基于近红外漫反射光谱的多品种桃可溶性固形物的无损检测

【目的】研究基于近红外漫反射光谱的多品种桃可溶性固形物含量的无损检测技术。【方法】在获得3个不同品种桃近红外漫反射光谱的基础上,采用多元散射校正(MSC)方法处理原始光谱,以SPXY算法划分样品集,分别建立了可溶性固形物含量的偏最小二乘回归(PLSR)、极限学习机(ELM)和最小二乘支持向量机(LSSVM)预测模型,并比较和评价了移动窗口偏最小二乘法(MWPLS)和连续投影算法(SPA)优选有效特征波长对于简化模型运算量、改善模型预测性能的影响。【结果】虽然全光谱可以获得较好的识别效果,但是模型比较复杂;MWPLS与SPA优选的有效特征波长均能有效地减少建模变量并简化模型,但MWPLS在提高建模效率和改善模型预测精度方面有更明显的优势;PLSR、ELM与LSSVM模型都取得了较理想的预测结果,其中PLSR方法较适用于全光谱建模分析;MWPLS-ELM模型对样品集中桃可溶性固形物含量的预测性能最好,其校正相关系数、校正均方根误差、预测相关系数和预测均方根误差分别为0.991,0.397,0.983和0.497。【结论】近红外漫反射技术可用于多品种桃可溶性固形物含量的准确、无损检测,也为其他品种果品的内部品质指标快速、无损检测提供了技术借鉴。     

基于微型近红外光谱仪油菜籽粗脂肪 与粗蛋白校正模型的建立

为了验证微型近红外光谱仪的现场分析实用性,利用该光谱仪测定了油菜籽中粗脂肪与粗蛋白的含量。采集油菜籽样品的近红外反射光谱,光谱经预处理和异常样本剔除后,结合偏最小二乘法回归(PLSR)建立油菜籽的粗脂肪与粗蛋白定量分析模型。结果表明,粗脂肪的模型校正相关系数(Rc)、校正均方根误差(RMSEC)、预测相关系数(Rp)和预测均方根误差(RMSEP)分别为0.9187、1.1873、0.8162和1.3895;粗蛋白的模型校正相关系数(Rc)、校正均方根误差(RMSEC)、预测相关系数(Rp)和预测均方根误差(RMSEP)分别为0.8773、0.8153、0.8033和0.7532。验证了该光谱仪在油菜籽的粗脂肪含量和粗蛋白含量检测方面是可行的,为进一步拓展微型近红外光谱仪的应用奠定了基础。     

近红外快速测定初烤烟叶中的新植二烯

【目的】建立基于近红外光谱分析技术的初烤烟叶新植二烯含量快速测定方法并对定量测定模型的准确性和稳定性进行评价。【方法】采用近红外技术结合光谱预处理(多元散射校正+二阶求导+Norris平滑)、异常样本的剔除(模群迭代奇异样本诊断)、基于竞争自适应重加权(CARS)算法的波长优选、基于交互验证均方根误差的建模波长变量优选建立了初烤烟叶新植二烯含量近红外PLS校正模型,并从模型内部参数(校正模型的决定系数、交互验证均方根误差、校正误差均方根)和外部验证集的预测误差均方根及其配对t检验结果对模型的稳定性和准确性进行评价。【结果】(1)被优选出来建立校正模型的主要波长范围为:2 464.58～2 450.60 nm、1 962.7～1 959.74 nm、1 767.37～1 763.76 nm、1 687.98～1 681.41 nm、1 425.36～1 419.90 nm、1 412.93～1 409.86 nm、1 180.66～1 177.98 nm、1 174.78～1 173.18 nm、1 168.95～1 167.37 nm和1 156.44～1 154.38 nm;(2)初烤烟叶新植二烯近红外校正模型的决定系数为0.882 7,最优主成分数为5,校正标准误差为18.602μg/g,交互验证均方根误差为18.488μg/g,预测范围为166.21～398.24μg/g;外部验证集的预测误差均方根为20.995,外部验证集样品(n=20)预测值和实测值在α=0.05显著水平下配对t检验结果表明不存在显著差异。【结论】研究建立的初烤烟叶新植二烯含量近红外校正模型具有较好的稳定性和预测准确性。该方法能快速准确测定初烤烟叶新植二烯,具有较好的实用价值。     

