Предложена технология многоспектрального объединения признаков (MFFT) на основе рамановской спектроскопии (Raman) и лазерно-индуцированной эмиссионной спектроскопии (LIBS). Используя дополнительность между информацией о молекулярных компонентах в рамановском спектре и информацией об атомных компонентах в LIBS, применены методы адаптивного вейвлет-преобразования (AWT), конкурентно адаптивного взвешивания (CARS) и частичных наименьших квадратов (PLS) для получения более полной характеристики системы муки. В технологии многоспектрального объединения признаков сначала с помощью метода AWT-CARS были выделены признаки из рамановского и LIBS спектров, затем признаки были объединены в один вектор, и с использованием метода PLS построена модель MFFT для количественного анализа примесей муки. Проведен анализ и моделирование систем муки с добавками диоксида титана и сульфата алюминия и калия, проверена эффективность модели MFFT. Результаты показали, что по сравнению с моделями, построенными на основе только рамановской спектроскопии или LIBS, модель MFFT значительно улучшила предсказательную способность: коэффициенты линейной корреляции моделей для диоксида титана и сульфата алюминия и калия выросли с относительно низких 0.884 и 0.877 у моделей Raman до 0.981 и 0.980 соответственно, а среднеквадратическая ошибка предсказания снизилась с 0.151 и 0.154 до 0.069 и 0.068. Это свидетельствует о том, что технология многоспектрального объединения признаков может точно извлекать молекулярную информацию из рамановского спектра и элементную информацию из спектра LIBS, дополняя и корректируя друг друга, эффективно преодолевая помехи матрицы муки при количественном анализе примесей и значительно повышая точность модели.

Раманоспектроскопия; Лазерно-индуцированная эмиссионная спектроскопия; технология многоспектрального объединения признаков; примеси муки