基于近红外光谱法快速检测藜麦纤维含量

[目的]探索一种快速测定完整藜麦籽粒纤维含量的方法.[方法]采集100个藜麦样品的近红外光谱,运用近红外光谱分析技术建立数学模型并进行预测.[结果]在10 000～4 000cm-1波长范围内,运用一阶导数+矢量归一化光谱方法进行预处理,结合化学方法所得数据建立藜麦粗纤维近红外定量模型,校正和预测效果最佳,所得的粗纤维近红外定量模型的交叉验证决定系数(R2cv)为0.884 8,外部验证决定系数(R2val)为0.876 1.[结论]以完整藜麦籽粒为样品所建立的纤维NITS模型可用于藜麦纤维含量的快速检测.     

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.     

基于近红外光谱法的藜麦脂肪含量快速检测

为了探索一种快速测定完整藜麦(Chenopodium quinoa Willd)子粒脂肪含量的方法,采集100个藜麦样品的近红外光谱,运用近红外光谱法建立数学模型并进行预测。结果表明,在10 000~4 000 cm-1波长范围内,运用一阶导数+矢量归一化光谱方法进行预处理,结合化学方法所得数据建立藜麦粗脂肪近红外光谱定量模型,校正和预测效果最佳,所得的粗脂肪近红外定量模型的交叉验证决定系数(R2cv)为0.939 3,外部验证决定系数(R2val)为0.9235。建立的脂肪近红外光谱模型,可以用于藜麦脂肪含量的快速检测。     

基于近红外光谱法快速检测藜麦淀粉含量

为研究一种简便的藜麦粗淀粉含量测定方法,在10 000~4 000 cm-1波数范围内,采集100个藜麦样品的近红外光谱,运用一阶导数+矢量归一化光谱方法进行预处理,结合化学方法所得数据建立藜麦粗淀粉近红外定量模型。结果表明,该模型校正和预测效果最佳,所得粗淀粉近红外定量模型的交叉验证决定系数(r_(cv)~2)为0.914 7,外部验证决定系数(r_(val)~2)为0.903 1。由结果可知,基于近红外光谱(NIR)法测定藜麦完整籽粒的淀粉含量是完全可行的。     

基于近红外光谱法快速检测藜麦纤维含量（英文）

[目的]探索一种快速测定完整藜麦籽粒纤维含量的方法。[方法]采集100个藜麦样品的近红外光谱,运用近红外光谱分析技术建立数学模型并进行预测。[结果]在10 000~4 000cm~(-1)波长范围内,运用一阶导数+矢量归一化光谱方法进行预处理,结合化学方法所得数据建立藜麦粗纤维近红外定量模型,校正和预测效果最佳,所得的粗纤维近红外定量模型的交叉验证决定系数(R~2cv)为0.884 8,外部验证决定系数(R~2val)为0.876 1。[结论]以完整藜麦籽粒为样品所建立的纤维NITS模型可用于藜麦纤维含量的快速检测。     

合作市高原藜麦种植技术

藜麦是一种耐旱、耐盐碱的植物,喜欢高海拔,适宜生长在气候冷凉,降水较少的高原海拔地区。它的种植地海拔越高,品质就越好,而且海拔越高的地域病虫害越少,日照强度越高,土地污染也少。合作市的地理环境,大部分地区海拔在3 000 m 以上,又地处高原,常年气温较低,昼夜温差大,日照强烈,适宜藜麦生长。文章以甘南州合作市藜麦种植技术为例,深入探析存在的问题,寻求合理的解决办法,促进藜麦的高效、节能、安全。     

吉林西部地区藜麦种植技术

藜麦作为一种保健功能很强的植物,在吉林西部地区种植具有很强的优势,且效益也相当可观。本文详细阐述了藜麦的作物属性及在本地区的种植技术     

近红外光谱法快速测定欧美杨戊聚糖含量

利用欧美杨近红外光谱数据和戊聚糖含量数据,采用一种多模型建模方法,实现了对欧美杨戊聚糖含量的快速预测.预测值与试验值的相关系数为0.935 0,均方差系数为0.336 7,预测结果的平均相对误差为0.012 8.为进一步减小预测误差,对光谱数据进行了一种函数变换,将函数变换方法与多模型方法结合重新建模,预测值与试验值的相关系数增大为0.957 4,均方差系数减小为0.245 8,预测结果的平均相对误差减小为0.008 2.文中方法可以尝试应用于欧美杨其他化学成分含量的测定.     

近红外光谱法快速测定食用油中的脂肪酸含量

探讨利用近红外光谱技术快速测定食用油中的脂肪酸含量.在实验中采用气相色谱法对45个食用油样品中的硬脂酸、棕榈酸、油酸含量进行测定,同时根据45个食用油样品的近红外线光谱结合模型优化方法来建立起食用油中主要脂肪酸含量的近红外定量分析模型,由此建立起一个可以定量分析食用油脂肪酸含量的快速简便的检测途径,因而极具良好的应用前景.     

