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.     

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。     

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。     

近红外光谱法快速测定苎麻果胶含量的研究与探讨

本文旨在探讨应用近红外光谱法快速测定苎麻中果胶含量的可行性.对62个苎麻样品进行近红外光谱扫描及果胶含量的测定,采用偏最小二乘法(PLS)建立近红外光谱信息与果胶含量的校正模型,该模型的相关系数为0.904.利用该模型对16个验证集样品进行果胶含量的预测,预测标准差为0.21.结果表明,该方法用于快速测定苎麻果胶含量是可行的.     

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。     

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。     

近红外反射光谱(NIRS)测量棉子中油份和蛋白质含量的研究

本研究对近红外反射光谱分析法测量棉子油份和蛋白质含量的可行性和方法进行了探讨。采用索氏抽提法测量了112份常规棉花品种种仁的油份含量,选择其中87份代表性样品建立数学模型,用剩下的25份验证该模型,其NIRS的预测值与化学值之间的相关系数R=0.9656,预测标准差(SEP)为3.55%。用凯氏定氮法测量了103份棉子种仁的蛋白质含量,选择其中的80份建立数学模型,用剩下的23份验证该模型,其NIRS的预测值与化学值之间的相关系数R=0.9727,预测标准差(SEP)为3.56%。结果表明,本研究所构建的数学模型可以用来快速准确地测量棉子的油份和蛋白质含量。     

基于近红外光谱仪对彩棉色度的测定技术研究

为建立1种快速检测棕色彩棉纤维色度值的方法,收集150份代表性样本,进行了光谱采集及相应化学色度值测定,采用二阶平滑导数及多元散射校正等方法对光谱预处理,采用偏最小二乘法对试验数据进行回归分析,建立棕色彩棉纤维的色度近红外反射光谱校正模型。结果表明：色度值近红外校正模型相关系数为0.984,校正标准误差0.638,交叉验证标准误差0.813,预测值标准误差为0.589。说明预测集样本达到较好的预测效果。表明应用该模型对棕色彩棉色度值具有很好的预测性,该应用模型可以快速检测棕色彩棉纤维色度。     

利用近红外无损检测技术测定水稻土全氮含量的研究

探讨了利用近红外光谱法测定水稻土全氮含量的可行性,利用Nicolet公司生产的傅里叶变换近红外透射光谱仪测定129个水稻土样品的近红外光谱值,通过几种不同的光谱前处理,采用偏最小二乘回归(PLSR)法把测得的水稻土光谱值与实验室法测得的全氮数值拟合建立定标模型,经分析得出利用标准化处理的光谱数据与全氮含量之间建立的模型稳定性最好,模型相关参数为:预测标准差SEP=0.010 9,校正相关系数RCAL=0.98,内部交叉验证相关系数RVAL=0.86,校正标准差SEE=0.031 6。结果表明:近红外法测定结果与常规方法具有很好的相关性,可以快速、无损、准确地测定水稻土全氮含量。     

玉米子粒颜色对近红外模型预测其淀粉含量的影响

以我国黑龙江、吉林、辽宁、内蒙古、山西、广西等省区368份玉米样品为材料,分别采用近红外透射光谱(NITS)和实验室常规分析(LAB)测定其淀粉含量,通过校正样品集建立样品吸收光谱与化学成分间的关系模型,校正并优化原有神经网络模型。经检验,校正模型Ⅰ(黄色样品)、校正模型Ⅱ(橙红色样品)和校正模型Ⅲ(总样品)的预测平均残差(Bias)依次为0.15、0.05和1.04;均方误差(RMSE)依次为1.06、1.07和1.12。预测效果相比较,模型Ⅰ和模型Ⅱ预测值与常规分析值的残差和均方误差均低于模型Ⅲ,因此对玉米整子粒淀粉近红外分析,按样品外观颜色分类定标(校正)更有利于提高模型的预测性能。     

近红外反射光谱测定玉米完整子粒蛋白质和淀粉含量的校正模型

以玉米完整子粒为实验材料,采用偏最小二乘回归法建立近红外反射光谱测定其蛋白质和淀粉含量的数学模型,光谱预处理结果表明采用矢量归一化和一阶导数+多元散射校正分别建立蛋白质含量和淀粉含量的校正模型效果最佳,外部验证结果证明校正后模型预测结果与化学值之间的相关系数分别达到0.946 9和0.924 0。     

无效变量消除法在油菜籽芥酸近红外无损速测中的应用

探索改善油菜籽芥酸近红外预测模型准确度与精密度的方法,利用无效变量消除法(UVE),对135个油菜籽样品近红外光谱信号进行筛选,并利用筛选后的光谱对油菜籽芥酸含量进行偏最小二乘法交叉验证。结果表明,UVE法筛选变量后建立的芥酸校正模型对未知样品预测结果的准确度和速度显著优于全波长参与建立的芥酸校正模型。散射校正加一阶导数对光谱预处理,UVE法筛选变量,偏最小二乘法交叉验证建立的校正模型效果最好,其预测值与标准值的相关系数R达到0.92,交叉验证预测均方差为2.2。因此,用UVE进行波长选择后建立的近红外模型,能准确快速地对油菜籽芥酸含量进行定量分析。     

