预处理效果最好。然后,使用相关系数法(CCM)、连续投影算法(SPA)以及两种方法的组合算法提取特征波长以实现光谱数据降维,并将提取的特征光谱数据分别输入到三种定量分析模型—径向基函数(RBF)人工神经网络、反向传播(BP)人工神经网络和最小二乘法(PLS)模型中来预测面粉中的滑石粉含量,确定了CCM-SPA-RBF模型为最优预测模型,得到预测相关系数(Rp)、预测均方根误差(RMSEP)和相对分析误差(RPD)分别为0.9992、0.1638和25.2485。研究结果表明,与多变量分析方法相结合的近红外光谱技术可以用于小麦面粉中滑石粉含量快速无损检测,对面粉食用安全保障具有积极的意义。