一种基于机器学习结合傅里叶变换红外光谱检测大米糊化特性的方法

本发明提供了一种基于机器学习结合傅里叶变换红外光谱检测大米糊化特性的方法，通过获取不同品种大米在中红外波段的光学信号以及按照传统方法测定的糊化特征值，利用平滑(Savitzky‑Golay)方法对采集光学信号预处理后，基于机器学习和特征波段挑选算法构建了一种大米糊化温度、峰值时间、峰值粘度、最低粘度、冷胶粘度、崩解值、回生值、消减值的评估模型，实现仅以光学特性参数对大米糊化特性的有效预测。此方法仅通过对大米进行傅里叶变换红外光谱的采集，即可评估大米的糊化特性，为食品加工企业实现快速、高效、稳定的产品品质监控提供技术支持。这为食品加工企业提供了一种快速、高效且稳定的品质监控技术支持，使得生产过程中的品质控制更加便捷和准确。通过这种技术，企业能够及时调整生产参数，以确保产品的一致性和优良品质。