采用近红外光谱技术的燕麦脂肪含量检测

摘要：

以93份燕麦样品为研究对象，对其近红外光谱数据进行预处理后通过主成分分析法提取光谱特征，采用人工神经网络技术建立燕麦中脂肪含量的合理检测模型。结果表明：反向多元散射处理（IMSC）、数学处理选择2441（即对光谱进行导数间隔点为4的二阶导数处理，一次平滑处理间隔点为4，不进行二次平滑处理）为最佳预处理方法；通过主成分分析法提取2个主成分作为原始信息的特征变量，建立的人工网络模型结构为2-17-1，该模型对验证集的测定值与预测值的相关系数为0．9623，均方根误差为1．6072，模型的预测准确性较好。该方法简便、快速，为燕麦脂肪的定量测定提供了一种新方法。

关键词：BP神经网络、脂肪含量、近红外光谱、燕麦、主成分分析法、光谱预处理

所属期刊栏目：44

分类号：TS210.3(食品工业)

资助基金：国家燕麦荞麦产业技术体系CARS－08－D；陕西省科技统筹计划重点项目2015KTZDNY01－07

在线出版日期：2016-08-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：119-124