
4.6 近红外高光谱成像技术在粮油产品中的应用
近红外高光谱成像技术作为光谱学和成像技术的结合,在一个系统中同时提供光谱和空间背景,已经成为传统成像和光谱学的可行替代技术。近红外高光谱成像技术在粮油产品中应用广泛。Mishra等[102]提出了独立成分分析(ICA)技术结合近红外高光谱成像检测小麦粉中的花生粉。刘倩 [103]采集47份不同品种的小麦样品的近红外高光谱谱图,建立的小麦籽粒粗蛋白含量模型RMSEP为0.28%,相对分析误差为3.30,实现了近红外高光谱技术测定小麦籽粒的粗蛋白含量,为挑选高蛋白籽粒母本实现小麦优质育种提供一种新思路。Sendin 等[104]选择1118~2445nm的波长对白玉米进行分级,结果表明,采用面向对象的PLS-DA模型,其分类精度达到98%以上。Verdúa等[105]以不同程度掺入高粱、燕麦和玉米粉的小麦粉为检测材料,结果可通过多元统计过程控制方法(Multivariate Statistical Process Control Method,MSPC)成功检测出小麦粉中的掺假。Mahesh等[106]使用近红外高光谱成像技术区分加拿大的小麦种类,通过不同的分析方法,其准确度高于86%。Singh等[107]利用近红外高光谱成像技术结合PCA算法实现了对发芽和破损的小麦籽粒的分类。
Cheng等[108]以花生仁为研究对象,利用近红外高光谱成像技术结合化学计量学方法预测花生仁中蛋白质和含油量,以乘法散射校正预处理方法建立的PLSR模型预测结果良好,花生仁中蛋白质、含油量的预测决定系数(Determination Coefficient for Prediction,) 分别为0.901、0.945,RMSEP分别为0.441、0.196。Wang等[109]利用近红外高光谱成像技术结合PLSR法建立花生仁中蛋白质含量的模型,结果得到为0.885,RMSEP为0.465%,证明近红外高光谱成像技术可以用于花生仁中蛋白质含量测定。Jin 等[110]在400~1000nm和1000~2500nm的两个光谱范围内确定花生仁的水分含量,从而证明近红外高光谱成像技术是预测花生仁中水分的潜在方法。Jin等[111]利用近红外高光谱成像技术选择400~1000nm和1000~2500nm波长范围测定花生中含油量。崔彬彬 [112]实现了近红外高光谱成像技术快速无损检测花生中水分、蛋白质含量。王海龙等[113]对非转基因亲本大豆品种、转基因大豆及其亲本大豆的品种进行鉴别,利用近红外高光谱采集874~1734nm的图像,结合DA方法建模。研究表明采用近红外高光谱成像技术可以用于对非转基因大豆、非转基因亲本及其转基因大豆进行鉴别。