El contenido de proteínas es un indicador importante para evaluar la calidad de la harina de pescado. Este artículo utiliza la tecnología de análisis espectral de infrarrojo cercano (NIR) combinada con métodos de selección de características para establecer un modelo de análisis cuantitativo rápido del contenido de proteínas en la harina de pescado. Asimismo, combinando el análisis por mínimos cuadrados parciales por intervalos (iPLS) y el algoritmo de evolución diferencial (DE) con estrategia de mutación binaria, se estableció un modelo de optimización de selección de longitudes de onda iPLS-DE para seleccionar longitudes de onda características en datos espectrales NIR de harina de pescado. iPLS-DE selecciona nueve bandas características óptimas ajustando el número de subintervalos iguales en iPLS, luego utiliza el algoritmo DE con estrategia de mutación binaria para filtrar combinaciones discretas de longitudes de onda características dentro de las bandas óptimas. Finalmente, se determina el modelo iPLS-DE optimizado según los indicadores de evaluación del modelo, y se compara con el modelo iPLS. Los resultados muestran que al dividir el espectro completo de harina de pescado en cinco subintervalos, el modelo optimizado iPLS-DE que selecciona 50 longitudes de onda discretas características tiene un error cuadrático medio de predicción y un error relativo de análisis para las muestras de prueba de 1.033% y 4.058%, respectivamente, mientras que el modelo iPLS tiene errores de 1.131% y 3.855%. Esto indica que el método iPLS-DE puede mejorar eficazmente la capacidad predictiva del modelo de análisis espectral NIR para la cuantificación de proteínas en harina de pescado.

Espectro de infrarrojo cercano;Proteína de harina de pescado;Extracción de características;Mínimos cuadrados parciales por intervalos;Algoritmo de evolución diferencial