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。     

基于近红外光谱法的玉米钾营养快速测定研究

本文利用近红外漫反射光谱对玉米叶钾营养含量进行快速测定的研究。以农大265玉米为材料,采用偏最小二乘回归法(PLS)建立玉米叶片中钾含量与光谱数据的校正模型,其决定系数Rc2=0.9783,交叉验证决定系数Rv2=0.9133,交叉验证均方差RMSECV=1.6499,模型因子数Factor=12。结果表明,利用近红外漫反射光谱法快速测定玉米叶片中钾营养含量是可行的,为近红外光谱仪快速测定玉米叶钾含量提供了理论依据。     

小麦籽粒蛋白质光谱特征变量筛选方法研究

【目的】筛选整粒小麦籽粒蛋白质的近红外特征光谱波段并建立优化模型,可实现快速、无损测定整粒小麦籽粒蛋白质含量,为田间便携式小麦籽粒蛋白质含量速测仪设计提供依据。【方法】2012-2013年以蛋白质含量有明显差异的8个冬小麦品种为试验品种,设置3个施氮量和2个灌溉量共6个处理,建立丰富的样本类型,共采集176个小麦籽粒光谱数据;将ASD FieldSpec Pro光谱仪采集到的基于全反射下垫面的整粒小麦籽粒反射光谱通过公式A=log(1/R)转换为吸收光谱,对吸收光谱采用S-G平滑、多元散射校正和基线校正等方法进行预处理,以消除背景噪声,然后采用交叉验证偏最小二乘回归方法进行特征波段压缩;分析比较无信息变量剔除法（UVE）结合交叉验证偏最小二乘回归、连续投影算法（SPA）结合交叉验证偏最小二乘回归、UVE与SPA组合后结合交叉验证偏最小二乘回归、UVE与SPA组合后结合多元线性回归（MLR）及UVE与SPA组合后结合逐步多元线性回归（SMLR）等多种特征光谱筛选方法选出的蛋白质特征波段的优劣,并与凯氏定氮法测定的小麦籽粒蛋白质含量进行回归分析,构建并优选小麦籽粒蛋白质最佳预测模型。【结果】利用无信息变量剔除（UVE）方法可将与小麦籽粒蛋白质含量无关的信息变量剔除,把籽粒的原始光谱由1 621个波段压缩至717个,在保留了蛋白质信息的同时,实现了特征谱段的初次优选;对逐步多元线性回归（SMLR）、连续投影算法（SPA）、连续投影算法（SPA）+逐步多元线性回归（SMLR）及连续投影算法（SPA）+偏最小二乘回归（PLS）+交叉验证（CV）等特征波段优选算法比较发现,不同的方法获得的特征谱段有差异,构建的模型及精度也明显不同。对经过无信息变量剔除（UVE）法筛选光谱特征谱段,利用SPA消除光谱矩阵中波段共线性影响,再利用SMLR筛选出小麦籽粒蛋白质信息贡献最大的15个特征谱段,所得模型的预测均方根误差（RMSEP）和R²分别为0.5898和0.9410,模型预测精度最高。【结论】本研究利用UVE、SPA与SMLR方法有效压缩了整粒小麦籽粒光谱矩阵,基于所筛选的蛋白质含量特征谱段数构建的预测模型可以实现无损、快速测定整粒小麦籽粒蛋白质含量,预测模型精度可靠,方法经济有效,为设计田间便携式整粒小麦籽粒蛋白质测定仪的波段选择和开发奠定了基础。     