大豆主要脂肪酸含量近红外模型的建立

为提高大豆脂肪酸品种的育种进程,使用气相色谱法测量289份大豆籽粒样品的脂肪酸含量,并用近红外谷物品质分析仪NIRFIEX N-500采集大豆样品近红外光谱值,采用主成分回归法将化学试验测定的数值与采集的光谱曲线对应拟合整理分析建立定标模型。每种脂肪酸建立11个定标标准,选取决定系数定标Q值中最高的数值为定标模型。结果显示5种脂肪酸定标模型的适宜Q值分别为:棕榈酸0.823 5、硬脂酸0.854 1、油酸0.819 6、亚油酸0.829 1、亚麻酸0.836 3。最后验证结果表明,近红外法测量值与化学试验测定值误差均在1.5%误差范围之内,证明所建立模型质量较好,具有使用价值,可用于大豆育种材料脂肪酸含量的快速测量。     

近红外光谱分析技术在小麦营养成份鉴定上的应用

用近红外光谱分析技术对１２４个小麦品种的营养成份含量进行了比较测定。结果表明，用近红外光谱分析技术测得小麦样品的水分、粗蛋白、粗纤维、赖氨酸含量与常规分析法测值之间的相关系数分别为０．９７１４、０．９８６２、０．９５４８和０．９８４７，估测变异系数分别为２．１％、１．４％、６．８％和１．１％，４项指标的近红外光谱法测定均达到了和常规分析法测值相近的水平     

大麦籽粒抗性淀粉含量快速测定方法研究

为探索快速高效测定大麦籽粒中抗性淀粉含量的方法，利用衰减全反射中红外（attenuated total reflection mid-infrared spectroscopy,ATR-MIR）和近红外（near-infrared spectroscopy,NIR）光谱技术，分别用3种不同方法进行预处理，建立大麦样品的抗性淀粉含量快速测定红外模型，通过不同预处理预测模型的校正和内部交叉验证结果的比较，依据决定系数（r）和均方根误差（RMSE）筛选出基于ATR-MIR和NIR光谱的最佳预测模型，再对最佳预测模型进行外部验证。结果表明，经基线位移校正+范围归一化（BOC+RN）预处理后的PLS模型为最佳ATR-MIR预测模型；经标准正态变换+Savitzky-Golay法一阶求导（SNV+1thD）的预处理模型为最佳NIR预测模型。用验证集材料对BOC+RN和SNV+1thD最佳预测模型的预测效果进行外部验证，光谱预测值与化学测定值之间没有显著差异，说明两种方法均可以用于大麦籽粒抗性淀粉含量测定；ATR-MIR光谱比NIR光谱具有更好的预测能力。     

小种红茶茶多酚和咖啡碱近红外定量分析模型的建立

以76份有代表性的小种红茶为研究对象,采用现行国标方法测定的茶多酚和咖啡碱含量作为近红外预测模型的化学值,对应采集样品的近红外光谱值,分别建立小种红茶茶多酚和咖啡碱含量最佳偏最小二乘法（Partial least squares,PLS）模型。结果表明,所构建的茶多酚含量模型校正集决定系数（Coefficient of determination,R²）为97.59%,校正均方差（Root mean square error of calibration,RMSEC）为0.566%,验证集R²为95.06%,预测均方差（Root mean square error of prediction,RMSEP）为0.855%;咖啡碱含量模型校正集R²为96.98%,RESEC为0.110%,验证集R²为95.67%,RESEP为0.148%。茶多酚和咖啡碱含量定量分析模型效果均较好,可实现对小种红茶茶多酚和咖啡碱含量的快速检测。     

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。     

近红外透射光谱法(NITS)分析大豆品质的研究

为了研究大豆品质性状的快速测定方法,以我国东北部四省区572份大豆样品为材料,采用近红外透射(NITS)技术非破坏性测定大豆的粗蛋白质、粗脂肪含量.调选出的校正集样品经实验室常规分析测定,建立其吸收光谱与化学成分间的关系模型,校正并优化原有测定方程.校正方程经预测获得了较高的预测集决定系数0.9757(蛋白质)、0.9549(脂肪)和较低的标准误差2.18(蛋白质)、0.88(脂肪).结果表明近红外透射光谱技术可广泛应用于大豆品种品质普查、大豆品质育种材料筛选和商品大豆质量分类分级.本研究试验用样品数量多、来源分布均匀、品种信息丰富,因此,所建立的近红外透射预测模型适用范围广.     

利用近红外透射光谱技术同步测定糙米的多项品质指标初报

利用FOSS TECATOR 公司生产的1241型近红外透射光谱仪,对266份整粒糙米样品进行了光谱扫描并测定了其多项品质指标。借助于近红外定标软件WINISI,建立了利用近红外透射光谱同时测定糙米多项品质指标的模型。结果表明,蛋白质模型的分析效果最好,其外部检验 (经校正的) 工作标准误\[SEP (C) \] 为0.312,检验决定系数(RSQ )为0956,而其他4项指标直链淀粉含量、糊化温度(碱消值)、透明度（透光率）和垩白度模型的SEP (C)分别为1.672、 0.389、 0034和4.024,RSQ分别为0.745、0.838、0.797和0.714。分析了近红外测定的重复性并讨论了该模型在水稻遗传育种等方面的应用前景。