空化射流条件下酶法制油豆渣蛋白结构与理化特性研究

为运用空化射流处理技术有效提高酶法制油豆渣中可溶性蛋白含量、改善其理化特性，采用二维和三维荧光、十二烷基硫酸钠-聚丙烯酰胺凝胶电泳及扫描电镜解析了不同空化射流处理时间（0、5、10、15min）对豆渣蛋白结构的影响及形态变化，并采用溶解性、乳化性、氨基酸分析、粒度分布及ζ 电位对其理化及功能特性进行表征，最终明确了空化射流处理对酶法制油豆渣蛋白结构及理化特性的影响规律。结果表明：空化射流可促进豆渣蛋白结构解折叠，使分子间相互作用增强，其亚基结构由高分子量向低分子量转化；当空化射流处理10min时，豆渣蛋白粒度分布稳定，且体积平均粒径D\[4,3\]达到最低值（470.10±8.70）nm，ζ 电位绝对值达到最大（27.4±0.83）mV，溶解特性及界面性质最佳；经氨基酸分析发现，酶法制油豆渣蛋白和大豆分离蛋白（SPI）的氨基酸组成相似，其疏水性氨基酸质量分数达33.03%。     

基于高光谱的油茶籽含水量检测方法

为了快速精准检测油茶籽含水量,解决传统烘干检测法费时费力等问题,提出一种基于高光谱技术的油茶籽含水量无损检测方法。以油茶籽为研究对象,测定油茶籽含水量,建立光谱模型,对油茶籽光谱分别进行Savitzky-Golay(S-G)卷积平滑、一阶微分、二阶微分和多元散射校正(MSC)预处理,通过逐步回归提取有效敏感波长,并采用偏最小二乘回归(PLSR)、BP神经网络和径向基(RBF)神经网络方法分别建立预测模型,对模型进行外部验证,选出最优预测模型。研究表明:相关系数较高的光谱敏感波段为410~450、600~620、780~880、940~971 nm。基于MSC预处理光谱建立的PLSR模型,在校正集上的相关系数为0.953 4、均方根误差为0.22%,在验证集上的相关系数为0.939 9、均方根误差为0.27%,优于BP神经网络模型和RBF神经网络模型。结果说明,采用高光谱技术检测油茶籽含水量是可行的,研究内容可为油茶籽含水量的在线无损检测提供有效依据。     

肽聚糖对肉制品中产气荚膜梭菌芽孢萌发率影响及预测

该研究利用产气荚膜梭菌(Clostridium perfringens,C.perfringens)营养体及其芽孢肽聚糖以芽孢萌发率S、浑浊度OD600%、Ca^2+-DPA%变化率等为指标比较不同肽聚糖对C.perfringens芽孢萌发的影响;并针对芽孢萌发率检测耗时、费力等问题,提出一种基于近红外光谱技术(near infrared spectroscopy,NIR)定量预测不同浓度肽聚糖诱导芽孢萌发率研究。首先原始光谱经不同方式预处理,获得最佳方法为标准正态变换,然后使用主成分分析和遗传-联合区间偏最小二乘法进行光谱数据降维及特征变量筛选,分别对不同浓度肽聚糖诱导芽孢S、OD600%、Ca2+-DPA%进行快速预测。结果表明:营养体肽聚糖可有效诱导芽孢萌发,而芽孢肽聚糖效果不明显。利用GA-siPLS筛选芽孢萌发特征变量的最佳特征区间分别是[3,9,11,14]、[1,7,12,15]和[7,8,12,17],其预测集R和RMSEP分别为0.8726,0.8611,0.8841和0.769,0.218%,42.34%。研究结果表明,利用NIR结合GA-siPLS可定量预测肽聚糖诱导C.perfringens芽孢的萌发率,实现芽孢萌发的快速预测,为保证肉制品安全提供有效手段。     

华南地区土壤有机质含量高光谱反演

为实现对土壤有机质含量的快速监测,在对土壤有机质含量作倒数变换的同时将土壤高光谱数据进行多种数据变换处理,筛选出与土壤有机质含量倒数变换后相关性最高的光谱指标,最后构建了土壤有机质含量高光谱反演的最佳模型,实现对土壤有机质含量的反演。结果表明:估算土壤有机质含量的最佳光谱指标为反射率一阶微分波段组合R_((587,126)*R_((734,049))*R_((1 095,892)),相关系数为0.769;在此基础上构建的土壤有机质含量高光谱反演模型最佳(Y=5×10~(16)x~3-5×10~(10)x~2+59 471.000 0x+0.101 1),其决定系数R~2为0.65,均方根误差(RMSE)为0.040 mg/kg。将其验证样本预测值与实测值进行比较,平均相对误差为27.00%,RMSE为4.19 mg/kg。该验证结果证明利用该模型进行华南地区土壤有机质含量的快速监测是可行的。     