近红外光谱技术应用于玉米单籽粒蛋白质含量检测分析的初步研究

为探索应用近红外光谱技术检测玉米单籽粒蛋白质含量,本研究采用JDSU近红外光谱检测仪采集了205份不同基因型玉米材料的单籽粒光谱值,用常规化学法测定玉米单籽粒蛋白质含量化学值,以117个样本为建模集,拟合了玉米单籽粒近红外光谱仪扫描得到的光谱图与玉米单籽粒蛋白质含量化学值之间的相互关系,用88个样本作预测集,比较了偏最小二乘回归法(PLSR)和支持向量机回归法(SVR)2种预测模型的效果。结果表明,玉米单籽粒种子的蛋白质含量在样本中变异范围为3.48%~18.15%,平均值为10.17%。偏最小二乘回归法(PLSR)和支持向量机回归法(SVR)所建的模型预测效果基本相同,其决定系数(R2)分别为0.99和0.99,校正标准差(SEC)分别为0.32和0.32,预测标准差(SEP)分别为0.46和0.46,相对预测标准差(RSEP)分别为4.61和4.60,RPD分别为6.106和6.111。上述参数表明PLSR和SVR所建立的模型预测效果都比较好,预测值基本接近参比值,便携式JDSU近红外光谱检测仪可以应用于定量分析玉米单籽粒蛋白质含量。     

火炬松针叶儿茶素含量近红外预测模型的建立

【目的】建立火炬松针叶儿茶素含量近红外预测模型,为选育高生物活性成分火炬松良种奠定基础。【方法】以102个火炬松单株的针叶为试验材料,利用液相色谱 质谱联用技术（LC-MS）测定其儿茶素含量。使用近红外成分分析仪采集样品的近红外光谱信息,对采集的光谱信息采用不同的方式（一阶导数（FD）、标准正态变量转换法(SNV)、平滑算法、乘积分散校正法（MSC）和标准化预处理以及FD+SNV、MSC+FD）进行预处理,结合偏最小二乘法建立回归模型,比较不同预处理方法建立的回归模型参数,选择最佳光谱预处理方法,建立火炬松针叶儿茶素含量近红外预测模型,并对模型的预测准确性进行验证。【结果】FD+SNV为最佳的近红外光谱信息预处理方法;建立了火炬松针叶儿茶素含量的近红外预测模型,该模型的主成分数为14,校正集相关系数（R_C）为0.969 6,校正集均方根误差（RMSE_C）为1.308 4,交互验证集相关系数（R_V）为0.817 1,交互验证集均方根误差（RMSE_V）为3.105 2。经过外部验证,验证集火炬松针叶样品的儿茶素含量实测值与预测值有显著相关性（R=0.880 7）。【结论】建立了火炬松针叶儿茶素含量近红外预测模型,该模型可以准确、高效地预测火炬松针叶的儿茶素含量。     

DDGS在猪鸡日粮中的应用及其质量控制研究进展

酒精糟及其残液干燥物(DDGS)富含蛋白质等营养成分,在畜禽日粮中应用能在一定程度上缓解当前蛋白质原料资源紧张的状况。但DDGS营养成分含量变异较大,导致其质量参差不齐,影响其在畜禽日粮配方中的合理配制及应用效果。综述了DDGS在猪鸡日粮中的应用效果、质量控制及其营养价值评定新技术(仿生消化技术和近红外光谱分析技术)的应用,以期为DDGS在猪鸡日粮配方中的科学应用提供参考。     

加工辣椒无损品质检测方法及典型相关性分析

以123份加工型辣椒的果实样品为材料。采用无损近红外光谱技术方法,分析了辣椒果实样品的近红外扫描光谱和辣椒素、粗脂肪与粗纤维含量的定标预测模型及样品的检测值,并运用无损色差技术方法,分析了辣椒样品色度值L^*、a^*、b^*及色差值E^*_ab,同时,研究了辣椒无损品质检测方法与传统理化性状2组指标间的典型相关关系。结果表明,本研究所建立的加工型辣椒果实样品辣椒素、粗脂肪和粗纤维的近红外定标预测模型,其定标决定系数（RSQ）、交叉验证决定系数（1-VR）及外部预测决定系数均大于0.8,而交叉验证标准偏差（SECV）和定标标准偏差（SEC）保持在低水平,说明所建模型对辣椒果实的辣椒素、粗脂肪和粗纤维含量的检测具有稳定性和准确性;色价与色度值L^*、a^*、b^*及E^*_ab均表现出极显著正相关关系（P<0.01）,说明色差值可从不同角度完成对辣椒果实色泽品质的量化评价;通过典型相关性...     

