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。     

近红外反射光谱测定玉米完整籽粒蛋白质和淀粉含量的研究

 以128份常用普通玉米自交系及杂交种的混合籽粒样品为材料,采用偏最小二乘(PLS)回归法,对近红外反射光谱(NIRS)测定玉米完整籽粒蛋白质、淀粉含量的可行性和方法进行了研究。结果表明,采用一阶导数+多元散射校正预处理、谱区为10000～4000cm-1和一阶导数+直线扣减预处理、谱区为9000～4000cm-1,分别建立的蛋白质、淀粉含量的校正模型,其校正和预测效果最佳。其校正决定系数(R2cal)均大于0.97,交叉验证和外部验证决定系数(R2cv、R2val)为0.92～0.95,各项误差(RMSEE     

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。     

彩色稻籽粒蛋白质含量在单株间的变异及分布

【目的】明确彩色稻籽粒蛋白质含量的变异情况以及籽粒中蛋白质含量分布特点。【方法】对彩色稻新品系"云彩3号"的49个单株糙米、精米和米糠进行蛋白质含量测定,并对同一单株糙米、精米和米糠蛋白质含量,以及有色单株和无色单株的籽粒蛋白质含量进行了比较研究。【结果】不同单株籽粒蛋白质平均含量(%)为米糠糙米精米,米糠中的蛋白质平均含量最高(14.37%),糙米其次(10.25%),精米最低(9.11%);蛋白质含量糙米显著高于精米,在糙米加工成精白米的过程中损失了11.12%的蛋白质,这些蛋白质主要留在米糠中,而80%以上的蛋白质主要存在于胚乳中;有色和无色单株蛋白质平均含量(%)均依次为米糠糙米精米,有色和无色精米间蛋白质含量差异达极显著水平,而米糠和糙米间差异不大。【结论】由此可见,籽粒蛋白质含量有色单株高于无色单株,这种差异主要来源于胚乳。     

非洲新稻与籼稻杂交后代育性及主要农艺性状的观察鉴定

【目的】探明非洲新稻与籼稻育性及主要农艺性状表现,为在水稻育种中利用非洲新稻资源提供理论依据和材料基础。【方法】利用非洲新稻Z3与籼稻龙特浦B杂交获得F1群体,再自交获得F2群体,在水稻成熟期调查亲本和各群体的结实率及主要农艺性状。【结果】Z3与龙特浦B杂交F1的自交结实率为70％,F2群体的自交结实率为24％～80％;F2群体中各性状都存在变异,可从中筛选到综合农艺性状优良的单株。相关分析结果表明,杂交F2群体单株产量与株实粒数、株穗数、结实率和穗长之间存在极显著正相关,与株高之间存在显著正相关。【结论】非洲新稻Z3与籼稻龙特浦B杂交后代之间不存在自交不育问题,可在水稻育种中直接利用。     

水稻蛋白质含量NIR模型适配范围的研究

【目的】比较不同类型样品建立水稻蛋白质近红外模型的效果和适配范围。【方法】通过对178份来自“II-32B/岳早籼6号”的重组自交系和496份水稻品种的近红外反射光谱的比较分析，选择其中59个株系和76份品种作为建模样品，采用偏最小二乘法建立基于品种、重组自交系和混合样品的3个蛋白质含量回归模型。【结果】经模型内部交叉验证和对模型外部重组自交系和品种样品的验证结果的比较分析，发现基于分离群体的模型因蛋白质含量范围较窄，样品来源较单一，适应范围仅局限于本群体内样品蛋白质含量预测，而品种和混合模型对群体和品种样品都表现出良好的适应能力，交叉验证决定系数大于0.90，外部验证决定系数大于0.89, 本试验可为近红外建模的样本集选择提供良好的指导意义。【结论】不同类型样品对建模效果有显著影响，品种模型和混合模型的适配范围显著大于群体模型，研究结果不能支持用背景变异较小的样品建立较高精度回归模型的设想。     

