来源：期刊VIP网 时间：
作者：宋雯辉;杜世杰;刘言;王桥;柳鑫;宫智勇;
单位：武汉轻工大学食品科学与工程学院;
摘要：采用传统检测方法对小球藻生长过程中的生物量、蛋白质和叶绿素含量等关键指标进行监测时存在操作复杂、检测速度慢和难以大规模应用等问题。本研究通过近红外光谱技术结合化学计量学方法，建立了一种快速高效监测小球藻生长过程中关键指标的方法。利用近红外光谱仪采集不同生长阶段的小球藻藻液的近红外光谱，使用标准方法检测对应样品的生物量、蛋白质和叶绿素含量3种关键指标，基于偏最小二乘回归法（Partial least squares regression, PLSR）建立定量分析模型。为了提升模型的预测能力，使用多元散射校正（Multiplicative scatter correction, MSC）减少散射对原始光谱（Raw spectrum, RS）的干扰；采用标准正态变换（Standard normal variate, SNV）对原始光谱数据进行规范化处理，消除样品间差异；使用连续小波变换（Continuous wavelet transform, CWT）获取光谱数据中的关键特征；采用一阶导数（1st derivative, 1st）处理增强原始光谱特征的区分度；使用随机化检测（Randomization test, RT）和蒙特卡洛-无信息变量消除法（Monte Carlo-uninformative variable elimination, MC-UVE）筛选波长中的有效变量。通过评价不同模型的预测能力，最终确定小球藻生物量、蛋白质和叶绿素成分含量的定量分析模型。研究结果表明，基于1st结合RT处理光谱方法建立的模型对小球藻营养成分含量具有更好的预测能力，对生物量、蛋白质和叶绿素的预测值的均方根误差（Root mean square error of prediction, RMSEP）分别为0.041、0.012和0.517，决定系数（Coefficient of determination, R~2）分别为0.933、0.973和0.962。结果表明，本研究提出的模型具有良好的实际应用价值，能够快速准确地同时预测小球藻的生物量、蛋白质与叶绿素含量。
关键词：近红外光谱;;小球藻;;光谱预处理;;波长筛选;;偏最小二乘回归
基金资助：国家重点研发计划青年科学家项目（No.2022YFF1102500）资助~~
