Le spectre proche infrarouge est facilement affecté par des échantillons aberrants en analyse quantitative. Le spectre est formé par la superposition des pics d’absorption des groupes hydrogénés. Les méthodes traditionnelles analysent le spectre dans son ensemble en se basant uniquement sur les caractéristiques globales, ce qui rend difficile l’identification de caractéristiques aberrantes fines sur des pics spécifiques. De plus, leurs seuils fixes manquent d’adaptabilité. Ainsi, cet article propose une stratégie d’identification des échantillons aberrants basée sur la décomposition en mélange gaussien, où un modèle de mélange gaussien est établi au sein des pics d’absorption clés ; les pics se chevauchant sont analysés par plusieurs composantes gaussiennes. Ensuite, une plage normale basée sur le critère de l’écart interquartile est construite pour l’amplitude de chaque composante, et les échantillons hors de cette plage sont considérés comme aberrants. La méthode proposée est appliquée à la prédiction de la concentration totale en sucre du mélange dans la phase des matières premières de la fermentation de l’acide citrique. Les résultats montrent que la méthode identifie efficacement les échantillons aberrants tant construits artificiellement que dans les spectres réels. Comparé au spectre original, le modèle PLS construit après élimination des échantillons aberrants présente une réduction du RMSE de 34,69 % et une amélioration du R2 de 26,28 %. Cette méthode, en analysant la composition des pics d’absorption, réalise une détection adaptative des caractéristiques aberrantes locales, fournissant une approche claire et explicable pour améliorer la qualité du spectre proche infrarouge.

spectre proche infrarouge; identification des échantillons aberrants; modèle de mélange gaussien; décomposition des pics superposés; fermentation de l’acide citrique