近紅外光譜分析技術
在玉米品質檢測中的應用
近紅外應用
"
1
介紹
玉米是我國重要的糧食作物。根據國家統計局數據顯示,我國 2021 年玉米播種面 4332 萬 hm2,玉米產量達 2.7 億 t。玉米中的水分、蛋白質、脂肪、糖類等主要化學成分含量會直接影響到玉米的經濟效益。化學成分含量的測定已成為原料品質評價中的重要環節。玉米種子作為生產中最基本的資料,其質量的好壞直接影響玉米的產量及品質。玉米品質指標(水分、蛋白質、淀粉等)的檢測常用理化方法,安全指標(毒素等)的檢測使用液相等物理或化學方法,可用冷浸法等對種質品質進行分析,但這些方法均會對樣本本身造成破壞,存在處理時間較長以及需要專業人員操作、儀器成本高等缺點。因此,探究一種可以對玉米進行無損、快速檢測技術顯得尤為重要。近紅外光譜分析技術具有樣品不需復雜耗時的前處理、無損耗、多成分同時分析、無污染的檢測優勢,近年來得到了廣泛關注。
近紅外光譜分析技術是利用物質對光的吸收、散射、反射與透射等特性對待測物進行分析的檢測技術,通過樣品的吸收光譜及理化分析結果可對樣品進行定性或定量分析。近紅外光譜分析技術的檢測步驟為使用化學計量法對近紅外光譜數據進行預處理及建立模型,將樣本的預測集通過模型進行檢測,驗證模型是否精準,并對模型進行評價及優化。
近紅外光譜技術常用處理方法,由于近紅外光譜中強大的背景信息造成的噪聲干擾和存在冗余變量,導致從樣品的近紅外光譜中提取與檢測目標相關的信息較困難,因此,需對光譜數據進行預處理。常用的光譜預處理方法有去噪自編碼器(DAE)、正交信號校正法(OSC)、標準正態變換(SNV)、多元散射校正(MSC)等。
2
近紅外光譜技術模型評價指標
定量模型評價指標
評價近紅外光譜定量模型預測準確性的實質是模型的預測結果與樣品結果的接近程度,評價預測模型一般采用校正決定系數(R2c)、驗證決定系數(R2v)、校正相關系數(Rc)、驗證相關系數(Rv)、校正均方根誤差(RMSEC)、驗證均方 根 誤 差(RMSEV) 和 相 對 分 析 誤 差(RPD)等參數,決定系數與相關系數是預測值與使用化學方法檢測出的真值樣本集相關性的標準,通常 R2c、R2v、Rc、Rv 越大時,認為所建模型效果越好;RMSEC 和 RMSEV 是校正集與驗證集的預測值和使用化學方法檢測出的真值之間差異大小的量度,RMSEC 和 RMSEV 越小,認為所建模型性能越優;RPD 是衡量模型可靠性的指標,當 RPD>3,認為所建立的預測模型可靠性較高,3>RPD>2.5,認為模型可用于分析;RPD<2.5 時,則表明模型分析難以進行。
定性模型評價指標
近紅外光譜技術在定性分析中多用于樣品分類,常用判定指標有正確率、敏感性、特異性等。
相關檢測設備
從采樣現場到實驗室快速無損檢測樣品的指標,主要包括水分、脂肪、蛋白、灰分等。可以幫助企業優化生產過程,控制最終產品質量,提升利潤。近紅外光譜儀檢測過程無需化學試劑,可大大降低實驗室濕化學成本。檢測快速,可大大減少操作人員的勞動力,降低使用門檻,節約管理費用。
▲ 步琦近紅外光譜儀 ProxiMate
防水型不銹鋼外殼,入口防護等級為 IP69,可進行高壓管沖洗,即使是苛刻的工作環境也能滿足
多種即時可用的預校準,適用性廣泛
直觀的現觸摸屏界面,簡單、明了
樣品使用磁耦合驅動裝置旋轉器,分析完成后該裝置可拆除,輕松清潔
允許用戶利用近紅外光,可見光或將兩種信號結合來提高測量性能和全面評估樣品,從而使其測量性能達到較大化
3
相關模型參數
Product | Parameter | Range | Spectra | SEP |
Maize | Starch | 16-76% | 655 | 3.5 |
Maize | Fat | 3.14 -5.35 | 298 | 0.2 |
Maize | Protein | 6-21% | 682 | 1.3 |
Maize | Moisture | 7-13% | 682 | 0.5 |
Maize | Ash | 1-8% | 307 | 0.04 |
步琦公司為您提供完整的玉米檢測解決方案,同時提供定制化服務和使用,歡迎用戶前往我司實地參觀考察。
立即詢價
您提交后,專屬客服將第一時間為您服務