基于近红外光谱法的绿豆淀粉和蛋白质无损快速检测

为实现绿豆籽粒淀粉和蛋白质含量的无损快速检测,满足高淀粉、高蛋白绿豆的筛选、选育等需要,选用我国不同地区100份绿豆种质资源为材料,采用酸水解法和凯氏定氮法分别测定淀粉和蛋白含量,样品中淀粉含量范围为40.88%～53.62%,蛋白含量范围为20.17%～27.38%,化学测量值数据分布广。应用近红外光谱技术建立绿豆中主要营养物质的快速检测方法。通过采集样品的近红外光谱,结合化学方法所得数据建立近红外定量模型。结果表明,采用无光谱预处理可以得到最优的淀粉数学模型,内部交叉验证决定系数(r²)和交叉验证均方根误差(RMSECV)分别为0.926 9和0.658。采用一阶导数+MSC处理得到最优的蛋白模型,内部交叉验证决定系数r²和RMSECV分别为0.9 341和0.384。淀粉和蛋白外部验证决定系数r²分别为0.935 1和0.921 2,模型预测效果较好。建立的近红外模型可用于绿豆籽粒淀粉和蛋白质含量的无损快速检测,模型涵盖了绿豆种质淀粉和蛋白质含量的广泛检测分布范围,可实现绿豆资源的快速评价,提高育种效率。     

柑橘园紫色土Fe/Mn/Zn含量近红外光谱监测模型研究

 【目的】探索建立基于近红外光谱技术的土壤微量元素监测技术。【方法】采集三峡库区（重庆）主要加工甜橙基地果园背景土壤样品168个,随机选取100个作为建模样本,其余为检验样本;测定所有样本的近红外反射光谱和土壤Fe、Mn、Zn全含量;运用最佳光谱预处理方法和偏最小二乘法（partial least square method, PLS）及内部交叉验证方法建立校正模型,并进行模型精度检验。【结果】变量标准化（standard normal variables,SNV）为土壤Fe、Mn、Zn含量近红外光谱预测的最佳光谱预处理方法;运用SNV光谱预处理和偏最小二乘法（PLS）及内部交叉验证法建立的土壤Fe、Mn、Zn含量校正模型,95%置信区间内的预测精度分别为92.65%、95.59%和95.59%。【结论】利用近红外反射光谱技术进行土壤Fe、Mn、Zn含量检测可行且精度较高。     

NIRS在广金钱草水分含量测定中的应用

研究并建立近红外光谱技术在广金钱草药材水分含量的测定方法。利用烘干法测定试验样品的水分含量,并采集近红外光谱数据,采用一阶导数法预处理,结合偏最小二乘法建立广金钱草中水分含量的定量分析模型。结果表明:所建立的校正模型,内部交叉验证决定系数达到0.970,校正均方差为0.254,预测均方差为0.278,内部交叉验证均方差为0.582。验证集重复性标准偏差为0.069,平均回收率为99.96%,t检验显示P0.05,精密度及重复性RSD分别为1.23、1.45%,RPD3。建立的广金钱草药材水分含量测定的近红外光谱模型稳定、准确、可靠,适用于对广金钱草药材的水分含量测定。     

基于偏最小二乘回归的玉米蛋白质含量鉴定

以10 000～4 000 cm-1波段的近红外光谱响应数据和常规生化方法检测的玉米蛋白质含量为样本数据,先对光谱响应数据进行小波去噪处理,并利用平滑技术对其降维,构建基于以光谱响应数据为输入、蛋白质含量为输出的偏最小二乘回归模型.仿真计算结果表明,利用偏最小二乘回归模型,可以较准确地预测玉米蛋白质含量,结合预测表达式回归系数和变量投影重要性指标VIP得到与蛋白质含量相关性较大的若干波段对应的光谱响应数据,模型在一定程度上揭示了蛋白质含量和光谱响应数据之间的数量关系.     

