7.1滑石粉简介
滑石主要成分是含水的硅酸镁，分子式为Mg3［Si4O10］(OH)2。滑石属单斜晶系。晶体呈假六方或菱形的片状。通常呈致密的块状、叶片状、放射状、纤维状集合体。无色透明或白色，但因含少量的杂质而呈现浅绿、浅黄、浅棕甚至浅红色；解理面上呈珍珠光泽。硬度1，比重2.7～2.8。
滑石具有润滑性、耐火性、抗酸性、绝缘性、熔点高、化学性质不活泼、遮盖力良好、柔软、光泽好、吸附力强等优良的物理、化学特性，由于滑石的结晶构造是呈层状的，所以具有易分裂成鳞片的趋向和特殊的滑润性，如果Fe2O3的含量很高则会减低它的绝缘性。
滑石粉的主要用途如下：
（1）化妆品级(HZ)：用于各种润肤粉、美容粉、爽身粉等。
（2）医药-食品级(YS)：医药片剂、糖衣、痱子粉和中药方剂、食品添加剂、隔离剂等。
（3）涂料级(TL)：用于白色体质颜料和各类水基、油基、树脂工业涂料、底漆、保护漆等。
（4）造纸级(ZZ)：用于各类纸张和纸板的填料，木沥青控制剂。
（5）塑料级(SL)：用于聚丙烯、尼龙、聚氯乙烯、聚乙烯、聚苯乙烯和聚酯类等塑料的填料。
（6）橡胶级(AJ)：用于橡胶填料和橡胶制品防黏剂。
（7）电缆级(DL)：用于电缆橡胶增剂、电缆隔离剂。
（8）陶瓷级(TC)：用于制造电瓷、无线电瓷、各种工业陶瓷、建筑陶瓷、日用陶瓷和瓷釉等。
（9）防水材料级(FS)：用于防水卷材、防水涂料、防水油膏等。
（10）微细滑石粉：用于高级油漆涂料、塑料、电缆橡胶、化妆品、铜板纸涂料、纺织润滑剂等。
近年来，部分面粉企业为了谋取利益，向面粉中添加大量滑石粉，以增加面粉的重量。食用滑石粉是用于医药、食品行业的添加剂。具有无毒、无味、口味柔软、光滑度强特点，因此可以食用，但使用过量或长期食用有致癌性。
正常淀粉中矿物质(以灰分计)的含量一般在0.5％以下，如淀粉中掺入了石膏、滑石粉等，皆能使小淀粉中的灰分增加。在灰分中测出钙离子、硫酸根、二氧化硅，就能定性掺入的物质。
（1）灰分的测定方法：称取样品2g放入预先550℃的灼烧恒重的坩埚中，在电炉上加热至炭化，再放入550℃的马沸炉中，灼烧2h，取出冷却降温。如果灰化不完全，再加水或硝酸使灰分湿润，微温至干，然后再放在马沸炉中灰化2h，取出冷却至200℃，移至干燥器中，30min后称重，计算灰分。
（2）二氧化硅定性方法：将测定完灰分含量后的灰分中，加入2倍量以上的研成细末的氢氧化钾，混合均匀，于600℃熔融，冷后加水溶解，向水溶液中滴加(1∶1)盐酸，使之呈酸性，如果有胶状物析出(H3SiO3)，说明检出了二氧化硅，同时作空白对照。
正常的小淀粉，一般用此法检不出二氧化硅，但掺入滑石粉等无机物则可检出。
（3）钙离子和硫酸根检验方法：取样品灰分，加(1∶1)盐酸溶液10ml，加热溶解、过滤，滤液分成两份，一份溶液中加入1％氧化钡溶液1ml，如果产生大量沉淀，说明检出了硫酸根，同时作空白对照。再在另一份滤液中加入饱和草酸铵溶液1ml，滴加(1∶1)氨水呈弱碱性，产生大量沉淀，则为阳性，同时作空白对照。
灰分中如果仅检出钙离子、硫酸根，可认为是掺入石膏，如果同时检出二氧化硅及上述两种离子，可认为是检出了滑石粉或大白粉。当前市场上出售的大白粉，是将滑石粉精制加工而成，其成分与滑石粉相同。
上述方法虽能测定滑石粉的含量，但是试验所需试剂、材料、仪器等多而繁琐，此外也会破坏被测样品。因此本章研究应用近红外漫反射光谱分析技术，探索研究了检测淀粉中掺杂滑石粉的可行性，建立了相应的定量分析模型，并用独立的检验集对校正模型的可靠性进行了验证。
7.2实验方法设计
7.2.1实验仪器
德国布鲁克光学仪器公司傅立叶变换近红外光谱仪，漫反射样品杯，OPUS6.5光谱采集及分析软件，电子天平。
7.2.2实验样品
实验用的淀粉均是从市场购买不同品牌或同一品牌不同批次的淀粉，用电子分析天平准确称量，在淀粉中随机掺入浓度为0～25％的滑石粉，共制备32个掺杂样本，并以掺杂后滑石粉的浓度作为样本的真值。
7.2.3光谱采集
将上述淀粉样品放置在旋转样品台的样品杯中,然后进行近红外光谱采集。波数范围12500～4000cm-1,波长间隔8cm-1,扫描64次取平均，环境温度23～25℃。
7.3实验结果与分析
7.3.1样本的近红外光谱
