Determinazione del contenuto di amilosio nel loto fresco mediante imaging iperspettrale

Con il miglioramento del tenore di vita, le persone hanno esigenze sempre più elevate per il gusto e la nutrizione dei semi di loto.il suo contenuto di amilosio influenza direttamente la qualità e il sapore dei semi di lotoIl contenuto di amilosio dei semi di loto varia notevolmente tra le varie varietà, quindi la determinazione del contenuto di amilosio dei semi di loto è di grande importanza per la successiva lavorazione.La tradizionale rilevazione dell'amilosio è generalmente effettuata utilizzando la colorimetria dell'iodio, il metodo di titolazione dell'affinità dell'iodo e l'infezione trasversale, questi metodi richiedono tempo e lavoro e sono facilmente influenzati dalle condizioni sperimentali!

La tecnologia di imaging iperspettrale è una tecnologia di test non distruttivi in grado di ottenere ricche informazioni di spettro e immagine.ha i vantaggi di risparmiare tempoIn questo articolo, la tecnologia di imaging iperspettrale è stata utilizzata per rilevare l'amilosio di loto fresco.

一、Materiali e metodi

1.1 Materiali di prova

I campioni provenivano dalla provincia del Fujian, e le varietà di Xuanlian, Guangchanglian, Jianxuan 36, Mantianxing, Space lotus e Xianglian sono state selezionate.il seme di loto fresco è stato conservato in azoto liquido e trasportato in laboratorio;, dove è stato refrigerato a 4 °C per 12 ore.

1.2 Acquisizione e correzione di immagini iperspettrali

I principali componenti di un sistema di imaging iperspettrale sono l'imager iperspettrale, la sorgente luminosa, il palcoscenico, la scatola nera e il software di acquisizione dei dati iperspettrali.L'intero sistema può utilizzare la telecamera iperspettrale a spettro cromatico FS-13Il sistema di imaging iperspettrale è mostrato nella Figura 1.La velocità di movimento della piattaforma di carico utile è impostata a 3.5 mm/s e il tempo di esposizione è di 30 ms. L'obiettivo è a 40 cm dalla piattaforma in movimento e dritto verso il basso.Regolare la distanza focale della fotocamera dello spettrometro per la correzione in bianco e nero del sistema.

1.3 Trattamento dei dati

Il software di analisi è stato utilizzato per estrarre lo spettro medio della regione di interesse (ROI) dall'immagine spettrale dei semi di loto.Per eliminare l'influenza del rumore e della luce esterna, è stato confrontato l'effetto di modellazione dei metodi di pre-elaborazione come la prima derivata, la seconda derivata, l'allineamento SG, la conversione della variabile normale standard con correzione di dispersione multipla (MSC),e è stato selezionato il metodo di pretrattamento migliore.

二、 Risultati e analisi

2.1 Spettro medio della regione di interesse

In questo documento, la curva spettrale di ogni pixel nella regione di interesse di un singolo campione viene utilizzata per l'elaborazione successiva.Il diagramma spettrale medio dopo la rimozione del rumore della testa e della coda (400 nm~971 nm) è illustrato nella figura 2Dalla figura si può vedere che la tendenza alla variazione dei valori spettrali dei diversi campioni è coerente.che può essere causato dallo spostamento della banda d'acquaLa banda ha un assorbimento relativamente evidente tra 500 nm e 920 nm.Doppiazione di frequenza secondaria O-H e doppiazione di frequenza primaria O-H del gruppo C-H nella molecola di amilosio.

2.2 Contenuto di amilosio dei semi di loto

I risultati del set di correzione e del set di previsione del contenuto di amilosio diviso per il metodo SPXY sono riportati nella tabella 1.Dalla tabella si vede che il contenuto di amilosio dei semi di loto freschi varia notevolmenteIl valore massimo di amilosio dei semi di loto corretti è di 227,90 mg/g, il valore minimo è di 100,82 mg/g e la deviazione standard è di 44,73 mg/g.Il contenuto di amilosio del campione previsto è entro il range del campione di correzione, quindi la divisione del campione è ragionevole.

三、Conclusione

In questo documento, la tecnologia di imaging iperspettrale è stata utilizzata per rilevare rapidamente il contenuto di amilosio.I risultati mostrano che l'effetto di modellazione è migliore dopo l'utilizzo della prima derivata e della correzione della dispersione multipla MSC)Il coefficiente di correlazione corretto del modello di previsione PLSR era 0.835, l'errore medio quadrato corretto della radice media del set (RMSEC) è stato di 1.802, il coefficiente di correlazione di serie previsto (R) era 0.856, e l'errore quadrato medio della radice impostata previsto (RMSEP) era di 1.752L'errore relativo di analisi (RPD) è stato di 1.944. Il coefficiente di correlazione dell'insieme di previsioni del modello di previsione PLSR stabilito dal metodo RC (R. L'errore quadrato medio della radice dell'insieme di previsioni (RMSEP) era 1.897L'errore relativo di analisi (RPD) è stato di 1.761Questo studio ha fornito una riflessione per sviluppare ulteriormente uno strumento di rilevazione on-line del contenuto di amilosio e ha gettato una buona base.