高寒草原天然牧草营养品质近红外光谱预测模型的建立

本研究旨在探讨近红外光谱(NIRS)技术在定量分析高寒草原天然牧草营养品质的可行性。试验于2015—2018年,每年6—9月份,从青藏高原高寒草原放牧研究样地收集不同放牧强度(0、3.6、5.3、7.6只/hm2)的混合和4个优势种(莎草科矮生嵩草、蓼科珠芽蓼、蔷薇科金露梅和豆科锦鸡儿)牧草样品共计1 280份,随机分为定标样品集(n=854)和预测样品集(n=426),建立天然牧草干物质(DM)、粗脂肪(EE)、粗蛋白质(CP)、酸性洗涤纤维(ADF)、中性洗涤纤维(NDF)含量及体外干物质消化率(IVDMD)和估算代谢能(EME)营养品质近红外光谱(NIRS)预测模型,实现天然牧草营养品质的快速和准确评估。结果显示:牧草DM、CP、EE、ADF、NDF含量及IVDMD和ME变异较大;DM、CP、ADF、NDF含量及IVDMD和EME的NIRS预测模型的验证决定系数(R2CV)为0.992～0.999,外部验证相对分析误差(RPD)为3.82～5.97,取得了最佳的定标效果,且定标方程均具较好的预测能力,能够成功应用于日常分析。EE含量的NIRS预测模型的R2CV为0.837,外部RPD为2.30,定标效果不理想,定标模型虽不能用于准确的定量分析测定,但仍能应用于牧草EE含量的粗略测定。综上所述,本研究建立的高寒草原天然牧草DM、CP、ADF、NDF含量及IVDMD和EME的NIRS预测模型能够成功应用于日常分析。     

玉米粉淀粉含量近红外模型建立与优化

以230份玉米自交系为样本，采用旋光法与一阶导数及去一条直线的光谱预处理法，构建玉米粉样淀粉含量的近红外分析（NIRS）模型。研究标明，该模型可显著提高子粒淀粉含量预测的准确性。该模型的定标标准偏差（RMSEE）、交叉验证标准偏差（RMSECV）、外部验证标准偏差（RMSEP）、定标相关系数（R_cal²）、交叉验证相关系数（R_cv²）、外部验证相关系数（R_cv²）分别为0.609、0.722、0.738、0.909、0.864和0.854。建立的玉米粉样NIRS模型可将预测值与化学值偏差控制在1.7%内，能够准确定量分析玉米子粒淀粉含量，应用于育种材料早期筛选及群体水平粗淀粉分析。     

甜菜种子活力的测定——基于近红外高光谱技术

为保证田间甜菜种子的出苗率和生产潜力,需要在种植前对种子进行活力检测,挑选出活力高的甜菜种子进行推广种植。利用高温处理法对甜菜种子进行老化处理,再基于标准正态变换(SNV)、去趋势校正(DET)、Savitzky-Golay平滑处理(SG)、一阶差分(1D)和二阶差分(2D)5种近红外高光谱预处理方法,构建种子活力智能检测模型得出预测的种子发芽率,再利用老化处理后的甜菜种子进行发芽实验得出实际的发芽率。研究发现,甜菜种子经过一阶差分预处理建立的智能检测模型预测性能最好,其预测准确率达到91.92%。将未处理的甜菜种子的实际发芽率与一阶差分预处理法建立的智能模型预测结果进行对比,发现模型的预测准确率为88.2%。近红外高光谱技术是一种快速、无损的作物种子活力测定的新方法。     

近红外光谱技术在家禽养殖领域应用现状

近红外光谱是一种快速光谱分析的新方法,伴随着光谱技术与化学计量法的发展,近红外光谱已广泛应用于农业、食品、医药、石油化工等行业,极大地提高了各行业信息化水平。基于近红外光谱在家禽养殖领域的应用现状,本文总结了近红外光谱技术的发展及其在饲料成分检测和禽肉检测中的应用。在饲料检测和家禽肉类检测方面,通过将禽肉样品的光谱信息与质量指标的参考值相关联,建立了预测饲料和待测肉类高精度、高稳定性的数学模型。与传统方法相比,近红外光谱技术具有信息量大、数据计算速度快等优点。本文还归纳了近红外光谱技术在饲料品质检测和肉类品质检测的应用现状,指出了近红外光谱在家禽养殖领域的大规模应用推广的可能性。同时指出近红外光谱技术存在的问题和未来发展方向,结果表明近红外光谱技术在饲料和畜产品检测领域具有良好的发展前景和应用价值。     

基于偏最小二乘法的新疆杏可溶性固形物含量的无损检测

利用近红外光谱无损检测技术,以成熟的库车小白杏为研究对象,先通过一阶导数混合标准正态变量变换法进行光谱预处理,再利用偏最小二乘法建立杏可溶性固形物含量预测模型。结果表明,最佳因子数为4,模型的相关系数为0.964 45,校正集标准偏差为0.215,预测集标准偏差为0.456时模型最佳。结果表明,基于近红外光谱技术测定杏的可溶性固形物含有具有可行性,可以为库车小白杏的无损检测提供重要参考与技术支持。     

不同波长选择方法在土壤有机质含量检测中对比研究

由于近红外光谱数据的多重共线性，特征波长选择一直是近红外光谱分析技术的重要研究内容。以108个土壤样本光谱数据和土壤有机质(SOM)含量为研究对象，以连续投影算法（SPA）、间隔偏最小二乘法（IPLS）、竞争自适应重加权采样法（CARS）三种典型的特征波长选择算法进行近红外光谱波长选择和土壤有机质含量建模。研究结果表明，基于上述三种方法提取的特征波长所建立的模型预测能力均优于全谱模型。其中，基于SPA算法的MLR预测模型精度最优，预测集相关系数（Rp）和均方根误差（RMSEP）分别为0970 2和1.214 4，模型参数只有6个。因此，SPA-MLR可以有效地应用近红外光谱的建模，并且简化模型的复杂度，提高模型的计算效率。     

宁夏玉米营养成分近红外分析模型建立与应用

研究采集宁夏区内各市县(固原、海原、同心、中卫、中宁、永宁、平罗)抽取玉米样品120批,用近红外分析仪扫描定标样品集获得玉米近红外光谱图,利用偏最小二乘法建立模型,并分别经过无预处理、均值中心化、标准正态变量转换、一阶导数、标准正态变量转换结合去趋势校正(SNV+D)预处理光谱,获得水分、粗蛋白、粗脂肪、粗纤维预测模型,分别是经过MC、SNV+D、SNV+D、SNV+D光谱预处理后效果最好。预测决定系数R² _p分别为0.951、0.976、0.728、0.897,相对分析误差RPD除粗脂肪为2.62外,其他均大于3的近红外预测模型,通过预测模型验证集验证后,并对模型预测值与实测值进行U检验,结果为差异不显著(P>0.05)。该近红外预测模型对玉米中水分、粗蛋白、粗纤维具有较佳预测效果,粗脂肪的预测精度有待进一步提高。