1.  Материал и метод
1.1 образцы для испытаний

415 образцов сои, собранных для эксперимента, пришли со всего мира. Все образцы были очищены и упакованы в пластиковые опечатанные карманы и хранятся в 4 - х комнатной морозильной камере.

1.2 измерительные приборы
Анализ ближнего инфракрасного спектра экспериментальных образцов проводился с использованием нового анализатора SupNIR-2700, разработанного компанией focus Photonics Inc.(FPI). Анализатор использует технологию голографического сканирования нового поколения для обнаружения светопоглощающих сигналов на различных длинах волны с помощью датчика Ex-In-GaAs с техническим охлаждением. Диапазон длины волны анализатора составляет 1000-2500 нм. Разрешение 10 нм, точность длины волны 0,2 нм, повторяемость длины волны менее 0,05 нм, а уровень шума менее 50 МКМ. Встроенный модуль корректировки длины волны анализатора используется для определения характеристик прибора и может диагностировать и исправлять дрейф спектрального сигнала для обеспечения стабильной и надежной работы. Выборка анализируется на основе ротации для обеспечения репрезентативности собранного спектра проб. Измерительные приспособления содержат различные размеры образцов, выбираемых в зависимости от образца.
Система программного обеспечения анализатора объединяет анализ, управление приборами, управление моделями и дистанционное управление. Английский операционный интерфейс, база данных для хранения и управления различными данными, поддержка пользовательских отчетов, распечатка результатов обнаружения, управление моделью с одним кликом операции, простота в освоении и использовании. Программное обеспечение может дистанционно управлять анализатором ближнего инфракрасного излучения в сети через интернет для мониторинга и обслуживания прибора в режиме реального времени.
Влажность пробы высушивалась электрической дробеметной сушилкой GW-1AT, сырое белки анализировались полуавтоматическим азотометром KDN-04A, сырое жир извлекался экстрактором Soxhlet; Аминокислота была обнаружена автоматическим анализатором аминокислот s - 43d (секам, Германия); Электронная балансовая модель была FA2104S.

1.3 Метод

1.3.1 Спектральный анализ
Образцы сои и соевой муки были взяты из морозильной камеры и естественным образом нагреты до комнатной температуры, после чего был проведен спектральный анализ с использованием анализатора SupNIR-2700. Каждый образец неоднократно загружался дважды для получения спектра поглощения в близком инфракрасном диапазоне.
1.3.2 определение исходных значений для каждого элемента выборки
Влажность была определена со ссылкой на "определение содержания влаги и летучих веществ в масле на основе гб/т 14489.1 2008 года". Общий белок сои был определен со ссылкой на определение содержания сырого белка в растительных маслах "GB/T 14489.2 2008 года". Сырой соевый жир был определен со ссылкой на определение содержания масла в растительном масле "GB/T 14488.1 2008". Сырой жир соевой муки был определен со ссылкой на "определение содержания масла в пирожных из масла GB/T 10359 2008 часть 1: метод экстракции гексана (или нефтяного эфира) ". Аминокислота была обнаружена автоматическим анализатором аминокислот s - 43d (секам, Германия). Некоторые образцы были обнаружены по одному компоненту информации, а некоторые образцы были обнаружены по нескольким компонентам информации.
1.3.3 типовое предприятие

База данных создается путем приведения спектра проб в соответствие с исходным значением, получаемым с помощью национального стандарта обнаружения. В целях устранения влияния фонового дрейфта и разницы в размере частиц в пробе на спектр, каждый спектр проб был предварительно обработан с помощью сглаживания Savitzky-Golay, что в первую очередь является взаимной и многократной коррекцией рассеяния (MSC). Диапазон предварительно обработанных образцов коррируется с соответствующими символами. Модель устанавливается методом частичного наименьших квадратов (PLS). 80 - процентная проба представляет собой калибровочный набор для создания модели, а остальные 20 - процентная проба-набор для испытания модели с целью определения окончательного результата.

2. Результаты и обсуждение

В таблице 1 приведены результаты моделирования для некоторых характеристик сои и соевого шрота, таких как содержание влаги, сырого белка, сырого жира и аминокислот. На рисунках 1 и 2 показана связанная кривая между эталонным значением и прогнозируемым значением сои и соевого шрота в ближнем инфракрасном диапазоне.

Tab.1 Параметры модели NIR сои и соевого шрота

Рис.1 Связанная кривая между эталонным значением и прогнозируемым значением NIR для влажности сои (A), сырого белка (B) и сырого жира (C)

Рис.2 Связанная кривая между эталонным значением и прогнозируемым значением NIR для 

Влажность соевого шрота (A), сырой белок (B), сырой жир (C), лизин (D) и метионин (E)

Из таблицы 1, фиг.1 и фиг.2 можно сделать вывод, что тестовые значения, полученные методом анализа ближнего инфракрасного диапазона, имеют хорошую корреляцию с эталонными значениями национального стандартного метода анализа. Из таблицы 1 видно, что стандартное отклонение точности индекса влажности в ближнем инфракрасном диапазоне составляет около 0,25%, стандартное отклонение обнаруженного сырого белка составляет около 0,45%, стандартное отклонение точности обнаруженного сырого жира составляет около 0,35%.

Tab.2 Прогнозируемая стоимость сои и соевого шрота по анализу NIR

В таблице 2 приведены результаты анализа абсолютной погрешности прогнозируемого значения ближнего инфракрасного диапазона и эталонного значения некоторых тестовых образцов. Видно, что абсолютная погрешность влажности большинства испытуемых образцов составляет менее 0,2%; абсолютная погрешность сырого белка составляет менее 0,4%; абсолютная погрешность сырого жира в основном составляет менее 0,3%. Приведенные выше результаты показывают, что анализатор SupNIR-2700 NIR имеет хорошую точность.

3. Заключение
Соя и соевый шрот были проанализированы анализатором ближнего инфракрасного диапазона (SupNIR-2700), независимо разработанным FPI. Прогнозируемые результаты были сопоставимы с эталонными значениями, которые могут соответствовать требованиям быстрого контроля качества. Это также показывает, что анализатор ближнего инфракрасного диапазона имеет хорошую перспективу применения в области переработки зерна и нефти.

Сопутствующие товары:

SupNIR-2700 Рядом с инфракрасным анализатором

http://www.fpi-inc.com/en/product_cont_8252.html