《表2 预处理方法的比较：正交试验设计优化近红外检测牛乳中蛋白质的建模条件》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《正交试验设计优化近红外检测牛乳中蛋白质的建模条件》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为降低干扰信息的影响和提升模型预测精度，分别采用矢量归一化、多元散射校正（multiplicative scatter correction，MSC）、一阶导数（1st）、二阶导数（2nd）、标准正态变量变换（standard normal variate，SNV）方法对原始光谱进行预处理后建立PLS模型，结果如表2所示。除2nd方法外，矢量归一化、M S C、1 s t、S N V方法处理后模型的相关系数和预测准确性均有明显提高，表明这4种方法能够扣除光谱中与待测成分无关的干扰信号，保留有用信息。其中，经SNV法处理后的蛋白质模型的预测效果最佳，其次为MSC法。与预处理前相比，经SNV法和MSC法处理后模型的RMSEP分别降低了31.1%和27.8%。通过粒径分析可知，均质后牛乳中脂肪球的粒径分布于0.2～1.0μm之间，存在明显脂肪球分布的不均匀性，这使其对近红外光有较强的散射作用[2 9]，由于MSC法和SNV法能够消除颗粒大小及均匀性变化对光谱的影响，所以经MSC法和SNV法处理后可有效消除散射作用引起的干扰。相反，2nd法在去除背景干扰、提高灵敏度的同时放大了噪声，降低了信噪比，使得模型的预测能力下降，导致RMSEP升高了91.9%。可见，预处理方法的选择对蛋白质检测结果有较大影响，其中MSC和SNV是较为理想的预处理方法。