基于近红外光谱法的水稻秸秆可溶性糖快速检测

采集并制备不同地域、不同品种的水稻秸秆样本288个,根据浓度梯度法,按照31的比例划分校正集与验证集。采用蒽酮硫酸比色法测定试验样本中可溶性糖含量,并采集在近红外全波段(10 000~4 000cm-1)范围内样本的近红外光谱信息。采用多元散射校正(MSC)、标准正态变量变换(SNV)、导数、S-G平滑及其组合方法对光谱进行预处理,分别运用逐步多元线性回归(SMLR)、偏最小二乘回归(PLS)和主成分回归(PCR)化学计量学算法,建立基于近红外光谱的逐步多元线性回归(SMLR)、偏最小二乘回归(PLS)和主成分回归(PCR)定量分析模型。通过比较分析,对光谱进行一阶导数预处理,建立的PLS模型效果最优,校正集实测值与预测值之间的决定系数R2C达到0.880 6,交互验证决定系数(R2CV)和验证集决定系数(R2V)分别为0.771 1、0.857 8,均方根差RMSEC、RMSECV、RMSEP分别为0.318%、0.440%、0.404%,校正集相对分析误差(RPDC)和验证集相对分析误差(RPDV)均大于2.5。结果表明,采用近红外光谱法建立的PLS模型基本可以实现水稻秸秆中可溶性糖含量的快速检测。     

近红外光谱结合ANN法快速测定水稻叶片氮含量

应用近红外(NlR)光谱和误差反传人工神经网络(BP-ANN)方法建立了水稻叶片氮素含量的定量分析模型.首先对近红外光谱进行Savitzky-Golay求导处理,然后通过相关系数法选择波长范围,采用偏最小二来回归PLS降维并输入BP-ANN建立校正模型,用验证样品对校正模型进行验证.结果表明:BP-ANN最佳模型的预测...     

Application of Near Infrared Transmittance Spectroscopy (NITS)in Determining Amylose Content of Rice Grain

Rice samples were scanned with a Foss Tecator Infratec and their amylose content was determined using a standard wet chemical method. Calibration software along with several mathematical treatments of the sample spectra and several regression methods was used to optimize a near infrared transmittance spectroscopy equation for determining rice amylose content. The standard error of calibration, standard error of cross-validation and regression squared of the calibration were 1.489, 1.761 and 0.885, respectively.     

麻疯树种子含油量近红外光谱定标模型的建立

目的本研究旨在建立麻疯树种子含油量的近红外光谱定标模型, 为近红外光谱技术应用于麻疯树种子含油量的测定提供依据。方法利用瑞典波通DA7200型近红外光谱成分分析仪采集了125份麻疯树种子样品的光谱数据, 通过样品化学值测定、光谱数据预处理以及回归统计方法建立了麻疯树含油量的近红外光谱定标模型, 并利用10份未知含油量的种子样品对模型的准确性进行了检验。结果本研究建模所选125份样品的含油量范围为25.23%~39.73%, 平均值为33.91%±2.64%, 中位数为34.31%, 基本覆盖了当前麻疯树的主要品种, 在种子油含量上具有一定的代表性。二阶导数联合标准正态变量转换法为建立麻疯树种子含油量近红外光谱定标模型的最佳预处理方法, 偏最小二乘法为最佳的回归方法。模型验证结果显示, 样品的化学测定值与近红外光谱定标模型预测值极显著相关, 且相关系数达0.9556, 预测标准偏差为0.6536。结论检验结果说明该模型具有较高的可靠性, 可应用于后期麻疯树种子油分含量的大批量快速测定。      

