快速预测辣椒蛋白质含量的高光谱模型

本发明属于辣椒加工品品质预测领域，具体涉及一种快速预测辣椒蛋白质含量的高光谱模型。

背景技术：

1、辣椒含有丰富的vc、辣椒素、矿物质和蛋白质等，具有很高的营养价值。辣椒可增进食欲、帮助消化、促进血液循环，驱寒解表，因此深受消费者的喜爱。据调查，我国在2021年的辣椒种植面积达到153.33万公顷，在世界范围内的辣椒种子中，约占40％。我国辣椒种植面积和辣椒消费水平是世界第一大国。

2、由于生活条件的改善，以及育种技术的进步，对辣椒质量的影响越来越大，其中，蛋白质水平能反应出辣椒的品质。目前对辣椒蛋白质含量的检测方法有凯氏定氮法、考马斯亮蓝法、双缩脲法等一些常规手段，这些传统检测蛋白质含量的方法主要以理化检测为主，且操作的过程相对复杂。

3、高光谱成像技术是基于非常多窄波段的影像数据技术，它将成像技术与光谱技术相结合，对被测样本的光谱信息和图像信息进行同步采集，对外观进行实时、在线的非破坏性测试，可以对常规测试方法进行补充、说明。与传统的光谱技术相比，高光谱成像技术具有以下优点：(1)分析效率高，通过对同一目标同时采集多个波长，可快速实现目标检测；(2)样品无需破损，高光谱成像技术不会对样品造成损坏，提高了数据的采集效率；(3)多指标同时分析，可实现多个指标的同时检测，提高了检测的准确性和可靠性。

4、目前，有关辣椒蛋白质含量的研究报道较少，因此，需要提供一种基于近红外光谱的辣椒蛋白质含量的估测模型。

技术实现思路

1、本发明的目的在于提供一种快速预测辣椒蛋白质含量的高光谱模型，该高光谱模型能够快速无损测定辣椒蛋白质含量，具有较好的预测性、稳定性和普适性。

2、为实现上述目的，本发明一种快速预测辣椒蛋白质含量的高光谱模型采取下述技术方案：

3、一种快速预测辣椒蛋白质含量的高光谱模型，包括以下步骤：

4、(1)样品准备，将辣椒烘干、磨碎成粉后，储存备用；

5、(2)光谱采集，打开高光谱仪，预热30min，让高光谱成像系统达到稳定状态，并进行系统校正；经过调试，测定出4.10ms的曝光时间，6.56mm/s的平台移动速度以及900～1700nm的探测波长；再将待测样品放入高光谱测试平台，开启光谱仪spectral image—nir软件扫描，得到辣椒高光谱图像；

6、(3)蛋白质含量测定，将辣椒粉置于消化管中，加入硫酸铜、硫酸钾和硫酸，混合后移入消化炉中，一头接水管，另一头接冷凝管，温度设置为400～420℃，消化1h至消化完全，待出现清激的蓝绿色消化完成，冷却，将消化管取出加入水；蒸馏后滴定，再计算即可；

7、(4)光谱数据预处理，对光谱数据进行光谱预处理；

8、(5)模型构建，采用偏最小二乘法将光谱学信息与蛋白质含量进行量化分析。

9、优选地，步骤(2)中，所述光谱的波长为900～1700nm。

10、优选地，步骤(4)中，光谱预处理采用光谱化、均一化或多元散射校正。

11、优选地，步骤(5)中，所述模型为rc-st-plsr、swr-st-plsr或spa-bc-plsr。

12、优选地，步骤(5)中，采用回归系数法、连续投影算法或逐步回归法筛选最优波长。

13、优选地，步骤(5)中，模型的性能指标为校正集相关系数、交叉验证集相关系数、预测集相关系数、校正集均方根误差、内部交叉验证均方根误差和外部预测均方根误差。

14、进一步优选地，所述rc-st-plsr模型的最优波长数为10个；所述swr-st-plsr模型的最优波长数为9个；所述spa-st-plsr模型的最优波长数为12个。

15、更进一步优选地，所述swr-st-plsr模型的相关系数均最大校正集相关系数、交叉验证集相关系数、预测集相关系数均大于rc-st-plsr模型和spa-st-plsr模型。

16、有益效果：

17、本申请以辣椒为研究对象，采集同一时期不同品种的辣椒，测定其光谱数据及蛋白质含量，并对辣椒光谱特征及其蛋白质含量之间的定量关系进行综合分析，建立基于近红外光谱的辣椒蛋白质含量的估测模型。

18、本申请利用近红外高光谱成像技术结合不同预处理方法，构建了辣椒中蛋白质含量的快速预测模型，实现辣椒蛋白质含量的精准预测，具有良好的理论研究意义和实际应用价值，同时，对其他作物中蛋白质含量估测提供了借鉴和参考。

技术特征：

1.一种快速预测辣椒蛋白质含量的高光谱模型，其特征在于，包括以下步骤：

2.根据权利要求1所述的快速预测辣椒蛋白质含量的高光谱模型，其特征在于，步骤(2)中，所述光谱的波长为900～1700nm。

3.根据权利要求1所述的快速预测辣椒蛋白质含量的高光谱模型，其特征在于，步骤(4)中，光谱预处理采用光谱化、均一化或多元散射校正。

4.根据权利要求1所述的快速预测辣椒蛋白质含量的高光谱模型，其特征在于，步骤(5)中，所述模型为rc-st-plsr、swr-st-plsr或spa-bc-plsr。

5.根据权利要求1所述的快速预测辣椒蛋白质含量的高光谱模型，其特征在于，步骤(5)中，采用回归系数法、连续投影算法或逐步回归法筛选最优波长。

6.根据权利要求1所述的快速预测辣椒蛋白质含量的高光谱模型，其特征在于，步骤(5)中，模型的性能指标为校正集相关系数、交叉验证集相关系数、预测集相关系数、校正集均方根误差、内部交叉验证均方根误差和外部预测均方根误差。

7.根据权利要求1～6任一项所述的快速预测辣椒蛋白质含量的高光谱模型，其特征在于，所述rc-st-plsr模型的最优波长数为10个；所述swr-st-plsr模型的最优波长数为9个；所述spa-st-plsr模型的最优波长数为12个。

8.根据权利要求7所述的快速预测辣椒蛋白质含量的高光谱模型，其特征在于，所述swr-st-plsr模型的相关系数均最大校正集相关系数、交叉验证集相关系数、预测集相关系数均大于rc-st-plsr模型和spa-st-plsr模型。

技术总结
本发明属于辣椒加工品品质预测领域，具体涉及一种快速预测辣椒蛋白质含量的高光谱模型。一种快速预测辣椒蛋白质含量的高光谱模型，包括以下步骤：将辣椒烘干、磨碎，备用；打开高光谱仪，预热，系统校正，调试，测定出4.10ms曝光时间，6.56mm/s平台移动速度和900～1700nm探测波长；将样品放入测试平台，开启光谱仪扫描，得到辣椒高光谱图像；蛋白质含量测定；对光谱数据进行光谱预处理；采用偏最小二乘法将光谱学信息与蛋白质含量进行量化分析。本申请对辣椒光谱特征及其蛋白质含量之间的定量关系进行综合分析，建立基于近红外光谱的辣椒蛋白质含量的估测模型，实现辣椒蛋白质含量的精准预测，具有良好的理论研究意义和实际应用价值。

技术研发人员：贾方方,王亚月,徐园园,刘冬梅,邱湾,罗苏婷
受保护的技术使用者：商丘师范学院
技术研发日：
技术公布日：2024/1/15