[发明专利]中红外光谱油菜籽蛋白质含量检测自适应模型的建立方法

权利要求书

1.一种中红外光谱油菜籽蛋白质含量检测自适应模型的建立方法，包含以下步骤：

步骤一：油菜籽取样每份100-200mg，置于傅里叶变换中红外光谱仪-光声附件样品池中，采集中红外光声光谱信息，连续扫描多次，取平均光谱；

步骤二：取步骤一中已测光谱的油菜籽5g，对其蛋白质含量进行化学分析，以含氮量的结果乘以6.25计，做油菜籽的蛋白质含量，获得化学参考值；

步骤三：将步骤一采集的油菜籽光谱信息进行消噪、平滑、标准化预处理；

步骤四：将步骤三处理好的光谱数据与待测光谱数据通过欧氏距离方法进行计算；并将计算得出的欧氏距离按照与待预测光谱最相近的距离从小到大进行排序；

步骤五：新排序的光谱数据通过偏最小二乘法，建立基于光谱信息的油菜籽蛋白质含量预测模型；

步骤六：利用步骤五中所建立的预测模型，将待测样品油菜籽的中红外光声光谱带入模型，对待测油菜籽样品的蛋白质含量进行计算与预测，得出预测值；

步骤一中，采集中红外光声光谱信息是，采集波长范围为4000-800cm^-1，扫描分辨率为8cm^-1；动镜速率为0.4747cm^-1s，64次连续扫描取平均光谱；

步骤四中，将预处理好的待测样本光谱与训练样本光谱数据通过欧氏距离方法进行计算，两样本之间的欧氏距离D计算公式如下：

其中X_is为训练样本的光谱数据，X_im为待测样本的光谱数据；将训练样本中的每组光谱数据一一取出，与待测样本的光谱数据进行计算，得出待测样本与其的距离，并以矩阵的形式列出；并将欧氏距离的D值按照从小到大进行重新排序，得出与待预测光谱最相近的距离从小到大进行排序的新的光谱排序训练样本集。

2.根据权利要求1所述的中红外光谱油菜籽蛋白质含量检测自适应模型的建立方法，其特征在于，步骤五的操作是：新排序的光谱数据通过偏最小二乘法，建立基于光谱信息的油菜籽蛋白质含量预测模型；通过相关指标得到建立预测模型的最佳样本数目，其中相关指标为相关系数R²，均方根误差RMSE以及模型预测性能综合性评价指标RPD，使得模型的相关系数R²接近于1，均方根误差RMSE接近于0，模型预测性能综合性评价指标RPD大于2；通过对模型的比较与优化，最终得到最优的自适应模型。

3.根据权利要求2所述的中红外光谱油菜籽蛋白质含量检测自适应模型的建立方法，其特征在于，步骤五中的模型建立与计算过程，是通过Matlab 2013a软件进行。

4.根据权利要求3所述的中红外光谱油菜籽蛋白质含量检测自适应模型的建立方法，其特征在于，步骤五中的模型建立与计算过程，是通过相关系数R²，均方根误差RMSE以及模型预测性能综合性评价指标RPD计算，使得模型的相关系数R²接近于1，均方根误差RMSE接近于0，模型预测性能综合性评价指标RPD大于2，可得出建立预测模型的最佳样本数目；通过对模型的比较与优化，最终得到最优的自适应模型；模型建立与计算过程的公式是：

其中y和y'为个样本的化学参考值和红外光谱预测值，为样品化学参考值的均值，y_i中的i表示样品数，n为样品容量，SD为样本化学参考值的标准差；其中R²越接近1，RMSE越小，说明模型的预测性能越好；当RPD>2时，认为模型质量优良；当1.5<PRD<2时，认为模型可接受；当RPD<1.5时，则认为模型较差不可接受。