[发明专利]一种甜菊糖提取液中糖甙含量的在线检测方法

权利要求书

1.一种甜菊糖提取液中糖甙含量的在线检测方法，其特征在于：包括以下步骤：

S1、建立去趋势校正预处理方法，采用最小二乘法将原始光谱的吸收度和波长拟合成一条趋势线，然后从原光谱中减去该趋势线，消除原光谱中的基线漂移；

S2、建立多元线性回归建模方法，多元线性回归分析的基本任务包括：

1)根据因变量与多个自变量的实际观测值建立因变量对多个自变量的多元线性回归方程；

2)对模型进行检验；

3)回归方程整体及其系数的显著性检验和残差分析；

S3、在大孔吸附罐的流出液体管道出口处安装GSA103型近红外光谱仪的流体测样器和取样阀门，仪器的流体测样器浸在管道内的液体中，将仪器固定好；

S4、设置光谱仪的参数，扫描次数设置为30次，采样次数设置为20次，波长扫描范围为1550-1950nm,波长增量为2nm；

S5、当样品流经光谱仪的液体测样器时进行光谱采集，同时打开取样阀门进行取样，并送去化验分析；

S6、利用去趋势校正的方法对光谱进行处理，排除噪音等干扰信号；

S7、通过一定的数学算法多元线性回归将化验分析的含量数据和光谱数据一一对应，得到甜菊糖提取液中糖甙检测的模型；

S8、将该模型装载在GSA103型近红外光谱仪上之后对甜菊糖提取液进行糖甙含量的检测。

2.根据权利要求1所述的一种甜菊糖提取液中糖甙含量的在线检测方法，其特征在于：所述步骤1中包括如下公式：

其中为经去趋势校正后的光谱，Y_j为原始光谱，为经二项式线性拟合所得趋势线。

3.根据权利要求1所述的一种甜菊糖提取液中糖甙含量的在线检测方法，其特征在于：所述步骤2中包括以下具体内容：

1)根据因变量与多个自变量的实际观测值建立因变量对多个自变量的多元线性回归方程，检验、分析各个自变量对因自变量的综合线性影响的显著性，检验、分析各个自变量对应变量的单纯线性影响的显著性，选择仅对因变量有显著性影响的自变量，建立最优多元线性回归方程，评定各个自变量对因变量影响的相对重要性以及测定最优多元线性回归方程的偏离度等；

设随机变量y与一般变量x₁，x₂，…，x_p线性回归模型为：y＝β₀+β₁x₁+β₂x₂+…+β_px_p+ε，式中Y为因变量，x₁，x₂，…，x_p是p个自变量，因变量Y由两部分决定，一部分是误差项随机变量ε，另一部分是p个自变量的线性函数β₀+β₁x₁+β₂x₂+…+β_px_p，其中，β₀，β₁，β₂，…，β_p是p+1个未知参数，β₀称为回归常数，β₁，β₂，…，β_p称为偏回归系数，用它们决定因变量Y与自变量x₁，x₂，…，x_p的线性关系的具体形式，ε是随机误差，满足

为了便于模型参数估计，对线性回归方程y＝β₀+β₁x₁+β₂x₂+…+β_px_p+ε做如下假设：

(i)零均值假定，即E(ε_i)＝0，(i＝1，2，…，n)；

(ii)正态性假定，即

(iii)同方差和无自相关假定，

即

(iv)无序列相关假定，即Cov(X_ji，V_i)＝0，j＝1，2，…，p；

(v)无多重共线性假定；

2)对模型进行检验，首先是拟合优度检验，一般用于检验样本回归直线对观测值的拟合程度，即SST＝SSR+SSE,其中，为总离差平方和，为回归平方和，它是反映回归效果的参数，为残差平方和，式中y_i为第i个样本点(x₁，x₂，…，x_p)上的回归值，为y的平均值；

判定系数R²指因变量y的总变差中能由自由变量所解释的那部分变差的比重，即R²的值越接近于1，表明回归方程对实际观测值的拟合度效果越好，相反R²越接近于0，拟合效果越差；

3)回归方程整体及其系数的显著性检验和残差分析。

4.根据权利要求1所述的一种甜菊糖提取液中糖甙含量的在线检测方法，其特征在于：所述步骤1中建立的去趋势校正预处理方法与步骤2中建立的多元线性回归建模方法均导入近红外光谱仪中。