水分含量对近红外测定小麦蛋白质含量的影响

[目的]探讨水分含量对近红外测定小麦蛋白质含量结果的影响。[方法]以全籽粒小麦为研究对象,研究近红外品质分析过程中水分含量对小麦蛋白质含量预测结果的影响。在连续改变样品水分含量的条件下采集小麦的近红外吸收光谱,并用预测模型测定它们的蛋白质含量。[结果]水分对近红外光谱吸收及预测结果有很大影响。小麦水分含量的升高使其在整个近红外区域的光谱吸收都明显增大,直接影响蛋白质含量的测定结果,测定误差随样品含水量的降低而减小。当样品水分与建模样品水分含量相近时,样品水分差异引起的测定误差可以忽略不计。[结论]在用近红外测定小麦蛋白质含量时,应使待测样品保持合适的水分含量。     

小麦籽粒蛋白质含量高光谱遥感预测模型比较

【目的】利用高光谱遥感技术实现冬小麦籽粒蛋白质含量的精准预测,比较筛选小麦籽粒蛋白质含量预测模型,实现优质小麦栽培生产。【方法】设置不同品质类型小麦品种和施氮量处理,测定开花期叶片叶绿素含量（SPAD）、叶片干物质质量（LDW）、地上生物量（AGB）、叶片氮含量（LNC）、叶片氮积累量（LNA）、叶面积指数（LAI）、植株氮含量（PNC）、植株氮积累量（PNA）和氮营养指数（NNI）9个农学参数及小麦冠层光谱,通过一阶导数和偏最小二乘法,构建基于不同农学参数的小麦籽粒蛋白质含量高光谱预测模型。【结果】一阶导数处理可以提高光谱数据与农学参数的相关性。运用偏最小二乘法构建的高光谱农学参数估测模型中以SPAD的模型建模精度与验证精度相对较优,建模集决定系数R²与预测集标准均方根误差nRMSE分别为0.99和4.10%;NNI反演模型验证结果较好,相对预测偏差RPD为2.04;利用线性回归构建的农学参数-籽粒蛋白质预测模型中以LNC的建模精度与验证精度最佳,其建模集R²、预测集均方根误差RMSE和RPD分别为0.64、0.79和2.11。最终构建的“...     

近红外光谱法检测果汁中的富马酸

应用傅立叶变换近红外光谱法测定40个果汁的近红外光谱数据,用OPUS/QUANT5.5定量分析软件将光谱与对应的化学成分值相关联,建立了果汁中富马酸的回归模型。富马酸含量近红外光谱分析模型的决定系数R2为97.53,交叉验证均方根RMSECV为0.00416。用该模型对10个未知样品进行了外部验证,外部验证的决定系数(R2)为99.1,均方差(RMSEP)为0.00294。内部交叉验证和外部验证均证明,近红外定量分析有较高的准确度,可应用于生产。     

近红外光谱法对巴戟天药材中水分含量的快速测定

建立了巴戟天(Morinda officinalis How.)药材中水分含量的近红外定量模型,可快速测定巴戟天中水分含量.按照《中华人民共和国药典》(2010版)规定采用烘干法测定166批巴戟天药材的水分含量,采集并用多元散射校正法、二阶导数法预处理近红外光谱,结合偏最小二乘法建立了近红外水分定量分析模型.所建立的校正模型的内部交叉验证决定系数为0.985 5,内部交叉验证均方差为0.402 7,校正均方差为0.169,预测均方差为0.180.结果表明,该近红外水分定量模型稳定、准确,可快速进行巴戟天药材中水分含量的测定.     

利用近红外光谱法对烟叶氮钾含量的快速测定

探讨了近红外光谱法无损快速测定烟叶氮钾含量的可行性,利用傅里叶变换近红外光谱仪测定建模集（104个）和检验集（40个）烟叶样品的近红外光谱,采用偏最小二乘法（PLS）把测得的烟叶光谱值与常规化学分析法测得的全氮和全钾数值拟合建立定标模型,经分析得出：预测模型分析氮的相关系数（R）为0.951,预测标准差（RMSEP）0.301;钾的相关系数（R）为0.928,预测标准差（RMSEP）为0.278。近红外法测定结果与常规方法已有较好的相关性,能为今后快速诊断烟叶的营养状况提供新技术。     

