[發明專利]一種小麥粉蛋白質及濕面筋含量快速檢測方法

在審

• 申請號: 201711145998.4
• 申請日: 2017-11-17
• 公開（公告）號: CN107991264A
• 公開（公告）日: 2018-05-04
• 發明（設計）人: 趙國華;陳嘉;葉發銀;雷琳;周韻
• 申請（專利權）人: 西南大學
• 主分類號: G01N21/359
• 分類號: G01N21/359
• 代理公司: 北京匯澤知識產權代理有限公司11228
• 代理人: 武君

1.一種小麥粉蛋白質及濕面筋含量快速檢測方法，其特征在于包括以下步驟：

（1）樣品收集及近紅外光譜采集：收集一定數量的有代表性的小麥粉樣品，使用近紅外光譜儀對小麥粉的近紅外光譜進行采集，并進行光譜預處理；

（2 采用國標法測定小麥粉的蛋白質及濕面筋含量；

（3）采用聯合區間法篩選光譜變量區間，并建立基于聯合區間支持向量機的小麥粉蛋白質及濕面筋含量預測模型，同時采用二次網格優化法對支持向量機模型進行優化；

（4）根據所得到的模型，對未知樣品的蛋白質及濕面筋含量進行預測。

2.根據權利要求1所述的一種小麥粉蛋白質及濕面筋含量快速檢測方法，其特征在于步驟（1）中，小麥粉樣品的數量不少于80個，并隨機劃分為校正集與驗證集。

3. 根據權利要求1所述的一種小麥粉蛋白質及濕面筋含量快速檢測方法，其特征在于步驟（1）中，近紅外光譜掃描范圍為12500 ~ 3300 cm^-1，分辨率8 cm^-1，掃描次數16次。

4.根據權利要求1所述的一種小麥粉蛋白質及濕面筋含量快速檢測方法，其特征在于步驟（1）中，光譜預處理可以使用一階導數、二階導數、平滑處理、標準正態變量變換、多元散射校正中的一種或多種聯用。

5.根據權利要求1所述的一種小麥粉蛋白質及濕面筋含量快速檢測方法，其特征在于步驟（3）中建立基于聯合區間支持向量機預測模型的步驟為：將近紅外光譜劃分成2 ~ 20個光譜子區間，采用聯合區間變量篩選法篩選最優的光譜特征區間，并構建支持向量機預測模型；即，在每種不同的光譜子區間劃分條件下，對可能產生的所有區間組合，均建立支持向量機模型，并進行外部驗證，比較各子區間組合模型的RMSEP值，RMSEP最小者即為最優模型，其對應的子區間組合就是最佳光譜變量區間組合。

6.根據權利要求5所述的一種小麥粉蛋白質及濕面筋含量快速檢測方法，其特征在于，經篩選，對于蛋白質含量預測，近紅外光譜特征區間范圍為12493.3 ~ 10711.3 cm^-1和7139.6 ~ 3598.7 cm^-1，對于濕面筋含量預測，近紅外光譜特征區間為10703.6 ~ 9816.4 cm^-1和8026.7 ~ 7147.3 cm^-1。

7.根據權利要求1所述的一種小麥粉蛋白質及濕面筋含量快速檢測方法，其特征在于步驟（3）中，支持向量機模型使用libSVM及RBF核函數構建，采用網格搜索法對模型懲罰參數c和RBF核函數參數g進行搜索，搜索范圍設置為[2^-9，2⁹]，參數移動步長為2^0.4，以5折交互驗證均方誤差最小時對應的c和g值為最佳參數，確定最佳c和g值后，再進行二次網格搜索優化，二次網格搜索c值搜索范圍設定為[2^c-1 2^c+1]，g值搜索范圍設定為[2^g-1 2^g+1]，搜索步長設定為2^0.025，以5折交互驗證均方誤差最小時對應的c和g值為二次網格搜索優化后的最優模型參數。

8.根據權利要求7所述的一種小麥粉蛋白質及濕面筋含量快速檢測方法，其特征在于經二次網格搜索優化，對于蛋白質含量預測，模型最優參數c = 8.5742，g = 0.0022；對于濕面筋含量預測，模型最優參數c = 5.8563，g = 0.9330。

9.根據權利要求1所述的一種小麥粉蛋白質及濕面筋含量快速檢測方法，其特征在于步驟（4）中，對于未知樣品的預測，其光譜采集采用步驟（1）相同的儀器與參數，預測時采用步驟（3）中確定的光譜特征區間。