第32，第4期 2012年4月
光谱学与光谱分析 Spectroscopy and Spectral Analysis
Vol. 32, No. 4, pp970973
April,2012
近红外光谱结合ELM快速检测固态发酵过程参数pH值
刘国海，江辉*，肖夏宏，张东娟，梅从立，丁煜函
江苏大学电气信息工程学院，江苏镇江212013
摘要pH值是固态发酵过程关键参数之一，为此提出基于近红外光谱技术的秸秆蛋白伺料固态发酵过程参数pH值检测方法。利用近红外光谱系统获取140个固态发酵过程产物样本在10000～4000cm-范围内的近红外光谱数据，通过酸度计测得近红外光谱预测模型的参考测量值；运用ELM算法建立pH值的预测模型，在模型建立过程中由交互验证法确定最佳主成分因子数和ELM网络隐含层节点数。试验结果显示：最佳ELM网络模型的拓扑结构为10-40-1，模型预测集相关系数(R，）和预测均方根误差（RMSEP)分别为 0.9618和0.1044。研究结果可为固态发酵过程参数的在线检测提供技术基础。
近红外光谱；主成分分析；极限学习机；pH；固态发醇
关键调
中图分类号：0657.33，Q815
引言
文献标识码：A
据统计，我国每年可产生近7亿吨秸秆，其中用于加工成饲料的不到10%，大部份通过楚烧手段处理，对自然资源造成极大的浪费。随着农业生物技术的发展，用生物技术特别是利用微生物固态发酵手段处理秸秆，使其成为家畜饲料来源，既能促进我国备牧业的发展，又能改善农业生态环境，实现资源的充分利用，变废为宝1。在秸秆固态发酵过程中，pH是一项重要的过程参数，是微生物在一定环境下代谢活动的综合指标。其高低会影响某些化合物分子进入细胞的状况，从而促进或抑制微生物的生长，进而影响整个发酵过程中目标产物的积累"。目前，在固态发酵过程中该指标的检测大多采用离线化学实验方法，虽然该方法的结果客观可信，但步骤烦项、检测时间长，且离线测量给发酵过程的控制带来诸多不便，不利于实现对整个发酵过程状态信息变量的在线监测控制。
近红外光谱（near infrared spectroscopy，NIR）分析技术具有快速、无损、准确，多组分同时检测等优点，是最适于实现在线分析和实时控制的成熟技术之一，已经在石油、化工、食品、制药和烟草等领域得到了广泛应用[35]。近年来，国内外已有一些研究者将近红外光谱技术应用到液态发酵的在线分析[7-12]和青贮饲料的成分品质分析，对于固态发酵，
收稿日期：2011-09-12，修订日期：2011-11-28
DOI: 10. 3964/j. issn. 1000-0593(2012)04-0970-04
目前极少有相关文献报道。本研究尝试利用近红外光谱技术结合极限学习机（extremelearmingmachine，ELM)建立秸秆蛋白饲料固态发酵过程参数pH的预测模型，以便实时监控固态发酵过程参数变化情况。为了体现出ELM算法的优点，将其与基于梯度下降学习算法的BP网络模型的结果进行了比较。
实验部分
1.1
样品制备
利用GTG-100型固态发酵装置，在小麦秸秆蛋白饲料
固态发醇过程中，每12个小时收集样本4个，整个发醇酵过程收集发酵过程产物样本28个。利用相同的材料及条件发酵5
个批次，共采集固态发酵过程产物样本140个。 1.2光谱采集
试验时，室内温度保持在25℃左右，湿度恒定。利用 AntarisIⅡI傅里叶变换近红外光谱仪（美国ThermoScientific 公司)采集光谱。采用InGaAs检测器，内置参比背景，光源为25W卤索灯仪器标配，以漫反射式积分球进行光谱采集，扫描波数范围为10000~4000cm-（1557个数据点），扫描次数为16次，分麟率为8cm-1，每个样本重复采集3次光谱，并将其平均光谱作为该样本的原始光谱，如图1所示。
基金项目：国家（863计划）项目（2007AA04Z179)，江苏高校优势学科建设工程项目（PAPD[2011]6)，镇江市农业科技支撑项目
(NY2010017)和江苏省研究生科研创新计划项目(CXZZ11_0572)资助
作者简介：刘国海，1964年生，江苏大学电气信息工程学院教投
*通讯联系人
万方数据
e mail; jiangh1118@163, com
e-mail; ghliu@ujs, edu, cn