近红外光谱法快速检测藜麦蛋白含量

[目的]建立一种藜麦粗蛋白含量快速、无损、简便的测定方法,为藜麦的资源评价和品质育种提供技术支持.[方法]以100份藜麦种质资源为材料,其中80％为校正集,20％为验证集,扫描得到藜麦近红外原始光谱,利用OPUS/QUAN T5.5光谱定量分析软件建立藜麦蛋白质含量的快速检测模型.[结果]采用一阶导数+矢量归一化光谱方法进行预处理,结合化学方法测定数据建立藜麦粗蛋白近红外定量模型,校正和预测效果最好,藜麦粗蛋白近红外定量模型的交叉验证决定系数为0.9182,外部验证决定系数为0.9151.[结论]基于近红外光谱法(NIRS)测定藜麦籽粒的蛋白含量是完全可行的.     

小波变换在脐橙维生素C含量近红外光谱预测中的应用

 【目的】探索快速检测柑橘Vc含量的方法。【方法】利用不同分解水平的Daubechies3小波变换，对100个脐橙整果样品的近红外光谱信号进行了消噪处理，并利用消噪后的重构光谱对脐橙Vc含量进行了偏最小二乘法交叉验证。【结果】小波分解尺度水平不同，偏最小二乘法交叉验证效果各不相同，在分解水平为4时效果最好，其预测值与标准值的相关系数R达到0.9574，交叉验证预测均方差RMSECV仅为3.9 mg/100g。比较了11种光谱预处理方法，其中，小波消噪后的偏最小二乘法交叉验证模型预测效果最好，预测值与真值的相关系性最好。【结论】小波消噪后建立的近红外光谱模型能准确地对脐橙Vc含量进行无损快速的定量分析。     

利用近红外光谱技术测定浓缩天然胶乳中干胶含量的研究

建立了一种使用近红外光谱技术即时测定浓缩天然胶乳干胶含量的方法。以国家标准方法测定天然胶乳的干胶含量作为标准值,用偏最小二乘法(PLS)建立近红外光谱与天然胶乳干胶含量的多元信号校正模型,并使用内部交叉验证及外部验证集验证评价模型,对天然胶乳中干胶含量进行测定对比分析。结果表明,模型相关系数达0.977 8,模型的预测均方差为0.105,交叉验证均方差为0.106,说明该模型具有较高的预测水平。通过F检验和t检验进一步对比模型检测值和国标法检测值,2种方法的分析结果差异不显著性。近红外光谱技术测定浓缩天然胶乳干胶含量准确度、精确度良好,可应用于实际生产与交易中的快速检测。     

星载GF-5 AHSI 高光谱影像不同光谱波段土壤有机质 含量预测精度比较

【目的】探讨星载高分五号（GF-5）高光谱影像不同光谱波段对SOM 含量预测精度差 异,明确有效光谱波段范围,以便提高SOM 含量高光谱预测精度。【方法】该研究以黑龙江 省建三江农垦区为研究区域,将GF-5 可见短波红外高光谱相机（AHSI）获取的高光谱数据 划分为可见光- 近红外（VNIR）、短波红外（SWIR）和VNIR-SWIR 3 种不同光谱波段,并 将光谱反射率进行了9 种光谱数学变换;分别采用多元逐步回归（MLSR）和偏最小二乘回 归（PLSR）构建SOM 含量预测模型,评价分析了3 种不同光谱波段预测SOM 含量的精度差 异。【结果】在MLSR 模型中,VNIR-SWIR 的对数倒数一阶微分SOM 含量预测精度相对较 高,验证精度决定系数R2 val 为0.383,均方根误差RMSEP 为5.009;在PLSR 模型中,VNIR 反射率的SOM 含量预测精度较高,验证精度R2 val 为0.359,RMSEP 为4.170。【结论】GF-5 AHSI SOM 含量预测精度较高的光谱波段为VNIR 和VNIR-SWIR。卫星数据质量、研究区域 自然条件、数据预处理过程、建模方法选择等因素共同影响SOM 含量预测模型精度,通过 技术和方法改进,GF-5 数据预测SOM 含量的潜力更大。