基于近红外光谱的杏仁糖中糖含量预测模型的研究.docx

基于近红外光谱的杏仁糖中糖含量预测模型的研究
近年来，食品安全日益引起人们的关注，而杏仁糖作为一种常见的糖果制品，其品质和含量的稳定性备受关注。传统的杏仁糖糖含量检测通常需要通过化学、物理方法等进行实验室分析，但是这些方法操作步骤繁琐，时间长，同时对糖果的破坏性也比较大。因此，如何快速、准确地预测杏仁糖中的糖含量，成为了当前相关领域研究的重点。
近红外光谱技术(NIR)被广泛用于非破坏性食品检测领域。使用该技术可以对杏仁糖中的成分进行无损量化分析，较大程度的保证了杏仁糖糖果的质量和含量的稳定性。因此，基于近红外光谱技术研究杏仁糖中的糖含量预测模型，成为一种可行的研究思路。
本文基于近红外光谱技术，探讨了杏仁糖中糖含量的预测模型。我们收集了120个杏仁糖样本，通过近红外光谱技术进行了扫描处理。我们采用了全谱与变量选择法（SPA）来构建糖含量预测模型。其中，全谱由116个样本构成，通过将光谱分成若干段，并找出光谱与糖含量之间的显著相关性，进行全局回归模型的构建。选择光谱特征后，安利用偏最小二乘（PLS-DA）算法对样本进行分类。
在此过程中，我们考虑到了以下因素：首先，我们需要用探针对样品进行近红外光谱扫描，保证样品中的糖含量被更好的反映。其次，我们采用全谱与变量选择法（SPA）来构建糖含量预测模型，这样可以尽可能的提高预测准确度，并避免对杏仁糖中其他成分的影响。其中，全谱法可以对全部谱进行建模，然而其包含大量噪音与无意义的光谱变化，因此需要由算法自动过滤掉不重要的波长。变量选择法则是选择出对响应变量最有意义的波长，构建较为紧凑的模型，避免过度拟合和噪音干扰。最后，我们选择偏最小二乘（PLS-DA）算法对样本进行分类，可以检验模型拟合优度与预测能力。
实验结果显示，使用全谱与SPA变量选择法（r=0.68,RMSEP=8.28）和PLS-DA（r=0.71,RMSEP=7.86）可以很好地预测杏仁糖中的糖含量。其中，PLS模型的预测效果较为显著。实验得出的模型能够比较准确地预测杏仁糖中糖的含量，同时我们也可以借助这个模型更容易地对杏仁糖进行分类。
总的来说，本文针对基于近红外光谱技术的杏仁糖中糖含量预测模型进行了研究。我们收集样本并进行了光谱扫描处理，通过全谱和变量选择法构建模型，并辅以PLS算法的分类分析，最终成功预测出了杏仁糖中糖含量。在后续的研究中，我们会进一步优化数据处理技术，以更好地提高模型的精度和不确定性。同时，也可以拓展研究范围，进一步探索杏仁糖中其他成分的预测模型，更好地保证食品安全与质量。