近红外光谱测定小麦粉常规营养成分的模型优化

目的：应用近红外光谱（NIR）结合偏最小二乘法（PLS）建立小麦粉常规营养成分蛋白质、水分和脂肪的含量预测模型，并选择最佳模型。方法：收集117份小麦粉样品的近红外光谱，化学法测定蛋白质、水分和脂肪的含量，利用主成分分析（PCA）随机分组，81份样品用于构建模型、36份样品用作验证模型的预测能力。探讨波长范围和光谱预处理方法对所建模型预测能力的影响。结果：3个营养成分预测能力最好的模型分别是：对于蛋白质，预处理采用矢量归一化（SNV），波长选取7 505.9~5 446.2 cm-1和4 605.4~4 242.8 cm-1，预测模型的RPD值是7.02；对于水分，无预处理，波长选择全谱12 800~3 960 cm-1，模型的RPD值是6.83；对于脂肪，无预处理，波长在9 000~4 000 cm-1，模型的RPD值是5.06。结论：近红外光谱法可以实现对小麦粉常规营养成分的快速预测，通过选择波长范围和光谱预处理方法可以显著提高模型的预测能力。