基于特征波长建模的近红外光谱技术检测辣椒素含量

摘要

为实现近红外光谱技术对新鲜辣椒果实中辣椒素含量的准确预测,以杭椒类辣椒为研究对象,采集新鲜辣椒果实的近红外光谱信息,结合高效液相色谱法,分别采用连续投影算法(successive projection algorithm,SPA)、竞争性自适应重加权采样法(competitive adaptive reweighted sampling,CARS)、无信息变量消除法(uninformation variable elimination,UVE)提取特征波长,建立偏最小二乘法(partial least squares,PLS)预测模型,并比较了全谱建模与特征波长建模的预测效果和运算效率。结果显示:CARS-PLS模型的预测效果最好,预测集相关系数和均方根误差分别为0.8386和0.0148 mg/g。此外,与全谱建模的输入变量200相比,基于CARS选择的特征波长建模的输入变量减少了96%,这说明运用特征波长建模大大地简化了模型,提高了运算效率。本试验表明,基于特征波长建模的近红外光谱技术对于新鲜辣椒果实中辣椒素含量的检测是可行的。