基于可见/近红外光谱西葫芦硬度的无损检测模型的建立

利用近红外光谱(350～2 500 nm)系统采集180个西葫芦样本的光谱数据,运用多种预处理方法对原始光谱数据进行处理,建立西葫芦果肉硬度的PCR、SMLR和PLSR预测模型;并通过对不同的建模模型进行分析,对西葫芦硬度进行快速检测,实现可见/近红外光谱技术对西葫芦的硬度品质在线无损检测。结果表明,经过卷积平滑法和标准正态变换(S-G+SNV)处理建立的PLSR硬度预测模型效果最好,校正集相关系数为0.979,预测集相关系数为0.976;验证模型结果预测相关系数为0.886,预测均方根误差为0.126。运用可见/近红外光谱技术对西葫芦硬度指标的预测研究具有可行性,研究结果可为今后在线快速无损检测果蔬硬度提供理论依据。     

巴山木竹蛋白质可见/近红外光谱定量分析模型研究

探讨了运用可见/近红外光谱分析技术建立巴山木竹蛋白质定量分析模型的可行性。运用传统方法实测了样品蛋白质含量,并运用光谱分析软件建立了样品蛋白质含量与光谱数据的PLS与PCR校正模型。基于主要性能指标对不同光谱预处理与建模方法进行评价,筛选出最优校正模型并使用验证集样品对校正模型的预测能力进行了验证。巴山木竹竹叶与竹秆蛋白质最优校正模型的决定系数(R_c~2)分别为0.935和0.862,交叉验证均方差(RMSEC)分别为0.351和0.172;经外部验证,预测模型决定系数(R_p~2)分别为0.916和0.874,验证集样品的相对分析误差(RPD)分别为3.562和2.840。表明应用可见/近红外光谱分析技术可以实现巴山木竹蛋白质含量快速检测。     

基于近红外光谱技术的杉木总酚含量模型构建与应用

【目的】木样总酚含量化学测定耗时长、过程复杂,建立杉木木样总酚含量的快速无损检测模型,对实现木材无损检测及木材腐朽预测具有重要意义。【方法】试验以114个杉木（Cunninghamia lanceolata）木样为研究对象,用福林酚法测定样品总酚含量,利用MPA傅立叶变换光谱仪对杉木木材进行漫反射光谱数据采集。将木样分为校正集和验证集,通过不同光谱预处理方法和建模方法建立总酚的定量模型,选择出最优模型并用验证集对其进行验证。【结果】测定的114个杉木木样中总酚含量变异幅度大,可用于构建近红外模型。对114个杉木木样进行近红外光谱扫描,得出建模光谱范围为9403.9~7498.4 cm-1、6102.1~5446.4 cm-1及4605.5~4242.9 cm-1。对杉木木样的近红外光谱进行预处理,得出最优组合:标准正态变量转换法（SNV）和一阶导数,采用偏最小二乘回归法（PLS）建立模型最优。校正集和交叉验证集的决定系数分别是0.8679和0.7549;校正均方根误差（RMSEE）和交叉验证均方根误差（RMSECV）分别为0.448和0.586,数值均较小且接近,说明模型具有很好稳定性;预测均方根误差（RMSEP）和相对标准偏差（RPD）分别为0.521和2.16,说明模型可进行定量分析。【结论】采用近红外光谱技术检测杉木总酚含量可行,能为木材化学成分快速测定提供一种有效、无损方法。受拟合规则影响,构建的模型虽然不能用于精确定量测定,仍可应用于日常科研和生产检测,在木材材质预测及良种选育等方面具有广阔应用前景。     

