[发明专利]一种基于ATR-FTIR技术的米糠中多糖含量的快速检测方法

权利要求书

1.一种基于ATR-FTIR技术的米糠中多糖含量的快速检测方法，其特征在于，该方法包括以下步骤：

步骤一、定量称取经过去杂处理后的新鲜米糠，结合衰减全反射傅里叶变换红外光谱仪测量其光学性质。

步骤二、随后立即采用气相色谱技术分析米糠中多糖含量。

步骤三、基于偏最小二乘回归法，依据样品中多糖含量以及其光谱信息建立定量预测模型并选取最优的建模参数，确保回归预测模型的鲁棒性和稳定性。

步骤四、根据完善后的模型，通过外部实验进行模型预测精度验证，并采用盲样进行准确性分析。

步骤五、利用之前建立的模型，基于待测的米糠光学性质信息输出其多糖含量。

2.如权利要求1所述的基于ATR-FTIR技术的米糠中多糖含量的快速检测方法，其特征在于，在步骤(1)中，所述米糠过60目筛以保证样品均一性。

3.如权利要求1所述的基于ATR-FTIR技术的米糠中多糖含量的快速检测方法，其特征在于，在步骤(2)中，所述米糠为红外辐射过程中样品，处理后采用衰减全反射傅里叶红外光谱技术获取了样品的红外光谱信号，辐射处理时间为0-60s，光谱采集范围为3000-10000cm^-1，分辨率4cm^-1，扫描次数64次。

4.如权利要求1所述的基于ATR-FTIR技术的米糠中多糖含量的快速检测方法，其特征在于，在步骤(3)中，将傅里叶红外变换光谱仪预热30分钟后，取大约1g米糠样品，与溴化钾一起磨碎后压片，重复三次，取其平均光谱进用于后期化学计量学模型构建。

5.如权利要求1所述的基于ATR-FTIR技术的米糠中多糖含量的快速检测方法，其特征在于，在步骤(3)中，采用偏最小二乘回归(Partial Least Squares Regression，PLSR)分析方法，PLS算法基本原理与PCA类似，通过数据变换后，可将原有数据重新投影成正交、互不相关的隐含变量(Latent Variables，LVs)。但区别在于建模时，PLS算法同时对自变量X和因变量Y进行分解，并探讨自变量与因变量间的关联性，主要步骤包括

(1)构建原始数据矩阵，包括n个样本m个自变量的矩阵(n×m)和目标特性矩阵(Y，n×m)并分解。

X＝AM+B；Y＝CN+D

(2)将得分矩阵A和C进行线性回归，得关系矩阵E。

C＝AE；E＝AC(AC)^-1

(3)对未知Y的样本预测时，通过对自变量矩阵Xp和校正得到的Py求出未知样本X矩阵的得分A_p，并进一步得到Y_p。

Y_p＝A_pEN

本文中米糠多糖光学性质数据存在高维度、变量相关性大等情况，应用PLS算法可以优先解决较高相关性的数据并建立回归预测模型，适合处理米糠多糖光学数据并建立米糠多糖含量预测模型。

6.如权利要求1所述的基于ATR-FTIR技术的米糠中多糖含量的快速检测方法，其特征在于，在步骤(3)中，根据K-S邻近算法选取四分之三容量的样本作为建模集，其余四分之一样本集作为预测集，构建化学计量学模型。原理如下：

(1)计算所有样本两两之间欧式距离，值最大的两个样本分别标记样本1和样本2，归入验证集；

(2)计算所有剩余样本与验证集已有样本的欧氏距离，距离值最小的样本3归入验证集；

(3)寻找剩余所有样本分别与样本1，样本2和样本3对应的最小欧式距离的样本，再分别对比这三个对应的样本，欧氏距离相对最大的进入验证集，设为样本4；

(4)重复操作，直至选出目标验证集数目样本。

在米糠多糖预测模型建立过程中，实验先收集了120个样本的光学性质信息以及化学含量数据，用以模型建立；再次独立收集了30个样本的光学性质信息以及化学含量数据，用以模型验证。