论研究数据结构在食品微型近红外光谱测量中的重要性：糖的案例研究

摘要：

除了越来越多的微型近红外仪器在食品相关场景中的功效证明外，最终用户的数量也在逐渐增加，甚至受到传感器低成本的刺激。尽管分析协议受到关注——从采样到数据收集，再到数据处理，但对原始数据进行错误调查的重要性通常被低估了。了解与原始数据相关的不确定性的来源和结构可以提高测量质量，为实验的正确规划提供建议，并有助于化学计量模型的开发。化学计量建模的目标是将信息与噪声分开；因此，必须描述测量误差结构的性质。在不同的方法中，我们将研究误差协方差矩阵（ECM）及其在双线性结构中的分解，作为研究在实际使用方式中使用微型近红外传感器时的主要变异来源的有力方法。选择了颗粒和块状糖样品作为案例研究，并使用两台微型光谱仪在色散反射模式下分别在 1350—2550 nm 和 900—1750 nm 附近的近红外区域进行分析。结果表明，对与光谱相关的多变量测量误差有一些见解可能会很有趣，可以为多种应用铺平道路。