Учените разработват спектроскопски модели за анализ на царевични зърна и биомаса

В селскостопанската и хранително-вкусовата промишленост определянето на химичния състав на суровините е важно за ефективността на производството, приложението и цената. Традиционното лабораторно изследване отнема време, сложно и скъпо. Ново изследване от Университета на Илинойс в Урбана-Шампейн демонстрира, че близката инфрачервена (NIR) спектроскопия и машинното обучение могат да осигурят бърз, точен и рентабилен анализ на продукта.

В две проучвания изследователите изследват използването на близка инфрачервена спектроскопия за анализ на характеристиките на царевичните зърна и биомасата от сорго.

„NIR спектроскопията има много предимства пред традиционните методи. Той е бърз, точен и евтин. За разлика от лабораторния анализ, той не изисква използването на химикали, следователно е по-екологичен. Не унищожава проби и можете да анализирате множество функции едновременно. След като системата бъде настроена, всеки може да работи с нея с минимално обучение“, каза Мохамед Камрузаман, асистент в катедрата по селскостопанско и биологично инженерство (ABE), част от Колежа по селскостопански, потребителски и екологични науки и Grainger College по инженерство в университета на Илинойс. Той е съавтор и на двете статии.

В първото проучване изследователите създадоха глобален модел за анализ на царевични зърна. Съдържанието на влага и протеин влияе върху хранителната стойност, ефективността на обработката и цената на царевицата, което прави тази информация от решаващо значение за зърнопреработвателната индустрия.

NIR и други спектроскопски методи са индиректни методи. Те измерват как даден материал абсорбира или излъчва светлина при различни дължини на вълната, след което създават уникален спектър, който се превежда в характеристики на продукта с помощта на модели за машинно обучение. Много предприятия за преработка на храни и селскостопански продукти вече разполагат с NIR оборудване, но моделите трябва да бъдат обучени за конкретни цели.

„Царевицата, отглеждана на различни места, варира в зависимост от почвата, околната среда, управлението и други фактори. Ако тренирате модел върху царевица от едно място, той няма да е точен на друго място“, каза Камрузаман.

За да разрешат този проблем и да разработят модел, който може да се приложи в широк диапазон от места, изследователите събраха проби от царевица от седем страни – Аржентина, Бразилия, Индия, Индонезия, Сърбия, Тунис и Съединените щати.

„За да анализираме влагата и протеина в царевичните зърна, комбинирахме машини за усилване на градиента с частична регресия на най-малките квадрати. Това е нов подход, който дава точни и надеждни резултати“, каза Runyu Zheng, докторант на ABE и водещ автор на първото проучване.

Въпреки че моделът не е 100% глобален, той позволява значителна променливост на данните и ще работи на много места. Ако е необходимо, той може да бъде актуализиран с допълнителни проби от нови места, отбеляза Камрузаман.

Във второто проучване изследователите се фокусираха върху биомасата от сорго, която може да служи като възобновяема, рентабилна и високопроизводителна суровина за биогориво.

Изследователите обясниха, че превръщането на биомасата в биогориво зависи от химичния състав, така че бърз и ефикасен метод за характеризиране на биомасата от сорго може да помогне в производството на биогорива, развъждането и други съответни индустрии.

Използвайки сорго от енергийната ферма на университета в Илинойс, те успяха да предскажат точно и надеждно влага, пепел, лигнин и други характеристики.

„Първо сканирахме пробите и получихме NIR спектри като изход. Това е като пръстов отпечатък, който е уникален за различни химически състави и структурни свойства. След това използвахме хемометрия – математико-статистически подход – за разработване на прогнозни модели и приложения“, каза докторантът на ABE и водещ автор на втората статия, д-р Вадуд Ахмед.

Kamruzzaman отбеляза, че въпреки че методът на близката инфрачервена спектроскопия не е толкова точен, колкото лабораторния анализ, той е повече от достатъчен за практически цели и може да осигури бързи и ефективни методи за скрининг за промишлена употреба.

„Основното предимство на тази технология е, че не е необходимо да премахвате или унищожавате продуктите. Можете просто да вземете проби за измерване, да ги сканирате и след това да ги върнете в производствения поток. В някои случаи можете дори да сканирате проби директно на производствената линия. NIR спектроскопията осигурява по-голяма гъвкавост за промишлена употреба“, заключи той.

Първата статия, „Оптимизиране на избора на характеристики с помощта на машини за усилване на градиента в PLS регресия за прогнозиране на влага и протеин в многонационални царевични зърна с помощта на близка инфрачервена спектроскопия“, беше публикувана в списание Food Chemistry [DOI: 10.1016/j.foodchem.2024.140062 ] .

Втората статия, „Бързо и високопроизводително определяне на състава на биомасата на сорго (Sorghum bicolor) с помощта на близка инфрачервена спектроскопия и хемометрия“, беше публикувана в списание Biomass and Bioenergy [DOI: 10.1016/j.biombioe.2024.107276].

Източник: Университет на Илинойс в Урбана-Шампейн