苎麻纤维素含量近红外预测模型的建立与探讨

本文旨在探讨用近红外光谱技术建立预测模型快速测定苎麻中纤维紊含量的可行性.以80个样品组成校正集采用偏最小二乘法(PLS)建立近红外光谱信息与纤维素含量之间的定量预测模型,该模型的相关系数为0.9726.利用该模型对22个样品的纤维素进行预测,预测值与化学测定值之间的平均相对误差为1.17%.结果表明,利用近红外光谱技术建立预测模型可以快速测定苎麻纤维素含量,对苎麻育种和优质资源的筛选利用具有重大意义.     

近红外光谱法快速测定苎麻粗蛋白含量

文中探讨了应用近红外光谱仪测定苎麻粗蛋白的可行性。以50个样品组成校正集,采用偏最小二乘法(PLS)建立了近红外光谱信息与粗蛋白含量的校正模型,该模型的相关系数为0.98。用该模型对10个样品的粗蛋白进行预测,结果表明,苎麻粗蛋白含量的化学测定值与近红外光谱模型预测值之间存在较好的相关性,预测值与化学值之间的平均相对误差为3.54%。可见,用近红外光谱分析建立苎麻粗蛋白预测模型并测定苎麻粗蛋白含量是可行的。     

基于近红外技术的苎麻麻骨化学成分含量测定

为了更好地推动苎麻产业发展、更好地利用好苎麻副产物麻骨,快速、高效、准确的获得麻骨化学成分越发重要。试验利用近红外光谱技术分析苎麻麻骨化学成分,以化学测定值为对照,采用定量偏最小二乘分析法,建立苎麻麻骨化学成分含量模型。结果表明,建立的苎麻麻骨化学成分预测模型各成分相关系数较高,果胶、半纤维素、木质素和纤维素相关系数分别达到了0.9937、0.9772、0.9850和0.9916,分辨度在6.63~12.71之间。苎麻麻骨化学成分含量模型对果胶、半纤维素、木质素及纤维素含量的预测绝对误差分别在-0.25%~0.015%、-0.845%~0.155%、-4.735%~2.895%和-2.835%~4.08%之间,预测值与化学测定值误差在可接受范围内,故该模型可初步用于苎麻麻骨化学成分含量的测定。     

应用近红外光谱法测定苎麻粗纤维含量

以66份苎麻材料为检测对象,常规化学方法测定苎麻粗纤维含量,应用近红外光谱技术采集其光谱,运用偏最小二乘法(PLS)建立了苎麻粗纤维含量的校正模型,该模型的相关系数为0.97,标准偏差为0.78。用16个验证集对所建模型预测效果进行外部检验,预测值与化学值之间存在较好的相关性,其相关系数为0.92,表明近红外光谱法用于苎麻粗纤维含量测定是可行的。     

近红外光谱技术在苎麻壳木质纤维组分及镉含量测定上的使用

苎麻壳是原麻剥制后残留的表皮层,有重要的用途。为高效准确测定苎麻壳中木质纤维素组分和重金属镉含量,提高苎麻壳的利用效率,研究将近红外光谱技术与苎麻壳木质纤维素组分、镉(Cd)含量化学测定值相结合,采用定量偏最小二乘法(QPLS),运用不同的预处理和化学计量学方法建立了苎麻壳的校正模型,验证并筛选出最佳模型。结果表明:苎麻壳半纤维素、木质素、纤维素和Cd含量用散射校正预处理方法最佳,相关系数分别为0.9817、0.9864、0.9966、0.9922;果胶用中心化光谱预处理最佳,相关系数为0.9989。果胶、半纤维素、木质素、纤维素和Cd含量预测模型分别为y=0.9977x+0.0074,y=0.964x+0.3654,y=0.9936x+0.1767,y=0.9932x+0.3056,y=0.9851x+0.039。果胶、Cd、半纤维素的预测值和化学值的绝对误差分别在0.06、0.09、0.50左右,误差小,故可以选择该模型对苎麻的果胶、半纤维素和Cd含量等进行快速准确预测。     

