基于高光谱成像技术的大曲还原糖含量预测及其可视化

摘要

还原糖是大曲质量评价的重要指标,为进一步提高大曲还原糖含量的检测精度,提出了一种应用高光谱成像技术检测大曲还原糖含量的方法。采用高光谱成像系统,在900~1 700 nm采集大曲样本的光谱信息,并提取全部样本的平均光谱数据。首先,采用标准正态变量校正(standard normal variables, SNV)、卷积平滑、多元散射校正3种预处理方法对原始光谱进行预处理;然后,分别使用主成分分析(principal component analysis, PCA)荷载系数法、连续投影法(successive projections algorithm, SPA)和PCA荷载系数-SPA三种方法提取了大曲光谱数据的特征波段;最后,基于全波段和特征波段的光谱数据,分别建立了预测还原糖含量的偏最小二乘回归(partial least squares regression, PLSR)和最小支持向量机(least squares support vector machine, LS-SVM)模型。结果表明,对SNV预处理后的大曲光谱数据,采用PCA-SPA算法提取的特征波段建立的PLSR模型效果最佳,其中提取的特征波段数为26个,预测集相关系数为0.922 7,预测集均方根误差为0.455 6 g/100 g。基于最优的模型SNV+PCA+SPA+PLSR对不同发酵时期的大曲样本实现了还原糖含量的可视化。利用高光谱成像技术可实现大曲还原糖含量的快速检测和可视化分布,研究结果为大曲中还原糖含量的检测提供了一种新的方法。