高原藜麦栽培技术

藜麦是高原地区的重要经济作物,具备较高的经济价值及营养价值,深受市场欢迎。近年来,随着市场需求量的不断增加,高原地区藜麦种植规模不断扩大,为更好地满足市场需求,保证藜麦产量及质量,积极做好栽培管理工作具有重要的现实意义。本文以天祝县为例,着重对藜麦的栽培管理技术进行了探讨。     

基于近红外光谱技术的保水剂吸水倍率快速测定新方法

[目的]基于近红外光谱技术,研究保水剂吸水倍率的快速测定新方法。[方法]通过近红外光谱技术结合偏最小二乘法,对9种聚丙烯酰胺型保水剂的吸水倍率进行研究.[结果]保水剂样品光谱数据采用一阶导数法预处理后,应用PLS法建模预测效果最佳。真值与预测值的决定系数达99．55％,模型预测准确率都在96％以上,可应用于生产实践。[结论]应用近红外光谱技术结合PLS法可以准确预测出保水剂的吸水倍率,是一种快速、无损、环保的新方法。     

近红外光谱在粮食作物检测中的应用进展

介绍了近红外光谱分析技术在一些主要粮食作物检测中的最新应用进展,包括小麦、水稻、玉米、大豆等作物的成分检测、品种鉴别、病虫害识剐等方面,并对该技术所存在问题进行了探讨,对其发展趋势进行了展望。     

近红外光谱法快速测定河南烟叶中木质素的含量

[目的]实现对河南烟叶中木质素含量的快速测定。[方法]首先改进了烟叶中木质素含量的测定方法,并对该方法测定的准确性进行了评定(对同一样品,8次平行测定的RSD值为3.58%),随后用此方法测定了河南地区95个初烤烟叶样品中的木质素含量,然后用近红外光谱仪采集相应的光谱,进行二阶微分处理和平滑预处理后,用偏最小二乘法和完全交互验证方式建立相应预测模型。[结果]试验建立的烟叶中木质素预测模型的相关系数达到96.13%,内部交叉检验均方根误差(RMSECV)为0.104,说明烟叶中木质素含量和近红外光谱之间存在较好的相关性。[结论]采用近红外光谱法可以快速预测河南烟叶中木质素含量。     

木材近红外光谱小波阈值去噪方法

采用小波分析对木材近红外光谱进行阈值去噪研究,分别采用硬阈值、固定阈值、最大最小阈值和rigsure阈值对光谱信号进行去噪.结果表明,小波变换可以有效去除光谱噪声,并很好地保留了信号中的尖锐和突变部分,在近红外光谱分析中具有很好的应用前景.     

基于NIR及PLS-PCR-SVR预测森林土壤有机碳含量

森林土壤有机碳含量是表征林地土壤营养状况的重要指标,该文建立了土壤有机碳含量的近红外光谱定标模型,并比较了偏最小二乘法（PLS）、支持向量机回归（SVR）、主成分回归（PCR）3种建模方法及Savitzky-Golay平滑＋多元散射校正、Savitzky-Golay平滑＋一阶导数、Savitzky-Golay平滑＋二阶导数、Savitzky-Golay平滑＋多元散射校正＋一阶导数、Savitzky-Golay平滑＋多元散射校正＋二阶导数5种光谱预处理方法对土壤有机碳含量定标模型精度的影响,同时进行了波段优选。结果表明：当光谱区域为1 380～1 450 nm,1 800～1 950 nm,2 050～2 300 nm,光谱数据采用Savitzky-Golay平滑＋多元散射校正＋一阶导数预处理,采用PLS的建模方法,主成分数为8时,建立的校正模型预测效果最佳。校正模型的R、RMSE、SEC分别为0.805 2、0.512 2、0.512 5;预测模型的R、RMSE、SEP分别为0.768 1、0.514 3、0.514 6。因此,利用近红外光谱技术可以实现土壤有机碳含量的快速估测,为林区实时、大面积、快速测定森林土壤有机碳含量提供了技术可行性。     

近红外光谱结合SIMCA模式识别法检测木材表面节子

利用近红外光谱结合SIMCA模式识别法来检测马尾松木材单板节子.结果表明,通过培训集样本建立的基于主成分分析的SIMCA判别模型对有无节子两种类型样本进行回判和对未知节子类型的样本(包括无节子和有节子样本)的判别正确率均达到90％～100％,说明应用近红外光谱结合SIMCA模式识别法可以快速有效地检测木材表面的节子缺陷.     

Rapid Non-destructive Detection for Molds Colony of Paddy Rice Based on Near Infrared Spectroscopy

Near infrared spectrometer technology under a wavelength range of 918-1045 nm was used to rapidly detect paddy rice that was stored at 5℃, 15℃ and 25℃. A total of 121 paddy rice samples were collected from artificial infection with moulds to build the calibration models to calculate the total number colony of moulds based on the principal component regression method and multiple linear regression method. The results of statistical analysis indicated that multiple linear regression method was applicable to the detection of the total number colony of moulds. The correlation of calibration data set was 0.943. The correlation of prediction data set was 0.897. Therefore, the result showed that near infrared spectroscopy could be a useful instrumental method for determining the total number colony of moulds in paddy rice. The near infrared spectroscopy methodology could be applied for monitoring mould contamination in postharvest paddy rice during storage and might become a powerful tool for monitoring the safety of the grain.     

基于近红外光谱技术的卷烟类型识别方法研究

[目的]研究不同风格及产地的卷烟。[方法]样品原始近红外光谱分别经过最小-最大归一化、一阶导数、一阶导数＋矢量归一化、一阶导数＋最小-最大归一化、二阶导数和连续小波变换（CWT）等方法处理后进行了主成分分析（PCA）,建立了以马氏距离为基础的卷烟识别模型。[结果]小波变换模型有更好的样品识别能力,模型校正集样品的识别率为96.9%,检验集样品识别率为100%.分类可视化结果表明样品对本类型卷烟风格特征的表达最突出,国内烤烟型卷烟的国外混合型特征最不明显,国外混合型卷烟的国内烤烟型特征最不明显,国外烤烟型卷烟的国外混合型特征最不明显。[结论]采用近红外光谱技术可对不同风格及产地的卷烟进行正确识别。