为了实现兰州百合关键营养物质蛋白质和多糖的快速无损检测,在12000～4000 cm-1光谱范围内采集了59份兰州百合粉的近红外光谱(NIRS).首先运用SG、Normalize、SNV、MSC、Detrend、OSC、SG+1D、SG+Normalize、SG+SNV和SG+Detrend十种预处理方法对原始光谱数据进行处理,确定蛋白质的最佳预处理方法为SG+Detrend、多糖的最佳预处理方法为Detrend;然后运用CARS、SPA和PCA三种算法对预处理的光谱数据进行特征波长筛选,确定蛋白质和多糖的最佳特征波长提取方法均为SPA算法;最后采用PLSR法建立了兰州百合关键营养物质蛋白质和多糖含量的预测模型,结果显示,经过SG+Detrend_SPA处理所建立的蛋白质PLSR模型中,预测集相关系数Rp为0.8106,预测集均方根误差RMSEP为1.1953;经过Detrend_SPA处理所建立的多糖PLSR模型中,预测集相关系数Rp为0.8109,预测集均方根误差RMSEP为2.0946.考虑到经典PLSR无损预测模型精度的限制,在该研究中提出SOM-RBF神经网络无损预测模型.首先利用SOM网络对数据样本进行聚类,然后将得到的聚类类别数和聚类中心作为RBF网络的隐层节点个数和隐层节点数据中心,以此来优化RBF的结构参数.在建立的蛋白质SOM-RBF神经网络模型中,预测集相关系数Rp为0.8666,预测集均方根误差RMSEP为1.0385;建立的多糖SOM-RBF神经网络模型中,预测集相关系数Rp为0.8681,预测集均方根误差RMSEP为1.7994.比较PLSR和SOM-RBF两种模型对两种物质的预测结果,确定了SOM-RBF神经网络模型为最优建模方法,最终确定在蛋白质检测中,最优模型为基于SG+Detrend_SPA_SOM-RBF建立的模型,模型的预测集相关系数较PLSR高5.6％,预测集均方根误差较PLSR低0.1568;在多糖检测中,确定的最优模型为基于Detrend_SPA_SOM-RBF建立的模型,模型的预测集相关系数较PLSR高5.72％,预测集均方根误差较PLSR低0.2952.研究结果表明,运用NIR和SOM-RBF技术可以实现对兰州百合关键营养物质蛋白质和多糖的快速无损检测,为今后快速无损检测兰州百合营养物质提供理论依据.

兰州百合;蛋白质;多糖;近红外光谱;无损检测;SOM-RBF神经网络

廉小亲;陈群;汤燊淼;吴静珠;吴叶兰;高超

北京工商大学人工智能学院,北京 100048;北京工商大学中国轻工业工业互联网与大数据重点实验室,北京 100048

光谱学与光谱分析

[1]廉小亲;陈群;汤燊淼;吴静珠;吴叶兰;高超-.基于NIR和SOM-RBF网络的兰州百合关键营养物质定量分析方法)[J].光谱学与光谱分析,2022(07):2025-2032

Detrend,SG+1D,SG+Normalize,SG+SNV,SG+Detrend

SOM,RBF,兰州百合,营养物质,定量分析方法,快速无损检测,近红外光谱,NIRS,MSC,OSC,十种,预处理方法,光谱数据,CARS,SPA,波长筛选,特征波长提取,PLSR,多糖含量,Rp,RMSEP,预测模型精度,别数,聚类中心,隐层节点,数据中心,蛋白质检测,最优模型,多糖检测,合营

0.15346