En prenant comme exemple le transfert du modèle PLS-NIRs (spectroscopie proche infrarouge par moindres carrés partiels) des quatre composants principaux du maïs (humidité, protéines, lipides, amidon) ainsi que des alcaloïdes végétaux totaux du tabac, l'influence du nombre de variables latentes (nLVs) dans le modèle sur l'erreur de transfert du modèle a été étudiée. L'étude a révélé qu'en fonction du taux de contribution cumulée supérieur à 99,9 %, les nLVs des modèles PLS-NIRs des échantillons de maïs et de tabac étaient respectivement de 1 et 13. Lorsque nLVs=1, le modèle de maïs établi répondait aux exigences nationales concernant les indicateurs de reproductibilité des valeurs prédites des quatre composants pour les échantillons des machines secondaires et les prédictions de la machine principale ; lorsque nLVs=13, le modèle des alcaloïdes totaux du tabac corrigé par une calibration directe segmentée (PDS) permettait de réduire l'erreur relative moyenne de prédiction (MRE) des échantillons des quatre machines secondaires à moins de 6%. Les modèles PLS-NIRs de maïs et de tabac déterminés par validation croisée leave-one-out ou en quatre plis avaient des nLVs respectifs de 5~10, 16 et 19. Sous ces nLVs, les modèles PLS-NIRs de maïs montraient une augmentation significative de l'erreur de prédiction pour les échantillons des machines secondaires, dépassant la plage d'erreur autorisée, et même après correction PDS, les indicateurs de reproductibilité des valeurs prédites pour les échantillons des machines secondaires par rapport aux échantillons de la machine principale ne satisfaisaient pour la plupart pas aux exigences nationales ; lorsque nLVs>13, l'erreur de transfert du modèle des alcaloïdes totaux du tabac augmentait avec nLVs et la correction PDS ne garantissait pas que la MRE soit inférieure à 6% pour tous les échantillons des machines secondaires. Le choix des nLVs selon le critère d’un taux de contribution cumulée supérieur ou proche de 99,9% peut efficacement éviter le sur-apprentissage et améliorer la performance de transfert des modèles NIRs.

transfert de modèle spectroscopique proche infrarouge; moindres carrés partiels; nombre de variables latentes; maïs; tabac