换一批近红外光谱技术快速检测螺旋藻生长过程中的关键指标
Rapid detection of key indicators during Spirulina growth using near-infrared spectroscopy technology
摘要目的 建立近红外光谱法快速检测螺旋藻中生物量、蛋白质、叶绿素的分析方法.方法 使用近红外光谱仪采集不同生长时期螺旋藻样品的近红外光谱,利用光谱数据和基于标准方法获得的生物量、蛋白质、叶绿素含量建立偏最小二乘(partial least squares,PLS)定量分析模型,采用光谱预处理方法结合波长筛选技术对螺旋藻光谱进行处理,以提高定量模型的预测能力.结果 研究发现,使用经过多元散射校正(multiplicative scatter correction,MSC)、标准正态变换(standard normal variate,SNV)、连续小波变换(continuous wavelet transform,CWT)和1阶导数(1st)处理之后的光谱建立的PLS模型拥有更好的预测效果,其中使用1st处理后的光谱建立的PLS模型预测能力最好,光谱在1st处理之后的基础上再使用蒙特卡洛-无信息消除(Monte Carlo-uniformative variable elimination,MC-UVE)或随机检测(randomization test,RT)算法进行波长筛选可以再次提高模型的预测和解释能力,最终优化后的模型对于生物量、蛋白质、叶绿素3项指标预测结果的r预测分别为0.921、0.940和0.901,预测均方根误差分别为0.099、0.940和0.855 mg/mL.结论 基于近红外光谱技术快速检测螺旋藻中生物量、蛋白质、叶绿素是可行的,优化后的PLS模型可以用于评价螺旋藻生长过程的关键指标.
更多相关知识
关键词
螺旋藻近红外光谱技术生物量蛋白质叶绿素快速检测Spirulinanear infrared spectroscopybiomassproteinchlorophyllquick detection
栏目名称
DOI
10.19812/j.cnki.jfsq11-5956/ts.20250714002
发布时间
2025-10-27（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家重点研发计划（2022YFF11002500）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
