【瑞士步琦】近红外光谱分析技术在玉米品质检测中的应用

介绍

玉米是我国重要的粮食作物。根据国家统计局数据显示，我国 2021 年玉米播种面 4332 万 hm²，玉米产量达 2.7 亿 t。玉米中的水分、蛋白质、脂肪、糖类等主要化学成分含量会直接影响到玉米的经济效益。化学成分含量的测定已成为原料品质评价中的重要环节。玉米种子作为生产中最基本的资料，其质量的好坏直接影响玉米的产量及品质。玉米品质指标（水分、蛋白质、淀粉等）的检测常用理化方法，安全指标（毒素等）的检测使用液相等物理或化学方法，可用冷浸法等对种质品质进行分析，但这些方法均会对样本本身造成破坏，存在处理时间较长以及需要专业人员操作、仪器成本高等缺点。因此，探究一种可以对玉米进行无损、快速检测技术显得尤为重要。近红外光谱分析技术具有样品不需复杂耗时的前处理、无损耗、多成分同时分析、无污染的检测优势，近年来得到了广泛关注。

近红外光谱分析技术是利用物质对光的吸收、散射、反射与透射等特性对待测物进行分析的检测技术，通过样品的吸收光谱及理化分析结果可对样品进行定性或定量分析。近红外光谱分析技术的检测步骤为使用化学计量法对近红外光谱数据进行预处理及建立模型，将样本的预测集通过模型进行检测，验证模型是否精准，并对模型进行评价及优化。

近红外光谱技术常用处理方法，由于近红外光谱中强大的背景信息造成的噪声干扰和存在冗余变量，导致从样品的近红外光谱中提取与检测目标相关的信息较困难，因此，需对光谱数据进行预处理。常用的光谱预处理方法有去噪自编码器（DAE）、正交信号校正法（OSC）、标准正态变换（SNV）、多元散射校正（MSC）等。

近红外光谱技术模型评价指标

定量模型评价指标  

评价近红外光谱定量模型预测准确性的实质是模型的预测结果与样品结果的接近程度，评价预测模型一般采用校正决定系数（R2c）、验证决定系数（R2v）、校正相关系数（Rc）、验证相关系数（Rv）、校正均方根误差（RMSEC）、验证均方 根 误 差（RMSEV） 和 相 对 分 析 误 差（RPD）等参数，决定系数与相关系数是预测值与使用化学方法检测出的真值样本集相关性的标准，通常 R2c、R2v、Rc、Rv 越大时，认为所建模型效果越好；RMSEC 和 RMSEV 是校正集与验证集的预测值和使用化学方法检测出的真值之间差异大小的量度，RMSEC 和 RMSEV 越小，认为所建模型性能越优；RPD 是衡量模型可靠性的指标，当 RPD>3，认为所建立的预测模型可靠性较高，3>RPD>2.5，认为模型可用于分析；RPD<2.5 时，则表明模型分析难以进行。

定性模型评价指标   

近红外光谱技术在定性分析中多用于样品分类，常用判定指标有正确率、敏感性、特异性等。

从采样现场到实验室快速无损检测样品的指标，主要包括水分、脂肪、蛋白、灰分等。可以帮助企业优化生产过程，控制最终产品质量，提升利润。近红外光谱仪检测过程无需化学试剂，可大大降低实验室湿化学成本。检测快速，可大大减少操作人员的劳动力，降低使用门槛，节约管理费用。

• 防水型不锈钢外壳，入口防护等级为 IP69，可进行高压管冲洗，即使是苛刻的工作环境也能满足

• 多种即时可用的预校准，适用性广泛

• 直观的现触摸屏界面，简单、明了

• 样品使用磁耦合驱动装置旋转器，分析完成后该装置可拆除，轻松清洁

• 允许用户利用近红外光，可见光或将两种信号结合来提高测量性能和全面评估样品，从而使其测量性能达到较大化

相关模型参数

步琦公司为您提供完整的玉米检测解决方案，同时提供定制化服务和使用，欢迎用户前往我司实地参观考察。