基于近红外光谱技术测定小麦蛋白质模型的建立

摘要：

为了实现小麦籽粒蛋白质含量的快速、准确测定,用近红外分析仪对158份小麦进行光谱扫描,采用主成分分析法剔除异常光谱,对剔除异常值后的图谱进行标准正常化及去散射处理,并分别进行一阶和二阶导数处理.并在光谱预处理基础上,建立了预测小麦籽粒蛋白质含量的BP神经网络和偏最小二乘法校正模型.结果表明:经过标准正常化及去散射处理和二阶导数预处理的图谱,运用BP神经网络建立的模型预测小麦籽粒蛋白质含量效果最优,预测的R2和均方根误差分别为0.983和0.067,小麦蛋白质含量的国标测定值与最优条件下的预测值之间的t检验结果为P =0.82＞0.05,两种方法测定结果无显著性差异.将其与近红外仪器自带模型相比,预测效果显著提高.采用非线性BP神经网络法建立的定标模型可提高预测小麦蛋白质含量的准确性.

关键词：小麦、近红外光谱、蛋白质、BP神经网络、偏最小二乘法、建模

分类号：TS210.1;S512.1(食品工业)

资助基金：河南工业大学2011年研究生科技创新基金项目资助11YJCX36

在线出版日期：2013-05-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：15-18