基于NIR定量分析模型快速预测酶解蒲公英中多糖的含量

为快速实时评价酶解中草药生产过程中的品质,本研究对5种蒲公英进行酶解,共收集125个酶解蒲公英样品。利用偏最小二乘回归法(PLSR)建立酶解蒲公英多糖的NIR定量分析模型。结果表明：1)使用标准正态变换(SNV)+去趋势(Detrend)+二阶导数(SD)的方法对光谱进行预处理,光谱范围为908～1 670 nm,主因子数为2时,酶解蒲公英多糖预测模型的建模效果最佳。2)模型校正集相关系数(R²c)为0.917 5,校正集均方根误差(RMSEC)为7.714 4,校正集标准偏差(SEC)为7.753 3,校正集相对分析误差(RPDc)最高为3.480 9;验证集相关系数(R²p)为0.878 4,验证集均方根误差(RMSECV)为9.411 5,验证集标准偏差(SEP)为9.458 2,验证集相对分析误差(RPDp)为2.867 2。3)外部检验结果显示,样品的预测值和实测值间差异不显著(P>0.05)。综上,本研究建立的NIR分析模型可对酶解蒲公英的多糖含量进行快速无损的实时监测,为蒲公英酶解过程的质量控制提供技术支持。     

基于连续投影算法的小麦蛋白质含量近红外光谱预测分析

为了快速无损检测分析小麦蛋白质含量,构建近红外光谱最优小麦蛋白质定量检测分析模型。利用一阶S-G平滑算法+SNV算法对光谱进行预处理。使用连续投影算法(Successive projections algorithm, SPA)提取光谱中的特征波段点,使全谱图的141个波段点降低到17个特征波段点。在选择的17个特征波段点基础上分别建立偏最小二乘回归(Partial least regression, PLSR)模型、支持向量机(Support vector machine, SVM)模型、多元线性回归(Multiple linear squares regression, MLR)模型和主成分回归(Principal component regression, PCR)模型。在构建的4种小麦蛋白质含量预测模型中,MLR预测分析模型的验证集均方根误差(RMSEV)和校正集均方根误差(RMSEC)最小,验证集相关系数(r_v)和校正集相关系数(r_c)最大,其r_v=0.968,r_c=0.976,RMSEV=0.300,RMSEC=0.275。因此,相比于其他3种检测模型,建立的MLR小麦蛋白质含量检测模型最优,稳定性和精确性最高。     

基于近红外光谱的五味子提取过程在线检测方法研究

目的 利用近红外(NIR)光谱法,建立定量模型,实现五味子提取过程中关键指标的快速检测。方法 在线采集五味子提取液的近红外光谱,以高效液相色谱法和差重法获取参照,采用最小二乘回归法(PLSR)分别建立五味子醇甲、果糖、葡萄糖和可溶性固形物的定量模型。结果 定量模型的校正集相关系数R、校正均方根误差RMSEC、预测均方根误差RMSEP分别为：五味子醇甲0.99792、1.41、8.76,果糖0.99246、0.0919、0.333,葡萄糖0.99371、0.0954、0.448,可溶性固形物0.98723、3.07、11.2。结论 该方法快速、便捷,结果准确,适用于五味子提取过程的快速检测。     

脐橙可溶性固形物的在线近红外光谱检测

【目的】应用近红外光谱漫反射技术在线检测脐橙内部的可溶性固形物含量(SSC)。【方法】以0.3m/s的速度、400W的光照强度获取脐橙(脐橙样品为97个,其中74个为校正集,23个样品为预测集)的漫反射光谱;对比不同光谱预处理方法(平滑、一阶微分、二阶微分等)对偏最小二乘回归(PLSR)所建预测模型性能的影响,建立PLSR、主成分回归(PCR)和多元线性回归(MLR)在线检测脐橙可溶性固形物含量的预测模型。【结果】在520~1 000nm光谱范围,卷积平滑(S-G)能有效提高光谱的信噪比,改善模型预测精度;基于PLSR所建立的预测模型较PCR和MLR更为理想,其预测相关系数(RP)为0.90,预测均方根误差(RMSEP)为0.61。【结论】利用在线近红外光谱技术检测脐橙可溶性固形物含量是可行的。     

