荔枝蒂蛀蟲(chóng)無(wú)損檢測(cè) 可見(jiàn)近紅外光譜法-征求意見(jiàn)稿

2T/GDNBXXXX—2024荔枝蒂蛀蟲(chóng)無(wú)損檢測(cè)可見(jiàn)/近紅外光譜法本文件規(guī)定了用可見(jiàn)/近紅外光譜無(wú)損檢測(cè)法檢測(cè)荔枝蒂蛀蟲(chóng)的原理、儀器、樣品集的選擇、分析步驟等。本文件適用于荔枝蒂蛀蟲(chóng)品質(zhì)參數(shù)同步無(wú)損檢測(cè)，不適用于仲裁檢驗(yàn)。2規(guī)范性引用文件下列文件中的內(nèi)容通過(guò)文中的規(guī)范性引用而構(gòu)成本文件必不可少的條款。其中，注日期的引用文件，僅該日期對(duì)應(yīng)的版本適用于本文件；不注日期的引用文件，其最新版本（包括所有的修改單）適用于本文件。GB/T29858分子光譜多元校正定量分析通則3術(shù)語(yǔ)和定義下列術(shù)語(yǔ)和定義適用于本文件。3.1荔枝蒂蛀蟲(chóng)ConopomorphasinensisBradley荔枝蒂蛀蟲(chóng)，又稱荔枝細(xì)蛾、荔枝爻紋細(xì)蛾。幼果期蒂蛀蟲(chóng)幼蟲(chóng)從果蒂附近蛀入，取食種臍及胎座，遺留蟲(chóng)糞于果內(nèi)和表皮的果實(shí)。3.2校驗(yàn)集validationset在機(jī)器學(xué)習(xí)中，研究和構(gòu)建算法用來(lái)對(duì)數(shù)據(jù)進(jìn)行學(xué)習(xí)和預(yù)測(cè)是一個(gè)常見(jiàn)任務(wù)，這些算法是通過(guò)基于數(shù)據(jù)驅(qū)動(dòng)的預(yù)測(cè)或決策工作，即對(duì)輸入的數(shù)據(jù)搭建數(shù)學(xué)模型。校驗(yàn)集用于用來(lái)調(diào)參、選擇特征以及調(diào)整其他和學(xué)習(xí)算法相關(guān)的選項(xiàng)。3.3預(yù)測(cè)集calibrationset測(cè)試集檢驗(yàn)最終選擇最優(yōu)的模型的性能如何。3.4決定系數(shù)coefficientofdetermination（R2）可見(jiàn)/近紅外光譜法測(cè)定值與標(biāo)準(zhǔn)理化分析方法測(cè)定值之間相關(guān)系數(shù)的平方。3.5均方根誤差rootmeansquareerror（RMSE）均方根誤差是可見(jiàn)/近紅外光譜法測(cè)定值與標(biāo)準(zhǔn)理化分析方法測(cè)定值偏差的平方與觀測(cè)次數(shù)n比值的平方根。衡量?jī)烧咧g的偏差。4原理可見(jiàn)/近紅外光譜（VisibleNearInfrared，Vis-NIR）波長(zhǎng)范圍為350nm～2526nm，可見(jiàn)光對(duì)被測(cè)樣本顏色變化較敏感，近紅外光是介于可見(jiàn)光和中紅外之間的電磁波，對(duì)含氫基團(tuán)X-H（X=C、N、O）振動(dòng)的倍頻和合頻吸收，使得經(jīng)過(guò)被測(cè)樣本反射或者透射的近紅外光攜帶被測(cè)樣本相關(guān)品質(zhì)信息。分析原理是，通過(guò)建立光譜與待測(cè)參數(shù)之間的對(duì)應(yīng)關(guān)系（稱為分析模型），通過(guò)光譜和對(duì)應(yīng)關(guān)系，能很快得到所需要的質(zhì)量參數(shù)數(shù)據(jù)。本標(biāo)準(zhǔn)為校正模型建立，校正模型驗(yàn)證以及用校正模型進(jìn)行預(yù)測(cè)提供指導(dǎo)。模型建立、驗(yàn)證過(guò)程主要包括：首先，收集一組可代表荔枝蒂蛀蟲(chóng)程度變化范圍的校正樣品和驗(yàn)證樣品，3T/GDNBXXXX—2024組成校正集和驗(yàn)證集；使用儀器測(cè)定校正集和驗(yàn)證集的光譜，采用參考方法測(cè)定樣品的荔枝蒂蛀蟲(chóng)程度參考值；然后，用多元散射校正（MSC）進(jìn)行預(yù)處理，選擇合適的化學(xué)計(jì)量學(xué)方法（多元散射校正（MSC）和向量回歸（SVR將預(yù)處理后的校正集光譜數(shù)據(jù)和荔枝蒂蛀蟲(chóng)程度參考值進(jìn)行關(guān)聯(lián)，在光譜圖和其參考數(shù)據(jù)之間建立起一一對(duì)應(yīng)映射關(guān)系，建立校正模型；將驗(yàn)證集光譜輸入檢測(cè)模型得到預(yù)測(cè)結(jié)果，并與實(shí)際理化值比對(duì)，評(píng)價(jià)檢測(cè)模型的預(yù)測(cè)能力和有效性，根據(jù)評(píng)價(jià)結(jié)果決定模型能否使用或更新。