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。     

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。     

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。     

甘蓝型油菜茎秆纤维组分含量和木质素单体G/S 近红外模型构建

【目的】探索近红外光谱分析技术在甘蓝型油菜茎秆纤维组分含量及木质素单体G/S测定中应用的可能性。【方法】采集近红外光谱,根据马氏距离GH（Global H）筛选出103份纤维组分含量材料和75份木质素单体G/S材料作为定标样品,采用Van Soest法和GC-MS法对茎秆纤维组分含量和木质素单体比例进行测定,统计结果表明定标样品化学测定值变异范围较大,3次重复差异较小,可用于近红外模型构建。运用不同光谱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】采用修正偏最小二乘法（MPLS）建立模型最佳。中性洗涤纤维（neutral detergent fiber,NDF）、酸性洗涤纤维（acid detergent fiber,ADF）、酸性洗涤木质素（acid detergent lignin,ADL）与木质素单体G/S的交叉验证相关系数（1-VR）分别为0.864、0.861、0.872和0.920,定标相关系数（RSQ）分别为0.892、0.891、0.907和0.953。用检验集对模型进行验证,NDF、ADF、ADL及木质素单体G/S模型的外部检验相关系数（RSQ）分别为0.837、0.818、0.870和0.935,其预测标准差（SEP）为0.680、0.636、0.348和0.054。【结论】试验所建模型质量较好,能快速测量茎秆纤维组分含量和木质素单体G/S,可为油菜抗病抗倒伏育种研究提供技术支持。     

鱼粉粗蛋白含量近红外模型的建立

[目的]为鱼粉粗蛋白含量提供一种快速、低廉、准确可靠的分析方法。[方法]以国内常见鱼粉为材料,使用InfraXact Lab型近红外光谱分析仪测定鱼粉的近红外光谱值,并采用常规凯氏定氮法测定鱼粉样品中粗蛋白含量,建立鱼粉粗蛋白含量的近红外分析模型,并对模型测定结果进行预测准确性评价。[结果]鱼粉粗蛋白含量定标方程的SECV值为0.515,1-VR值为0.865,粗蛋白含量的验证参数SEC值为0.302,RSQ值为0.925,说明定标方程的预测能力较好,可用来进行鱼粉粗蛋白含量的测定。[结论]建立的鱼粉粗蛋白含量近红外分析模型具有一定的实用价值,可用于鱼粉常规养分分析的实际工作。     

高温胁迫下糙米短期储藏气味指纹图谱变化规律的动态分析

【目的】探讨高温胁迫下短期储藏时间内糙米气味指纹图谱变化规律性,为糙米品质劣变的快速检测提供参考。【方法】以17.0%水分含量的新鲜糙米随机等分成6组进行储藏,采用顶空进样方式,分别结合气相色谱质谱联用技术（gas chromatography-mass spectrometry,GC-MS）和气相离子迁移谱技术（gas chromatography-ion mobility spectrometry,GC-IMS）,对高温储藏环境（40℃、相对湿度70%）中0、5、10、15、20和25 d的糙米挥发性化学成分及GC-IMS指纹图谱进行对比分析,并结合动态主成分和统计学方法进行数据分析。【结果】GC-MS定量分析表明,在新鲜糙米顶空气体成分中共检测出42种挥发性成分（GC-MS匹配度>85%）,主要由醛类、醇类、烃类组成,含量占比超过85%。高温短期储藏15 d后,正己醛含量从初始的（81.09±0.53）μg·kg^-1显著上升至（185.18±15.71）μg·kg^-1,储藏25 d时,又急剧下降至（12.89±0.72）μg·kg^-1（P<0.01）。部分物质如苯甲醇、1-辛烯-3-醇、苯乙烯等在储藏过程中被检出。结合GC-IMS方法,乙酸丙酯对应的气味挥发性色谱分离离子迁移信号随储藏时间延长而逐渐降低,可以作为糙米高温储藏期的重要标识物质。动态主成分降维处理后表明,基于GC-IMS气味指纹图谱可以区分不同储藏时间的糙米样品。与GC-MS相比,GC-IMS在糙米挥发性醇类、酮类等挥发性物质定性识别方面优势较为明显。【结论】GC-MS和GC-IMS技术结合气味指纹图谱的主成分分析可以对高温胁迫下短期储藏糙米的挥发特性进行有效的定性与定量分析,为高温环境下不同储藏阶段糙米样品的准确区分和糙米储藏新鲜度的判定提供技术参考。     

