Es wurde eine schnelle, zerstörungsfreie und genaue Methode zur Bestimmung des Proteingehalts in Weizenkörnern entwickelt. Die Nahinfrarotspektroskopie (NIRS) in Kombination mit einer gestapelten Modell-Maschinenlernmethodik wurde verwendet, um Nahinfrarotspektraldaten von 248 Weizenkörnern zu analysieren, und es wurden die Effekte zweier Spektralbändchen-Gruppierungsmethoden, gleitendes Fenstergrouping (SWG) und geschichtetes Stichprobengruppieren (LSG), verglichen. Im Basismodell zeigte die partielle kleinste Quadrate Regression (PLS) den niedrigsten mittleren quadratischen Vorhersagefehler (RMSEP) und den höchsten Determinationskoeffizienten (R²) mit Werten von 0,2120 bzw. 0,9899. Nach der Implementierung des gestapelten Modells wurde die Leistung verschiedener Algorithmen deutlich verbessert. Die Kombination von LSG mit linearer Regression reduzierte den RMSEP auf 0,1990 und erhöhte R² auf 0,9911, was das optimale Modell darstellt. Die Ergebnisse zeigen, dass der maschinelle Lernalgorithmus des in LSG integrierten gestapelten Modells einen genaueren Algorithmus zur Vorhersage des Proteingehalts in Weizenkörnern bietet.

Nahinfrarotspektroskopie; Weizenkörner; Proteingehalt; gestapeltes Modell; maschinelles Lernen