近红外反射光谱法测定厚朴酚类物质

为了建立厚朴Magnolia officinalis药材品质快速有效的评价方法,采用近红外反射光谱技术测定厚朴酚及和厚朴酚的质量分数。通过在全波长条件下,运用不同数学预处理、光谱散射校正和统计方法对来发展定标回归方程,其中统计方法包括偏最小二乘法(PLS)、修正的偏最小二乘法回归分析法(MPLS)和主成分回归法(PCR)。在对比分析的基础上,得到最佳的数学方法为"3,6,6,1"组合,光谱散射校正方法为SNV D或SNV,统计方法为MPLS,厚朴酚类物质的定标决定系数RSQ均达到了0.97以上。该定标模型的外部独立检验相关系数也均达0.95以上。用近红外反射光谱技术测定厚朴药材酚类物质质量分数具有与化学法相近的准确性,可在实践中应用。图2表5参11     

Diagnosis of Nitrogen Status in Rice Leaves with Canopy Spectral Reflectance

The investigation was made on the relationship of seasonal time-course canopy spectral reflec-tance and ratio index to total leaf nitrogen accumulation(leaf nitrogen content per unit ground area) in rice un-der different nitrogen treatments. The results showed there was a close correlation between the canopy spectralreflectance and total leaf nitrogen accumulation. Ratio of near infrared to green band (R810/R560 ) was linearlyrelated with total leaf nitrogen accumulation, independent of nitrogen levels and development stages. Differentdatasets were used to test the linear regression equation, with average estimation accuracy of 91.22 %, RMSEof 1.09 and average relative error of 0. 026. Thus, the ratio index R810/R560 of canopy spectral reflectanceshould be useful for non-destructive monitoring and diagnosis of nitrogen status in rice plants.     

A comparison of three methods for estimating leaf area index of paddy rice from optimal hyperspectral bands

This paper follows previous research that identified 15 hyperspectral wavebands that were suitable to estimate paddy rice leaf area index (LAI). The objectives of the study were to: (1) test the efficiency of the wavebands selected in the previous study, (2) to evaluate the potential of least squares support vector machines (LS-SVM) to estimate paddy rice LAI from canopy hyperspectral reflectance and (3) to compare multiple linear regression-MLR, partial least squares-PLS regression and LS-SVM to determine paddy rice LAI using the selected wavebands. In the study, measurements of hyperspectral reflectance (350–2500 nm) and corresponding LAI were made for a paddy rice canopy throughout the growing seasons. On the basis of the wavebands selected previously, models based on MLR, PLS and LS-SVM to estimate rice LAI were compared using the data from 123 observations, which were split randomly for model calibration (2/3) and validation (1/3). Root mean square errors (RMSEs) and the correlation coefficients (r) between measured and predicted LAI values from model calibration and validation were calculated to evaluate the quality of the models. The results showed that the LS-SVM model using the 15 selected wavebands produced more accurate estimates of paddy rice LAI than the PLS and MLR models. We concluded that the LS-SVM approach may provide a useful exploratory and predictive tool for estimating paddy rice LAI when applied to reflectance data using the 15 selected wavebands.     

基于近红外光谱技术的大米掺伪定量判别

针对现在市场上常见的两种大米掺伪现象,利用近红外光谱技术结合化学计量学方法分别建立了大米中掺入低档米和掺入矿物油的定量分析模型。制配不同掺伪比例的大米样品,采集其近红外光谱,并选用标准正态变量变换、最大最小归一化、平滑和一阶导数4种方法对原始光谱进行预处理,分别结合偏最小二乘法建立PLS定量分析模型。通过对比建模结果选出的最优预处理方法是最大最小归一化,建立的掺低档米模型的校正集和预测集相关系数分别为0.9698和0.9845,均方根误差分别为8.66和6.46;掺矿物油米模型的校正集和预测集相关系数分别为0.9739和0.9888,均方根误差分别为0.106和0.0698。模型的预测精度和稳定性均很好,实现了对两种掺伪大米快速、准确的定量判别,为大米的品质监控提供了一种新的方法思路。     

小批量稻谷种子蛋白质含量的近红外透射光谱分析

以完整水稻种子为样品,利用近红外透射谷物分析仪对186份批量稻谷进行扫描并测定了蛋白质含量的参比数据。采用多种数学计量学处理方法和不同的回归统计方法进行定标曲线的开发和比较,优化得到了小批量水稻种子蛋白质含量测定的近红外定标方程。其定标标准偏差(SEC)、交叉检验标准误差(SECV)、定标相关系数(RSQ)和交叉验证相关系数(I-VR)分别为0.255 8、0.279 5、0.972 8、0.967 5。研究采用整粒小量样品(5 g)来分析,效果较好,可直接用于育种早世代选择。     