燕麦蛋白质近红外定量模型的创建及其在育种中的应用

[目的]研究利用近红外光谱分析法定量分析燕麦完整籽粒粗蛋白含量的可行性,探讨不同地区种植的同一燕麦品种蛋白质含量的变化,以期为燕麦的营养品质育种提供参考依据。[方法]收集蛋白质含量变幅较大的124份代表性燕麦样品,利用近红外谷物品质分析仪进行光谱扫描,采用常规化学分析方法(GB/T 5009.5—2010)测定样品蛋白质含量,借助近红外定标软件Win ISI,采用偏最小二乘法(PLS)建立燕麦粗蛋白含量的定标模型。利用定标模型对14个地区219份(17个品种)燕麦完整籽粒粗蛋白含量进行测定,分析不同地区、不同类型燕麦样本间的差异。[结果]124份燕麦籽粒样品的粗蛋白含量为15.49%~23.77%,分布范围较广,具有较好的代表性。成功建立了燕麦蛋白质含量的定标模型,决定系数较高,标准误差较小,回归方程具有较高的准确性。因此,利用近红外光谱分析技术检测燕麦籽粒中粗蛋白含量是可行且可靠的,可替代化学测定方法。[结论]近红外光谱分析技术为检测燕麦籽粒粗蛋白质含量提供了一种新方法。     

云南水稻直链淀粉含量近红外模型的创建研究*

 收集云南有代表性的水稻品种（系）210份,用常规法测定直链淀粉含量,采用偏最小二乘（PLS）法建立直链淀粉含量近红外光谱分析预测的校正模型,并对模型进行了预测准确性评价。结果表明AAC的模型校正决定系数Rc²为 0.962 2 ;校正标准差RMSEE为1.329;内部交叉检验的决定系数Rcv²为 0.925 6 ,标准差RMSECV为1.320。模型的检验相关系数达到90％以上,对云南水稻品质育种及种子资源相关研究具有实用价值。     

花生含油量杂种优势表现及主基因+多基因遗传效应分析

 【目的】了解是花生遗传改良主要目标含油量的杂种优势和遗传特点,指导花生育种实践。【方法】利用植物数量性状主基因与多基因混合遗传模型的P1、P2、F1、F2 4个世代联合分析方法,分析以花生野生种为高油基因源的4个组合后代群体含油量的遗传效应。【结果】4个组合均存在一定的杂种优势,中亲优势率分别为1.41%～9.42%。不同亲本组合含油量基因遗传特点差异明显。SW9721-3×特21和SW9721-12×濮花22号2个组合分离世代F2含油量次数分布均呈混合正态分布,符合主基因+多基因遗传特征。D-0模型是这2个组合含油量的最佳遗传模型,其含油量遗传受1对加性-显性主基因+加性-显性-上位性多基因控制,主基因遗传率为45.00%～47.51%,多基因遗传率为18.72%～22.75%。SW9721-23×95-3和SW9721-38×鲁花11号2个组合F2含油量次数分布均呈正态分布,符合多基因遗传特征,多基因遗传率为66.09%～66.51%。【结论】花生含油量杂种优势和超亲分离普遍存在;控制含油量性状的基因在效应上存在较大差异,有的出现主基因特性;加性基因在花生含油量遗传中起主要作用,通过高油单株定向选择育种可以实现含油量的有效改良。     

