Le spectre proche infrarouge en analyse quantitative est facilement affecté par des échantillons atypiques. Étant donné que le spectre est formé par la superposition des pics d’absorption des groupes contenant de l’hydrogène, les méthodes traditionnelles analysent l’ensemble du spectre en se basant uniquement sur des caractéristiques globales, rendant difficile la détection des caractéristiques atypiques subtiles à des pics spécifiques, et leurs seuils fixes manquent d’adaptabilité. Pour remédier à cela, cet article propose une stratégie de reconnaissance des échantillons atypiques basée sur une décomposition en mélanges de Gaussiennes, en construisant un modèle de mélange gaussien dans les pics d’absorption clés, en analysant les pics superposés avec plusieurs composantes gaussiennes, puis en établissant des plages normales basées sur la règle de l’écart interquartile pour les amplitudes des composantes, les échantillons dépassant ces plages étant considérés atypiques. La méthode proposée est appliquée à la prédiction de la concentration en sucre total dans le mélange de la phase matière première de la fermentation de l’acide citrique. Les résultats montrent que cette méthode identifie efficacement les échantillons atypiques dans les spectres artificiels comme réels. Par rapport au spectre original, après élimination des échantillons atypiques, le modèle PLS construit présente une réduction de RMSE de 34,69% et une augmentation de R² de 26,28%. Cette méthode, en analysant la structure des pics d’absorption, réalise une détection adaptative des caractéristiques atypiques locales, offrant une voie structurée et explicable pour améliorer la qualité du spectre proche infrarouge.

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