基于近红外光谱的面粉中偶氮甲酰胺含量检测方法的研究

探讨了NIRS结合化学计量学方法进行偶氮甲酰胺含量快速检测的可行性。针对NIRS冗余信息较多的特点,运用competitive adaptive reweighted sampling (CARS)对偶氮甲酰胺建立PLS回归模型的特征波长进行优选。全光谱的特征波长点为1845个,经CARS300优选后,偶氮甲酰胺的特征波长点个数分别为147,占全谱特征波长点的7.97%。CARS300偶氮甲酰胺回归模型的验证集的决定系数(R2p)分别为0.9883,预测均方根误差(RMSEP)分别为0.0450,相对分析误差(RPD)分别为8.9592。与全光谱回归模型相比,CARS300建立偶氮甲酰胺的回归模型RMSEP分别降低了0.87%,RPD提高了1.62。结果表明,CARS模型减少了参与建模特征波长点数量,有效提升了回归模型的预测能力。