Box-Behnken法冷鲜滩羊肉蛋白质的高光谱模型优化

摘要

高光谱成像技术是一种将成像与光谱相结合的新型无损检测技术,属于间接分析方法;光谱模型的建立非常关键,需综合考察各建模因素间的交互作用.应用Box-Behnken法设计响应面试验优化冷鲜滩羊肉蛋白质含量的可见/近红外高光谱定量检测模型.使用可见/近红外高光谱成像系统采集冷鲜滩羊肉样本的高光谱图像,分析肉样反射光谱特性.采用二维相关光谱技术(2DCOS),以冷鲜滩羊肉中蛋白质含量为"外界扰动",研究扰动条件下光谱信号的动态变化,解析二维相关光谱谱图特征,寻找与微扰相关的敏感变量.分别采用多元散射校正(multiplicative scatter correction,MSC)和标准正态变量变换(standard normal-ized variate,SNV)提取有用信号,优化所选特征波段光谱质量.为实现数据快速降维,减少大量光谱数据处理负担,采用变量组合集群分析法(variable combination population analysis,VCPA)和应用竞争性自适应加权算法(competitive adaptive reweighted sampling,CARS)对2DCOS范围内特征波段进行二次优选.根据Design-Expert软件中Box-Behnken法设计响应面试验,以特征优选、光谱预处理及多元校正方法为考察因素,各因素中3种不同方法为水平,建立冷鲜滩羊肉蛋白质含量分析的优化检测体系.结果表明,波长473,679,734和814 nm处存在较强的自相关峰,473～814 nm范围内的特征波段为冷鲜滩羊肉蛋白质检测的敏感区域;MSC和SNV能够消除肉样自身散射作用的干扰,CARS和VCPA对特征波段进行二次优选,分别优选出了16和9个特征波长;各因素对蛋白质可见/近红外光谱模型预测性能的影响顺序为特征优选方法>预处理方法>多元校正方法,优选出2DCOS-SNV-LSSVM模型具有较高的运行速率和预测能力,其Rc=0.8588,RMSEC=0.0058;Rp=0.8604,RMSEP=0.0057.研究表明,Box-Behnken法在可见/近红外高光谱(400～1000 nm)建模参数优化选择中的应用,可以有效地实现滩羊肉品质智能监控与质量安全快速无损分析,为分析对象光谱模型的优化及提高预测结果的准确性提供理论参考.