共查询到20条相似文献,搜索用时 62 毫秒
1.
2.
在介绍近红外光谱技术的测定原理及定量分析方法基础上,对近红外光谱技术在饲料的常规成分检洲、有毒有害成分和维生素检测、预测粗饲料成分、有效能检测、氨基酸检测等方面的应用现状进行了阐述. 相似文献
3.
叙述了近红外光谱技术的原理与方法,并对近红外光谱技术在农作物领域的应用研究进行了介绍,指出近红外光谱技术作为一种非破坏性的检测技术将在农作物中有广阔的应用前景. 相似文献
4.
5.
6.
7.
8.
9.
10.
11.
采用独立分量分析(ICA)方法,对玉米样品的近红外光谱进行分解,得到统计上独立的各成分光谱;然后用多元回归方法建立基于ICA成分的玉米粗蛋白质、粗淀粉和粗脂肪含量的定量分析模型,3种成分建模集和预测集的化学值和近红外预测值之间的相关系数都较高,且平均相对误差都较低。结果表明,ICA方法建立的玉米样品3个主要成分的近红外模型预测准确度都较高,可应用于玉米育种中大批样品的快速品质分析。 相似文献
12.
收集了151个反刍动物饲料,应用偏最小二乘(PLS)定标方法,建立了基于近红外光谱的反刍动物饲料化学成分定标模型。定标集化学分析值与预测值之间的决定系数R2和标准差(RMSEC)分别为:0.927 3和0.265(水分)、0.928 9和0.682(粗蛋白质)、0.950 5和0.228(粗脂肪)、0.906 0和0.542(粗灰分)、0.919 8和0.558(粗纤维)。验证集化学分析值与预测值之间的决定系数r2和标准差(RMSEP)分别为:0.920 6和0.284(水分)0、.919 4和0.690(粗蛋白质)、0.926 4和0.312(粗脂肪)、0.943 4和0.437(粗灰分)、0.903 5和0.616(粗纤维),相对分析误差(RPD)均大于3,具有较高的预测精度。结果表明,利用近红外光谱反射光谱分析技术可以定量检测反刍动物饲料中水分、粗蛋白质、粗脂肪、粗灰分、粗纤维的含量。 相似文献
13.
14.
蔬菜是人类获取维生素、矿质元素、抗氧化剂和膳食纤维等的重要来源,一直是健康饮食的重要组成部分,其产业在国民经济中占有重要地位。随着生活水平的提高,人们在注重蔬菜质量安全的前提下,更加关注蔬菜的品质,口感好、风味浓郁、营养丰富的蔬菜品种是当今发展趋势,但是传统的蔬菜质检及理化特性检测过程耗时、成本高,无法满足蔬菜快速筛选的要求。综述了高效、绿色的近红外光谱分析技术在蔬菜安全品质检测(农药残留检测等)、蔬菜内在质构检测(硬度、水分、粗纤维检测等)、蔬菜风味检测(甜、酸、苦、辣滋味特征等)、蔬菜营养健康成分检测(维生素C、硫代葡萄糖苷、类胡萝卜素等)多个方面的应用,以期为蔬菜全产业链的高效发展提供新思路。 相似文献
15.
16.
17.
18.
近红外光谱技术在小麦品质育种中的应用研究 总被引:1,自引:0,他引:1
以14种蛋白质含量差异较大的小麦为材料,用凯氏定氮法和近红外光谱法分别测定了蛋白质含量.结果表明,近红外光谱与凯氏定氮法测定结果呈显著正相关,能够快速、准确、无损地测定完整小麦子粒的蛋白质,可以在育种早代用来鉴定、筛选大量中间材料. 相似文献
19.
20.
Using 128 bulk-kernel samples of inbred lines and hybrids,a study was conducted to investigate the feasibility and method of measuring protein and starch contents in intact seeds of maize by near infrared reflectance spectroscopy(NIRS).The chemometric algorithms of partial least square(PLS)regression was used.The results indicated that the calibration models developed by the spectral data pretreatment of first derivative+multivariate scattering correction within the spectral region of 10 000-4 000 cm-1,and first derivative + straight line subtraction in 9 000-4 000 cm-1 were the best for protein and starch,respectively.All these models yielded coefficients of determination of calibration(R2ca1)above 0.97,while R2cv and R2va1 of cross and external validation ranged from 0.92 to 0.95,respectively; however,the root of mean square errors of calibration,cross and external validation(RMSEE,RMSECV and RMSEP)were below l(ranged 0.3-0.7),respectively.This study demonstrated that it is feasible to use NIRS as a rapid,accurate,and none-destructive technique to predict protein and starch contents of whole kernel in the maize quality improvement program. 相似文献