纯滑石粉NIR光谱如图7.1所示：
图7.1滑石粉样品光谱图
32个混合后的淀粉样品的近红外漫反射光谱图如图72所示。由图可以看出,在9000～4000cm-1范围内较为相似，带有许多淀粉之间的相似信息，峰形、峰位差别很小，无法直接鉴别。
图7.232个掺杂淀粉样本的近红外光谱图
利用化学计量学方法将原光谱进行数学预处理，采用OPUS6.5软件分析光谱数据。通过选择信息较丰富的光谱谱段及对数据进行预处理,实现对原始光谱数据进行优化,建立精度较高的预测模型。回归统计方法采用偏最小二乘法（partial least squares,PLS）。偏最小二乘法利用主成分分析将吸光度矩阵和浓度矩阵先分别分解为特征向量和载荷向量，然后用偏最小二乘法在这些稳变量之间建立相互关系，从而得到吸光度矩阵与浓度矩阵之间的数学校正模型。PLS的优点希望尽可能在自变量中提取出与因变量相关性最大的组成分,这对于分析微含量的物质有益。
7.3.2定量分析模型的建立
将32个样本应用于NIRS定量分析，确定校正集26个样本，检验集6个样本。通过OPUS6.5软件的分析和优化，选择最优处理算法，通过比较建立混合淀粉的PLS模型的优劣,寻找淀粉的吸收光谱较丰富的波段,分析表明淀粉对光谱信息贡献量最大的谱区范围是7502.1～5446.3cm-1，维数为4。图7.3为淀粉中滑石粉含量近红外光谱图交叉验证NIRS预测值与化学值。
图7.3近红外光谱交叉验证NIRS预测值与化学值
交互验证结果表明，NIRS预测值和化学值之间具有显著的线性相关性，校正样品均匀地分布在回归线的两侧，且交互验证得到的校正相关系数R2为0.9939，交叉验证均方差RMSECV为0.118, 偏移为0.00102。
7.3.3定量分析模型的验证
为了验证定量模型的预测精度，实验用检验集的6个样本进行预测，预测结果如图7.4所示。
图7.4检验集样品的近红外光谱交叉验证NIRS预测值与化学值
详细分析结果见表7.1。
样品编号真实值预测值274.7894.8512284.9254.9799295.3675.3535305.2125.196315.2895.267325.465.4579
7.4小结
本章利用近红外光谱技术建立了淀粉中掺杂滑石粉的检测模型，详细讨论了光谱的采集，模型的建立以及模型的验证等。初步实验结果表明，利用近红外反射光谱分析技术，能够准确、快速地检测出淀粉中掺杂滑石粉的目的。在实际应用前，有必要扩大样品集的范围，以进一步检验模型和提高模型的适应性。附录Ⅰ支持向量机检测淀粉类别Matlab源程序附录Ⅰ
支持向量机检测淀粉类别Matlab源程序%清空环境变量
function chapter13
close all;
clear;
clc;
format compact;
%数据的提取
load chapter13_winemat;
% 画出淀粉光谱图
figure;
plot(wine,′LineWidth′,2);
title(′淀粉光谱图(2010-7-7)′,′FontSize′,12);
grid on;
%将第一类的1-14,第二类的29-39做为训练集
train_wine=［wine(1:14,:);wine(29:39,:)］
%相应的训练集的标签也要分离出来
train_wine_labels=［wine_labels(1:14);wine_labels(29:39)］;
%将第一类的15-28,第二类的40-49做为测试集
test_wine=［wine(15:28,:);wine(40:49,:)］;
%相应的测试集的标签也要分离出来
test_wine_labels=［wine_labels(15:28,:);wine_labels(40:49,:)］;
%数据预处理,将训练集和测试集归一化到［0,1］区间
%mapminmax为matlab自带的映射函数
［train_wine,pstrain］=mapminmax(train_wine′);
%将映射函数的范围参数分别置为0和1
pstrainymin=0;
pstrainymax=1;
%对训练集进行［0,1］归一化
［train_wine,pstrain］=mapminmax(train_wine,pstrain);