Tomando como ejemplo la transferencia del modelo PLS-NIRs (espectroscopía de infrarrojo cercano por mínimos cuadrados parciales) para cuatro componentes principales en el maíz: humedad, proteína, grasa y almidón, así como para los alcaloides totales de la planta del tabaco, se examinó el efecto del número de variables latentes (nLVs) en el modelo sobre el error de transferencia del modelo. El estudio encontró que, de acuerdo con una tasa de contribución acumulativa superior al 99,9%, los nLVs para los modelos PLS-NIRs de las muestras de maíz y tabaco eran 1 y 13, respectivamente. Cuando nLVs=1, el modelo de maíz establecido cumplía con los indicadores de reproducibilidad entre los valores predichos de las cuatro componentes de las muestras de los dispositivos subordinados y el dispositivo maestro según la norma nacional; cuando nLVs=13, el modelo de alcaloides totales del tabaco, después de la corrección directa segmentada (PDS), pudo mantener el error relativo promedio de predicción (MRE) de las muestras de los cuatro dispositivos subordinados por debajo del 6%. Los nLVs determinados por validación cruzada leave-one-out o de cuatro pliegues para los modelos PLS-NIRs de maíz y tabaco fueron respectivamente de 5~10, 16 y 19. Bajo estos nLVs, los modelos PLS-NIRs de maíz mostraron un aumento significativo del error de predicción para las muestras de los dispositivos subordinados, superando el rango permitido de error, y aun después de la corrección PDS, los indicadores de reproducibilidad entre los valores predichos de las muestras de los dispositivos subordinados frente a las muestras del dispositivo maestro no cumplían la mayoría de los requisitos nacionales; cuando nLVs>13, el error de transferencia del modelo de alcaloides totales del tabaco aumentaba con nLVs y la corrección PDS no garantizaba que el MRE del modelo para todas las muestras de los dispositivos subordinados fuera inferior al 6%. La selección de nLVs basada en una tasa de contribución acumulativa superior o cercana al 99,9% puede evitar eficazmente el sobreajuste y mejorar el rendimiento de transferencia del modelo NIRs.

transferencia de modelo espectroscópico NIR; mínimos cuadrados parciales; número de variables latentes; maíz; tabaco