ラマン分光技術（Raman）とレーザー誘起ブレークダウン分光技術（LIBS）に基づく多重スペクトル特徴融合技術（MFFT）を提案した。ラマンスペクトル中の分子成分情報とLIBSスペクトル中の原子成分情報の相補的特性を利用し、適応小波変換（AWT）－競合的適応加重（CARS）－部分最小二乗回帰（PLS）によるモデリング技術を採用し、小麦粉系のより包括的な特徴情報を取得した。多重スペクトル特徴融合技術では、まずAWT-CARS法によってラマン分光とLIBSからそれぞれ特徴変数を抽出し、両者の特徴変数を一つのベクトルに融合してPLS法でMFFTモデルを構築し、小麦粉混入物の定量分析を実現した。二酸化チタン、硫酸アルミニウムカリウムなどの小麦粉混入系のモデリング解析を通じて、MFFTモデルの有効性を検証した。結果は、単一のラマン分光技術またはLIBS技術で構築した予測モデルと比較して、MFFTモデルがモデルの予測性能を著しく向上させたことを示した。二酸化チタンと硫酸アルミニウムカリウムの予測モデルの線形相関係数は、比較的低いラマンモデルの0.884および0.877からそれぞれ0.981および0.980へ向上し、予測平均二乗根誤差はラマンモデルの0.151および0.154からそれぞれ0.069および0.068へ低減した。これは、多重スペクトル特徴融合技術がラマン分光の分子情報とLIBS分光の元素情報を正確に抽出し、互いに補完・補正することで、小麦粉マトリックスが混入成分の定量分析に及ぼす干渉を効果的に克服し、モデルの予測精度を大幅に向上させることを示している。

ラマン分光; レーザー誘起ブレークダウン分光; 多重スペクトル特徴融合技術; 小麦粉混入