挤压膨化对金针菇-发芽糙米复配粉的消化特性及挥发性物质的影响

【目的】通过研究金针菇-发芽糙米复配粉的淀粉、蛋白质和挥发性物质在挤压前后的变化,探讨挤压膨化工艺对金针菇-发芽糙米复配粉的消化特性和风味的改善影响,为膨化产品的消化特性及风味分析提供参考。【方法】将金针菇-发芽糙米复配粉原料进行挤压膨化加工,利用扫描电镜、聚丙烯酰胺凝胶电泳、红外光谱以及体外消化等方法对淀粉和蛋白质的颗粒微观结构、蛋白质分子量和二级结构、淀粉和蛋白质的消化率等进行分析,探讨挤压膨化对金针菇-发芽糙米膨化产品消化特性的影响,并通过气相色谱-质谱联用法对风味成分进行对比分析。【结果】金针菇-发芽糙米复配粉原料经挤压膨化后,产品中淀粉颗粒由典型的大米颗粒外貌变为无规则形状,淀粉含量降低8.26%,还原糖和可溶性糖含量分别上升了1.35倍和18.45%,淀粉体外消化率提高30.68%。而金针菇-发芽糙米膨化产品中蛋白质颗粒也由膨化前的棱角圆滑的多面体型变为无规则形状,蛋白质含量降低1.00%,蛋白质体外消化率提高25.57%。金针菇-发芽糙米复配粉挤压膨化前,蛋白质分子量主要分布在50、36、33、22、19和13 kD左右,经过挤压膨化后,蛋白质分子量50 k D左右的谱带消失,而分子量36 k D以下的蛋白质谱带没有明显变化。金针菇-发芽糙米膨化前后及发芽糙米膨化产品蛋白质光谱整体相似,但在1 645 cm~(-1)和1 544 cm~(-1)处的吸收峰强度差别较大。与膨化前物料相比,金针菇-发芽糙米膨化产品中醛类、醇类、吡嗪类分别增加了18.93%、44.17%、77.64%,酮类物质增加了1.56倍。发芽糙米原料中含量较高的醛类和醇类物质经过挤压加工后均呈现降低趋势,而在金针菇-发芽糙米复配粉原料中这些物质经挤压加工后均表现出升高趋势,说明添加金针菇对膨化产品风味有增强作用。【结论】挤压膨化可提高金针菇-发芽糙米膨化产品的消化特性,并且添加金针菇能够丰富和增强膨化产品的风味。     

高温胁迫对水稻贮藏蛋白质的组成和积累形态的影响

 【目的】稻米蛋白质的含量及组成是稻米品质和营养价值的重要指标,本研究旨在揭示高温胁迫对稻米贮藏蛋白质的组成和积累形态的影响。【方法】设置试验对灌浆期水稻进行高温胁迫处理,对稻米蛋白质各组分的积累动态进行分析。【结果】25℃处理在灌浆过程,籽粒单粒重和贮藏蛋白质积累过程与积累形态上都与自然生长条件下表现一致。而35℃的高温胁迫处理加速了灌浆过程,降低了籽粒单粒重。高温胁迫不仅增加了粗蛋白的含量,而且改变了贮藏蛋白质的组成和积累形态,如使醇溶蛋白的相对含量较对照降低了7.5%。高温处理虽然没有改变主要贮藏蛋白质谷蛋白的相对含量,却导致谷蛋白的两个亚基的相对含量较对照降低了12.7%,同时使57 kD谷蛋白前体及57 kD以上谷蛋白聚合体的积累增加了19.5%。【结论】在高温胁迫条件下水稻贮藏蛋白质的组成和积累形态发生了改变,谷蛋白两个亚基含量和醇溶蛋白含量的降低与籽粒氮素供应能力和蛋白质合成能力无关,而与蛋白质翻译后的转化、转运、聚合及降解等过程紧密相关。57 kD谷蛋白前体及57 kD以上谷蛋白聚合体的积累可能对稻米的食味与加工品质产生影响。