论文部分内容阅读
阿拉伯胶是一种天然的碳水化合物聚合体,在食品工业中作为乳化剂和稳定剂得到广泛应用。苏丹的阿拉伯胶产量居世界第一位,约占全世界总产量的80%。其水分含量、蛋白质含量等均会对阿拉伯胶产品品质产生较大影响。因此,测定阿拉伯胶中的水分和蛋白质含量是十分重要的。相对于传统的理化检测法,红外光谱技术在食品、农产品品质检测当中表现出快速、无损、操作简便等诸多优点,因此,本研究采用红外光谱技术对阿拉伯胶的水分、蛋白质含量和产地进行检测。样品采集自苏丹5个地区,每个地区12个样本;中国一个地区,12个样本。总计72个样本,其中校正集样本为48个,预测集样本为24个。 利用红外光谱(FT-IR)对阿拉伯胶水分和蛋白质含量进行检测。采用偏最小二乘法(PLS)、全光谱区间偏最小二乘法(iPLS)、后向区间偏最小二乘法(BiPLS)和前向区间偏最小二乘法(SiPLS)建立定量模型对阿拉伯胶水分和蛋白质含量进行预测。结果表明,iPLS模型对水分含量的预测效果最好,其预测集相关系数(RP)和交互验证均方根误差(RMSEP)分别达到0.969和0.99%。SiPLS模型对蛋白质含量的预测效果最好,其预测集相关系数(Rp)和交互验证均方根误差(RMSEP)分别为0.992和0.073%。 利用近红外光谱(FT-NIR)对阿拉伯胶水分和蛋白质含量进行检测。采用PLS、iPLS、BiPLS和SiPLS建立定量模型对阿拉伯胶水分和蛋白质含量进行预测。结果表明,SiPLS模型对水分含量的预测效果最好,其预测集相关系数(RP)和交互验证均方根误差(RMSEP)分别达到0.958和0.584%。SiPLS模型对蛋白质含量的预测效果最好,其预测集相关系数(Rp)和交互验证均方根误差(RMSEP)分别为0.987和0.092%。 低层数据融合(Low-level data fusion)利用红外和近红外的全光谱对阿拉伯胶的水分和蛋白质含量进行检测。采用PLS、iPLS、BiPLS和 SiPLS建立定量预测模型。结果表明,PLS模型对水分含量的预测效果最好,其预测集相关系数(RP)和交互验证均方根误差(RMSEP)分别达到0.934和0.616%。SiPLS模型对蛋白质含量的预测效果最好,其预测集相关系数(Rp)和交互验证均方根误差(RMSEP)分别为0.981和0.096%。 中层数据融合利用由SiPLS模型优选出来的红外和近红外光谱波段对阿拉伯胶的水分和蛋白质含量进行检测。采用PLS、iPLS、BiPLS和SiPLS建立定量预测模型。结果表明,SiPLS模型对水分含量的预测效果最好,其预测集相关系数(RP)和交互验证均方根误差(RMSEP)分别达到0.952和0.622%。SiPLS模型对蛋白质含量的预测效果最好,其预测集相关系数(Rp)和交互验证均方根误差(RMSEP)分别为0.988和0.110%。 利用红外和近红外光谱结合线性判别分析(LDA)和K最邻近法(KNN)实现对阿拉伯胶产地鉴定。基于红外光谱、近红外光谱、融合光谱的LDA模型对校正集和预测集的识别率都达到100%。采用KNN模型,红外光谱校正集和预测集识别率均高于近红外光谱,而近红外光谱的模型识别率高于融合光谱。 综上所述,利用红外和近红外光谱技术结合化学计量学方法对阿拉伯胶的水分、蛋白质含量和产地进行快速无损检测是可行的。