该文档属于类型a，即报告了一项原创研究。以下是针对该研究的学术报告：
主要作者及研究机构
该研究由Yujie Tian、Laijun Sun、Hongyi Bai、Xiaoli Lu、Zhongyu Fu、Guijun Lv、Lingyu Zhang和Shujia Li共同完成。主要研究机构包括黑龙江大学电子工程学院、牡丹江大学智能制造学院以及黑龙江大学嘉祥工业技术研究院。研究于2024年2月21日在线发表在期刊《Chemometrics and Intelligent Laboratory Systems》上，论文标题为《Quantitative detection of crude protein in brown rice by near-infrared spectroscopy based on hybrid feature selection》。
学术背景
该研究属于食品科学与化学计量学交叉领域，旨在开发一种快速、无损检测糙米中粗蛋白含量的方法。糙米因其高营养价值而成为重要的主食，其蛋白质含量直接影响其储存、加工和烹饪品质。传统的蛋白质检测方法（如凯氏定氮法和杜马斯法）虽然准确，但耗时长、破坏样品且存在化学残留风险，难以满足大规模育种实验的需求。近红外光谱（NIRS）技术作为一种成熟的无损检测方法，具有快速、高效的优势，能够替代传统化学分析方法。然而，全光谱建模中存在大量噪声和无关变量，增加了数据处理复杂性，降低了模型的鲁棒性。因此，本研究提出了一种基于混合特征选择（hybrid feature selection）的NIRS模型，以提高糙米蛋白质含量检测的准确性和效率。
研究流程
研究分为多个步骤，具体如下：
样品制备与光谱采集
研究使用了349个糙米样品，包括335个粳米、11个籼米和3个糯米样品。样品经过自然阴干、脱壳处理后，使用丹麦Foss公司的NIRS DS2500多功能近红外分析仪进行光谱采集。光谱范围为400 nm–2500 nm，采样间隔为2 nm，共1050个波段。每个样品采集两次，每次测量5次，取10次测量的平均光谱作为样品光谱。
粗蛋白含量化学测定
使用凯氏定氮法（Kjeldahl method）测定样品中的粗蛋白含量，每个样品测定两次，取平均值。结果显示，样品粗蛋白含量范围为5.23%–11.03%，大部分样品分布在6%–9%之间，具有广泛代表性。
异常样品剔除
采用孤立森林（Isolation Forest, iForest）算法检测异常光谱。通过计算样本的异常分数，确定并剔除了6个异常样品，最终保留343个样品用于建模。
样本集划分
使用基于联合X-Y距离的样本集划分算法（SPXY）将343个样品按7:3的比例划分为训练集（240个样品）和测试集（103个样品），确保样本集的多样性和代表性。
特征选择
研究提出了一种改进的混合特征选择方法，结合了改进的区间偏最小二乘法（iPLS）和竞争性自适应重加权采样法（CARS）。首先，iPLS将全光谱划分为多个子区间，筛选出信息丰富的特征区间组合；然后，CARS进一步从筛选出的区间中选择关键波长。最终从1050个特征中筛选出14个有效光谱特征，集中在1160 nm–1338 nm范围内。
模型建立与评估
基于筛选出的特征，建立了支持向量回归（SVR）模型，并与常用的偏最小二乘回归（PLSR）模型进行比较。通过10折交叉验证和测试集评估模型性能，使用决定系数（R²）、交叉验证集R²（R²cv）、预测均方根误差（RMSEP）和相对百分差异（RPD）等指标评估模型。
主要结果
1. 异常样品剔除与样本集划分
剔除6个异常样品后，模型性能显著提升。SPXY算法划分的训练集和测试集在粗蛋白含量分布上与全样本集相似，确保了模型的泛化能力。
特征选择
改进的iPLS-CARS混合特征选择方法筛选出14个有效光谱特征，集中在1160 nm–1338 nm范围内。与单独使用iPLS或CARS相比，混合方法在减少特征数量的同时提高了模型预测精度。
模型性能
SVR模型在测试集上的R²、RMSEP和RPD分别为0.9185、0.2040%和3.5194，优于PLSR模型。结果表明，该模型能够高效、准确地预测糙米中的粗蛋白含量。
结论
本研究成功开发了一种基于NIRS技术的糙米粗蛋白含量快速检测模型。通过改进的iPLS-CARS混合特征选择方法，筛选出14个有效光谱特征，显著提高了模型的预测精度和计算效率。该模型为糙米品质评价和育种方法改进提供了理论依据，具有重要的科学价值和应用潜力。
研究亮点
1. 创新性特征选择方法
改进的iPLS-CARS混合特征选择方法结合了区间选择和波长选择的优势，显著提高了特征筛选的效率和准确性。
高效预测模型
基于SVR的模型在减少特征数量的同时，实现了高精度的粗蛋白含量预测，为无损检测提供了新方法。
广泛适用性
研究使用的样品覆盖了不同品种和蛋白质含量的糙米，确保了模型的广泛适用性。
其他有价值内容
研究还详细分析了异常样品的剔除过程，验证了iForest算法在光谱数据预处理中的有效性。此外，研究对比了不同预处理方法对模型性能的影响，确定了SNV + detrend（标准正态变量变换+去趋势校正）为最优预处理方法。
以上是对该研究的全面报告，涵盖了研究背景、流程、结果、结论及亮点，为相关领域的研究者提供了详尽的参考。