小麦品质近红外光谱分析

、首次提出了将特征投影图方法应用于小麦蛋白质近红外光谱建模，提高了模型稳定性及预测精度； 2、首次利用异常样本诊断与样本分类方法对小麦样品库进行分类，并基于模型集群分析思想，采用变量组合集群分析法、自加权变量组合集群分析法、蒙特卡罗变量组合集群分析法、变量组合集群分析迭代保留信息变量法等建立小麦水分和蛋白质的近红外光谱预测模型，更大程度提高了模型稳定性及预测精度；

近红外光谱分析技术是一种快速无损的现代分析技术，经过近半个世纪的发展，该技术已经稳步进入发展平台期。以近红外光谱分析技术为主的过程分析技术为世界各国的工业信息化与自动化深度融合起到了关键作用，该技术的成熟标志着农业食品检测技术迈向高品质分析阶段。
小麦是世界上很多国家的主要粮食产物，小麦作为一种广泛种植的谷类作物，富含淀粉、水分、蛋白质、脂肪、矿物质以及一些人体所需的微量元素，具有很好的营养价值，研究快速无损检测小麦品质的方法和技术，对于粮食检验、贸易和食品加工等方面都具有重要意义。
本书共分为六章，分别从小麦品质概述、近红外光谱测试系统及分析方法、基于一次性建模的小麦品质近红外光谱定量分析和基于模型集群分析思想的小麦品质近红外光谱定量分析等几个方面，对小麦品质的近红外光谱分析技术进行了阐述，期望本书能够对从事小麦品质近红外光谱分析技术研究的人员有一定的参考价值。
本书第1章由宦克为、韩雪艳、刘小溪编写；第2章由宦克为、刘小溪编写；第3章由宦克为、韩雪艳编写；第4章由宦克为、刘小溪编写；第5章由宦克为、韩雪艳编写；第6章由宦克为、刘小溪编写。本书能顺利出版，感谢长春理工大学孙大明、赵环及化学工业出版社各位编辑的辛勤付出。
愿本书的出版能够为促进我国小麦品质近红外光谱分析技术的发展尽绵薄之力。

著者
2020年10月

小麦是我国最重要的粮食之一，如何快速地、有效地、无损地检测小麦中的各种化学成分，并对多项指标进行评价，一直是各国研究的问题。本书主要特色是基于化学计量学中的模型集群分析思想，通过不同统计学算法建模，克服一次性建模过拟合的各种问题，大大简化了小麦近红外光谱预测模型，提高了模型的预测精度。
本书主要内容：小麦品质概述；小麦品质影响因素；近红外光谱技术研究现状、特点及其在作物品质分析中的应用等；近红外光谱系统的研制，包括样品光谱收集系统、光源系统、整机测试系统等；近红外光谱预处理方法；近红外光谱建模方法；近红外光谱的模型评价方法等；基于传统化学计量学算法的小麦品质的近红外光谱定量分析研究；基于模型集群分析思想的小麦品质的近红外光谱定量分析研究。
本书主要面向红外物理学、化学计量学等相关专业的本科生、硕士生，也可为相关领域在读博士生提供建模新思路。

第1章小麦品质及近红外光谱分析技术概述/ 001
1.1小麦品质概述/ 001
1.1.1水分/ 001
1.1.2蛋白质/ 002
1.1.3淀粉/ 004
1.2小麦品质的影响因素分析/ 005
1.2.1气候条件对小麦品质的影响/ 005
1.2.2土壤条件对小麦品质的影响/ 009
1.3近红外光谱分析技术概述/ 011
1.3.1近红外光谱分析技术发展的回顾/ 013
1.3.2近红外光谱分析技术特点/ 015
1.3.3近红外光谱分析技术在作物品质分析中的应用/ 020

第2章近红外光谱测试系统及分析方法研究/ 031
2.1现有的近红外光谱分析仪器/ 031
2.2自制的样品光谱收集系统/ 035
2.2.1积分球耦合结构/ 035
2.2.2光纤耦合结构/ 036
2.3自制的近红外光源系统/ 037
2.4自制的近红外光谱漫反射及漫透射测试系统/ 039
2.5近红外光谱预处理方法/ 042
2.5.1平均光谱/ 042
2.5.2平滑算法/ 042
2.5.3求导/ 043
2.5.4小波变换滤波/ 044
2.5.5多元散射校正/ 047
2.5.6标准正态变换/ 048
2.5.7正交投影方法/ 048
2.6近红外光谱的建模方法/ 049
2.6.1偏最小二乘法/ 049
2.6.2支持向量机/ 050
2.7近红外光谱的模型评价方法/ 051
2.8近红外光谱的预处理和建模软件介绍/ 053

