10.3964/j.issn.1000-0593(2019)03-0751-05
小麦种子自然老化程度的近红外光谱无损识别
应用近红外光谱技术无损分析小麦种子短期自然老化过程中主要化学成分的变化趋势, 并结合支持向量机建立快速判别小麦种子自然老化程度的分析模型.本实验应用VERTEX 70傅里叶变换红外光谱仪, 以大样品杯旋转采样方式跟踪采集了45份小麦种子在自然老化初期、 4个月、 7个月、 9个月的近红外光谱.标准差可以用来表征数据离散程度, 因此本实验通过计算每份样本在4个自然老化阶段的光谱标准差来筛选与自然老化时间显著相关的谱区.为避免单个样本由于偶然因素导致的离散度值异常, 实验统计了45份样本的光谱标准差均值, 根据均值光谱得到如下谱峰:8 362, 6 950, 7 563, 5 319, 4 998和4 478 cm-1处.解析谱峰所在区域对应的化学基团归属可得:6 950 cm-1处对应的是液态水中O—H伸缩振动的一级倍频且该处离散度值较大, 因此小麦种子在短期自然老化阶段中水分变化较为显著; 5 319, 4 998和4 478 cm-1处离散度值较6 950 cm-1处小, 对应的是蛋白质仲酰胺、伯酰胺和酰胺的合频和倍频信息, 因此蛋白质变化较水分而言相对平缓; 8 362和7 563 cm-1处反映的主要是C—H振动的二级倍频信息且离散度值较大, 而种子中蛋白质、淀粉等均具有C—H官能团, 因此蛋白和淀粉等成分综合变化较为显著.在上述分析基础上, 本文采用多分类支持向量机结合近红外光谱建立快速识别小麦种子四种自然老化程度的定性模型.将180份样本光谱按照3∶1随机抽取135个样本作为训练集, 其余样本作为测试集.选择核函数为径向基函数, 通过网格搜索法进行参数寻优得到惩罚参数为8, 核参数为0.008 974 2时, 训练集和测试集的识别正确率可达99.26％和99.78％.实验结果表明:近红外光谱技术结合支持向量机可快速判别小麦种子短期自然老化程度, 为种子贮藏过程中生理特性变化的无损监测及开发利用提供便捷的检测手段.
小麦种子、自然老化、近红外光谱、支持向量机、标准差
39
O657.3(分析化学)
国家重点研发计划2018YFD0101004;北京市自然科学基金面上项目4182017;科技创新服务能力建设-基本科研业务费PXM2018_014213_000033
2019-06-06（万方平台首次上网日期，不代表论文的发表时间）
共5页
751-755
