[发明专利]用于鉴别稻米镉含量超标的NIR光谱分析模型及鉴别方法

权利要求书

1.用于鉴别稻米镉含量超标的NIR光谱分析模型，其特征在于，所述分析模型采用以下方法建立：

(1)样本选取及其合格稻米的判定：选择足够数量的不同稻米样本，并采用石墨炉原子吸收法测定所选择的每个稻米样本中镉含量，将镉含量合格的稻米样本的判定值设为-1，镉含量超标的稻米样本的判定值设为1；

(2)样本光谱数据的采集：采用近红外光谱法分别对所选择的每个稻米样本进行光谱采集，并将采集到的稻米样本的标准光谱数据随机分为训练集和预测集两部分；

(3)样本光谱数据的处理：对步骤(2)中采集到的训练集的标准光谱数据进行数据处理，以消除随机噪音、斜坡背景的干扰，校正光谱散射的影响；

(4)样本光谱数据的筛选：以所述步骤(3)中处理过的训练集的标准光谱数据作为选择来源对象，采用CARS法筛选出建模用光谱数据；

(5)初步分析模型的确立：根据所述建模用光谱数据测定出所述训练集中每个稻米样本的标准变量得分，并结合步骤(1)中测定的所述训练集中对应稻米样本的判定值，建立初步分析模型；

(6)初步分析模型的验证：将所述步骤(2)中预测集的标准光谱数据进行所述步骤(3)的数据处理，并结合(4)步骤的筛选方法筛选出验证用光谱数据；然后根据所述验证用光谱数据测定出所述预测集中每个稻米样本的标准变量得分，并结合所述步骤(5)的初步分析模型进行验证，完成所述鉴别稻米镉含量超标的NIR光谱分析模型的建立。

2.根据权利要求1所述的NIR光谱分析模型，其特征在于，所述步骤(2)中近红外光谱的采集参数为：

近红外光谱扫描波数为10000cm^-1～4000cm^-1，

近红外光谱扫描次数为16～64次，

分辨率为4cm^-1～16cm^-1。

3.根据权利要求1所述的NIR光谱分析模型，其特征在于，所述步骤(3)中所述数据处理的方法为：对所述训练集的标准光谱数据先进行平滑处理，对平滑处理后的标准光谱数据再进行二阶导数处理，对二阶导数处理后的标准光谱数据再进行自归一化处理。

4.根据权利要求1所述的NIR光谱分析模型，其特征在于，所述步骤(4)中所述CARS法具体包括以下步骤：选择波长范围在10000cm^-1～4000cm^-1区域内全光谱，将全光谱中每个变量看作一个个体，通过自适应加权采样技术筛选出回归系数绝对值＞0.02，权重＞0，且通过交叉验证选出RMSECV＝0时所对应的波数变量。

5.根据权利要求4所述的NIR光谱分析模型，所述波数变量为45个。