第3章基于一次性建模的小麦水分的近红外光谱定量分析/ 056
3.1近红外光谱定量分析步骤/ 056
3.2小波变换/ 059
3.2.1理论定义/ 061
3.2.2离散小波变换/ 062
3.2.3Mallat算法/ 062
3.2.4常用的小波函数/ 063
3.3小麦水分的近红外光谱特征提取及建模方法/ 067
3.3.1小麦样品的近红外光谱采集及水分分布/ 068
3.3.2小麦样品的近红外光谱特征提取方法/ 068
3.3.3小麦样品的近红外光谱建模/ 071

第4章基于一次性建模的小麦蛋白质的近红外光谱定量分析/ 078
4.1小麦样品的近红外光谱采集及蛋白质分布/ 078
4.2近红外光谱变量选择方法/ 079
4.2.1目前常用的变量选择方法/ 079
4.2.2无信息变量消除算法/ 079
4.2.3连续投影算法/ 080
4.2.4无信息变量消除算法结合连续投影算法/ 081
4.2.5特征投影图方法/ 081
4.3近红外光谱不同变量选择方法的建模结果分析/ 086
4.3.1SVM模型/ 086
4.3.2CWT-SVM模型/ 087
4.3.3CWT-MSC-SVM模型/ 091
4.3.4CWT-MSC-UVE-SVM模型/ 092
4.3.5CWT-MSC-SPA-SVM模型/ 094
4.3.6CWT-MSC-UVE-SPA-SVM模型/ 096
4.3.7CWT-LPG-SVM模型/ 097
4.3.8CWT-MSC-LPG-SVM模型/ 100
4.3.9不同建模方法的建模结果分析/ 103

第5章基于模型集群分析思想的小麦水分近红外光谱定量分析/ 105
5.1模型集群分析建模思路的产生/ 106
5.2蒙特卡罗采样技术/ 109
5.2.1刀切法/ 109
5.2.2自助法/ 110
5.2.3蒙特卡罗采样/ 110
5.3模型集群分析建模的主要思路/ 111
5.4小麦样品水分数据的异常样本诊断与样本分类/ 112
5.4.1异常样本诊断/ 113
5.4.2样本分类/ 115
5.5基于引导软阈值方法的特征变量提取方法/ 115
5.6基于变量组合集群分析及改进与混合方法的特征变量提取方法/ 119
5.6.1基于VCPA的特征变量提取方法/ 119
5.6.2基于AWVCPA的特征变量提取方法/ 121
5.6.3基于MC-VCPA的特征变量提取方法/ 124
5.6.4基于VCPA-IRIV的特征变量提取方法/ 125
5.6.5变量组合集群分析及改进与混合方法的特征变量提取结果分析/ 128
5.7基于其他方法的特征变量提取方法/ 130
5.7.1基于CARS的特征变量提取方法/ 130
5.7.2基于IRIV的特征变量提取方法/ 133
5.7.3CARS与IRIV的特征变量提取结果分析/ 135
5.8基于模型集群分析方法的小麦水分建模方法研究/ 137
5.8.1不同模型集群方法的小麦水分建模结果/ 137
5.8.2不同建模方法的建模结果分析/ 141

第6章基于模型集群分析思想的小麦蛋白质的近红外光谱定量分析/ 143
6.1基于模型集群分析思想的变量选择方法/ 143
6.2基于模型集群分析思想的建模策略/ 143
6.3基于模型集群分析方法的小麦蛋白质建模方法研究/ 145
6.3.1WTP-RF-PLS模型/ 146
6.3.2WTP-MC-UVE-PLS模型/ 149
6.3.3WTP-CARS-PLS模型/ 153
6.3.4WTP-IRIV-PLS模型/ 156
6.3.5WTP-VCPA-PLS模型/ 159
6.3.6WTP-AWVCPA-PLS模型/ 162
6.3.7WTP-MC-VCPA-PLS模型/ 167
6.3.8不同建模方法的建模结果分析/ 174

参考文献/ 177