[发明专利]一种提高小麦粉的粗蛋白校正模型适应性的建模方法

权利要求书

1.一种提高小麦粉的粗蛋白校正模型适应性的建模方法，其特征在于，包括步骤：

S1，收集3类小麦粉样品，并对所述3类小麦粉样品进行近红外光谱数据采集和粗蛋白理化值测量；

S2，将3类小麦粉样品分别划分为校正集和预测集；

S3，通过校正集小麦粉样品的近红外光谱数据与粗蛋白含量值之间的数学关系，建立3类小麦粉样品的三组分混合粗蛋白校正模型，利用三组分混合粗蛋白校正模型预测所述预测集的小麦粉样品粗蛋白含量。

2.根据权利要求1所述的粗蛋白校正模型适应性的建模方法，其特征在于，在建立三组分混合粗蛋白校正模型前，利用矢量归一化处理近红外光谱数据。

3.根据权利要求1所述的粗蛋白校正模型适应性的建模方法，其特征在于，所述3类小麦粉样品包括通用面粉、自发面粉和全麦面粉。

4.根据权利要求1所述的粗蛋白校正模型适应性的建模方法，其特征在于，所述三组分混合粗蛋白校正模型预测所述预测集的小麦粉样品粗蛋白含量，通过校正集相关系数Rc、校正集交互验证均方根误差RMSECV、预测集相关系数Rp和预测集交互验证均方根误差RMSEP进行评价。

5.根据权利要求1所述的粗蛋白校正模型适应性的建模方法，其特征在于，采集近红外光谱数据的光谱仪参数设置为：扫描波长范围为900-2500nm、波长点为1601个、分辨率为8cm^-1、扫描次数为16次。

6.根据权利要求1所述的粗蛋白校正模型适应性的建模方法，其特征在于，所述粗蛋白理化值的测量采用国标法。

7.根据权利要求1所述的粗蛋白校正模型适应性的建模方法，其特征在于，所述校正集和预测集的划分采用K-S算法，即把所有的小麦粉样品均看作训练集候选样本，依次从中挑选样本划入训练集。

8.根据权利要求7所述的粗蛋白校正模型适应性的建模方法，其特征在于，所述依次从中挑选样本划入训练集，具体为：首先选择欧氏距离最远的两个小麦粉样品划入训练集，然后通过计算剩下的每一份小麦粉样品到训练集内每一个已知小麦粉样品的欧式距离，找到距离已知小麦粉样品最远及最近的两个样本，并将这两个样本划入训练集，重复上述过程，直到样本数量达到要求。