叶面喷施硒肥对不同基因型谷子农艺性状及籽粒硒含量的影响

通过对不同基因型谷子材料叶面喷施亚硒酸钠,探究谷子种质资源的硒敏感性差异。以31份谷子育成品种及地方品种为试验材料,抽穗期喷施110 g·hm^-2的亚硒酸钠,设置清水对照,比较不同谷子品种在硒处理后农艺性状及硒含量的变化。结果显示,施硒可以显著（P<0.05）增加谷子穗粗、穗重和穗粒重;极显著（P<0.01）降低株高和茎粗。经聚类分析,31份谷子种质资源可分为4个类群,其中第一类群为硒敏感型材料三变脸,第二类群为耐硒性材料长穗7,第三类群为瓦屋里、97鉴5、夏2,其余品种为第四类。主成分分析结果表明：前四个主成分累计贡献率为76.11%,主要载荷因子分别为穗重、穗粒重,穗长、硒含量,穗码数和千粒重。上述结果为富硒谷子材料的筛选提供理论依据,并为富硒谷子选育提供参考。     

谷子品种资源微量元素硒和蛋白质含量的测定与评价

 【目的】对中国谷子地方品种资源进行硒和蛋白质含量的测定与评价,以了解谷子品种资源中硒和蛋白质含量的变异及其与地理分布的关系,为谷子种质创新和育种提供基础。【方法】硒和蛋白质含量测定分别采用氢化物原子荧光法和微量凯氏定氮法。【结果】①中国谷子地方品种资源硒含量平均53.3 μg?kg-1,变异范围20.8～89.2 μg?kg-1;蛋白质含量平均15.8%,变异范围11.01%～20.77%。②不同生态区的材料硒和蛋白质含量存在明显差异,西北内陆和黄土高原来源的品种硒含量分别排列第一和第二,以下依次是东北平原、华北平原,最低是内蒙古高原;不同生态区来源的品种蛋白质含量排列次序与硒的排列较为一致,依次为西北内陆、黄土高原、华北平原、东北平原和内蒙古高原。③2个品质性状的相关分析表明,硒和蛋白质含量存在一定的正相关性,相关系数为0.534,且达到极显著水平。④硒含量与谷子粒色相关联,相联系数为0.385,达到0.05的显著水平,红粒谷子硒含量明显高于黄、青、褐等粒色的品种。【结论】谷子品种资源的硒和蛋白质含量存在较为丰富的遗传变异,在鉴定评价基础上,筛选出了一批品质优异的谷子种质资源,为富硒和高蛋白优质品种的培育和种质创新奠定了基础。     

