实验材料与光谱采集方法

实验采用了45个从市场上买回来不同品牌、不同批次的淀粉样本，并将其混合穿插标号，主要有玉米和马铃薯两大类：玉米淀粉共29个，其中有25个老样本、4个新样本；马铃薯淀粉共16个，其中有12个老样本、4个新样本。根据这45个淀粉样本的近红外光谱图，用OPUS软件进行聚类分析，建立样本分类模型。

新旧淀粉混合使用建模和验证：本实验使用的淀粉主要有2012年和2014年两个批次，先把新旧淀粉混合在一起进行建模。选择12个马铃薯淀粉样本的原始光谱用来建模，马铃薯淀粉中的3号、12号、20号（新）和35号（新）用作预测。从玉米淀粉中选择25个样本的原始光谱用作建模，玉米淀粉中的10号、19号、30号和40号（新）用作预测，进行聚类分析。

取上述45个淀粉样本逐一放置在旋转样本台的样本杯中，然后进行近红外光谱采集。波数范围为4000～12500cm^-1，波长间隔为8cm^-1，环境温度为20～23℃。得到的近红外漫反射光谱如图11-1所示，其中，波数在9000～11500cm^-1段的光谱图多为噪声，一般情况下都将其忽略不计。

图11-1 45个淀粉样本的近红外光谱图(www.xing528.com)

数据预处理的方法选择总共有6种，分别为不进行预处理、SNV、一阶导数、一阶导数+SNV、二阶导数、二阶导数+SNV。各种方法的处理算法并不相同，所以需要逐一进行验证比较，从而选择出最佳建模方案。

注意，实验中要将频谱范围缩小，排除频数近似、波动不大的部分，减小模型的误差，如图11-2所示。

本实验通过选择预处理的方法以及平滑点数不断地试验，找到最合适的方法建立出最佳模型，11.3.2节就是6种建模的结果分类树状图及相应分析说明。