Модели на основе ближней инфракрасной спектроскопии для анализа кукурузы и биомассы
Определение химического состава сырья в агропромышленном комплексе критически важно для эффективности производства, применения и ценообразования. Традиционные лабораторные методы анализа требуют много времени, сложны и дороги. Новые исследования Университета Иллинойса в Урбане-Шампейне демонстрируют, что ближняя инфракрасная (NIR) спектроскопия в сочетании с машинным обучением позволяет проводить быстрый, точный и экономичный анализ продукции.
В двух исследованиях учёные изучили применение NIR-спектроскопии для анализа характеристик зерна кукурузы и биомассы сорго.
«NIR-спектроскопия имеет множество преимуществ перед традиционными методами. Она быстрая, точная и недорогая. В отличие от лабораторного анализа, она не требует использования химикатов, что более экологично. Метод не разрушает образцы и позволяет анализировать несколько параметров одновременно. После настройки системы любой может её использовать с минимальным обучением», — отметил соавтор обеих работ, доцент Мохаммед Камруззаман.
В первом исследовании, опубликованном в журнале Food Chemistry, учёные создали глобальную модель для анализа зерна кукурузы. Содержание влаги и белка влияет на питательную ценность, эффективность переработки и цену кукурузы, поэтому эта информация крайне важна для зерноперерабатывающей промышленности.
Спектроскопические методы, включая NIR, являются косвенными. Они измеряют, как материал поглощает или испускает свет на разных длинах волн, создавая уникальный спектр, который с помощью моделей машинного обучения преобразуется в характеристики продукта. Многие перерабатывающие предприятия уже имеют NIR-оборудование, но модели необходимо обучать для конкретных задач.
«Кукуруза, выращенная в разных регионах, различается из-за почвы, климата, методов возделывания и других факторов. Если обучить модель на данных из одного региона, она не будет точной в другом», — пояснил Камруззаман.
Чтобы решить эту проблему и создать модель, применимую в разных условиях, исследователи собрали образцы кукурузы из семи стран: Аргентины, Бразилии, Индии, Индонезии, Сербии, Туниса и США.
«Для анализа влаги и белка в зерне кукурузы мы объединили метод градиентного бустинга с регрессией на основе метода частичных наименьших квадратов. Этот новый подход даёт точные и надёжные результаты», — сообщил ведущий автор первого исследования, аспирант Рунью Чжэн.
Хотя модель не является на 100% глобальной, она охватывает значительную вариативность данных и будет работать во многих регионах. При необходимости её можно дообучить, добавив образцы из новых локаций.
Во втором исследовании, опубликованном в журнале Biomass and Bioenergy, учёные сосредоточились на биомассе сорго, которая может служить возобновляемым, экономичным и высокоурожайным сырьём для производства биотоплива.
Эффективность конверсии биомассы в биотопливо зависит от её химического состава, поэтому быстрый и эффективный метод характеристики биомассы сорго может помочь биоэнергетической и селекционной отраслям.
Используя сорго с опытной фермы университета, исследователи смогли точно и надёжно предсказать содержание влаги, золы, лигнина и других компонентов.
«Сначала мы сканировали образцы и получали NIR-спектры на выходе. Это как отпечаток пальца, уникальный для разного химического состава и структурных свойств. Затем мы использовали хемометрику — математико-статистический подход — для разработки прогнозных моделей», — пояснил ведущий автор второй работы, аспирант Мд Вадуд Ахмед.
Хотя NIR-спектроскопия не так точна, как лабораторный анализ, её точности более чем достаточно для практических целей, и она может обеспечить быстрые и эффективные методы скрининга для промышленного использования.
«Ключевое преимущество этой технологии в том, что не нужно изымать и уничтожать продукцию. Можно просто взять образцы для измерения, отсканировать их и вернуть в производственный поток. В некоторых случаях можно сканировать образцы прямо на производственной линии. NIR-спектроскопия предоставляет большую гибкость для промышленного применения», — заключил Камруззаман.