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。     

稻米直链淀粉含量近红外检测模型的建立

以147份南方籼稻品种或组合的稻米为供试材料,利用偏最小二乘法(PLS),通过不同波长和不同预处方式建立稻米直链淀粉含量的近红外分析模型。结果表明:全谱段(950～1 650 nm)建模效果最好,其相关系数(R)、预测标准差(SEP)、校准标准差(SEC)分别为0.947 7,1.162 3、0.700 2;采用多元散射校正法(MSC)法对全谱图进行预处理的效果较好,优化后的模型相关系数(R)、预测标准差(SEP)、校准标准差(SEC)分别为0.981 9、0.100 9、0.6831,其相对分析误差(PRD)为3.6;将稻米直链淀粉含量的近红外光谱预测值与化学值进行配对T检验,P=0.3560.05(置信区间为95%),表明近红外光谱法与化学分析法得到的检测结果无显著差异,即应用近红外光谱快速检测稻米直链淀粉含量是可行的。     

基于近红外光谱技术的茶鲜叶海拔高度判别模型建立

以不同海拔高度的茶鲜叶为研究对象,扫描获取其近红外光谱(NIRS)并筛选特征光谱区间后,分别应用逐步多元线性回归法(SMLR)、主成分回归法(PCR)和联合区间偏最小二乘法(Si-PLS)建立茶鲜叶海拔高度预测模型。结果表明,在5 542.41~6 888.48cm-1区间内,对原始光谱进行一阶导数+3点Norris平滑预处理后,建立的SMLR模型预测集相关系数和预测均方差分别为0.800 5和0.486;在4 929.16~6 965.62cm-1区间内,当主成分数为3时,对原始光谱进行一阶导数+3点Norris平滑预处理后,建立的PCR模型预测集相关系数和预测均方差分别为0.803 6和0.472;当将光谱划分为18个子区间、因子数为13时,选用[5 8 11 17]4个子区间建立的Si-PLS模型预测集相关系数和预测均方差分别为0.944 3和0.295。经比较,Si-PLS模型预测结果最佳。     

应用近红外光谱技术快速检测黑加仑浆果的主要营养成分

为了快速检测黑加仑浆果中的营养成分,用近红外光谱分析仪测量了黑加仑果浆样品近红外光谱(波长918～1 045 nm)吸收值,并用多元线性回归(MLR)、主成分回归分析(PCA)、偏最小二乘法(PLS)建立了同时测定黑加仑果浆中总酸、维生素C、总糖、花青素含量的数学模型,并对以上三种回归方法进行统计分析.结果表明,用多元...     

基于近红外光谱反射技术的砀山酥梨花粉活力快速检测

[目的]研究基于近红外光谱反射技术的砀山酥梨花粉活力快速检测.[方法]以砀山酥梨花粉为试材.4℃下贮藏,以0、7、27、43与65 d贮藏后花粉为试材,用离体萌发法测定花粉活力,利用近红外光谱仪扫描花粉采集光谱数据.以修正偏最小二乘法(MPLS)对采集的100个梨花粉近红外反射光谱与花粉活力进行定标模型拟合,判别鉴定砀...     