基于近红外漫反射光谱法的大豆粗蛋白和粗脂肪含量的快速检测

为满足大豆品质育种快速筛选的需求,本文详细探讨了利用近红外漫反射光谱法对大豆粗蛋白和粗脂肪含量实现快速测定的可行性。采用凯氏定氮法和索氏抽提法测定了120份大豆粗蛋白和粗脂肪的含量,分别采集大豆整粒和粉末两种状态的近红外光谱,然后运用化学计量学方法PLS建立近红外光谱与化学值之间的关系模型。其中粉末大豆样品建立的粗蛋白校正模型的决定系数R^2为0.978 7,校正标准误差RMSECV为0.003 8,该模型对24份待测样品进行测定的预测标准误差RMSEP为0.002 84;粗脂肪校正模型的R^2为0.934 1,RMSECV为0.003 69,RMSEP为0.003 53。整粒大豆建立的粗蛋白校正模型的R^2为0.872 4,RMSECV为0.009 07,RMSEP为0.007 49;粗脂肪校正模型的R^2为0.876 5,RMSECV为0.005 08,RMSEP为0.004 66。对比发现,建模样品的状态对近红外模型的预测性能有重要影响,样品在粉末状态下建立的粗蛋白和粗脂肪近红外模型的预测效果更好。另一方面,由于整粒样品建立的近红外模型的R^2均在0.87以上,因此当样品量较少没有足够样品可用于粉碎时,该模型可以满足对整粒大豆品质进行粗测的需求。该结果对大豆育种早代筛选工作具有重要意义。     

基于近红外技术的苎麻叶半纤维素、纤维素、木质素及Cd含量快速测定

为了快速、高效、准确地测定苎麻叶中半纤维素、纤维素、木质素和Cd含量,研究采用近红外光谱技术的扫描光谱结合苎麻叶半纤维素、纤维素、木质素和Cd含量的化学测定值,基于化学定量学方法,采用定量偏最小二乘分析法(QPLS),运用不同预处理方法和化学计量学方法建立校正模型,对比各模型性能参数,筛选出最优定标模型并用检验集对模型进行验证。结果表明:纤维素、半纤维素、木质素和Cd建立模型相关系数分别为0. 9838、0. 9810、0. 9882、0. 9874。半纤维素绝对误差均在1以下,误差较小;Cd的预测值和化学值的绝对误差在0. 04以下,误差小,故可选择该模型对苎麻叶半纤维素和Cd含量进行快速准确预测。     

马铃薯块茎钾含量近红外模型的建立

为了快速测定马铃薯块茎中的钾含量这一品质性状,从而缩短育种时间,本研究使用InfraXact Lab型近红外分析仪测定马铃薯样品的近红外光谱值,并用常规化学分析方法测定马铃薯样品的含钾量,将这二者拟合建立定标模型。结果表明:钾含量定标方程的SECV值为0.072,而1-VR值为0.881,较接近1,钾含量的验证参数SEP(C)值为0.080,RSQ值为0.866,证明定标的预测能力较好,可以用其进行马铃薯育种材料钾含量的粗略测定。     

苎麻化学成分微波快速测定

采用微波快速法与现行国家标准方法"GB 5889-1986苎麻化学成分定量分析方法"(以下简称GB法)测定苎麻脂蜡、水溶物、果胶、半纤维素含量,用显著性检验法中的F检验和t检验对两种测定方法进行判断.结果表明两种测定方法无显著差异.从而进一步论证了微波快速法的可靠性.     

傅里叶变换近红外光谱技术测定完整油菜籽中芥酸和硫甙含量

利用傅里叶变换漫反射近红外光谱技术和大量代表性油菜籽标准样品建立完整油菜籽中芥酸、硫甙测定模型,内部交叉法和外部检验集样品对模型验证结果表明:芥酸、硫甙模型复相关系数分别为0.9618和0.9785,内部验证均方差(RMSECV)分别为1.97和5.16.用所建模型对油菜籽样品芥酸、硫甙测定结果与国家和国际标准方法测定结果基本一致,建立的近红外分析模型能够满足油菜育种中对初级世代材料芥酸、硫甙含量的快速测定筛选要求.