5儀器鹵素?zé)簦?00W）、可見(jiàn)/近紅外透射光譜檢測(cè)系統(tǒng)：計(jì)算機(jī)、OceanOpticsQEpro光譜儀、實(shí)驗(yàn)暗箱、光源、光纖、自動(dòng)校準(zhǔn)黑白參考板、電源和托盤等。6樣品集的選擇精選處于同一成熟度水平、大小均一的荔枝果實(shí)，保留2mm果梗，剔除外部破損和畸形的樣品，留下100個(gè)以上。7分析步驟7.1光譜采集按照適合的光譜采集參數(shù)，采集荔枝透射光譜，每次測(cè)定要求連續(xù)測(cè)量不少于3條的樣品透射光譜。樣品的透射光譜采用多元散射校正（MSC）進(jìn)行預(yù)處理以消除噪聲，采用連續(xù)投影法（SPA）進(jìn)行特征提取和對(duì)特征提取后的光譜數(shù)據(jù)采用支持向量回歸（SVR）分訓(xùn)練集與測(cè)試集進(jìn)行建模識(shí)別，計(jì)算平均光譜作為最終測(cè)量光譜。7.2荔枝蒂蛀蟲(chóng)理化分析測(cè)定將荔枝縱切兩半，按照T/HNBX105規(guī)定的方法測(cè)定荔枝蒂蛀蟲(chóng)。7.3校正模型的建立用于建立模型的校正樣品應(yīng)具有代表性，其因素包含不同月份、不同采摘時(shí)間、環(huán)境因素、存放期等，能涵蓋待測(cè)樣品的變化范圍。校正樣品數(shù)量不少于100份。按照GB/T29858規(guī)定建立校正模型，校正模型的有效性利用決定系數(shù)（thecoefficientofdetermination，R2）error，RMSE）指標(biāo)評(píng)價(jià)，相關(guān)評(píng)價(jià)指標(biāo)的要求見(jiàn)附錄A。7.4校正模型的驗(yàn)證用于評(píng)價(jià)模型的驗(yàn)證樣品獨(dú)立于校正集，數(shù)量不少于40份，其代表性與校正樣品要求一致。選擇R2以及RMSE的指標(biāo)評(píng)價(jià)校正模型驗(yàn)證預(yù)測(cè)效果，相關(guān)評(píng)價(jià)指標(biāo)的要求見(jiàn)附錄A。檢測(cè)結(jié)果應(yīng)在近紅外光譜測(cè)量分析儀使用的校正模型所覆蓋的荔枝蒂蛀蟲(chóng)范圍內(nèi)。8異常測(cè)量結(jié)果的確認(rèn)和處理8.1異常測(cè)量結(jié)果的來(lái)源異常測(cè)量結(jié)果的來(lái)源包括但不限于：——樣品品種與校正模型要求不匹配；——儀器故障；——樣品光譜測(cè)量條件與校正模型要求不匹配；——樣品光譜測(cè)量參數(shù)與建立模型時(shí)參數(shù)不匹配；——樣品蒂蛀蟲(chóng)超過(guò)校正模型范圍。4T/GDNBXXXX—20248.2異常測(cè)量結(jié)果的確認(rèn)測(cè)量結(jié)果出現(xiàn)以下任一條件，均可確認(rèn)其為異常測(cè)量結(jié)果：——測(cè)量結(jié)果超出校正模型覆蓋的荔枝蒂蛀蟲(chóng)范圍；——儀器或化學(xué)計(jì)量學(xué)軟件出現(xiàn)預(yù)警情況下的測(cè)量結(jié)果。8.3異常測(cè)量結(jié)果的處理出現(xiàn)異常測(cè)量結(jié)果的樣品，進(jìn)行樣品復(fù)測(cè)（包括樣品荔枝蒂蛀蟲(chóng)標(biāo)準(zhǔn)理化分析方法測(cè)定、光譜測(cè)量、校正模型預(yù)測(cè)分析）或用新樣品進(jìn)行替換，并匯總統(tǒng)計(jì)。5T/GDNBXXXX—2024（規(guī)范性）校正模型校正評(píng)價(jià)指標(biāo)檢測(cè)模型的決定系數(shù)、均方根誤差見(jiàn)表A.1。表A.1校正模型校正評(píng)價(jià)指標(biāo)6T/GDNBXXXX—2024參考文獻(xiàn)[1]GB/T1.1標(biāo)準(zhǔn)化工作導(dǎo)則第1部分：標(biāo)準(zhǔn)化文件的結(jié)構(gòu)和起草規(guī)則[2]馮弘歷,徐賽,陸華忠,等.基于多源光譜信息融合的采后荔枝蒂蛀蟲(chóng)無(wú)損檢測(cè)[J/OL].現(xiàn)代食品科技,1-8[2024-10-31]./10.13982/j.mfst.167