外源硒对谷子生理特性、硒含量及其产量和品质的影响

【目的】探索不同生育期喷施不同浓度硒对谷子产量、品质、保护酶活性及籽粒硒含量的变化规律,明确谷子外源硒的最佳施用量和最佳施用期,为富硒谷子的生产管理提供科学依据。【方法】以春谷长农35、夏谷冀谷20、抗除草剂杂交谷晋谷50为试验材料,采用田间试验,设置6个供硒水平(清水对照(T0)、16.96g·hm~(-2)Na_2SeO_3(T1)、33.92 g·hm~(-2)Na_2SeO_3(T2)、67.84 g·hm~(-2)Na_2SeO_3(T3)、135.68 g·hm~(-2)Na_2SeO_3(T4)、271.36g·hm~(-2)Na_2SeO_3(T5)),在苗期、抽穗期、灌浆期叶面喷施,研究不同生育期不同供硒水平对不同品种谷子生理生化指标、产量、品质及硒含量的影响。【结果】不同浓度外源硒叶面处理谷子,不同生育期SPAD、POD、SOD、MDA、GSH和GSH-Px等6个生理生化指标,品种间达极显著差异水平(P0.01),并且除MDA外,其他均主要表现为随着硒浓度的增加呈现先升高后降低的趋势,T3处理达到最大,抽穗期SOD、POD、GSH-Px的活性、GSH含量和SPAD分别比对照增加18%、44%、94%、97.4%和9%,外源硒能够显著提高谷子籽粒硒含量,并且不同喷施时期、不同品种均随着喷施硒浓度的增加而增加,喷施时间对籽粒硒含量的影响为灌浆期抽穗期苗期,不同品种同一时期表现为晋谷50长农35冀谷20。在摄入硒的安全范围内,灌浆期T3处理,晋谷50籽粒硒含量达到0.297 mg·kg~(-1),比对照增加8.6倍。叶面喷施硒可以提高谷子粗蛋白、脂肪、赖氨酸和叶酸等营养品质的含量,不同喷施时期不同品种谷子粗蛋白、赖氨酸和叶酸含量与对照相比,均表现为T3处理增加最多,最高增加了13.9%、17.9%和7.5%。与对照相比,不同浓度硒可以提高谷子产量,具体表现为随着硒浓度的增加先增加后减小,以T3处理达到最大,之后为减小趋势。抽穗期T3处理晋谷50、冀谷20、长农35产量与对照相比分别增加4.9%、4.7%和1.2%。【结论】适量的外源硒对谷子生理特性提升、营养品质改善和产量提高具有促进作用,也有利于富硒功能食品谷子的生产。综合分析,抽穗期喷施亚硒酸钠67.84 g·hm~(-2)为谷子叶面喷施硒的最佳施用期和最佳施用量。     

基于谷子种质资源表型性状构建骨干种质库

为高效发掘和利用谷子种质资源,以调查收集的1 237份谷子资源的19个数量和质量性状数据为依据,按地理生态区和穗形分组,采用UPGMA聚类分析和类内随机取样方法,筛选谷子骨干种质;通过极差、表型保留比例等对谷子骨干种质的代表性进行评价;主成分分析和直方图对谷子骨干种质进行确认。结果表明,构建的骨干种质118份,占全部种质的9.9%,包括国外品种20份(17.09%)、农家品种56份(47.86%)、野生品种5份(4.28%)、育成品种36份(30.77%),符合取样比例范围。显著性分析结果表明,谷子骨干种质与全部种质之间表型性状、变异系数、Shannon-Weaver多样性指数的差异均不显著(P>0.05),且骨干种质保留了全部种质的分布范围、表型保留比例;相关性分析表明,骨干种质和全部种质的叶面积与草重、单株穗重、单株穗粒重均表现为极显著正相关,二者具有一致的遗传结构和分布频率。综上,本研究构建的谷子骨干种质能代表全部种质的遗传变异和群体结构,减小了全部种质中的遗传群体,可用于谷子资源评价和新品种培育。     

基于高光谱成像技术的羊肉新鲜度预测

为实现羊肉新鲜度的快速、无损检测,应用高光谱成像技术对不同存储天数的羊肉建立挥发性盐基氮TVB-N(Total volatile basic nitrogen,TVB-N)含量预测模型。通过高光谱成像系统获取羊肉样本935～2 539nm的高光谱图像,选取样本左上、左下、右上、右下和中间5个位置20×20像素的方形作为感兴趣区域(Region of interesting,ROI),提取ROI并计算区域内样本平均光谱。利用二进制粒子群优化算法(Binary particle swarm optimization,BPSO)和相关系数分析法(Correlation coefficient,CC)提取羊肉TVB-N高光谱特征变量,结合偏最小二乘回归(Partial least squares regression,PLSR)和随机森林回归(Random forest regression,RFR)建模算法,分别建立表征羊肉TVB-N含量的BPSO-PLSR、BPSO-RFR、CC-PLSR、CC-RFR预测模型。依据袋外均方根误差RMSEOOB最小原则,对最佳回归子树和分裂特征2个主要参数进行寻优以提高RFR建模算法的预测精度。比较4个模型的预测效果发现,BPSO-RFR模型的预测精度最高,其校正集决定系数R_c~2和均方根误差RMSEC分别为0.87和2.99,预测集决定系数R_p~2和均方根误差RMSEP分别为0.86和3.36。综上,高光谱成像技术和机器学习算法的有机结合为快速有效检测肉品新鲜度提供了理论依据。     

