打开文本图片集
。
3.2 不同预处理方式对定性分析模型的影响
由表3可知，在波数为4 500～9 000 cm-1，采用二阶导数结合5点平滑的预处理方式结合因子化计算方法，所建立的小米品种定性分析模型能将红谷子和非红谷子精确分开，其S值为1.279，2D得分见图2。针对此研究发现，采用多种预处理方式相结合建立的模型精度较低，可能是多种处理方式对光谱造成的过拟合现象导致的。
3.3 不同预处理方式对定量分析模型的影响
由表4可知，在波数为4 500～9 000 cm-1的范围内，采用一阶导数结合5点平滑的预处理、偏最小二乘法的计算方式建立的小米品种定量分析模型检测精度要优于其他方式，其RMSECV为0.243，R2为92.22，见图3。
3.4 模型的验证
将两种模型分别带入软件中，与预测样品进行验证，结果表明，定性分析模型对红谷子和非红谷子品种的正确鉴别率分别为100%和95.65%，见表5。定量分析模型对红谷子和非红谷子品种的鉴别效果为RMSEP=0.176，R2=96.68，见图4。
4 结 论
采用近红外光谱技术对小米品种进行鉴别，在波数为4 500～9 000cm-1，采用的计算方式为因子化法，预处理方式为二阶导数结合5点平滑的建立的定性模型较好，对红谷子的正确鉴别率高达100%。采用的计算方式为偏最小二乘法，预处理方式为一阶导数结合5点平滑，建立的定量分析模型对红谷子和非红谷子检测时，其RMSEP为0.176，R2为96.68。故采用近红外光谱技术可以实现对小米品种的快速检测。
參考文献
[1] 孙艺丹.不同谷子品种主要农艺性状、营养品质与食味品质的关系[D].晋中：山西农业大学，2016.
[2] 穆秋霞，崔素萍，张卓敏，等.黑龙江主栽小米品种品质特性及其相关性分析[J].中国粮油学报，2019，34
Abstract： In order to realize the rapid identification of millet varieties， The experiment uses the near infrared spectrum technique to carry on the research to 120 millet， The results show that The correct identification rate of red gluten by qualitative analysis model was 100%， RMSEP of validation set of quantitative analysis model is 0.176， R2 is 96.68， Therefore， it is feasible to identify millet varieties quickly by near infrared spectroscopy.
Key words： millet， varieties， near infrared spectroscopy
查看全文
false