[發明專利]一種基于近紅外光譜特征數據提取技術檢測賴氨酸含量的方法

在審

• 申請號: 201811386962.X
• 申請日: 2018-11-20
• 公開（公告）號: CN109520965A
• 公開（公告）日: 2019-03-26
• 發明（設計）人: 樊霞;李守學;賈錚;肖志明;李陽;劉曉露
• 申請（專利權）人: 中國農業科學院農業質量標準與檢測技術研究所
• 主分類號: G01N21/359
• 分類號: G01N21/359
• 代理公司: 北京東方芊悅知識產權代理事務所(普通合伙) 11591
• 代理人: 彭秀麗;林有娣

1.一種基于近紅外光譜特征數據提取技術檢測賴氨酸含量的模型建立方法，其特征在于，包括如下步驟：

(1)收集不同來源的待測樣品，分別進行前處理，備用；

(2)以現有技術方法分別測定各待測樣本的賴氨酸含量；

(3)分別對步驟(1)中制得的待測樣本進行近紅外光譜信息采集，得到校正集樣本全光譜數據；

(4)對步驟(3)中校正集樣本全光譜數據進行預處理，并對預處理后的光譜數據進行特征數據信息的提取，以建立校正模型；

(5)基于步驟(2)中測定的賴氨酸含量，驗證建立的所述校正模型的準確性。

2.根據權利要求1所述的模型建立方法，其特征在于：所述步驟(1)中，所述前處理步驟為將待測樣品經過旋風磨粉碎后過60目篩，并在105℃的烘箱中處理5h。

3.根據權利要求1或2所述的模型建立方法，其特征在于：所述步驟(3)中，所述近紅外光譜信息采集的步驟為采用近紅外漫反射方式對各待測樣品進行掃描以獲取光譜數據；所述掃描方式為連續波長近紅外掃描，光譜采集波長為1000nm-2500nm，分辨率為10nm，掃描次數32次，每個樣品采集三次光譜然后取平均，每個所述待測樣品的掃描時間為1min。

4.根據權利要求1-3任一項所述的模型建立方法，其特征在于：所述步驟(4)中，所述光譜預處理步驟為采用變量標準化處理和去散射處理、變量標準化、多元散射校正、二階導數方法中至少一種。

5.根據權利要求1-4任一項所述的模型建立方法，其特征在于：所述步驟(4)中，所述光譜數據進行特征信息數據提取步驟采用競爭性自適應重加權算法(CARS)進行提取特征信息數據，具體包括如下步驟：

(a)取樣：基于蒙特卡羅采樣法對模型進行取樣，并在每次CARS采樣中，都需要從樣品集中隨機抽取一定量的樣品作為校正集，以建立PLS模型；

(b)基于指數衰減函數去除變量：假定所測樣本光譜陣為X(m×p)，m為樣本數，p為變量數，SSC真實值矩陣為y(m×1)，則PLS回歸模型為：

y＝Xb+e；

式中，b表示一個p維的系數向量，e表示預測殘差；

其中，b＝Wc＝[b₁，b₂，…，b_p]^T(W表示得分矩陣和X的線性組合系數)，b中第i個元素的絕對值|b_i|(1≤i≤p)表示第i個變量對SSC值的貢獻，該值越大表示所對應變量在SSC的預測中越重要；

利用指數衰減函數強行去除|b_i|值相對較小的波長點，并采用MC采樣，在第i次采樣運算后，變量點的保存率通過如下指數函數計算：

r_i＝ae^-ki；

式中，a和k表示常數分別在第1次和第N次MCS時，樣本集中全部p個變量和僅2變量參與建模，即r₁＝1且r_N＝2/p，從而a和k的計算公式如下：

a＝(2/P)^1/(N-1)；

式中，ln表示自然對數，變量數p為1499，設定MC采樣50次；

(c)基于自適應重加權采樣技術進一步對變量進行篩選，通過評價每個變量點的權重w_i進行變量篩選，權重值的計算如下：

(d)通過計算并比較每次產生的新的變量子集的RMSECV值，以RMSECV值最小的變量子集作為最優變量子集；并以此對全光譜數據與光譜特征信息數據構建校正模型進行優選。

6.根據權利要求1-5任一項所述的模型建立方法，其特征在于：所述步驟(4)中，所述建立校正模型的步驟所采用的化學計量學方法為多元線性回歸法。

7.根據權利要求1-6任一項所述的模型建立方法，其特征在于：所述步驟(6)中，所述驗證步驟包括：采集一組驗證集樣品，利用所建立的校正模型獲得驗證集賴氨酸含量的預測值，并基于現有技術方法測定的實際值進行對比評價，計算預測值與實際值的相關系數和方差，以此評價所述校正模型的準確性。