脱氧雪腐镰刀菌烯醇(DON)是一种经常发生在谷物及其衍生产品中的霉菌毒素, 危害人类和家畜的生命健康。 开发快速、 准确、 经济、 无环境危害的检测方法是一个亟待解决的问题。 本研究定义了可见光-近红外(Vis-NIR)光谱的趋势参数TP(trend parameter), 利用TP确定与DON浓度最相关的特征波段。 文中校正集样本的光谱矩阵行按样本DON浓度逐渐增加的顺序排列, 矩阵每一列(每一个波段)都对应一个TP值, 所有样本在某波段下的吸光度在列方向上的递增趋势越强(即TP值越大), 则此波段下的吸光度与DON浓度的相关性就越强, 该波段便可以作为评估DON浓度的特征波段。 研究发现在666, 1 238和1 660 nm处TP出现局部最大值, 利用此三个特征波段下的光谱进行二次判别分析Quadratic Discriminant Analysis(QDA), 以此构建的TP-QDA模型可以将小麦粉按DON污染水平分成轻度(0
脱氧雪腐镰刀菌烯醇 趋势参数 二次判别分析 小麦粉 Deoxynivalenol Trend parameters Quadratic discriminant analysis Wheat flour 光谱学与光谱分析
2020, 40(5): 1565
1 南京农业大学工学院, 江苏 南京 210031
2 江苏省现代设施农业技术与装备工程实验室, 江苏 南京 210031
3 江苏省食品质量安全重点实验室—省部共建国家重点实验室培育基地/江苏省农业科学院农产品质量安全与营养研究所, 江苏 南京 210014
旨在探索感染不同等级赤霉病的小麦中主要成分含量变化引起的傅里叶中红外光谱信息响应, 并结合模式识别方法实现基于傅里叶变换中红外光谱的小麦赤霉病等级无损检测。 以感染不同等级赤霉病小麦为研究对象, 在4 000~400 cm-1波数范围内采集95个小麦样本的傅里叶中红外光谱数据, 利用载荷系数法(XLW)与随机森林算法(RF)分析选取小麦样本傅里叶中红外光谱中的敏感波长, 利用稀疏表示分类(SRC)算法建模识别小麦感染赤霉病等级。 结果表明: XLW算法和RF算法选择的特征波长作为定性分析模型的输入时模型鉴别准确率与全波段光谱数据作输入时均达90%以上, 特征波长提取算法可以有效简化模型并提高效率。 RF-SRC模型鉴别效果最好, 建模集鉴别准确率达97%, 测试集鉴别准确率达96%。 小麦感染赤霉病等级的不同会引起小麦中水分、 淀粉、 纤维素、 可溶性氮素、 蛋白质、 脂肪等物质含量的变化, 采用RF算法选择的特征波长均反映了这些物质所对应的傅里叶中红外光谱透射光谱特征的差异, 结合SRC模型进行小麦赤霉病等级鉴别可达到最好的鉴别效果。 因此, 利用傅里叶中红外光谱技术结合模式识别方法对小麦赤霉病等级鉴别是可行的, 解释了傅里叶中红外光谱技术检测小麦赤霉病等级的机理。
傅里叶中红外光谱 小麦 赤霉病 稀疏表示分类 Fourier transform mid-infrared spectra Wheat Fusarium head blight Sparse representation based classification 光谱学与光谱分析
2019, 39(10): 3251
