本研究旨在确定近红外光谱是一个有用的工具来确定不同属性的面包和蛋糕面粉。具体来说,目的是确定蛋白质(ds)、柔软(avg)、体积(avg)和水分(%)的属性。
一个LabSpec®4波长范围350到2500纳米,接触探头用于这项研究。LabSpec 4系统特性三个模块化的光谱仪,每个收集整个波长范围的一部分。接触探针是专为接触测量固体矿产等原材料,谷物和其他颗粒状材料。
由唐·坎贝尔,应用程序化学家,SummitCAL解决方案团队
本研究旨在确定近红外光谱是一个有用的工具来确定不同属性的面包和蛋糕面粉。具体来说,目的是确定蛋白质(ds)、柔软(avg)、体积(avg)和水分(%)的属性。
一个LabSpec®4 (LS4)的波长范围350 - 2500 nm和接触探针被用于这项研究。LS4系统特性三个模块化光谱仪收集整个波长范围的一部分。接触探针是专为接触测量固体矿产等原材料,谷物和其他颗粒状材料。它还允许测量样品通过明确的和透明的塑料袋。照明是由探头内的卤素灯组装。这个设备还措施漫反射光谱。
图1:LS4显示ASD接触探针样品配件
ASD光谱仪采集光谱以0.1秒的速度扫描和样本计数100使用三个次级样本标定开发项目。这需要扫描收集时间10秒* 2复制为每个样本完全扫描不到30秒的集合。
格式文件导入到克吸光度光谱。所有光谱被建模使用克/ AI, 8.0版本,PLSplus /智商从热费希尔科学、化学计量学包。一个典型的面包粉频谱如图2所示。
图2:典型的面包粉
PLS1模型为蛋白质(ds)开发的,柔软(avg)、体积(avg)和水分(%)使用全套(350 - 2500 nm)与LS4仪器配置。使用交叉验证技术“文件”等于样本复制的数量,在这种情况下被两个光谱。一个独立样本测试集生成整个范围的蛋白质(ds)、柔软(avg)、体积(avg)和水分(%)测量被选为了验证模型。
第一组块显示了回归为测量蛋白质(ds)属性创建两个面包和蛋糕的面粉。相关性(RSQ)的校准设置为0.98和RSQ测试集是0.96。的平均米校准为测试集设置为0.93,平均为1.15。米给我们知道如何测试光谱适合光谱范围内的用于生成模型。通常,M-distances小于或等于三个指示一个不错的选择。7因素PLS1模型使用的校准。SECV校准数据是0.27和9月测试数据是0.38。一百三十双样本作为一套校准提供了这项研究。
图3:回归情节对蛋白质(ds)校准设置
图4:测试集预测蛋白质(ds)模型
下一组块显示了回归为测量柔软(avg)创建属性的面包粉。RSQ的校准设置为0.71,而RSQ测试设置为0.94。的平均米校准为测试集设置为0.93,平均为1.30。3因素所使用的校准PLS1模型,这是一个适当的许多因素校正集样品的数量。SECV校准数据是18.64和9月测试数据是8.93。六十八双样本作为一套校准提供了这项研究。
图5:回归校正集用柔软(avg)属性
图6:测试集预测在柔软(avg)模型
下一个图显示了回归为测量体积(avg)创建属性的面包粉。RSQ的校准设置为0.71,而RSQ测试设置为0.94。的平均米校准为测试集设置为0.93,平均为1.17。
3因素所使用的校准PLS1模型,这是一个适当的许多因素校正集样品的数量。SECV校准数据是156.1和9月测试数据是81.9。六十八双样本作为一套校准提供了这项研究。
图7:回归校正集用体积(avg)属性
图8:测试集的预测卷(avg)模型
最后的情节显示了回归为测量水分(%)属性创建两个面包和蛋糕的面粉。RSQ的校准设置测试集是0.99而RSQ也是0.99。的平均米校准为测试集设置为0.94,平均为1.08。3因素所使用的校准PLS1模型,这是一个适当的许多因素校正集样品的数量。SECV校准数据是0.16和9月测试数据是0.15。六十八双样本作为一套校准提供了这项研究。
图9:回归校正集用水分(%)
图10:预测测试集的水分(%)模型
一个独立的测试集是用来评估,建立四种校准的有效性。校准和测试数据的情节比较彼此非常友好的蛋白质和水分,表明该模型是有效的。然而,有柔软的更高程度的变异(avg)和体积(avg)情节比较。这种变化可以归因于几个因素。额外的校准数据在225 - 325范围柔软(avg)和3500 - 4200卷(avg)可用于试图改善模型的RSQ,这些地区目前正在代表的模型。
初始结果柔软和体积是鼓舞人心的,和附加的样本集从不同生产日期/时间覆盖整个测量范围和相关的主要分析实验室数据将高度理想的包含到模型和作为独立的测试集。
总之,LS4 (350 - 2500 nm)仪器配置提供足够的光谱信息生产运作校准模型测定的蛋白质,柔软,体积和水分特性在面粉样品。
