71 - 食品科学技术学报页
基本HTML版本
为了保证校正模型的稳定性和可靠性
,
需要对原始
光谱进行合理的预处理后再进行聚类分析
,
以便降
噪
、
减少各种外界干扰的影响并消除光谱中包含的
无用信息
,
提高分析准确度
.
本研究主要采用的光
谱预处理方法包括矢量归一化
、
一阶导数处理
、
二阶
导数处理和归一化与求导相结合
.
矢量归一化
,
是计算的平均吸光度值能够消除
光程或样品稀释等变化对光谱造成的影响
[11]
.
其
具体计算步骤
:1)
对一条原始光谱
,
计算其平均吸
光度值
;2)
用原始光谱值减去平均吸光度值
,
得到
处理后的光谱值
;3)
计算处理后的光谱值的平方
和
,
再开平方根
,
设这个值为
m
;4)
将处理后的光谱
值除以
m
,
此时光谱的矢量归一化是
1,
一条光谱的
矢量归一化完成
[16]
.
一阶导数可用于消除光谱中基线的漂移
,
并使
较小的特征吸收峰变得明显
,
二阶导数可消除光谱
的散射现象
.
在有效消除其他背景干扰的同时
,
分
辨重叠峰
,
提高分辨率和灵敏度
.
一阶微分
:
x
i
,1
st
= (
x
i
-
x
i
+
k
)
/ k
,
(1)
二阶微分
:
x
i
,2
nd
= (
x
i
+
k
- 2
x
i
+
x
i
-
k
)
/ k
2
,
(2)
式
(1)
和式
(2)
中
,
k
为光谱间隔
,
大小可视具体情
况设定
,
x
为吸光度
.
采用矢量归一化方法预处理后
的鸡肉样品光谱曲线如图
4,
一阶导数预处理后的
鸡肉样品光谱曲线如图
5,
二阶导数预处理后的鸡
肉样品光谱曲线如图
6
.
图
4摇
鸡肉样品矢量归一化近红外光谱图
Fig. 4摇 Near infrared spectra of chicken samples after
vector normalization
1郾 3郾 4摇
聚类分析方法
聚类分析过程包括两种距离的计算
,
一种是光
谱图与光谱图之间距离的计算
,
另一种是新创建类
与其他谱图或类之间距离的计算
[17 - 18]
.
本研究中
,
光谱距离采用标准法计算
,
即用欧式距离表示光谱
距离
.
欧氏距离的计算如式
(3):
图
5摇
鸡肉样品一阶导数近红外光谱图
Fig. 5摇 Near infrared spectra of chicken samples after
first derivative
图
6摇
鸡肉样品二阶导数近红外光谱图
Fig. 6摇 Near infrared spectra of chicken samples after
second derivative
D
=
移
k
(
a
(
k
)
- b
(
k
))
2
,
(3)
式
(3)
中
,
D
表示光谱和光谱之间的距离
;
a
(
k
)
和
b
(
k
)
是光谱图
a
和
b
的纵坐标的值
,
即光谱
a
和光
谱
b
在
k
波长点处的吸光度值
.
欧式距离的主要优
点是当坐标轴进行正交旋转时
,
欧式距离保持不变
.
因此
,
如果对原坐标系进行平移和旋转变换
,
则变换
后样本点之间的距离和变换前完全相同
.
本研究采用较为常用的平均距离法
:
D
(
r
,
i
) =
D
(
p
,
i
) +
D
(
q
,
i
)
2
,
(4)
式
(4)
中
,
目标
p
和
q
聚为一个新目标
r. D
(
p
,
i
)
是
目标
p
和目标
i
的光谱距离
,
D
(
q
,
i
)
是目标
q
和目
标
i
的光谱距离
.
新目标
r
和目标
i
的距离
D
(
r
,
i
)
小于两个原来距离值
.
聚类分析分类预测模型构建
流程如图
7
.
2摇
结果与分析
由扫描所得肉鸡和土鸡鸡胸样品的近红外光谱
图
(
如图
5
和图
6)
可见
,
尽管肉鸡和土鸡属于
2
个
不同的鸡肉品种
,
且产地不同
,
但是所有样品的光谱
趋势及吸收峰的位置均大体一致
.
然后选取肉鸡和
86
食品科学技术学报
摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇
摇 2014
年
11
月
