Der Proteingehalt ist ein wichtiger Indikator zur Bewertung der Qualität von Fischmehl. In diesem Artikel wird die Nahinfrarot-(NIR)-Spektralanalysetechnologie in Verbindung mit Merkmalserkennungsmethoden verwendet, um ein schnelles quantitatives Analysemodell für den Proteingehalt von Fischmehl zu erstellen. Außerdem wird eine Kombination aus intervallweise partiellen kleinsten Quadraten (iPLS) und dem Differenziellen Evolutionsalgorithmus (DE) mit binärer Mutationsstrategie genutzt, um ein iPLS-DE Modell zur Wellenlängenauswahl und -optimierung zu entwickeln, das charakteristische Wellenlängen der NIR-Spektraldaten von Fischmehl auswählt. iPLS-DE bestimmt durch Anpassung der Anzahl gleich großer Intervalle im iPLS neun optimale charakteristische Bänder und verwendet dann den DE-Algorithmus mit binärer Mutationsstrategie, um diskrete Kombinationen charakteristischer Wellenlängen innerhalb der optimalen Bänder auszuwählen. Schließlich wird das optimierte iPLS-DE Modell anhand von Modellevaluierungskennzahlen bestimmt und mit dem iPLS Modell verglichen. Die Ergebnisse zeigen, dass bei Unterteilung des vollständigen Spektrums von Fischmehl in fünf Unterintervalle das optimierte iPLS-DE Modell mit 50 ausgewählten diskreten charakteristischen Wellenlängen eine Vorhersage-Root-Mean-Square-Error und relative Analysefehler für die Testproben von 1,033% bzw. 4,058% erzielt, während das iPLS Modell Werte von 1,131% und 3,855% aufweist. Dies zeigt, dass die iPLS-DE Methode die Vorhersagefähigkeit des NIR-Spektralanalysemodells zur quantitativen Bestimmung des Proteins im Fischmehl effektiv verbessern kann.

Nahinfrarotspektrum;Fischmehlprotein;Merkmalextraktion;Intervallweise partielle kleinste Quadrate;Differenzieller Evolutionsalgorithmus