基于主成分回归法的稻飞虱百穴虫量冠层光谱检测

[目的]针对水稻虫害发生程度预警和田间稻飞虱虫害动态监测问题,采用光谱检测技术,运用主成分回归法建立稻飞虱百穴虫量检测模型。[方法]使用FieldSpec3光谱仪在稻田采集冠层光谱数据,同步检测地块稻飞虱百穴虫量,样本量为71个,其中51个样本为校正集,20个样本为预测集。建模波段选择350～1139nm,对原始光谱进行一阶微分处理。[结果]测量值与预测值的相关系数为0.78,预测标准偏差为161头。[结论]光谱检测可用于稻飞虱测报工作。     

烟草近红外光谱分析结果影响因素综述

结合国内外研究现状,针对校正集样品选择,样品粒度、含水率、试验因素以及光谱预处理和数学建模方法的选择对烟草近红外光谱分析结果的影响进行了探讨分析。结果表明:为获得可靠的分析结果,样品选择应均匀、广泛,有较好的代表性,并考虑样品粒度、含水率及其他因素的影响,同时应选择合适的光谱处理方法和数学建模算法。     

近红外光谱法非破坏性测定绿豆籽粒粗蛋白质含量的研究

为了找到一种快速、简单的测定绿豆品质的方法,利用瑞典波通(Perten)公司生产的DA7200二极管阵列近红外光谱仪,以来自我国绿豆主产区的77份绿豆资源为试验材料,对样品进行光谱扫描,并测定了直链淀粉含量的参比数据。结果表明:定标集和检验集样品的蛋白质含量预测值与化学测定值之间均呈极显著的正相关,相关系数分别为0.977 2和0.963 1;所建定标模型具有较高的预测精度。本研究利用近红外光谱仪对完整绿豆粗蛋白质的分析,可直接用于育种材料选择以及突变体筛选和种质资源的评价等研究。     

基于近红外光谱的猪肉细菌菌落总数的动力学模型

运用近红外光谱检测猪肉在室温和冷藏贮藏过程中细菌菌落总数,实现无损、快速检验猪肉品质以及预测猪肉的贮藏期.使用傅立叶变换近红外光谱仪测定猪肉样品在贮藏期内的光谱,同时采用常规菌落总数测定方法测定样品的细菌菌落总数,获得了猪肉细菌菌落总数对数值与近红外光谱特征值随贮藏时间的变化规律,建立了细菌菌落总数对数值的零级和一级模型,并采用主成分分析法建立了基于近红外光谱特征值预测初值的猪肉细菌菌落总数对数值的动力学模型.该方法准确、灵敏,可用于生鲜猪肉细菌菌落总数的测定及其安全贮藏时间的预测.     

稻米蛋白质含量快速活体测定的定标研究

应用近红外透射光谱技术(NITS),采用偏最小二乘法(PLS)建立重庆地区稻米活体蛋白质含量(PC)定量分析数学模型。结果表明,糙米和精米蛋白质含量预测数学模型的定标标准误偏差(SEC)、交叉检验标准误差(SECV)、定标相关系数(RSQ)和交叉验证相关系数(1-VR)分别为0.252、0.247;0.256、0.278;-0.953、0.946;0.951、0.940;近红外预测值与化学值误差范围分别为-0.61~0.18、-0.39~0.46,相关系数分别为0.984、0.978,均达到极显著相关。利用该模型能够对育种材料的蛋白质含量进行快速非破坏性活体测定,可大大提高育种选择效率。     

基于SVRM的不同氨、碱化处理玉米秸秆粗蛋白定量分析模型研究

文章采用近红外光谱分析方法验证不同条件下氨化和碱化处理玉米秸秆粗蛋白含量测定效果。选择不同超声条件对玉米秸秆样品前处理,获取54种样品,粗蛋白含量为2.535 6%~6.854 7%,依据X-Y残差法剔除29、30、38、51号异常样本,交互验证决定系数R2C由0.679升至0.840,将剩余50个样品划分为校正集(40samples)及验证集(10 samples),选用OSC方法对光谱去噪处理,对比平滑处理(windowsize 15),R2C由0.827升至0.865,选取波段9 781~1 093 cm-1作为特征波段,对比SVRM、PCR及PLS 3种粗蛋白定量分析模型,选取SVRM(C=0.01,Gamma=100)为最佳模型,校正集决定系数R2C为0.833,RMSEC为0.389,验证集决定系数R2P为0.914,RMSEP为0.296。结果表明,近红外光谱分析方法测定玉米秸秆氨化、碱化处理后粗蛋白含量可行。