不同波长选择方法在土壤有机质含量检测中对比研究

由于近红外光谱数据的多重共线性，特征波长选择一直是近红外光谱分析技术的重要研究内容。以108个土壤样本光谱数据和土壤有机质(SOM)含量为研究对象，以连续投影算法（SPA）、间隔偏最小二乘法（IPLS）、竞争自适应重加权采样法（CARS）三种典型的特征波长选择算法进行近红外光谱波长选择和土壤有机质含量建模。研究结果表明，基于上述三种方法提取的特征波长所建立的模型预测能力均优于全谱模型。其中，基于SPA算法的MLR预测模型精度最优，预测集相关系数（Rp）和均方根误差（RMSEP）分别为0970 2和1.214 4，模型参数只有6个。因此，SPA-MLR可以有效地应用近红外光谱的建模，并且简化模型的复杂度，提高模型的计算效率。     

谷子种质资源萌发期抗旱性综合评价及抗旱指标筛选

为探究适宜的谷子抗旱性评价方法,以35个谷子品种为材料,设置0.03 mol/L PEG-6000溶液模拟干旱胁迫以及正常浇水2个处理,采用频次分析和相关性分析比较了9个与谷子萌发期抗旱性相关的指标,依据隶属函数求出最适宜的综合抗旱性鉴定标准,并以此为依据对所选品种进行聚类并划分抗旱等级。结果表明:在干旱胁迫下,受试品种谷子的发芽势、发芽率、萌发指数、根干重、根鲜重、芽干重、芽鲜重、芽长和根长均受到不同程度的抑制,干旱对发芽势的影响最大;除萌发系数以外发芽势与其余各指标均呈显著或极显著相关,通过因子分析将9个单项性状指标转化为4个因子,累计贡献率达86.74%。通过隶属函数结合聚类分析将35个谷子品种的抗旱性划分为4级,其中强抗旱型品种7个、中度抗旱型品种15个、干旱敏感型品种9个和干旱极敏感型品种4个。通过回归分析建立了可准确评估谷子萌发期抗旱性的回归方程y=-0.187+0.554x_RBDW+0.550x_RRL+0.264x_RRFW,筛选出相对根鲜重、相对芽干重和相对根长作为谷子萌发期抗旱性鉴定的重要指标。干旱胁迫下,可通过测定这3个指标对不同品种谷子萌发期的耐旱性进行快速准确的鉴定及评价。     

夏谷田杂草为害损失预测模型的研究

为了综合治理谷田杂草,探索谷田杂草对谷子的危害及竞争规律。采用田间小区试验和非线性回归分析的方法,对主要的杂草竞争经验模型进行模拟和比较。结果表明,谷子产量损失率与杂草密度呈显著正相关,且随着杂草密度的增加呈减速增加的趋势。双曲线模型的决定系数R2为0.99712,最小残差平方和为16.174,是模拟谷田杂草与谷子竞争关系的优化模型。预测方程式为Y=d/(1.733+0.018d),杂草的种间竞争力为0.5770,种内竞争力为0.0103,谷子产量最大损失率为55.56%。本研究确定了谷田杂草对谷子为害的预测模型,将为谷田杂草综合治理提供有益帮助。