Pour atténuer la pression sur l'approvisionnement en pâte de bois dans notre pays et répondre aux besoins pratiques de la production de pâte à partir de matières premières mixtes, cet article présente une étude sur l'analyse rapide par spectroscopie proche infrarouge des matières premières mixtes pour la pâte. Les spectres proches infrarouges de 145 échantillons mixtes de « 尾巨桉-马占相思 » contrôlant artificiellement la teneur en « 尾巨桉 » ont été collectés, et les teneurs en cellulose totale, pentosanes et lignine de Klason ont été déterminées par des méthodes conventionnelles. Après un prétraitement des spectres originaux par dérivée première et transformation normale standard, des modèles d'analyse des teneurs en « 尾巨桉 », cellulose totale, pentosanes et lignine de Klason ont été établis respectivement avec la méthode des moindres carrés partiels, la machine à vecteurs de support, les réseaux de neurones artificiels et l’algorithme LASSO. Les modèles d’analyse des teneurs en « 尾巨桉 » et cellulose totale basés sur la méthode LASSO étaient optimaux, avec des erreurs quadratiques moyennes de prédiction (RMSEP) de 1,80 % et 0,60 % respectivement ; les écarts absolus (AD) variaient de -3,03 % à 3,17 % et de -1,03 % à 0,98 %, et les performances des modèles répondaient à une analyse rapide assez précise. Le modèle d’analyse des pentosanes basé sur la méthode des moindres carrés partiels était optimal, avec un RMSEP de 0,75 % et un AD de -1,26 % à 1,33 % ; le modèle d’analyse de la lignine de Klason basé sur la machine à vecteurs de support était optimal, avec un RMSEP de 0,48 % et un AD de -0,82 % à 0,86 %, ces deux modèles étant adaptés à une analyse non précise. Cette étude offre la possibilité d’une analyse rapide des matières premières mixtes pour la pâte et confirme également l’applicabilité de l’algorithme LASSO.

thé vert; technologie de spectroscopie proche infrarouge; traitement des spectres; analyse en composantes principales; analyse discriminante linéaire