基于高光谱指数估测马铃薯植株氮素浓度的敏感波段提取

  【目的】  基于光谱指数的氮素营养诊断是快速获取作物氮素营养状况的方式之一。其中，利用可见光和近红外波段光谱反射率构建的比率和归一化光谱指数对估测作物氮素营养状况具有重要意义。解决氮素营养诊断过程中存在的指数饱和及数据离散问题，以评价已有比率和归一化光谱指数对马铃薯关键生育时期植株氮素浓度诊断的可行性。  【方法】  2014—2016年在内蒙古武川县和四子王旗，设置了4个不同氮肥梯度的多点田间试验。在马铃薯块茎形成期、块茎膨大期和淀粉积累期，采集试验地和邻近农田马铃薯地上部和块茎样品，分析其氮素含量。并在马铃薯冠层以上50～80 cm采集光谱数据。用试验田数据建立了12个已发表的比率、归一化光谱指数和波段优化光谱指数与马铃薯关键生育时期植株氮素浓度的相关性与估测模型，并用农田马铃薯数据验证模型的精度。  【结果】  马铃薯植株氮素浓度分布范围在1.89%～4.69%，平均氮素浓度为3.30%，变异系数为18.75%；验证集数据来源于农民田块，马铃薯植株氮素浓度分布范围在2.00%～4.92%，平均氮素浓度为3.34%，变异系数为19.27%。蓝紫光400～450 nm和红边690～720 nm波段是马铃薯植株氮素浓度估测的敏感波段，部分已有光谱指数虽然可以用于马铃薯植株氮素浓度的估测，但是蓝紫光波段的缺失大大降低了估测的准确性。通过波段优化算法确定的优化光谱指数RSI、NDSI最佳波段位置分别为430、694和426、694 nm。基于优化光谱指数NDSI (426 nm、694 nm) 建立的马铃薯植株氮素浓度线性估测模型为y=?6.87x+6.08，决定系数R2最高，为0.68；RSI光谱指数与马铃薯植株氮素浓度的线性估测模型为y=?1.11x+5.92，R2为0.65，与已有比率和归一化光谱指数相比，优化光谱指数RSI和NDSI克服了高氮浓度条件下光谱指数饱和现象，显著提高了马铃薯植株氮素浓度的线性建模效果。农民田块验证数据显示，估测模型的估测值与实测值接近1∶1线，其中NDSI光谱指数估测模型的验证效果最佳，平均相对误差RE 和均方根误差RMSE分别为10.58%和0.42%。  【结论】  本研究通过波段优化算法确定了比率和归一化光谱指数的马铃薯植株氮素浓度敏感波段，采用蓝紫光400～450 nm和红边690～720 nm波段进行马铃薯植株氮素浓度估测，可以改善诊断高氮浓度时的指数灵敏度和数据离散问题，提高马铃薯植株氮素营养诊断的精度。     

玉米茎秆纤维组分近红外反射光谱模型的建立

以200份玉米自交系作为试验材料,利用近红外反射光谱技术建立3种茎秆组分的近红外光谱模型,研究更快速、准确地测定玉米茎秆中木质素、纤维素和半纤维素的含量的方法。结果表明,在4 017.94～8 053.28、4 017.94～8 067.89和4 027.08～8 928.20谱区内建立的测定玉米茎秆木质素、纤维素和半纤维素含量的近红外光谱模型效果最好。利用偏最小二乘回归法建立校正模型,木质素、纤维素和半纤维素的校正相关系数分别为0.932 9、0.925 1和0.926 5,校正标准差分别为1.57、1.68和1.18。选取30份玉米茎秆样品作为检验集对模型进行验证,木质素、纤维素和半纤维素的外部相关系数分别为0.938 9、0.891 1和0.905 0,其预测标准差分别为1.57、2.14和1.49。同样选取30份茎秆样品对模型进行交叉验证,其相关系数分别为0.897 3、0.944 2和0.891 8,交叉验证标准差分别为1.87、2.32和1.43。研究结果表明,所建模型质量较好,能快速、准确测量玉米茎秆木质素、纤维素和半纤维素含量。     

基于数据挖掘技术的高光谱土壤质地分类研究

【目的】 寻找红壤地区不同土壤质地类型的Vis-NIR光谱反射规律,通过光谱对土壤质地类别进行快速、准确的预测。【方法】 以江西省奉新县北部为研究区,245个土壤样本为研究对象,在国际制土壤质地4组和12级两种分类标准下,首先分析不同土壤质地类型的光谱反射率,然后采用9种数学变换方法和5种机器学习算法相互组合的数据挖掘模型,进行土壤质地的分类研究,最后对建模准确度最高的混淆矩阵和预测结果三角坐标分布图进行分析。【结果】 （1）不同土壤质地之间的光谱反射率存在较多的交叉重叠现象,土壤质地与光谱反射率之间的规律较为复杂;（2）分数阶导数变换是整数阶导数的扩展,有助于土壤质地的分类,但原始光谱数据具有更加丰富的特征信息,更适合进行土壤质地分类建模;（3）在对非均衡数据集建模时,集成学习方法和神经网络方法都是不错的选择;（4）较难通过模型去区分土壤质地分界线附近的类别,其中在4组分类标准下最容易被预测错误成黏壤土组,在12级分类标准下最容易被预测错误成黏壤土和壤质黏土这两种土壤质地类型;（5）在4组分类标准中,进行归一化处理和MLP模型组合取得了0.68的最高预测准确度,其中黏壤土组的预测准确度能达到0.84;再细分到12级分类后,分类效果最佳的组合来自于原始数据和MLP模型,其中壤质黏土分类准确度达到了0.89。【结论】 本研究结果可为南方红壤地区通过高光谱数据进行土壤质地分类提供参考依据。     

基于光谱分析的玉米追肥关键期叶片氮含量检测方法

在玉米追氮关键期对其氮含量进行准确检测,是玉米减量施肥的重要举措。传统的全波段光谱分析法数据量大,氮含量检测数学模型建立困难。选取能够反映玉米叶片氮含量水平的特征波长,能够极大减小建模难度。针对玉米生长对氮含量特征波长变化影响,提出玉米追肥关键期叶片氮含量检测方法。将标准归一化、卷积平滑处理算法与连续投影算法相结合,提取了玉米拔节期、大喇叭口期及抽雄期3个追氮关键期的叶片氮含量光谱特征波长,为玉米追氮光谱检测模型建立提供了依据,并通过多元线性回归建立玉米叶片氮含量光谱模型,极大降低了算法复杂度。通过对比分析表明,采用本文提取的方法得到的特征波长,具有准确性强,均方根误差小,运算复杂度低的优势。