基于近红外光谱技术的米糠和米糠粕营养成分快速分析

摘要

米糠和米糠粕是大米加工主要副产物，每年生产量巨大，含有多种生物活性物质。为了研究米糠和米糠粕主要营养成分的近红外快速检测方法，收集大量的米糠和米糠粕样品，利用仪器自带RIMP软件对其最佳预处理方法、光谱波段范围、主因子数以及建模方法进行选择，建立了米糠和米糠粕常规营养物质的近红外检测模型。
　　研究结果如下：
　　（1）建立了米糠主要成分含量的近红外分析模型。米糠水分、灰分、粗脂肪、粗蛋白、粗纤维和酸价建模集实测值与近红外光谱模型预测值之间的决定系数RC、标准偏差SEC、交叉检验标准误差SECV和相对分析误差 RPDC分别为0.9652、0.4299、0.4627和3.501；0.9344、0.4320、0.4957和2.3955；0.9273、0.5614、0.6226和2.357；0.9967、0.1666、0.3992和4.8389；0.9358、0.4195、0.5660和2.0383；0.9822、3.210、4.3262和3.8065。验证模型各指标分别为0.9458和0.3603、0.9123和0.6475、0.9335和0.3700、0.3471和0.4263、0.8450和0.5696、0.5113和2.9963。结果表明，近红外光谱对米糠中主要营养成分的预测效果较好，而米糠中粗纤维和酸价模型预测精度不高。
　　（2）采用三种不同建模方法研究米糠粕水分、灰分和粗蛋白含量检测模型。其中偏最小二乘回归法建立的水分、灰分、粗蛋白含量检测模型相关系数 RC、校正集标准偏差SEC、验证集相关系数RP、验证集标准偏差SEP和交叉检验标准误差SECV分别为0.9575、0.2355、0.8900、0.3129和0.4290；0.9433、0.3025、0.8749、0.4703和0.4599；0.9384、0.3382、0.9221、0.4509和0.4258。主成分分析结合人工神经网络法建立的米糠粕营养成分模型指标分别为0.8279、0.4549、0.8513和0.3599；0.8804、0.4382、0.8857和0.4349；0.9175、0.4396、0.9129和0.5374。偏最小二乘结合人工神经网络法建立的模型指标分别为0.9593、0.2380、0.8961和0.3070；0.9168、0.3638、0.9006和0.4184；0.9626、0.2655、0.9292和0.4349。
　　结果表明，偏最小二乘结合人工神经网络法建立的米糠粕模型最好，可以实现水分、灰分和粗蛋白的快速检测，预测精度较高。

目录

声明

英文缩略语表

第一章 前言

1 米糠

1.1 米糠的组成

1.2 米糠中各营养成分研究现状

2 近红外光谱分析

2.1 近红外光谱原理

2.2 近红外光谱分析的特点

2.3 近红外模型的建立

3 本课题研究意义及主要研究内容

3.1 研究意义

3.2 主要研究内容

第二章 米糠近红外模型的建立

1 材料与方法

1.1 实验材料与设备

1.2 实验方法

1.3 光谱数据预处理

2 结果分析

2.1 米糠各化学成分值表

2.2 米糠的光谱图

2.3 不同预处理方法的选择

2.4 最佳光谱波段范围的选择

2.5 最佳主因子的确定

2.6 米糠近红外模型预测方程

2.7 米糠营养成分的外部检验

3 结论

第三章 米糠粕近红外模型的建立

1 材料与方法

1.1 实验材料与设备

1.2 实验方法

2 结果分析

2.1 米糠粕原始光谱图与化学值表

2.2 偏最小二乘回归模型

2.3 主成分分析结合人工神经网络模型

2.4 偏最小二乘结合人工神经网络模型

2.5 米糠粕各营养成分最佳模型的确定

2.6 米糠粕营养成分模型外部检验

3 小结

第四章 结论与展望

参考文献

致谢

附录