Ученые разрабатывают модели спектроскопии для анализа зерен кукурузы и биомассы
В сельскохозяйственной и пищевой промышленности определение химического состава сырья важно для эффективности производства, применения и цены. Традиционные лабораторные испытания отнимают много времени, сложны и дороги. Новое исследование Иллинойсского университета в Урбане-Шампейне демонстрирует, что спектроскопия в ближнем инфракрасном диапазоне (БИК) и машинное обучение могут обеспечить быстрый, точный и экономически эффективный анализ продукта.
В двух исследованиях ученые изучают использование спектроскопии ближнего инфракрасного диапазона для анализа характеристик зерен кукурузы и биомассы сорго.
«БИК-спектроскопия имеет много преимуществ по сравнению с традиционными методами. Она быстрая, точная и недорогая. В отличие от лабораторного анализа, она не требует использования химикатов, поэтому более экологична. Она не разрушает образцы, и вы можете анализировать несколько признаков одновременно. После настройки системы любой желающий может управлять ею с минимальной подготовкой», — сказал Мохаммед Камруззаман, доцент кафедры сельскохозяйственной и биологической инженерии (ABE), входящей в Колледж сельскохозяйственных, потребительских и экологических наук и Инженерный колледж Грейнджера в Университете Иллинойса. Он является соавтором обеих статей.
В первом исследовании ученые создали глобальную модель для анализа кукурузного зерна. Содержание влаги и белка влияет на пищевую ценность, эффективность обработки и цену кукурузы, поэтому эта информация имеет решающее значение для зерноперерабатывающей промышленности.
БИК и другие спектроскопические методы являются косвенными методами. Они измеряют, как материал поглощает или испускает свет на разных длинах волн, затем создают уникальный спектр, который преобразуется в характеристики продукта с помощью моделей машинного обучения. Многие предприятия по переработке продуктов питания и сельскохозяйственной продукции уже имеют оборудование БИК, но модели необходимо обучить для определенных целей.
«Кукуруза, выращенная в разных местах, различается из-за почвы, окружающей среды, управления и других факторов. Если вы обучаете модель на кукурузе из одного места, она не будет точной в другом месте», — сказал Камруззаман.
Чтобы решить эту проблему и разработать модель, применимую в самых разных местах, исследователи собрали образцы кукурузы из семи стран — Аргентины, Бразилии, Индии, Индонезии, Сербии, Туниса и США.
«Чтобы проанализировать влажность и белок в зернах кукурузы, мы объединили градиент-бустерные машины с частичной регрессией наименьших квадратов. Это новый подход, который дает точные, надежные результаты», — сказал Рунью Чжэн, докторант ABE и ведущий автор первого исследования.
Хотя модель не является на 100% глобальной, она обеспечивает значительную изменчивость данных и будет работать во многих местах. При необходимости ее можно обновить дополнительными образцами из новых мест, отметил Камруззаман.
Во втором исследовании ученые сосредоточились на биомассе сорго, которая может служить возобновляемым, экономически эффективным и высокопродуктивным сырьем для биотоплива.
Исследователи объяснили, что преобразование биомассы в биотопливо зависит от химического состава, поэтому быстрый и эффективный метод характеристики биомассы сорго может помочь в производстве биотоплива, селекции и других соответствующих отраслях.
Используя сорго с энергетической фермы Иллинойсского университета, они смогли точно и надежно предсказать влажность, зольность, лигнин и другие характеристики.
«Сначала мы отсканировали образцы и получили спектры NIR в качестве выходных данных. Это как отпечаток пальца, который является уникальным для различных химических составов и структурных свойств. Затем мы использовали хемометрику — математико-статистический подход — для разработки моделей прогнозирования и приложений», — сказал докторант ABE и ведущий автор второй статьи Мд Вадуд Ахмед.
Камруззаман отметил, что, хотя метод ближней ИК-спектроскопии не так точен, как лабораторный анализ, его более чем достаточно для практических целей, и он может обеспечить быстрые и эффективные методы скрининга для промышленного использования.
«Главным преимуществом этой технологии является то, что вам не нужно удалять и уничтожать продукты. Вы можете просто взять образцы для измерения, отсканировать их, а затем вернуть в производственный поток. В некоторых случаях вы даже можете сканировать образцы непосредственно на производственной линии. Спектроскопия NIR обеспечивает большую гибкость для промышленного использования», — заключил он.
Первая статья «Оптимизация выбора признаков с помощью градиентных бустирующих машин в регрессии PLS для прогнозирования влажности и белка в зернах кукурузы из разных стран с помощью спектроскопии в ближнем ИК-диапазоне» опубликована в журнале Food Chemistry [DOI: 10.1016/j.foodchem.2024.140062 ].
Вторая статья «Быстрое и высокопроизводительное определение состава биомассы сорго (Sorghum bicolor) с использованием ближней инфракрасной спектроскопии и хемометрики», опубликована в журнале Biomass and Bioenergy [DOI: 10.1016/j.biombioe.2024.107276].
Источник: Университет Иллинойса в Урбане-Шампейне
